로보틱스 연구일지

결론 요약모델 학습용 데이터셋: 모델을 새롭게 학습시키기 위한 다양한 센서, 레이블을 포함한 데이터셋벤치마크 데이터셋: 기존 여러 모델들의 성능을 공정하게 평가하기 위한 표준 실험 환경을 제공하기 위한 데이터셋 네비게이션 task에서는 다음과 같이 해석 가능:모델 학습용 데이터셋:목적: 모델을 처음부터 학습시키기 위한 데이터셋, 로봇이나 AI 에이전트가 스스로 목표를 찾고, 경로를 탐색할 수 있도록 훈련특징:다양한 센서 입력(RGB 이미지, LiDAR 등)과 정답 레이블(예: 목표 객체의 위치, 경로)을 제공, 이렇게 센서 데이터와 정답이 동기화(synced)되어 있어서 모델이 정확히 무엇을 해야 하는지 학습 가능.예를 들어, Object Goal Navigation 데이터셋이면, 목표 객체의 위치를 ..

Object Goal Navigation(OGN) 연구의 주요 목적OGN의 최근 연구들은 모두 1) 어떻게 프론티어를 선정할 것인지와, 2) 어떻게 목표 위치를 예측할 것인지에 초점을 두고 있다. 목적지까지 경로를 찾기 위해 우선적으로 이동할 프론티어(frontier)를 선정목표 위치를 예측 Object Goal Navigation(OGN) 최신 연구 동향크게 지도 기반 프론티어 탐색, 시맨틱 지도 예측 및 추론, 학습 기반(RL/representation learning), 계층적/장면-그래프 탐색으로 나누어진다. 분류내용지도 기반 프론티어 탐색▪️에이전트가 지역 지도를 구축하여 미지 영역의 경계(frontier)를 탐색▪️시맨틱 정보를 이용해 프론티어(목표 객체)가 있을 법한 위치를 추론하여 이동시맨..

Fine-tuning은 Pretraining 이후, 기존 backbone(encoder) weight를 그대로 가져와서, downstream task를 학습할 때 weight를 계속 업데이트하는 과정이다. 그래서 Pretraining method를 제안하는 논문은, 그 방법론의 우수함을 입증하기 위해, 그 방법에 따라 생성한 pretrained weight를 backbone으로 다른 모델의 성능 개선 정도를 평가한다. Pretrained model을 사용한 frozen, fine-tuning 실험이란 무엇인가..Downstream task란 이렇게 학습한 모델 파라미터를 통해 다른 작업(e.g., navigation, classification)을 수행하는 것을 뜻한다.이러한 Downstream tas..

최근 VANP: Learning Where to See for Navigation with Self-Supervised Vision-Action Pre-Training라는 논문을 읽었다. 간략하게는 Navigation시 어디를 집중해서 볼지 제안한 논문이다. https://arxiv.org/abs/2403.08109 VANP: Learning Where to See for Navigation with Self-Supervised Vision-Action Pre-TrainingHumans excel at efficiently navigating through crowds without collision by focusing on specific visual regions relevant to navig..