활동 촉진 촉각 객체 인식·포즈 추정·형상 전이 학습을 위한 베이지안 프레임워크

초록

본 논문은 맞춤형 입자 필터와 가우시안 프로세스 암시적 표면(GPIS)을 결합한 베이지안 프레임워크를 제안한다. 촉각 센서로부터 순차적으로 얻는 데이터를 이용해 객체의 클래스와 6자유도 포즈를 동시에 추정하고, 모델 증거가 낮을 경우 새로운 객체를 탐지한다. 탐지된 신규 객체에 대해서는 PF에서 얻은 MAP 추정값을 GPIS의 사전으로 사용해 형상을 복원하고, 기존 객체들의 기하학적 지식을 전이한다. 전역 형상 추정치를 기반으로 목표 접촉점을 선정하고, 방향성 Hausdorff 거리(DHD) 기준으로 탐색을 자동 종료한다. 시뮬레이션 실험을 통해 알려진 객체의 인식·포즈 추정, 신규 객체의 형상 학습, 그리고 학습된 형상의 재인식 모두에서 높은 효율성과 정확성을 보였다.

상세 분석

이 논문은 촉각 기반 로봇 인식 문제를 “클래스‑포즈‑형상”이라는 삼중 변수 공간에서 확률적으로 다루는 점이 가장 큰 특징이다. 먼저, 객체 클래스 c와 6‑DOF 포즈 p를 하나의 잠재 변수 z=