AI 연구연구 프리프린트
로봇이 작업 목적에 맞춰 물체 잡는 자리 고른다…실물 100회 중 93회 성공
원문 읽기 · arxiv.org ↗(새 탭에서 열림)로봇이 물체를 안정적으로 집더라도 이후 작업에 맞지 않는 곳을 잡으면 실패할 수 있다. TGrasp6D는 작업 설명과 단일 RGB-D 영상을 바탕으로 비전언어모델이 적절한 부위를 고르고, 6차원 자세 최적화로 충돌을 피하며 파지 후보를 조정한다.
연구 방법
- TaskGrasp의 물체·작업 310사례에서 주석된 잡기 자세와 겹치는지를 성공 기준으로 삼았다. 성공률은 94.5%로 비교 방법 중 최고 73.7%보다 높았고, 자세 보정을 빼면 89.4%였다. 이 지표는 물체를 실제로 들어 작업을 끝낸 비율이 아니라 주석 자세와 기하학적으로 맞는 비율이다.
평가 결과
- Franka Research 3 로봇으로 망치·물통·팬·분무기·검의 5물체와 10개 물체-작업 조합을 각 10번 시험했다. TGrasp6D는 100회 중 93회 성공했고 비교한 GraspGPT는 41회, FoundationGrasp는 52회였다. 물통과 분무기의 깊이 영상 가림·잡음이 주요 실패 요인이었다.
적용 조건
- 실물 시험은 5종 물체와 지정된 10작업에 한정된다. 영점 학습은 해당 조합 전용 추가학습이 없다는 의미이며 사전학습 비전언어모델과 깊이 카메라를 사용한다. 안전한 대인 전달이나 복잡한 현장 작업까지 입증하지 않는다.
함께 확인할 조건
- 실물 시험은 5종 물체와 지정된 10작업에 한정된다. 영점 학습은 해당 조합 전용 추가학습이 없다는 의미이며 사전학습 비전언어모델과 깊이 카메라를 사용한다. 안전한 대인 전달이나 복잡한 현장 작업까지 입증하지 않는다.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.19 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.