초록
딥러닝은 컴퓨터 비전과 자연어 처리 분야에서 크게 발전시켰습니다. 딥러닝을 활용한 로봇 기술에서도 일부 성공 사례가 있었지만, 아직 널리 채택되지는 않았습니다. 본 논문에서는 새로운 물체에 대해 평행 플레이트 로봇 그립퍼의 최적 그립 자세를 예측하는 혁신적인 로봇 그립 검출 시스템을 제안합니다. 이 시스템은 장면의 RGB-D 이미지를 사용하여 새로운 물체의 최적 그립 자세를 예측합니다. 제안된 모델은 깊은 합성곱 신경망(Deep Convolutional Neural Network)을 사용하여 장면에서 특징을 추출하고, 얕은 합성곱 신경망(Shallow Convolutional Neural Network)을 사용하여 관심 대상 물체의 그립 구성(grasp configuration)을 예측합니다. 우리의 다중 모달(multi-modal) 모델은 표준 코넬 그립 데이터셋(Cornell Grasp Dataset)에서 89.21%의 정확도를 달성하였으며, 실시간 속도로 작동합니다. 이는 로봇 그립 검출 분야에서 기존의 최신 기술(state-of-the-art)을 재정의하였습니다.