목표 지향적 의미 탐색을 이용한 객체 목표 탐색

이 연구는 미지의 환경에서 주어진 객체 카테고리의 특정 인스턴스로 이동하는 '객체 목표 탐색(Object Goal Navigation)' 문제를 다룬다. 종단간(end-to-end) 학습 기반의 탐색 방법은 탐색 능력과 장기 계획 능력이 부족하여 이 과제에서 어려움을 겪는다. 본 연구에서는 '목표 지향적 의미 탐색(Goal-Oriented Semantic Exploration)'이라는 모듈형 시스템을 제안한다. 이 시스템은 에피소드 기반의 의미 맵을 구축하고, 목표 객체 카테고리에 기반하여 환경을 효율적으로 탐색한다. 시각적으로 현실감 있는 시뮬레이션 환경에서의 실험 결과에 따르면, 제안한 모델은 종단간 학습 기반 방법과 모듈형 맵 기반 방법을 포함한 다양한 베이스라인을 모두 상회하며, CVPR-2020 Habitat ObjectNav 챌린지에서 우승 작품으로 선정되었다. 제거 분석(Ablation analysis) 결과, 제안된 모델이 장면 내 객체 간 상대적 배치에 대한 의미 사전 지식(semantic priors)을 학습하고, 이를 활용해 효율적으로 탐색한다는 점이 확인되었다. 또한 도메인 무관(modality-agnostic)한 모듈 설계 덕분에, 본 모델은 모바일 로봇 플랫폼으로 이식되어 실제 환경에서도 유사한 성능을 달성할 수 있었다.