개발자 포트폴리오 개발자 포트폴리오

출처 : https://www.youtube.com/watch?v=7MdQ-UAhsxA&list=PL_iJu012NOxehE8fdF9me4TLfbdv3ZW8g&index=4 제목 : [강화학습] 2-2강. 상태 가치 함수 V & 행동 가치 함수 Q & Optimal policy 개념 * Markov Decision Process action -> action -> action -> ... Goal = maximize Expected Return * Expected Return의 표현 - State value function 지금 state부터 기대되는 Return 지금 이 state로부터 시작해서 기대되는 Return 지금 현재 state에 대한 평가, 가치 - Action value function 지..

* 요약 최근의 결과에 따르면 합성데이터로 훈련한 CNN을 사용하여 높은 정확도로 다양한 단일 객체를 파지할 수 있게 되었다. 이 논문은 빈피킹을 고려해본다. 빈피킹이란 여러 객체가 무작위로 쌓여있는 상태에서 순서대로 파지 후 목적지에 이동시키는 것이 목적인 업무이다. 우리는 heap의 state, point cloud observation, reward를 구체화하는 discrete-time의 Partially Observable Markov Decision Process를 빈피킹 모델로 사용하였다. 우리는 빈피킹의 합성 demostration을 algorithmic supervisor로부터 수집한다. 가장 강인하고 충돌이 없는 파지로 최적화하기 위해. 우리는 GQCNN을 fine-tuning하여 pol..

영상 제목 : UofT Robotics Institute Seminar Series: Ken Goldberg "New Wave of Robot Grasping" 발표자 : Ken Goldberg 출처 : https://www.youtube.com/watch?v=4F-uu8rvgNw&t=1862s # The New Wave in Robot Grapsing - First Wave - Second Wave - New Wave - New Work # 그림 설명 - 위에서부터 아래로 : 완벽하고 이상적인 형태를 지닌 순수한 공리에서부터 시작하여 아랫쪽 현실을 이해 - 아래에서부터 위로 : 다양한 정보를 모아 분류하는 작업을 통해 현세계를 이해하고 이를 바타으로 윗쪽을 이해 # 피스피킹 기술의 필요성 # paral..

출처 : https://github.com/BerkeleyAutomation/dex-net # dex-net/data/grippers - baxter, robotiq_85, yumi_metal_spline - README.txt : 이 리포지토리에서는 현재 우리의 맞춤 ABB YuMi 그리퍼와 Baxter 그리퍼에 대한 설명을 실어놓았다 # dex-net/data/meshes - box.obj, clown.obj, spray.obj, kinect.obj, table.obj # dex-net/data/test - database : test.hdf5 - models : bar_clamp.obj, bar_clamp.sdf

출처 : https://github.com/BerkeleyAutomation/dex-net # dex-net/cfg/examples/execute_grasp_registration.yaml - database, dataset, gripper, metric, object # dex-net/cfg/tools/generate_gqcnn_dataset.yaml - Dex-Net 데이터베이스 파라미터 - 데이터셋 파라미터 - 목표 객체 - 카메라 특징, 카메라 포즈, 객체 포즈 - 데이터셋 생성 파라미터 - GQ-CNN 파라미터 - 테이블 정렬 조건 파라미터 - 충돌 확인 조건 파라미터 - 텐서 데이터셋 형태 - 디버깅 파라미터 # dex-net/cfg/tools/visualize_gqcnn_dataset.yam..

출처 : https://github.com/BerkeleyAutomation/dex-net # dex-net/apps/dexnet_cli.py 데이터베이스를 사용하기 위한 명령행 도구 * class Completer - __init__ : 명령 리스트를 제공 - _listdir : 서브디렉토리에 경로를 나눠주는 리스트 디렉토리 'root' - _complete_path : 파일시스템 경로의 완벽을 수행 - complete_extra : 'extra' 명령을 위한 완벽 - complete : Generic readline completion entry point - set_words : dexnet entity tab completion * class DexNet_cli - API - __init__ : ..

* 요약 강인한 로봇 파지 계획을 위한 딥러닝 데이터셋 수집 시간을 줄이기 위해, 우리는 6.7백만개의 point cloud, 파지, 그리고 분석적 파지 지표에 대한 합성데이터셋으로 학습하는 방법을 조사해보았다. 해당 데이터셋은 책상 위에서 임의의 포즈로 되어있는 Dex-Net 1.0으로부터 수천개의 3D 모델로부터 생성되었다. 우리는 결과 데이터셋을 사용했다, Dex-Net 2.0, GQ-CNN 모델을 학습시키기 위해. depth 이미지로부터 파지 성공률을 빠르게 계산하는 모델. 파지가 RGB-D 센서에 상대적인 평면 위치, 각도, 그리고 그리퍼의 깊이로서 구체화되는. ABB YuMi에 1000번 넘게 시도된 이번 실험은 단일 객체에 대한 파지 계획 방식과 비교했을때, Dex-Net 2.0으로 생성된 ..

* 요약 이 논문은 Dex-Net 1.0을 제시한다. Dex-Net 1.0은 3D 객체 모델의 데이터셋을 사용하고, 샘플링 기반의 계획 알고리즘이다. 이 알고리즘은 Cloud Robotics가 강인한 파지 계획을 하기 위해 어떻게 사용될 수 있는지 탐험한다. 이 알고리즘은 correlated reward와 함께 Multi-Armed Bandit model을 사용한다. 이전의 파지와 3D 객체 모델을 leverage 하기 위해. 만개의 서로다른 3D 객체 모델과 2.5백만개의 parallel-jaw 파지를 포함하여 점점 많아지는 데이터셋. 각 파지는 불확실한 상황 속에서 force closure 확률을 예측한다. 객체와 그리퍼 포즈 그리고 마찰과 같은 불확실한 상황. Dex-Net 1.0은 Multi-Vi..