알려지지 않은 3D 공간을 탐색하는 로봇은 보통 아직 지도에 없는 영역의 양을 넓히는 데 집중해 왔다. 그런데 이 arXiv 프리프린트는 단순한 경계 추적만으로는 실내 구조의 맥락을 놓치기 쉽고, 그 결과 최종 3D 재구성의 정밀도가 떨어질 수 있다고 본다. 이에 따라 탐색을 ‘기하학적 이상 최소화’ 문제로 다시 정의하고, SCAGE(Scene-Anomaly Guided Exploration)를 제안한다.
SCAGE는 정형화되지 않은 3D 포인트클라우드에 바로 작동한다. 로봇은 학습된 실내 구조 priors와 현재 관측을 계속 대조해, 벽이 끊기거나 테이블 일부만 보이는 식의 불일치를 이상 징후로 표시한다. 이렇게 추려진 영역은 단순한 빈 공간이 아니라, 아직 잘 복원되지 않은 구조를 가리키는 탐색 신호가 된다.
핵심 구성은 ∆-Net이다. 연구진은 Matterport3D의 75개 고정밀 장면에서 학습 데이터를 만들었고, 각 3D 장면을 로컬 청크로 나눈 뒤 잡음·부분 가림·깊이 왜곡을 모사해 입력으로 사용했다. 네트워크는 Point Transformer V3를 바탕으로 한 디노이징 오토인코더이며, 최종적으로 포인트별 분포 이동 벡터를 예측해 이상도를 계산한다. 이상 점들은 군집화되어 6-DoF 관측 시점으로 바뀌고, 이후 RRT* 경로 계획으로 이동한다.
평가는 HM3D 검증 장면의 동일한 부분집합과 동일한 에피소드 최대 스텝 수를 적용한 시뮬레이션에서 진행됐다. 깊이는 Open3D로 렌더링한 완전 깊이와 Metric3D v2가 예측한 잡음 깊이 두 방식으로 다뤘다. 표 1에 따르면 SCAGE는 10개 장면에서 평균 볼륨 커버리지 89.7%를 기록했고, 표의 최고 기준선 FrontierNet의 72.3%보다 높았다. 장면 804에서는 92.5±1.0%, 824에서는 93.0±0.5%였다. 같은 표의 Chamfer(×10−3) 평균은 SCAGE 0.91로, FrontierNet 3.02보다 낮아 재구성 오차도 줄었다.
| 항목 | 값 | 근거 위치 |
|---|---|---|
| HM3D 시뮬레이션 평균 볼륨 커버리지 | SCAGE 89.7, FrontierNet 72.3, NBVP 62.8, Classic 50.7 | p.6 | TABLE I |
| HM3D 시뮬레이션 평균 Chamfer(×10−3) | SCAGE 0.91, FrontierNet 3.02, NBVP 4.60, Classic 6.55 | p.6 | TABLE I |
| 가치 함수 소거 실험 평균 커버리지 | ¯sk 74.7, ¯sk/d(Tk) 71.8, g(Tk)/d(Tk) 54.9, g(Tk)·¯sk/d(Tk) 89.2 | p.7 | TABLE II |
| 학습 데이터와 학습 시간 | Matterport3D 고정밀 장면 75개, 600 epochs, single NVIDIA RTX A6000 GPU | p.4 | source_excerpt |
자료: STORIUM 정리
정성 비교에서도 경향은 비슷하다. FrontierNet이 입구 주변만 맴돌아 의자나 침대 같은 구조를 놓치는 사례가 보였고, SCAGE는 그런 복원 취약 지점을 따라가며 더 넓은 영역을 채웠다. 표 2의 소거 실험은 탐색 가치 함수의 설계가 성능에 직접 영향을 준다는 점도 보여 준다. 평균 커버리지는 단순 이상도만 쓸 때 74.7, 이상도/거리일 때 71.8, 정보이득/거리일 때 54.9였고, 정보이득과 평균 이상도를 함께 쓴 조합이 89.2로 가장 높았다. 카드 끝부분에는 실환경 검증이 언급되지만, 제공된 발췌만으로는 장면 수나 세부 조건이 충분히 확인되지 않는다.
저작권자 © STORIUM 무단전재 및 재배포 금지
