로봇신문사
> 기획·테크 > 특집
[IROS2016] 인터랙티브 세션 13일
폰트키우기 폰트줄이기 프린트하기 메일보내기 신고하기
승인 2016.10.14  01:21:35
트위터 페이스북 구글+ 밴드

로봇신문은 IROS2016 행사기간 플래너리 토크를 비롯해 일부 세션에 대해서는 현장에서 취재한 본지 객원기자들의 도움을 받아 자세한 내용을 소개하고 있습니다. 본 기사는 13일에 열린 Interactive Session 중 일부 내용을 정리해 소개합니다. 이 내용은 서울대 인지로봇 인공지능연구센터 이범진(박사과정) 연구원이 보내 온 내용입니다.

Probabilistic Techniques for Robot Navigation and Beyond

현재는 시스템이 수동으로 하면 자유성이 높고 자동으로 하면 자유성이 떨어지는 환경에 있다, 그렇기 때문에 우리는 자율성을 갖는 오토노머스 시스템을 개발해야 한다.

네비게이션은 현재 highly accurate localization, robust mapping, long-term autonomy 3가지 이슈를 이야기 할 수 있다. 쿠카 옴니무브에서 공장과 같은 복잡한 환경에서도 로컬리제이션 성능이 높은 것을 확인하였다. 즉 로컬리제이션은 굉장히 높은 수준에 올라와있다.

다음은 맵핑이다.

Sparse Pose Adjustment 라는 방법으로 높은 성능의 지도생성(mapping)이 가능하다. 또한 3D 맵핑도 가능해졌다.

롱텀 오토노미의 경우 두가지 프로젝트가 있는데 유로파 1, 2가 존재한다. 이는 유럽 곳곳을 자율주행 로봇이 내비게이션을 하는 것이다. 그러나 어려움이 있었는데 그 중 하나는 사람들과 아이들이 지속적으로 길을 막아 한곳에 정지하는 것과, 언덕이 존재하여 언덕을 지나가는 것이 큰 어려움이라고 한다. 해당 프로젝트에서는 많은 엔지니어들이 따라다니면서 어느 정도 도움을 주었지만, 만약 사람이 정말 많은 뉴델리나 다른 복잡한 환경에서는 어떨까?

이러한 다양한 환경에서 내비게이션의 오토노미를 보장하기 위해서는 온라인 예측이 필요한데 이는 기계학습법을 사용한다.

DCN을 이용한 대상물 인식, human part discovery, 몸체 부분 세분화, 소리분류 등 로봇에 사용되는 대부분의 모듈들이 딥 러닝 기법으로 변화되고 있다.

Visual Learning
Efficient Deep Models for Monocular Road Segmentation
Sematic Segmentation 접근방법으로 도로를 포착하여 이미지에서 도로만 출력하는 방법을 이야기한다. Up-Convolutional 네트워크를 사용하여 주어진 이미지와 출력된 이미지가 같도록 훈련시킨다.

하지만 이 과정에서 형태를 추출하는 레이어는 너무 많고 일반적인 레이어의 개수는 너무 적은 문제가 존재하여. 이를 수정하여 제시한다. 그리고 데이터가 많지 않기 때문에 이를 해결하기 위해 증강된 데이터를 추가하여 실험한 결과 약 4%의 성능이 향상되었다.

해당 결과를 통해 다양한 GPU에 적용한 결과 모두 사용 가능한 범위에서 작동을 하였고 로컬리제이션 기술에 적용하여 실험을 하고 있다.

Parameter Learning for Improving Binary Descriptor Matching

기존 많은 비전 어플리케이션은 Descriptor Matching에 의존을 한다. Gradient Base의 경우 높은 성능이 나오지만, Binary Descriptor 만큼 빠르게 추출되지 않는다.

그래서 두 가지의 모든 장점을 갖는 Binary Descriptor를 어떻게 하면 만들까에서 시작.

기존의 매칭의 경우 일루미네이션이나 로테이션에 굉장히 취약하기 때문에 이러한 해밍 거리(Hamming Distance)를 수정한다. 즉 Weighted Hamming Distance를 제안한다. 해당 수식 안에는 한계점이 존재하는데, 기존의 이미지와 두 번째 이미지의 디스크립터 간의 한계점을 최적화 문제로 가장 작게 최적화 시킨다.

AMOS 에서는 1퍼센트 상승, OXFORD 에서는 비약적 상승을, kitti 는 약 3%, CAVE 의 경우 특정 몇 가지에 대해 성능이 상승한 것을 확인 할 수 있었다.

Object Identification from Few Examples by Improving the Invariance of a Convolutional Neural Networks

로봇에 의해 수집된 데이터를 효율적으로 학습하는 방법에 대해 이야기한다. 로봇이 경험하는 대상물의 개수는 한정적이다. 그리고 감독자가 가르쳐주기에는 너무나 비싸다. 그렇기 때문에 학습은 빠르고 실시간성을 갖고 있어야 한다. 제안하는 방법은 기존 알렉스넷(AlexNet)의 학습된 모듈을 그대로 사용하고, 가장 마지막 형태를 얕은 분류기를 사용하여 온라인으로 학습하는 것이다.

이 기사에 대한 댓글 이야기 (0)
자동등록방지용 코드를 입력하세요!   
확인
- 200자까지 쓰실 수 있습니다. (현재 0 byte / 최대 400byte)
- 욕설등 인신공격성 글은 삭제 합니다. [운영원칙]
이 기사에 대한 댓글 이야기 (0)
정원영의 다른기사 보기  
폰트키우기 폰트줄이기 프린트하기 메일보내기 신고하기
트위터 페이스북 구글+ 밴드 뒤로가기 위로가기
인기기사
1
중국 로봇 기업, 북미 시장 속속 진출...한층 격화되고 있는 미ㆍ중 패권 경쟁
2
와이트리시티, 와이페리온에 무선충전 기술 라이센싱
3
파스토, 용인 스마트물류센터 추가 오픈
4
트위니-핌즈, 자율주행 로봇 활용 물류 사업 협력
5
‘제2회 MARS 월드포럼’, 대전컨벤션센터에서 개최
6
아마존, 로봇청소기업체 아이로봇 2조 2천억원에 인수
7
페덱스, 향후 3년간 버크셔 그레이 로봇 2600억원 규모 구매
8
아마존, 아이로봇 인수로 강력한 로봇 생태계 구축
9
비욘드 이매지네이션, 셀프 랩스에 휴머노이드 로봇 1천대 공급한다
10
자율주행 시스템용 AI 스타트업 '퍼셉티브 오토마타' 좌초
로봇신문 소개기사제보광고문의불편신고개인정보취급방침이메일무단수집거부청소년보호정책    *국제표준간행물번호 ISSN 2636-0381 *본지는 인터넷신문위원회 자율심의 준수 서약사입니다
08298) 서울 구로구 공원로 41(구로동, 현대파크빌 526호)  |  대표전화 : 02)867-6200  |  팩스 : 02)867-6203
등록번호 : 서울 아 02659  |  등록일자 : 2013.5.21  |  발행인·편집인 : 조규남  |  청소년보호책임자 : 박경일
Copyright © 2013 로봇신문사. All rights reserved. mail to editor@irobotnews.com