로봇 매니퓰레이터 제어 최적화와 실시간 모노큘러 3D 인식 연구

Control Optimization for Robotic Arms and Real-Time Monocular 3D Perception Research

연구 내용

고정시간 제어와 ISSA 기반 최적화를 통해 로봇 매니퓰레이터의 추종 성능을 개선하고, 실시간 모노큘러 3D 객체 검출 모델을 설계하는 연구

로봇 매니퓰레이터의 고정시간 제어 구조를 구성하여 빠른 수렴과 진동 억제를 동시에 목표로 하고, Barrier Lyapunov function과 적응 신경망 요소를 활용해 불확실성과 입력 포화에 강건하게 대응합니다. 동시에 제어 파라미터의 탐색 효율을 높이기 위해 Improved Sparrow Search Algorithm을 결합하여 궤적 추종 오차와 응답 속도를 함께 최적화합니다. 인지 측면에서는 모노큘러 입력에서 외부 깊이 추정기 없이 깊이 민감 특징을 암묵적으로 학습하고, Depth Position Mapping으로 3D 바운딩 박스 회귀에 깊이 위치 정보를 반영하는 AuxDepthNet을 제안하여 실시간 3D 객체 검출을 지원합니다.

관련 프로젝트

0건

연구 흐름

2024년에는 2자유도 로봇 팔을 대상으로 고정시간 제어를 기반으로 한 궤적 추종 안정성을 확보하고, Barrier Lyapunov function과 적응 신경망을 통해 시스템 불확실성과 입력 포화에 대응하는 구조를 제시했습니다. 이후 동일 프레임에서 Improved Sparrow Search Algorithm을 이용한 제어 파라미터 최적화를 결합하여 응답성과 추종 오차를 개선하는 방향으로 연구를 확장했습니다. 2025년에는 자율 시스템에 필요한 실시간 인식 모듈로 AuxDepthNet을 제안하여, 단안 영상에서 깊이 민감 특징과 깊이 위치 매핑을 통해 모노큘러 3D 객체 검출 성능을 높이고 계산 효율을 유지하는 결과를 보고했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

고정시간 제어 기반 궤적 추종
로봇 매니퓰레이터 진동 억제
ISSA 기반 제어 파라미터 최적화
입력 포화 대응 제어기
적응 신경망 기반 강건 제어
모노큘러 3D 객체 검출
Depth-sensitive features 학습
깊이 위치 매핑을 통한 3D 회귀
실시간 인지-제어 결합 파이프라인
자율 작업을 위한 공간 인지 모듈