개발자 포트폴리오 개발자 포트폴리오

목표 목표 키워드 : 합성 데이터, Wisdom-sim DB, Mask-RCNN, Novel Object Picking, Depth Image 해당 논문 읽는 이유 : 32만개의 합성 데이터를 라벨 링해서 구성한 Wisdom-sim DB를 통해 일반 Mask-RCNN으로도 Novel Object Picking이 가능한 것을 보여주었다. 요약 Depth 이미지에서 모르는 객체를 segment하는 능력은 로봇의 파지와 객체 트래킹 기술을 발전시키는데 잠재적 힘이 있다. 최근 컴퓨터 비전 연구에서는 상당량의 손으로 레이블한 데이터셋이 주어질 경우, Mask R-CNN으로 RGB 이미지에서 객체를 구체적 카테고리로 분류하게끔 학습할 수 있다고 발표되었다. 이러한 데이터셋을 생성하기란 상당한 시간이 소요되기에, ..

목표 목표 키워드 : Self-supervised, suction, instance segmentation, 90% 이상의 정확도, RGBD 입력값, end-to-end 해당 논문 읽는 이유 : Self-supervised instance segmentation 방법에 대한 아이디어 이해 요약 이미지의 모르는 객체에 대한 Instance segmentation은 파지, 트래킹, 객체 분류와 같은 로봇 기술에 관련있는 것으로 간주되었다. 컴퓨터 비전 분야에서의 최근 연구는 다량의 손수 레이블된 데이터셋이 segmentation performance을 높일 수 있다는 것을 보여주었다. 새로운 환경에서 손수 데이터에 레이블을 다는 소모적인 작업에서 벗어나기 위해, 우리는 로봇의 전이학습을 제안한다. 해당 학습..

요약 Vacuum-based end effectors는 산업에서 널리 사용되고 있고, 사물의 한지점에만 접촉하여 물건을 들 수 있기에 parallel-jaw, multifinger, grippers 전반에 선호되고 있다. Suction grasp planners는 사물의 estimated centroid 근처의 point cloud에 있는 표면을 주로 목표로 한다. 본 논문에서는 compliant suction contact model을 제안한다. 해당 모델은 suction 컵과 목표 표면 사이의 압착 정도를 계산하고, 외부 중력에 의한 뒤틀림에 저항하기 위해 흡입파지의 힘을 계산한다. 파지를 특징짓기 위해, 로봇팔과 객체 포즈, 재료 성질, 그리고 외부의 힘으로부터 발생하는 작은 변화에 얼마나 강인한지..

요약 Convolutional networks(CN)는 강력한 visual model이다, 특징들의 층계를 만들어내는 / 우리는 보인다, end-to-end, pixels-to-pixels로 학습하는 CN이 semantic segmentation에서 최고의 성과를 낸 것을 / 우리의 핵심 insight는 fully convolutional networks를 만든 것에 있다, 임의의 사이즈를 지닌 입력값으로 사이즈가 일치하는 출력값을 생산하는, 효과적인 추론과 학습을 바탕으로 / 우리는 fully convolutional networks를 확정하고 구체화한다, spatially dense prediction(*) 과제에 이 네트워크를 적용하는 방법을 설명하고, 이전 모델들과의 연결을 그린다 / 우리는 최근..