현대의 로봇 시스템은 의미론적 지식을 기반으로 임무를 수행하는 방향으로 발전하고 있다. 이러한 시스템은 임무를 성공적으로 수행하는 데 필수적인 환경 모델링을 필요로 한다. 그러나 새로운 환경이 주어질 때마다 수동 모델링이 요구되는 비효율성이 존재하며, 환경에 적응할 수 있는 적응형 모델링이 필요하다. 본 논문에서는 도메인 지식과 개방 어휘 기반 비전-언어 모델(Visual-Language Models, VLMs)을 융합하여 서비스 로봇을 위한 자율적 환경 모델링을 가능하게 하는 통합 프레임워크를 제안한다. 로봇이 새로운 환경에 배치되면, 자율 탐사를 통해 점유(occupancy) 지도를 구축하고 객체와 장소에 대한 의미 정보를 추출한다. 또한 로봇 단독의 환경 모델링을 넘어, 인간–로봇 협력 모델링을 도입한다. 수집된 의미 정보는 구조화된 데이터베이스에 저장되며 필요에 따라 활용된다. 제안한 프레임워크의 서비스 로봇에 대한 적용 가능성을 검증하기 위해, 시뮬레이션된 가정 환경과 실제 실내 복도에서 실험을 수행한다. 실험을 통해 제안된 프레임워크는 두 환경 모두에서 의미 정보 추출 정확도가 80%를 초과하는 성능을 달성하였다. 다양한 유형의 객체와 장소에 대한 의미 정보를 추출하여 데이터베이스에 저장함으로써 서비스 로봇에서 DK-SMF의 효과성을 입증하였다.

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