3D 스캔에서 기계학습 기반 6D 박스 자세 추정

자동화된 로봇 시스템은 일반적으로 가능한 한 높은 내구성과 오류 방지 성능을 가져야 하며, 동시에 상대적으로 높은 정밀도와 반복성을 갖추어야 한다. 비록 딥러닝 기반의 방법이 3D 스캔 및 이미지 처리 과제에 접근하는 데 있어 연구 분야의 표준으로 자리 잡고 있지만, 산업 현장에서 이 데이터를 처리하는 데 여전히 분석 기반의 방법이 주류를 이룬다. 본 논문은 분석 기반 방법이 더 취약하며, 테스트, 업데이트 및 유지보수 측면에서 더 어려움을 겪는다고 주장한다. 본 논문은 3D 스캔에서 박스의 6차원(6D) 자세 추정이라는 특정 과제에 초점을 맞추고 있다. 이를 위해, 정밀한 레이블이 부여된 구조광 스캐너를 이용해 촬영한 실제 스캔 데이터와 합성 데이터로 구성된 고품질 데이터셋을 제안한다. 또한, 산업 표준으로 여겨지는 분석 기반 방법과 데이터 기반 기준 모델을 제안하는 두 가지 다른 6D 박스 자세 추정 방법을 제시한다. 두 접근 방식은 상호 평가를 통해 비교되었으며, 실험 결과는 실제 스캔 데이터에 합성 데이터를 증강하여 학습하는 것이 제안한 데이터 기반 신경망 모델의 성능을 향상시킨다는 것을 보여준다. 본 논문은 초보적 성격을 지닌 위치 보고서로서, 제안된 방법들이 아직 비교적 소규모의 초기 데이터셋을 기반으로 학습 및 평가되었으며, 향후 이를 확장할 계획임을 밝힌다.