접시, 그릇, 컵과 같은 식기류 물체는 대개 질감이 없고 색상이 균일하며 형태가 매우 다양하여, 질감 단서나 물체별 CAD 모델에 의존하는 기존 자세 추정 방법을 적용하기가 어렵다. 이러한 한계는 식당 환경에서 로봇 조작을 위한 중대한 장애 요인이며, 자율적 집기 및 수거를 위해 신뢰할 수 있는 6자유도(6-DoF) 자세 추정이 필수적이다. 본 연구는 변환기(Transformer) 인코더 아키텍처를 기반으로 한 비모델(model-free), 비질감(texture-free) 6-DoF 자세 추정 프레임워크를 제안하여 이 문제를 해결하고자 한다. 이 방법은 표면 정점(surface vertices)과 테두리 노멀(rim normals)을 포함하는 기하 기반 특징만을 깊이 이미지로부터 추출하여 사용하며, 이는 강력한 구조적 사전지식(구조적 프라이어)을 제공한다. 파이프라인은 사전학습된 비디오 기반(foundation) 모델을 사용한 물체 검출 및 분할로 시작한 뒤, 깊이 데이터로부터 균일하게 분할된 그리드를 생성한다. 각 그리드 셀에 대해 중심점 위치(centroid positions)와 표면 노멀을 계산하고, 이를 변환기 기반 모델에 입력하여 물체의 회전과 평행이동을 동시에 예측한다. 식기 10종에 대한 실험 결과, 본 방법은 평균 회전 오차 3.53도와 평균 평행이동 오차 13.56 mm를 달성하였다. 또한 매니퓰레이터를 탑재한 모바일 로봇 플랫폼에서의 실제 환경 적용을 통해, 제안한 기하 기반 접근이 식기류를 자율적으로 인식하고 수거할 수 있음을 추가로 검증함으로써 서비스 로보틱스에 대한 실용성을 강조하였다.

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