혼잡한 장면에서의 그립 가능성 인식 객체 자세 추정

객체 인식과 자세 추정은 자율 로봇 조작 시스템의 중요한 구성 요소로, 로봇이 환경과 효과적으로 상호작용할 수 있도록 하는 데 중요한 역할을 합니다. 실제 실행 중에 로봇은 현재 장면에서 객체를 인식하고 자세를 추정한 뒤, 미리 정의된 그립 구성에서 실행 가능한 그립 자세를 선택해야 합니다. 기존의 대부분 방법이 자세 추정에 주로 집중하고 있지만, 그립 가능성이나 도달 가능성 측면을 자주 간과합니다. 이 간과는 실행 중 비효율성과 실패로 이어질 수 있습니다. 이 연구에서는 혁신적인 그립 가능성 인식 객체 자세 추정 프레임워크를 소개합니다. 우리가 제안한 방법은 군집된 장면에서 여러 객체의 자세를 추정할 뿐만 아니라, 그립할 수 있는 영역도 식별합니다. 이를 통해 시스템은 그립에 적합한 객체의 특정 점이나 영역에 집중할 수 있습니다. 깊이 및 컬러 이미지를 활용하여 기하학적 특성과 외형적 특성을 추출합니다. 이러한 다양한 특성을 효과적으로 결합하기 위해 적응형 융합 모듈을 개발했습니다. 또한, 융합된 특성은 그립 가능성 인식 특성 강화 모듈을 통해 추가적으로 향상됩니다. 우리의 방법의 핵심 혁신은 객체 자세 추정에 사용되는 특성의 구별성과 견고성을 개선하는 데 있습니다. 우리는 여러 기준 방법과 비교하여 공공 데이터셋에서 최첨단 결과를 달성했습니다. Intel Realsense 카메라와 두 개의 손가락 그리퍼가 장착된 Franka Emika 로봇 팔에서 실시된 실제 로봇 실험에서, 우리는 혼잡한 장면에서도 꾸준히 높은 성공률을 달성했습니다.