프로 prioception은 당신이 필요한 전부다: 보레알 숲에서의 지형 분류

최근 분야 로보틱스 연구에서는 다양한 지형에 대한 내구성(resiliency)의 중요성이 강조되고 있다. 특히 북방 숲(Boreal forests)은 오프로드 자율 주행을 위한 고려가 필요한 많은 이동성 저해 지형을 포함하고 있다. 또한 지구상에서 가장 큰 육상 생태계 중 하나인 북방 숲은 자율 주행 차량의 활용이 점점 더 증가할 것으로 기대되는 영역이다. 본 논문에서는 이러한 문제를 해결하기 위해, 본체 감각 기반 지형 분류(Proprioceptive-based Terrain Classification, TC)를 위한 공개 데이터셋인 BorealTC를 제안한다. Husky A200 로봇을 활용해 기록한 본 데이터셋은 116분에 걸쳐 관성 측정 장치(IMU), 모터 전류, 휠 오도메트리 데이터를 포함하며, 주로 눈, 얼음, 모래질 토양(silty loam)과 같은 북방 숲의 대표적 지형에 초점을 맞추고 있다. 기존 최첨단 연구에서 제시된 다른 데이터셋과 결합하여, 본 데이터셋을 활용해 컨볼루션 신경망(Convolutional Neural Network, CNN)과 새로운 상태공간 모델(State Space Model, SSM) 기반의 Mamba 아키텍처를 TC 작업에 대해 평가하였다. 흥미롭게도, 각각의 독립된 데이터셋에서는 CNN이 Mamba보다 성능이 뛰어나지만, 두 데이터셋을 결합하여 학습할 경우 Mamba가 더 높은 정확도를 달성함을 보였다. 또한, 데이터 양이 증가함에 따라 Mamba의 학습 능력이 CNN보다 더 우수함을 입증하였다. 본 연구에서는 두 TC 데이터셋의 결합이 지형의 특성과 관련된 잠재 공간(latent space)을 해석 가능한 형태로 생성함을 보였다. 또한 데이터셋 통합이 분류 성능에 미치는 영향에 대해 논의하였다. 본 연구의 소스 코드 및 데이터셋은 공개되어 있으며, 다음 링크에서 확인할 수 있다: https://github.com/norlab-ulaval/BorealTC.