인코더 네트워크, 디코더 네트워크 및 폴리시 네트워크를 포함하는 신경망을 학습시키는 것을 포함하고, 복수의 디지털 학습 입력 이미지 각각에 대해, 인코더 네트워크는 디지털 학습 입력 이미지를 잠재 공간의 특징으로 인코딩하고, 디코더 네트워크는 특징으로부터, 디지털 학습 입력 이미지에 보여지는 복수의 영역 각각에 대해, 해당 영역의 통과 가능 여부와 디지털 학습 입력 이미지의 시점과 해당 영역 사이의 거리에 대한 정보를 결정하고, 폴리시 모델은 특징으로부터 로봇 디바이스의 움직임 제어를 위한 제어 정보를 결정하며, 적어도 폴리시 모델은 디지털 학습 입력 이미지의 제어 정보 실측 자료 데이터를 사용하여 지도 방식으로 학습되는, 로봇 디바이스 컨트롤러를 학습시키기 위한 방법이 설명된다.
A method for training a robot device controller is described comprising training a neural network comprising an encoder network, a decoder network and a policy network, such that, for each of a plurality of digital training input images, the encoder network encodes the digital training input image to a feature in a latent space, the decoder network determines, from the feature, for each of a plurality of areas shown in the digital training input image, whether the area is traversable and information about the distance between the viewpoint of the digital training input image and the area and the policy model determines, from the feature, control information for controlling movement of a robot device wherein at least the policy model is trained in a supervised manner using control information ground truth data of the digital training input images.
로봇 디바이스를 제어하기 위한 디바이스 및 방법
2024-05-09
Patent
Electronic Resource
Korean