Reliability-Adaptive Multimodal Relative Pose Tracking for Underwater Leader-Follower Robots

이 논문은 물속 로봇 두 대의 상대 자세를 측정 센서별 신뢰도에 맞춰 섞어 추적하는 프레임워크를 만들었다.

이 논문은 한마디로 물속을 이동하는 두 로봇의 상대 자세를 여러 센서를 신뢰도에 맞춰 섞어 추적하는 프레임워크다. 물속에서는 빛 산란과 색 왜곡 때문에 카메라 측정 신뢰도가 계속 바뀐다. 저자들은 시간에 따라 변하는 센서 신뢰도를 반영하는 다중 모드 융합 설계를 제안했다. 수조 실험에서 평균 이동 오차 3.8 cm를 냈다.

핵심 요약

• 저자들은 움직이는 물속 로봇 두 대의 여섯 자유도 상대 자세를 추적하는 신뢰도 적응형 다중 모드 인식 프레임워크를 제안했다.
• 빛 흡수와 산란, 색 왜곡, 부유 입자가 광학 측정의 신뢰도를 크게 떨어뜨린다고 저자는 설명했다.
• 두 선체 종류, 세 조명 조건, 아홉 궤적 패턴의 모든 조합에 대해 각각 12 trials를 모아 총 648 trials의 다중 모드 데이터를 수집했다.
• 수조 실험에서 프레임워크는 평균 이동 오차 3.8 cm를 달성했다.
• 탑재 NVIDIA Jetson AGX Orin에서 융합 네트워크는 17.62 ms의 추론 지연을 냈다.
• 모든 648 trials의 측정 값을 담은 다중 모드 데이터셋을 공개할 예정이다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.