Autonomous Mobile Manipulation
Known object Manipulation
CAD 모델이 사전에 확보된 known object에 대해서는, FoundationPose (CVPR 2024)
를 활용하여 물체의 6D pose를 정밀하게 추정합니다. 이후 각 물체에 대해 미리 수집해
둔 optimal grasp template를 현재 추정된 자세에 정합하여 파지 후보를 생성하고, 이를
기반으로 안정적인 파지를 수행합니다. 이 과정에서 단순히 템플릿을 적용하는 데 그치
지 않고, collision checking을 통해 물체 및 주변 환경과 충돌하지 않는 유효한 grasp
pose를 선별함으로써 실제 파지 가능성을 높였습니다. 이러한 방식은 특정 그리퍼 구조
에 종속되지 않고, 해당 그리퍼에 맞는 grasp template만 사전에 구축해두면 다양한 그
리퍼로 확장 가능하다는 장점이 있습니다
Unknown object Manipulation
CAD 모델이 없거나 사전 형상 정보가 없는 unknown object에 대해서는, HGGD (RA-L, 2023) 기반의 grasp point extraction model을 사용하여 6-DoF grasp candidates를 생성하고, 이를 바탕으로 파지를 수행합니다. 다만 기존 HGGD는 물체를 비스듬하게 접근하는 grasp candidate를 많이 생성하는 경향이 있었으며, 이러한 grasp는 실제 로봇 적용 시 workspace 제약으로 인해 도달 불가능한 경우가 많았습니다. 이를 해결하기 위해 본 연구에서는 모델이 보다 upright한 grasp pose를 우선적으로 생성하도록 일부 구조 및 출력 경향을 수정하였으며, 그 결과 실제 로봇이 도달 가능한 grasp candidate의 비율을 높여 파지 성공 가능성을 향상시켰습니다. 즉, unknown object에 대해서도 사전 CAD 정보 없이 RGB-D 기반으로 유효한 grasp를 생성할 수 있도록 하면서, 실제 시스템 적용성을 고려한 방향으로 모델을 개선하였습니다
Service Robot Technologies for Cleaning A Table
식당 환경에서 식후 빈 그릇을 자동으로 수거하기 위한 서비스로봇 기술을 여러 기관과 협력하여 연구하고 있다. 실제 식당 테이블은 다양한 식기와 음식물로 복잡하게 구성되기 때문에, 로봇이 안정적으로 작업을 수행하기 위해서는 환경에 맞는 지능적인 조작 전략이 필요하다. 특히 우리는 제한된 수거함 공간에 가능한 많은 식기를 적재할 수 있도록 하는 효율적인 적재 전략을 연구하고 있다. 식기의 형태와 배치 상태를 고려하여 공간 활용도를 높이고, 로봇이 반복적으로 수거 작업을 수행할 수 있도록 하는 것이 주요 목표이다.
또한 테이블 위가 복잡하게 어지러져 있어 로봇이 바로 식기를 파지하기 어려운 상황을 해결하는 방법도 연구하고 있다.
이를 위해 로봇이 물체를 직접 잡기 전에 밀기, 정리하기 등의 비파지(non-prehensile) 작업을 수행하여 작업 공간을 확보한 뒤 파지를 수행하는 전략을 개발하고 있다. 이러한 연구를 통해 실제 식당과 같은 복잡한 환경에서도 안정적으로 식기를 수거할 수 있는 서비스로봇 기술을 구현하고자 한다.
