로보틱스 연구일지

들어가기에 앞서, 회전의 양은 각도 θ 하나로 표현할 수 있는데 왜 굳이 회전행렬을 쓸까?그 이유는 θ는 "얼마나 돌렸는지"만 알려줄 뿐, 벡터를 실제로 회전시키는 연산 자체를 담고 있지 않기 때문이다.벡터 v를 θ만큼 회전시킨 결과 v'을 구하려면, θ만으로는 매번 원래 각도를 구하고 삼각함수를 다시 풀어야 한다.하지만 회전행렬이 있으면 \(v' = R \cdot v\), 행렬곱 한 번이면 끝이다. 더 중요한 강점은 합성(composition)이다. 회전 A를 한 다음 회전 B를 하고 싶으면 \(B \cdot A\)로 합성된다. 역변환은 \(R^T\)이다. 이 연산 규칙이 2D든 3D든, 심지어 더 높은 차원이든 동일한 문법으로 동작한다.반면 각도(θ) 기반 표현은 차원이 올라가면 합성 연산이 깨진다...

nvidia daneLLL씨의 답변에 따라 우선 저 핀들을 찾아줍니다.https://forums.developer.nvidia.com/t/unable-to-enter-recovery-mode-on-jetson-orin-nx/322718 Jetson orin nx를 다운그레이드하기 위해서는 먼저 뚜껑을 열고 요부분을 찾아줍니다.여기서 위에서 두번째 세번째 핀 을 누르면 된다네요. 저는 저 Force Recovery (FC REC) 글씨가 안보여서 쿨링팬도 따봤는데 굳이 안 따도 됩니다. 다운그레이드 순서Jetson 전원을 빼줍니다저 두핀(GND, REC)을 동시에 누른 상태로 전원을 연결하고 3초정도 계속 눌러줍니다. (option) 연결된 모니터에서 화면이 안 나오고, 쿨링팬이 멈춘다면 성공적으로 r..

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..