본 연구는 로봇이 정돈된 배치 데모를 통해 정돈 개념을 학습하고 실제 환경에서 물건을 효율적으로 정리할 수 있는 자기 지도 학습 프레임워크를 제안한다.
먼저 객체의 크기와 길이만을 입력 데이터로 사용하여 객체의 의미적 속성은 배제하였다. 이를 통해 다양한 정돈 선호도를 반영할 수 있도록 하였다.
다음으로 Gaussian Mixture Model을 활용하여 다중 목표 예측 문제를 해결하였다. 이를 통해 동일한 객체 구성에 대해 다양한 정돈된 배치를 생성할 수 있다.
제안된 변압기 기반 모델은 입력 및 출력 크기 변화에 유연하게 대응할 수 있으며, 자기 회귀 메커니즘을 통해 순차적으로 객체 위치를 예측한다.
실험 결과, 제안 모델은 다양한 객체 수와 사용자 선호도에 적응할 수 있으며, 기존 모델 대비 우수한 성능을 보였다. 또한 실제 로봇 시스템에 통합하여 실세계 정리 작업을 수행할 수 있음을 확인하였다.
To Another Language
from source content
arxiv.org
Djupare frågor