모바일 조작 로봇의 물체 구분 지도학습을 위한 실시간 대화 기반 라벨링 제안 (Proposal of Dialogue-based Real-time Labeling of Supervised Learning of Object Classification for Mobile Manipulative Robot)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회 컴퓨팅의 실제 논문지 / 30권 / 3호 / 125 ~ 130페이지
· 저자명 : 유영재, 이윤수, 장병탁

초록

로봇의 지도학습은 실세계에서 이루어지기 때문에 많은 시간이 소요되며 데이터 수집 후 훈련 데이터에 대한 라벨링을 추가로 요구한다. 대화를 통한 지도학습은 이와 같은 비용 소모를 줄이는 방법으로, 사람에게 익숙한 대화 기반 소통 방식을 사용해 접근성을 강화한다. 본 연구에서는 로봇이 사람과 대화하며 실시간으로 물체 분류를 학습하는 대화 기반 라벨링을 제시한다. 먼저, 모바일 조작 로봇은 Unseen Object Detection을 통해 학습할 물체를 검출한다. 그리고 목표 물체를 파지한 뒤 사람에게 이 물체가 무엇인지 질문한다. 사람은 물체군이 무엇인지 대답하고, 로봇은 해당 음성을 인식하여 텍스트로 전환해 물체의 라벨을 결정한다. 그 후 물체를 전방위적으로 스캔하고, 동시에 로봇 카메라를 통해 입력된 RGB 이미지와 대화를 통해 얻은 라벨로 실시간 이미지 분류 학습을 진행한다. 학습 후, 설계한 검증 실험을 통해 테스트 데이터에 대한 분류 정확도를 평가한 결과, 이미지는 71.86%, 물체에 대해서는 66.67%의 분류 정확도를 보였다.

영어초록

Robots supervised learning takes a lot of time since it occurs in the real world and requires additional labeling of training data after data collection. Dialogue-based supervised learning can overcome such challenges and enhance accessibility using a dialogue-based communication method, which is familiar to most people. This study presents a dialogue-based labeling that can learn object classification in real-time while talking with a person. First, through Unseen Object Detection, the mobile manipulation robot detects the object to learn. Then, after gripping the target object, the robot asks the person what the object is. The human answers the object class, and the robot recognizes the voice, converts it into text, and determines the object label. After that, the robot scans the object in all directions. At the same time, real-time learning for image classification is performed through the input RGB image via the robot camera and the label obtained through the dialogue with the person. After training, the classification accuracy of the test data was evaluated through the designed experiment. The results showed a classification accuracy of 71.86% for images and 66.67% for objects.

참고자료

· 없음