과학기술일자리진흥원은 과학기술정보통신부의 기초·원전 R&D 사업에서 창출된 우수한 연구성과가 산업계에 이전돼 사업화 및 일자리 창출이 될 수 있도록 지원하는 기술사업화 공공기관이다. 과학기술일자리진흥원에서 작성·지원한 본 기술 소개를 통해 새로운 기술을 살펴보고, 더불어 기술이전에 대한 가능성을 확인할 수 있다.
기술개요
로봇의 적용 범위 확장은 매니퓰레이터 하드웨어를 모듈화하는 것만의 문제가 아니라 이와 결합된 작업인지 기술의 혁신이 동반돼야 한다. 기존의 매니퓰레이터 적용 환경에서는 정형적으로 기술이 가능한 작업 프로세스와 대상물이 존재하고, 전문가가 작업 및 프로세스를 디자인했다.
하지만 모드맨 적용이 예상되는 중소기업 및 개인은 작업 환경과 대상물이 동적으로 변경될 수 있으므로, 전문가의 개입 없이 현장의 작업자가 바로 작업을 기술하고 대상물에 대한 학습을 시킬 수 있어야 한다.
작업대상 물체가 바뀔 때마다 학습에 충분한 양의 데이터를 확보하기 어렵다. 하지만 다양한 View와 환경요인을 고려해 필요한 만큼의 학습데이터를 자동으로 생성해 낼 수 있는 가상학습셋을 이용한 기술은 특히 작업환경 및 대상물의 변경이 자주 발생하는 경우 유용하다.
기술개발 현황
본 기술은 H/W 재구성 및 작업 환경 변화에 대응해 현장의 로봇 비전문가가 인지모듈을 용이하게 구성하는 것을 목적으로 한다.
본 기술에서 제공하는 물체인식기술은 복잡한 환경에서 물체를 검출, 인식 및 자세 인식을 하기 위해 딥러닝 기법을 적용하고 있는데, 이 때 학습에 필요한 데이터의 양적/질적 요구조건을 충족시키기 위해 최소의 실제 학습셋과 컴퓨터그래픽스 기반의 가상학습셋을 활용한다.
이를 통해 작업환경의 변화 또는 작업 대상물의 변화에 현장의 작업자가 유연하게 대응할 수 있는 기술을 제공하는 것으로 물체의 매니퓰레이션뿐만 아니라, 물체의 존재나 놓여 있는 상황 파악 등을 통해 다양한 응용에서 활용될 수 있다.
기술의 우수성(특장점)
작업대상 물체가 바뀔 때마다 학습에 충분한 양의 데이터를 확보하기 어렵다는 점에서 다양한 View와 환경요인을 고려해 필요한 만큼의 학습데이터를 자동으로 생성할 수 있는 가상학습셋을 이용한다.
여러 자세를 고려해 생성된 가상학습셋을 이용함으로써 학습한 인지엔진은 상당히 복잡한 환경에서도 물체의 검출 및 식별이 가능하며, 특히 물체의 매니퓰레이션을 위해서는 필수적인 고정밀도의 자세인식이 가능하다. 특히, 가상학습셋을 이용해 다양한 환경을 학습했기 때문에 검출, 인식, 자세인식 성능이 우수하고, 새로운 물체가 추가돼 새로운 환경에서 적용할 때도 일정한 성능을 유지할 수 있다.
기술 적용(활용) 가능 분야
이 기술은 로봇 매니퓰레이션 시스템을 위한 확장성 있는 물체의 검출, 식별 및 자세인식과 대상 물체의 존재 유무 및 수량의 인식 등을 통한 재고관리 시스템에 적용될 수 있다.
|
관련 지식재산권 현황
|
