의류에 대한 집게 점 위치 결정을 위한 센터 방향 네트워크

물체 잡기(Object grasping)는 로봇공학 및 컴퓨터 비전 분야에서 핵심적인 과제로, 로봇 조작 능력을 향상시키는 데 필수적이다. 유연한 물체, 예를 들어 천이나 옷과 같은 물체는 비탄성 구조를 지녀 추가적인 도전 과제를 제기한다. 본 연구에서는 천 물체에 특화된 그립 포인트 탐지용 딥러닝 모델인 CeDiRNet-3DoF을 제안한다. CeDiRNet-3DoF는 중심 방향 회귀(centro-direction regression)와 위치 추정 네트워크를 결합하여, ICRA 2023 천 조작 챌린지( cloth manipulation challenge)의 인지(task) 부문에서 1위를 차지했다. 기존 문헌에서 표준화된 벤치마크가 부족하여 다양한 방법 간의 효과적인 비교가 어려운 점을 인지하여, 본 연구에서는 ViCoS 타월 데이터셋(ViCoS Towel Dataset)을 제시한다. 이 데이터셋은 실제 촬영 이미지 8,000장과 합성 이미지 12,000장을 포함하며, 현대적인 데이터 기반 딥러닝 접근법의 훈련 및 평가를 위한 강력한 기반 자원으로 기능한다. 광범위한 평가를 통해 CeDiRNet-3DoF가 실제 환경에서 뛰어난 안정성과 성능을 보였으며, 최신 트랜스포머 기반 모델을 포함한 기존 최고 수준의 방법들을 초월함을 확인하였다. 본 연구는 컴퓨터 비전 및 로봇공학 분야에서 천 물체의 그립 탐지에 있어 중요한 격차를 메우며, 강력한 해결책과 표준 벤치마크를 제시한다. 코드 및 데이터셋은 다음 링크에서 공개된다: https://github.com/vicoslab/CeDiRNet-3DoF