개발자 포트폴리오 개발자 포트폴리오

출처 : https://blog.naver.com/kips1214/222448655349 지난 2018년 앰비덱스터러스 래보라토리즈(Ambidexterous Laboratories)라는 이름으로 설립된 앰비 로보틱스는 ‘앰비OS’를 내놓고 있는데, 이 운영체제는 '덱스넷(Dexnet)' 시뮬레이션-투-리얼리티(simulation-to-reality) 기술을 활용해 능숙한 로봇 팔 동작을 지원한다. 앰비키트는 온라인 고객들에게 발송하기 위해 수백만개의 특정 제품들을 골라 특정 가방 또는 박스에 포장할 수 있도록 해준다고 회사 측은 밝혔다. 이 회사는 자사 기술이 99% 이상의 주문 정확도를 보장하며, 다운타임 없이 24시간 작동이 가능하다고 덧붙였다.

출처 : https://www.youtube.com/watch?v=Oqf55BP408c - Photorealistic Synthetic Dataset : 실사와 같은 고품질 이미지 데이터 - Domain Randomization Synthetic Dataset : 무작위 데이터 생성기법으로 다소 품질이 떨어짐. 생성환경 구성이 쉽고 속도가 빠름 - 합성데이터셋은 실제 데이터가 없어도 훈련데이터셋을 활용 가능하고, 합성데이터셋을 실제 데이터와 함께 훈련데이터셋으로 활용할 경우 성능이 좋아짐. - Bounding Box(bbox) 좌표 형식

* 요약 Universal Picking(UP), 혹은 더미에서 다양한 객체를 신뢰할만한 수준으로 로봇이 파지하는 것은, 전자상거래 주문처리, 제조, 검사, 집 서비스 로봇에서 어려운 도전과제이다. 센싱, 조작, 물리적 접촉에서 내재하는 불확정성 때문에 UP의 비율, 신뢰성, 범위를 최적화하는 것은 매우 어렵다. 이 논문은 "양손잡이형" 로봇 파지를 다룬다. 정확히는 2개 이상의 로봇팔을 사용한다. 우리는 Dex-Net 4.0을 제시한다. 이번 모델은 이전 버전보다 상당히 진보된 모델이다. 이전 모델의 경우, 물리학과 기하학의 분석적 모델을 통해 domain randomization을 사용하여 합성 데이터셋을 훈련시킴으로써 주어진 그리퍼에 policy를 학습한다. 우리는 3차원 객체의 더미로부터 발생하는..

출처 : https://blog.naver.com/jjys9047/222089673044 * Localization, Detection, Semantic Segmentation, Instance Segmentation, Part Segmentation 모든 개념에는 객체가 무엇인지 구분하는 Classification이 기본으로 포함되어있다. - Classification : 객체가 무엇인지 구분한다. - Localization, Detection : "Bounding Box" 기준으로 구분한다. - Semantic Segmentation, Instance Segmentation, Part Segmentation : "Pixel" 기준으로 구분한다. - Localization : "단일" 객체의 위치를 찾..

* 요약 point cloud learning은 컴퓨터 비전, 자율 주행, 로봇 등 다양한 영역에서 넓게 적용되어 최근 많은 주목을 받고있다. AI에서 지배적인 기술로서, 딥러닝은 다양한 2D vision 문제들을 성공적으로 해결해왔다. 그러나, point cloud를 DNN으로 작업하는 어려운 과제로 인해 point cloud에 적용되는 딥러닝은 여전히 낮은 단계에 머물러있다. .최근, point cloud 딥러닝 기술은 빠르게 발달하고 있다. 미래의 연구를 위해서, 이 논문을 통해 point cloud 딥러닝에 관한 최근 연구들을 전반적으로 리뷰해보았다. 이 논문은 크게 세가지 주요 task를 다룬다 : 3D shape classification, 3D object detection and track..

* 요약 이 논문에서는, 객체 탐지와 파지 순서 계획을 기반으로 쌓여있는 물건에서 로봇 파지가 연구되었다. 첫째로, SOCN은 쌓여있는 객체를 인식하기 위해 제안되었다. 네트워크는 inverse density parameter를 조절하기 위해 보이는 객체를 고려하고 있다. 훈련 작업을 더 빠르고 스무스하게 만들기 위한. 그와 동시에, SOCN은 transformer architecture을 채택하고 특징 학습에 있어 self-attention mechanism을 가진다. 다음으로, 파지 순서 계획 방법이 조사된다. 안전 점수에 의존하고, 쌓여있는 물건 사이에서 geometric 관계와 의존성을 추출하는, 그것은 객체 관계, 분류, 사이즈에 기반하여 안전 점수를 계산한다. 제안된 방식은 파지 업무를 완수하..

영상 제목 : 【WEBINAR】【ACCUPICK】 3D Vision - 공장을 미래로 이끄는 지능형 솔루션 출처 : https://www.youtube.com/watch?v=cnnxS5duos0 Random Bin Picking 빈피킹의 99%는 CAD 파일을 사용하여 point cloud와 일치시키는 기술을 사용한다. CAD based localization 객체를 depth camera로 입력받는 경우 각 포인트의 x,y,z값을 알 수 있기에 point cloud 입력 받는 것과 동일. 솔로몬에서는 2D 객체 이미지를 입력하여 객체의 location을 파악한다. 표면을 통해서 얻을 수 있는 정보는 색상과 텍스쳐 등. 2D로 얻게되는 객체의 색깔과 텍스쳐 정보가 중요하다는 ..

영상 제목 : What to pick – bin picking tutorial 출처 : https://www.youtube.com/watch?v=SZuZpBoK4N8 카메라를 통해 객체를 모델링하거나 객체의 CAD 파일을 통해 객체를 인식 일전에 빈피킹했을때의 방식과 유사. 객체에 대한 가장 정확한 정보를 알고리즘에게 주는 것. 이러한 알고리즘의 경우 새로 들어오는 객체에 대한 정확한 정보 없이는 인식 및 파지 불가