본 연구는 로봇 동작 학습을 위한 새로운 딥 메트릭 학습 프레임워크 PUMA를 제안한다. PUMA는 다음과 같은 특징을 가진다:
동작의 정확성과 안정성을 동시에 달성할 수 있다. 기존 방법들은 안정성을 보장하기 위해 함수 근사기의 구조를 제한하였지만, PUMA는 이러한 제약 없이 안정성을 달성할 수 있다.
유클리드 및 비유클리드 공간에서 작동할 수 있다. 기존 방법들은 주로 유클리드 공간을 가정하였지만, PUMA는 로봇의 자세 표현과 같은 비유클리드 공간에서도 적용 가능하다.
삼중 손실 함수를 활용하여 동작 원시의 안정성을 보장한다. 이 손실 함수는 동작 원시의 잠재 공간 내에서 안정성 조건을 충족하도록 한다.
실험을 통해 PUMA의 성능을 검증하였다. 유클리드 및 비유클리드 공간에서의 동작 학습 실험과 실제 로봇 실험을 수행하였으며, PUMA가 기존 방법들에 비해 우수한 성능을 보임을 확인하였다.
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문