로봇의 물체 파지 자세 학습 방법, 로봇의 물체 파지 자세 학습 서버, 및 로봇의 물체 파지 자세 학습 시스템

심층 강화 학습과 그람-슈미트 직교화를 결합한 6자유도 물체 파지 자세 학습 시스템

본 기술은 입력 장치를 통해 획득한 공간 정보를 포인트 클라우드 데이터로 변환하고, 심층 강화 학습 모델을 적용하여 각 포인트별 Q-값(성공률)과 회전 벡터를 추론합니다. 추론된 값을 바탕으로 그람-슈미트 단위직교화를 수행하여 6 자유도 파지 자세를 결정하는 제어 알고리즘입니다.

종래의 지도 학습 기반 파지 기술은 정교한 역학 모델이 필요하여 CAD 데이터가 없는 미지 물체 파지에 제한적이며, 다수 물체 존재 시 객체 가림 현상으로 인해 파지 성공률이 저하됩니다.

본 기술은 심층 강화 학습 모델을 이용해 레이블 생성 없이 포인트 클라우드에서 직접 파지 위치와 각도를 추론합니다. 학습 실패 시 역강화 학습을 통해 보상 함수 모델을 보정하고, 그람-슈미트 직교화 기법으로 6 자유도 파지 자세를 최적 계산합니다. 물류 피킹과 서비스 로봇, 제조 자동화에 적용될 수 있어 CAD 데이터 없이도 미지 물체의 파지 성공률을 크게 높입니다.

‍

‍

Key Features:

• 심층 강화 학습 모델을 이용하여 포인트 클라우드 데이터를 학습하고, 포인트별 Q-값(Q-value)과 포인트별 회전 벡터를 추론하는 심층 강화 학습 모델 학습 단계
• 데이터 생성부가 제1 공간 정보에서 로봇 장치의 작업 영역에 해당하는 부분을 제2 공간 정보로 추출하는 작업 영역 공간 정보 추출 단계
• 포인트 클라우드 데이터 생성 단계는 학습 서버의 데이터 생성부가 제1 공간 정보를 수신하는 공간 정보 수신 단계
• 입력 장치를 통하여 파지 대상 물체를 포함하는 제1 공간 정보를 획득하는 공간 정보 획득 단계

‍

본 발명은 과학기술정보통신부의 인공지능융합혁신인재양성 지원을 통해 개발되었습니다.