지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김태성
- 발행연도
- 2022
- 저작권
- 경희대학교 논문은 저작권에 의해 보호받습니다.
이용수22
이 논문의 연구 히스토리 (3)
2022
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
로봇손이 다중 사물 환경에서 정교한 작업을 수행하기 위해서는 작업 환경과 사물 파악 후에 목표 사물만을 충돌 없이 파지할 필요가 있다. 이를 위해선 다중 사물 환경 인지, 목표 사물 인식, 경로 설정, 로봇손의 사물 파지 지능이 필요하다.
기존의 다중 사물 속 물체 파지 연구는 사람형 로봇손의 정교한 파지 지능과는 거리가 있었다. 또한 경로 탐색 알고리즘의 성능을 확신할 수 없었다.
본 논문에서는 RGB-D 영상 센서를 이용하여 다중 사물 환경과 사물을 인지하고 3D 공간을 매핑한 후, 충돌 회피 경로 탐색 알고리즘을 활용하여 목표 사물까지의 경로를 탐색 및 설정하고, 심층 강화학습을 통해 학습된 사람형 로봇손의 목표 사물 파지 지능을 활용해 최종적으로 시뮬레이션 사물 파지 시스템을 구현하고 검증하였다. 이후 이 시스템을 마찬가지로 하드웨어 사람형 로봇팔 환경에 맞춰 구현하고 검증하였다.
5개의 경로 탐색 알고리즘을 비교한 결과 RRT-Connect가 경로의 길이와 실행 시간 양측에서 가장 나은 결과를 보였기에 최종적인 경로 탐색에는 RRT-Connect를 사용하였다.
사람형 로봇손을 구현한 시뮬레이션 환경에서 5개의 사물 중 목표 사물을 지정하고 파지한 결과 경로 탐색 없는 파지 시스템이 평균 78.8%의 성공률과 34%의 충돌률을 보일 때, 경로 탐색 지능과 결합된 시스템은 평균 94%의 성공률과 평균 20%의 충돌률을 보였다. UR3와 qb SoftHand를 사용한 하드웨어 환경에서 3개의 사물 중 목표 사물을 지정하고 파지한 결과 경로 탐색 없는 파지 시스템이 평균 30%의 성공률과 97%의 충돌률을 보일 때, 경로 탐색 지능과 결합된 시스템은 평균 90%의 성공률과 평균 23%의 충돌률을 보였다. 따라서 모든 환경에서 제안하는 시스템이 성공률은 증가시키고 충돌률은 감소시키는 것을 확인하였다.
본 연구에서는 RGB-D 시각 지능, 충돌 회피 경로 탐색, 사물 파지 심층 강화학습 지능의 결합을 통하여, 사람형 로봇손의 목표 사물 파지가 가능함을 제시하고, 시뮬레이션과 하드웨어 시스템 양측에서 제안하는 경로 탐색 결합 시스템이 경로 탐색이 없는 파지 시스템에 비해 더 좋은 결과를 보임을 입증하였다. 이는 많은 사물이 존재하는 환경에 적응할 필요가 있는 여러 로봇 산업에서 응용될 수 있다.
기존의 다중 사물 속 물체 파지 연구는 사람형 로봇손의 정교한 파지 지능과는 거리가 있었다. 또한 경로 탐색 알고리즘의 성능을 확신할 수 없었다.
본 논문에서는 RGB-D 영상 센서를 이용하여 다중 사물 환경과 사물을 인지하고 3D 공간을 매핑한 후, 충돌 회피 경로 탐색 알고리즘을 활용하여 목표 사물까지의 경로를 탐색 및 설정하고, 심층 강화학습을 통해 학습된 사람형 로봇손의 목표 사물 파지 지능을 활용해 최종적으로 시뮬레이션 사물 파지 시스템을 구현하고 검증하였다. 이후 이 시스템을 마찬가지로 하드웨어 사람형 로봇팔 환경에 맞춰 구현하고 검증하였다.
5개의 경로 탐색 알고리즘을 비교한 결과 RRT-Connect가 경로의 길이와 실행 시간 양측에서 가장 나은 결과를 보였기에 최종적인 경로 탐색에는 RRT-Connect를 사용하였다.
사람형 로봇손을 구현한 시뮬레이션 환경에서 5개의 사물 중 목표 사물을 지정하고 파지한 결과 경로 탐색 없는 파지 시스템이 평균 78.8%의 성공률과 34%의 충돌률을 보일 때, 경로 탐색 지능과 결합된 시스템은 평균 94%의 성공률과 평균 20%의 충돌률을 보였다. UR3와 qb SoftHand를 사용한 하드웨어 환경에서 3개의 사물 중 목표 사물을 지정하고 파지한 결과 경로 탐색 없는 파지 시스템이 평균 30%의 성공률과 97%의 충돌률을 보일 때, 경로 탐색 지능과 결합된 시스템은 평균 90%의 성공률과 평균 23%의 충돌률을 보였다. 따라서 모든 환경에서 제안하는 시스템이 성공률은 증가시키고 충돌률은 감소시키는 것을 확인하였다.
본 연구에서는 RGB-D 시각 지능, 충돌 회피 경로 탐색, 사물 파지 심층 강화학습 지능의 결합을 통하여, 사람형 로봇손의 목표 사물 파지가 가능함을 제시하고, 시뮬레이션과 하드웨어 시스템 양측에서 제안하는 경로 탐색 결합 시스템이 경로 탐색이 없는 파지 시스템에 비해 더 좋은 결과를 보임을 입증하였다. 이는 많은 사물이 존재하는 환경에 적응할 필요가 있는 여러 로봇 산업에서 응용될 수 있다.
목차
목차 .....................................................................................................................................i그림 목차 ...........................................................................................................................iii표 목차 ...............................................................................................................................iv국문초록 .............................................................................................................................vI. 서 론 ..............................................................................................................................11.1. 연구 배경 ......................................................................................................11.2. 연구 방법 및 의의 ..................................................................................41.3. 논문 구성 ....................................................................................................5II. 사람형 로봇손의 다중 사물 속 목표 사물 파지 시스템..................................................62.1. 시뮬레이션 사물 파지 시스템.......................................................................62.1.1. 시뮬레이션 환경.............................................................................82.1.2. 사물 검출 및 인식 머신 비전 지능..............................................102.1.3. 충돌 회피 경로 탐색 알고리즘.....................................................122.1.4. 사람형 로봇손의 사물 파지 강화학습 지능..................................132.2. 하드웨어 사물 파지 시스템...........................................................................162.2.1. 하드웨어 환경...............................................................................182.2.2. 사물 검출 및 인식 머신 비전 지능..............................................192.2.3. 사람형 로봇손의 사물 파지 지능.................................................21III. 실험 및 인식 결과 ......................................................................................................223.1. 시뮬레이션 사물 파지 시스템.......................................................................223.1.1. 실험 환경 및 성능 평가 방법.......................................................223.1.2. 경로 탐색 알고리즘 비교 결과.....................................................223.1.3. 시뮬레이션 사물 파지 시스템 구현 결과.....................................233.2. 하드웨어 사물 파지 시스템...........................................................................273.2.1. 실험 환경 및 성능 평가 방법.......................................................273.2.2. 하드웨어 사물 파지 시스템 구현 결과.........................................27IV. 토의 및 결론 ..............................................................................................................30V. 향후 연구 방향 ............................................................................................................32참고문헌 ............................................................................................................................33Abstract ........................................................................................................................37감사의 글 .......................................................................................................................39
최근 본 자료
댓글(0)
0