학술대회

강연자

전명환 (서울대학교/박사)

제목

Ambiguity-Aware Multi-Object Pose Optimization for Visually-Assisted Robot Manipulation

학회

IEEE Robotics and Automation Letters (IEEE RA-L) 2023 / (ICRA 2023 발표)

요약

로봇 매니퓰레이터가 대상 객체를 효과적으로 조작하기 위해서는 로봇 매니퓰레이터의 워크스페이스안 에 놓여있는 다수의 대상 객체들에 대한 인지가 필수적으로 요구된다. 본 논문에서는 RGB 이미지만을 이용하여 대상 객체가 가지는 자세 모호성을 판별할 수 있는 방법을 제안한다. 일반적으로, 대상 객체는 그 형태에 따라 비대칭 또는 대칭 형태로 나뉜다. 비대칭 객체의 경우 3개의 회전 축을 모두 유일하게 정의할 수 있어서 자세 모호성이 존재 하지 않는다. 대칭 물체의 경우, Z축을 제외한 나머지 2개의 축을 유일하게 정의할 수 없는 경우가 대부분이다. 기존 방법들은 이를 대처하기 위해 사전에 미리 대상 객체의 형태 정보를 제공해 주고 있다. 하지만, 이는 실제 로봇 어플리케이션에서 적용하기 어려운 부분일 뿐 아니라, 카메라의 시점 변화로 인해 비대칭 물체가 대칭 물체로 보이는 경우가 존재한다. 본 논문에서는 이를 해결하기 위해, 로테이션 프리미티브를 확장하여 로테이션 프리미티브 뿐만 아니라, 그에 해당하는 불확실성 추정을 함께 수행하여 대상 객체가 가지는 자세 모호성을 어떠한 사전 정보 없이 판별할 수 있는 방법을 제안하였다. 본 연구가 제안하는 방법이 대상 객체의 자세 모호성을 판별하는 예시를 제시하였고, 벤치마크 데이터셋에서 다른 비교 대상 알고리즘들 보다 높은 성능을 가지는 것을 검증하였다. 또한, 로봇 시스템에서 얻은 이종의 센서 데이터를 융합 및 최적화하는 방식을 Object-SLAM 문제로 표현하여 다중 객체 인식 및 자세 추정을 수행한 방법을 제시한다. 본 연구의 성능검평가를 위해 벤치마크 데이터셋에서 다른 비교 대상 알고리즘들 보다 높은 성능을 가지는 것을 확인하였고, 실제 환경에서 작동하는 데모를 통해 검증하였다.

논문 이해를 위한 추가자료

강연자

구수병 (한국자동차연구원/박사)

제목

Automated Sewing System Enabled by Machine Vision for Smart Garment Manufacturing

학회

IEEE Robotics and Automation Letters (IEEE RA-L) 2023 / (ICRA 2024 발표 예정)

요약

본 논문에서는 스마트 의류 제조를 위해 설계된 자동화된 봉제 시스템을 제시하며, 커스텀화된 봉제 기계에 머신 비전 시스템을 통합한 내용을 다룹니다. 이 비전 시스템은 아크릴 템플릿에 고정된 원단을 포함한 영역을 촬영하고, 봉제 작업을 위하여 파여진 부분을 감지하고 분할하는 딥 러닝 모델을 제시합니다. 작업을 위해 파여진 영역이 관심영역 (Region of interest) 입니다. 작업영역을 인식하고 난 후 특화된 알고리즘을 통해 분할된 이미지 내에서 좁은 솔기선을 (Seam line) 감지하고, 솔기선을 따라 일정한 거리를 유지하며 봉제 경로를 생성합니다. 그런 다음 봉제 기계는 자동으로 생성된 경로를 따라 정확하게 봉제합니다. 이 연구에서 사용된 비전 시스템은 픽셀당 68 마이크로미터의 공간 해상도를 가집니다. 외부 컴퓨터로 제어되는 커스텀화된 봉제 기계는 10 마이크로미터의 공간 해상도, 60mm/s 의 이동 속도 및 1mm 에서 5mm 까지 조절 가능한 봉제 간격을 갖습니다. 이 하위 시스템과 구성 요소들은 로봇 운영 시스템(ROS)을 사용하여 상호 연결되어 통합됩니다. 제안한 시스템은 봉제 작업 시 인간 개입 없이, 자동화된 의류 생산을 가능하게 합니다. 이 시스템은 스마트 의류 제조를 실현하는 데 중요한 역할을 할 것으로 기대합니다.

논문 이해를 위한 추가자료

강연자

박정은 (고려대학교/연구원)

제목

CLARA: Classifying and Disambiguating User Commands for Reliable Interactive Robotic Agents

학회

IEEE Robotics and Automation Letters (IEEE RA-L) 2024 / (ICRA 2024 발표 예정)

요약

거대 언어모델 (LLM) 들이 화두가 되면서, 이를 로봇에 적용하는 연구들 또한 활발하게 이루어져 왔습니다. 하지만, 사람의 자연어에는 모호성 혹은 불확실성이 존재하기에, 이를 고려하지 않고 로봇에 거대언어모델을 활용한다면 안전하지 않고 신뢰성이 떨어지게 됩니다. 이에 따라서, 저희는 사람의 자연어 명령을 거대언어모델을 활용하여 확실/모호/할 수 없음으로 분류하고, 불확실한 상황에 대해서 상호작용을하는 연구를 진행하였습니다. 구체적으로는 거대언어모델을 활용하여 불확실성을 측정하고, 불확실한 상황에 대해서 못하는 이유를 설명하거나 모호한 이유를 사람에게 설명하며 질문을 통해 불확실성을 해소하는 연구를 진행하였습니다. 더 나아가, 이러한 불확실성은 환경이나 로봇의 활동 기능에 의존적이기 때문에, 이러한 로봇의 기능 및 환경에 맞추어서 불확실성을 정의 내리는 연구를 진행하였습니다.

논문 이해를 위한 추가자료

강연자

임형태 (KAIST/박사)

제목

ERASOR2: Instance-Aware Robust 3D Mapping of the Static World in Dynamic Scenes

학회

2023 Robotics: Science and Systems

요약

정적 지도(static map)는 로봇 내비게이션을 하는 데에 있어서 위치 인식이나 경로 계획 등 다양한 응용 분야에 활용된다. 그런데 매핑 중 관측된 동적 물체는 이러한 정적 지도 구축에 방해가 되는데, 본 논문에서는 지도의 동적 물체로 인해 생기는 흔적을 객체 단위(instance-level)로 제거하는 방법을 제안한다. 본 논문에서는 객체 단위로 동적인 물체로부터 기인한 클라우드 포인트(cloud points)을 제거하여 정적 물체로부터 기인한 클라우드 포인트를 더 잘 보존할 수 있게 하며, 특히 인스턴스 세그멘테이션(instacne segmentation)이 다소 부정확하더라도 강인하게 동적 물체로 기인한 클라우드 포인트를 성공적으로 제거하는 방안들을 제안한다. 실험을 통해 이러한 접근 방식이 더 많은 정적 클라우드 포인트를 남기면서 동적 물체로부터 기인한 클라우드 포인트를 더 깔끔하게 지우는 것을 입증한다.

논문 이해를 위한 추가자료