로봇의 관찰 시점 학습: INSPECT 시스템 소개
INSPECT: Learning Robot View Selection from Assistant Use
arXiv로봇이 조립품 검사 시 가장 필요한 관찰 지점을 스스로 선택하는 'INSPECT' 시스템을 개발했습니다. 이 기술은 스마트 글래스 비서의 사용 기록에서 최적의 시야 선호도를 학습합니다.
- 실제 기어박스 조립품 검사 테스트 결과, 인간 평가 기반 검증률을 기존 대비 34.8%에서 41.7%까지 높이는 등 높은 유효성을 입증했습니다.
- 로봇이 단순 촬영을 넘어 필요한 정보에 맞춰 최적의 관찰 지점을 판단하게 함으로써, 산업 현장의 검사 및 조립 효율성을 혁신적으로 높일 수 있습니다.
- 다만, INSPECT는 비서와의 상호작용 기록 등 특정 데이터셋을 기반으로 학습되었으므로, 실제 환경 적용을 위해서는 다양한 상황의 데이터 확보가 중요합니다.
INSPECT는 로봇이 조립품을 검사할 때 필요한 최적의 관찰 지점을 스스로 결정하도록 돕는 시스템입니다. 이 기술은 스마트 글래스 비서가 부품 질의응답이나 다음 단계 안내를 제공한 기록에서 로봇의 시야 선호도를 학습합니다. INSPECT는 단순히 이미지를 촬영하는 것을 넘어, 현재 관찰 정보와 알려진 자세만을 사용하여 필요한 정보를 얻기 위한 최적의 뷰를 선택할 수 있습니다.
시스템은 여러 기술적 기법을 활용하여 객체 증거를 정밀하게 보정하고 검증합니다. Presence-Invariant TwinSwap(PI-TwinSwap)은 쌍으로 이루어진 신원 개입을 통해 객체 증거를 보정하며, 클로즈 레벨 스크리닝과 객체 중심의 보정을 적용해 로봇 자세에 따른 상대적 시야 선호도를 조정하는 것이 특징입니다. 이 과정에서 검출된 증거 요구사항은 카메라 재현 가능한 관찰 변화와 분리하여 처리됩니다.
평가 결과, 물리적인 기어박스 조립품 이미지 테스트에서 INSPECT는 비교된 비(非)오라클 정책 중 가장 높은 시야 유용성을 달성했습니다. 또한, 상업용 각도 그라인더 녹화본 IMPACT 테스트에서는 전이된 상대적 시야 선택기가 인식 헤드를 고정했을 때 정확한 결정률을 50.6%에서 54.3%로 높이는 성능을 보였습니다.