Learning to Pick: A Visuomotor Policy for Clustered Strawberry Picking

논문 요약: 군집된 딸기 수확을 위한 학습 기반 시지각 - 운동 정책

1. 문제 정의 (Problem)

• 배경: 딸기는 고부가가치 작물이지만, 열매가 부서지기 쉽고 잎, 줄기, 다른 열매들과 얽혀 군집 (cluster) 을 이루는 특성 때문에 로봇 수확이 매우 어렵습니다.
• 기존 접근법의 한계: 기존의 '지각 - 계획 - 제어 (Percept-Plan-Control)' 방식은 복잡한 환경에서의 장면 이해, 깊이 추정, 궤적 계획, 그리고 부드러운 물체 (잎, 줄기) 와의 정밀한 상호작용 제어에 어려움을 겪습니다. 특히, 가려진 (occluded) 딸기를 수확하기 위해 주변 장애물을 부드럽게 밀어내거나 우회하는 정교한 조작 (dexterous manipulation) 이 필요하지만, 전통적인 모델 기반 방법은 이를 처리하기 어렵습니다.
• 핵심 과제: 복잡한 군집 환경에서 가려진 딸기의 줄기 (calyx 위) 를 정확히 파악하고, 주변 장애물을 피해 부드럽게 수확하는 정밀한 시지각 - 운동 (Visuomotor) 정책 개발.

2. 방법론 (Methodology)

이 연구는 인간의 시연 (demonstration) 에서 학습하는 모방 학습 (Imitation Learning) 기반의 로봇 시스템을 제안합니다.

• 하드웨어 시스템:

  • 로봇 암: 4 자유도 (4-DoF) SCARA 로봇 암 사용. 딸기의 수직 재배 환경 (테이블탑 재배 등) 에 최적화되어 있으며, 비용 효율적이고 빠릅니다.
  • 데이터 수집: 인간 운영자가 양팔 인터페이스를 통해 SCARA 암을 원격 조종 (Teleoperation) 하여 데이터를 수집합니다.
  • 센서: 엔드 이펙터에 상하 두 개의 카메라 (상단: Intel RealSense, 하단: 저가 USB 웹캠) 를 장착하여 다중 시점 (Multi-view) 정보를 획득합니다.

• 알고리즘: EPACT (End Pose Assisted Action Chunking with Transformers)

  • 기존 ACT (Action Chunking Transformer) 알고리즘을 기반으로 개량되었습니다.
  • 핵심 개선점: 기존 ACT 는 관절 각도 (joint angles) 를 직접 예측하지만, 딸기 수확과 같이 엔드 이펙터의 위치 정확도가 극도로 중요한 작업에서는 미세한 오차가 큰 실패로 이어질 수 있습니다.
  • EPACT 의 구조:
    1. 정책 네트워크가 먼저 로봇의 엔드 포지 (End Pose, 6D) 를 예측합니다.
    2. 예측된 엔드 포지를 역기구학 (Inverse Kinematics, IK) 신경망 모듈을 통해 SCARA 암의 4 개 관절 각도로 변환합니다.
    3. 그립퍼 (Gripper) 동작은 엔드 포지 계산과 분리 (Decoupled) 되어 병렬로 예측되거나 (EPACT-EE), 잠재 공간 (Latent) 을 통해 통합되어 예측됩니다 (EPACT-L).
  • 손실 함수 (Loss Function): 기존 행동 재구성 손실과 규제 손실 외에, 엔드 포지 재구성 손실 (End Pose Loss) 을 추가하여 정책이 목표 위치 정확도에 집중하도록 유도합니다.

• 데이터 수집:

  • 인공 딸기 (실제 딸기의 무게와 외관을 모방) 와 유연한 와이어 줄기를 사용하여 다양한 군집 시나리오 (2~3 개의 딸기가 얽힌 경우) 를 구축했습니다.
  • 총 511 개의 시연 데이터를 수집하여 학습에 사용했습니다.

