기술논문 2024 No.2
로봇 매니퓰레이션을 위한 베이지안 최적화를 통한 작업 대상물 탐색 시간 단축

넓은 알려지지 않은 환경에서 로봇 작업에서는 환경에서 로봇이 작업해야 할 대상의 위치를 식별하는 것이 중요합니다. 카메라의 시야는 제한되어 있으므로 작업 공간이 너무 넓어 한 번에 잡히지 않으면 카메라를 이동시켜 작업 공간을 탐색할 필요가 있다. 기존의 수법에서는 환경 전체를 모델화하려고 하기 때문에, 불필요하게 망라적인 탐색을 실시해 버린다. 이 연구의 목적은 로봇이 넓은 작업 공간에서 대상의 위치를 ​​신속하게 식별하고 작업을 효율적으로 수행 할 수있게하는 것입니다. 본 연구에서는 대상의 탐색을 2차원 블랙박스 최적화 문제의 일종으로 정식화하고, 가우스 과정(Gaussian Process, GP)을 이용한 베이지안 최적화(Bayesian Optimization, BO)에 기초한 샘플 효율이 높은 검색 알고리즘을 제안한다. 제안 방법은 카메라의 물리적 움직임의 연속성을 활용하여 탐색을 효율화한다. 또한, 대상의 위치에 관한 사전 지식을 이용할 수 있는 경우, GP에 사전 분포를 통합함으로써 더욱 빠른 탐색을 가능하게 한다. 마지막으로 시뮬레이션과 실제 환경에서의 실험 결과는 제안 된 방법이 기존 방법과 비교하여 효율적임을 보여줍니다.
또한, 본고는 「Reducing Time in Active Visual Target Search with Bayesian Optimization for Robotic Manipulation」Proceedings of 2022 IEEE 18th International Conference on Automation Science and Engineering(CASE2022)을 재편
© 2022 IEEE. Reprinted, with permission, from [“Reducing Time in Active Visual Target Search with Bayesian Optimization for Robotic Manipulation” in 2022, 2022 IEEE 18th International Conference on Automation Science and Engineering (CAS 10.1109/CASE49997.2022.9926620)]