🤖 Pick & Stack (블록 집기 및 순차 적재) 모델

1. 데이터셋 구성 (Dataset)

1.1 이전 모델과의 차이점

• 기존 데이터셋의 한계: 특정 위치에 대한 데이터가 부족하여 지정구역을 블록으로 인식하거나, 특정 위치에서 반복적으로 동일한 행동을 수행하는 현상이 발생
• 데이터셋 개선: 고정 위치, 왼쪽 위치, 오른쪽 위치, 랜덤 위치 데이터를 병합하여 다양한 블록 위치에 대한 학습 데이터를 구성하고, DAgger 데이터를 다시 50개로 유지

1.2 전체 데이터셋 구조

• 고정 위치 데이터 60
• 왼쪽 위치 데이터 50
• 오른쪽 위치 데이터 59
• 랜덤 위치 데이터 111
• DAgger 50

2. 모델 학습 방식 (Training Procedure)

2.1 모델 아키텍처 (ACT 기반)

2.2 서버 추론 기반 시스템 및 통신

2.3 Chunk 및 Step 차이

3. 수행 결과 (Evaluation & Results)

3.1 수행 결과

• 고정 위치: 총 5회 시도 중 평균 2.2개 블럭 성공 (1, 3, 3, 1, 3)
• 랜덤 위치: 총 5회 시도 중 평균 1.2개 블럭 성공 (0, 2, 1, 2, 1)
• 특이 사항:
  • 지정구역을 블록으로 인식하여 집으려는 현상이 이전 모델에 비해 크게 감소
  • 로봇이 블록을 집는 과정에서 경기장 바닥을 강하게 찍는 현상이 반복적으로 발생하며, 이로 인해 손목 부분의 나사가 풀리는 현상 발생
  • 지정구역 오른쪽 위에서 반복적으로 머무르며 해당 영역을 벗어나지 못하는 현상이 관찰됨
  • 오른쪽 위 영역에서 동일하거나 유사한 행동을 반복하는 현상은 posterior collapse와 유사한 현상으로 추정됨

3.2 결과 피드백

1. 다양한 위치 데이터를 병합한 결과 지정구역을 블록으로 잘못 인식하는 문제는 이전 모델에 비해 개선됨
2. 바닥을 강하게 찍는 행동이 반복되어 로봇 손목에 물리적인 부담이 발생하므로 해당 행동에 대한 데이터 보완 및 안전 로직 적용이 필요
3. 오른쪽 위 영역에서 반복적으로 머무르는 현상이 발생하여 해당 위치에서 벗어나는 행동을 포함한 데이터 추가 및 DAgger Correction을 통한 보완이 필요
4. 전체적인 블록 집기 성공률은 고정 위치 평균 2.2개, 랜덤 위치 평균 1.2개로 추가적인 성능 개선이 필요