본 논문에서는 RGB-D 카메라만을 사용하여 탁상 정리(tabletop tidying up) 문제를 해결하기 위한 새로운 프레임워크인, 정리도(tidiness score) 기반 몬테카를로 트리 탐색(TSMCTS, tidiness score-guided Monte Carlo tree search)을 제시한다. 우리는 탁상 정리 문제의 두 가지 주요 문제를 다룬다: (1) 공개 데이터셋 및 벤치마크의 부재, 그리고 (2) 보이지 않는 물체의 목표 구성(goal configuration)을 명시하는 데 따르는 어려움이다. 전자에 대해서는 시뮬레이션에서 수집한 구조화 데이터셋인 탁상 정리(TTU) 데이터셋을 제시한다. 이 데이터셋을 사용하여 정리도를 예측할 수 있는 비전 기반 판별기(discriminator)를 학습한다. 이 판별기는 실제 장면을 포함하여, 보이지 않는 구성에서도 정리의 정도를 일관되게 평가할 수 있다. 후자에 대해서는, 명시적 목표를 지정하지 않고 정리 궤적(tidying trajectories)을 찾기 위해 몬테카를로 트리 탐색(MCTS)을 활용한다. 구체적인 목표를 제공하는 대신, 정리도 점수를 지침으로 사용함으로써 우리의 MCTS 기반 플래너(planner가) 다양한 정리된 구성에 도달할 수 있음을 보인다. 이에 따라, 최적의 정리된 배치를 찾기 위해 정리도 판별기와 MCTS 기반 정리 플래너를 통합한 TSMCTS를 제안한다. TSMCTS는 커피 테이블, 식탁, 사무용 책상, 욕실을 포함한 다양한 환경에서 그 능력을 성공적으로 입증하였다. TTU 데이터셋은 다음에서 제공된다: https://github.com/rllab-snu/TTU-Dataset.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.