3. 주요 기여 (Key Contributions)

1. 전용 데이터 수집 시스템 개발: 4-DoF SCARA 암과 인간 원격 조종 인터페이스를 통합한 딸기 수확용 데이터 수집 시스템 구축.
2. 4-DoF 암을 활용한 학습 기반 정책 증명: 일반적인 6-DoF 암 대신 비용 효율적인 4-DoF SCARA 암으로도 복잡한 군집 딸기 수확이 가능함을 입증.
3. 실제 군집 딸기 수확을 위한 최초의 성공적인 학습 및 배포: 모방 학습을 통해 실제 (인공이지만 물리적 특성을 갖춘) 군집 딸기를 수확하는 정교한 시지각 - 운동 정책의 성공적 구현.
4. EPACT 알고리즘 고도화: 엔드 포지 손실 (End Pose Loss) 과 신경망 기반 역기구학 모듈을 도입하여 ACT 의 성능을 대폭 개선.
5. 다양한 가려짐 시나리오 평가: 다양한 군집 구성과 카메라 뷰 (단일/다중) 가 알고리즘 성능에 미치는 영향을 포괄적으로 분석.

4. 실험 결과 (Results)

• 성능 비교:
  • 제안된 EPACT-EE 방법은 평균 **71.7%**의 성공률을 기록하여, 기존 ACT 알고리즘 (35.0%) 보다 월등히 높은 성능을 보였습니다.
  • EPACT-L 또한 평균 66.7% 의 성공률을 보이며 기존 방법을 크게 상회했습니다.
  • 특히, 가려진 상태 (Occluded) 인 복잡한 시나리오 (State 1~5) 에서의 성능 향상이 두드러졌습니다.
• 카메라 뷰의 영향:
  • 상하 두 개의 카메라를 모두 사용하는 다중 뷰 (Multi-view) 설정이 단일 카메라보다 성능이 우수했습니다 (3D 기하학적 이해도 향상).
  • 그러나 단일 카메라만으로도 수확이 가능함을 확인하여, 리소스가 제한된 환경에서의 적용 가능성을 시사했습니다.
• 실제 환경 전이 (Transfer):
  • 인공 환경에서 학습된 정책을 실제 딸기 환경에 적용한 실험에서도 성공적인 수확 사례가 관찰되었으며, 이는 학습된 기술이 실제 농업 환경으로 전이될 수 있음을 보여줍니다.
• 실패 사례 분석:
  • 주요 실패 원인은 목표 딸기 오인식, 다중 딸기 동시 집기, 부정확한 접근 궤적 등이었습니다.

5. 의의 및 결론 (Significance)

• 기술적 의의: 전통적인 모델 기반 접근법이 실패하는 복잡하고 가변적인 환경 (부드러운 물체, 가려짐) 에서, 모방 학습을 통해 인간과 유사한 정교한 조작 능력을 로봇이 획득할 수 있음을 입증했습니다.
• 실용적 가치: 4-DoF SCARA 암과 같은 저비용 하드웨어로도 고품질의 딸기 수확이 가능함을 보여줌으로써, 농업 로봇의 상용화 장벽을 낮추는 데 기여합니다.
• 향후 방향:
  • 일반화 (Generalization) 능력 향상을 위해 더 많은 데이터 수집 및 시뮬레이션 - 현실 (Sim-to-Real) 간극 해소 연구 필요.
  • 단순한 수확에는 기존 방법을, 복잡한 군집 수확에는 학습 기반 방법을 사용하는 하이브리드 시스템 구축이 유망한 대안으로 제시됨.

이 논문은 딸기 수확이라는 구체적인 농업 과제를 해결하기 위해, 하드웨어 최적화와 알고리즘 개선 (EPACT) 을 결합한 종합적인 솔루션을 제시했다는 점에서 의의가 큽니다.