Tiny Robotics 데이터셋 및 연속 객체 검출 벤치마크

모바일 로봇 기술에서 객체 검출은 자율 항법부터 점검에 이르는 다양한 응용 분야에서 중요한 역할을 합니다. 그러나 로봇들은 종종 훈련된 환경과 다른 영역에서 작동해야 하는 경우가 많아, 이러한 변화에 적응해야 합니다. 특히 크기, 전력, 그리고 계산 능력의 제약을 받는 작은 모바일 로봇들은 이러한 알고리즘을 실행하고 적응시키는 데 더욱 어려움을 겪습니다. 그러나 실제 배포에서는 로봇들이 동적이고 예측 불가능한 환경에서 효과적으로 작동해야 하므로 이러한 적응성은 필수적입니다. 본 연구에서는 작은 로봇 플랫폼에서 객체 검출 시스템의 지속 학습 능력을 평가하기 위한 새로운 벤치마크를 소개합니다. 우리의 기여점은 다음과 같습니다: (i) TiROD(Tiny Robotics Object Detection), 소형 모바일 로봇의 탑재 카메라를 사용하여 수집된 포괄적인 데이터셋으로, 다양한 영역과 클래스에서 객체 검출기를 테스트하도록 설계되었습니다; (ii) NanoDet라는 경량 객체 검출기를 사용하여 이 데이터셋 상에서 다양한 지속 학습 전략들의 벤치마크를 제공합니다. 우리의 결과는 작은 로봇 기술에서 효율적이고 강건한 지속 학습 전략 개발에 있어 주요 과제들을 강조합니다.