본 논문은 도시 환경에서 자율 이동 로봇을 위한 LiDAR 센서 기반 통행가능성(traversability) 분석 방법을 제시한다. 도시 환경은 구조화된 환경이지만, 일반적인 지형은 이동 로봇에 위험한 영역을 포함한다. 따라서 로봇이 도로 한가운데에서 갇히는 상황을 방지하기 위해 통행가능한 영역을 신뢰성 있게 탐지하는 방법이 필요하다. 기존 접근법들은 특정 로봇 또는 환경에 대한 통행가능성 분석 모델을 얻기 위해 상당한 노력이 요구된다. 특히 학습 기반 방법은 명시적인 학습 데이터를 필요로 한다. 본 논문에서는 수동 라벨링 과정을 제거하기 위한 자기학습(self-training) 알고리즘에 기반한 통행가능성 매핑 방법을 소개한다. 자기학습 알고리즘의 기반 분류기에 신경망을 적용하였다. 제안하는 접근법을 통해, 로봇 특이 매개변수와 로봇의 발자국(footprint)으로부터 얻은 약하게 라벨된 데이터로도 모델을 학습할 수 있다. 실제 실험에서 자기학습된 모델은 기존의 지도학습(supervised learning) 방법보다 더 나은 성능을 보였다. 또한 라벨이 없는 데이터의 비율이 증가할수록 성능도 함께 향상되었다. 따라서 도시 환경에서의 시연은 제안된 통행가능성 매핑 방법의 효율성을 보여준다.

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