본 논문에서는 조도 외란 환경에서의 목표 이미지 획득을 위한 자세 기반 딥 비주얼 서보잉(deep visual servoing, DeepVS)에 대해 논한다. 자세 기반 비주얼 서보잉은 이미지를 통해 획득한 카메라의 6D 자세를 사용해 시스템을 제어하는 기법이다. 그러나 조도 외란 환경에서는 과조도로 인해 카메라로 획득되는 이미지가 왜곡되어, 카메라의 6D 자세 추정이 어려워진다. 이때, 6D 자세 추정을 위한 인공 신경망을 과조도 이미지를 사용해 학습시킨다면, 조도 외란 환경에서도 강건한 6D 자세 추정이 가능하다. 그러나, 실제 환경에서는 과조도 이미지 데이터셋을 획득하기에 시간적·공간적 제약이 뒤따른다. 따라서, 과조도 이미지 데이터 획득을 위해 가상환경을 사용하고, 이를 DeepVS 신경망 학습에 활용한다. 이를 위해, 먼저 DeepVS가 수행되는 컨피규레이션 공간, 자세 공간, 이미지 공간, 특징 공간을 정의한다. 이후 카메라 이미지로부터 상대적 카메라 6D 자세를 추정하는 신경망을 학습시켜 이미지 공간에서 특징 공간으로의 순방향 매핑을 수행하도록 구성한다. 다음으로 상대적 카메라 6D 자세는 비주얼 서보 컨트롤러와 로봇 컨트롤러를 통해 매니퓰레이터의 조인트 속도로 매핑된다. 제안하는 프레임워크의 검증을 위해 조도 외란이 있는 과수 환경을 가정하였으며, 실험 결과로부터 정상 조도 및 과조도 이미지에서 성공적인 DeepVS를 수행할 수 있었다. 그러나, 학습 이미지 분포 밖에 있는 과조도 환경에 대해서는 DeepVS가 수행에 한계가 있음을 확인하였다.
Hyun et al. (Thu,) studied this question.