경량 신경망으로 인간 시선 예측해 로봇 능동 지각 구현

한줄 요약

유체 신경망 기반 경량 모델로 인간 시선을 빠르게 예측하고 로봇의 능동 지각에 활용.

풀어야 하는 문제

기존의 인간 시선 예측 모델은 연산 비용이 높아 자율 로봇의 실시간 능동 지각에 적용하기 어렵다.

접근 방법

MobileNetV3를 특징 추출기로, 유체 신경망을 순환 엔진으로 사용하는 GazeLNN을 설계했다. 자동 회귀 방식으로 현재 시각 자극과 시선 이력을 조건으로 연속적인 시선 고정 히트맵을 예측한다.

결과·기여

MIT Low Resolution 데이터셋에서 0.47 ScanMatch 점수로 최첨단 성능을 달성하면서 기존 순환 모델 대비 연산 비용을 99.40% 절감하고 추론 속도를 최대 6배 향상시켰다. 강화학습으로 훈련된 카메라 로봇 제어 정책에 통합하여 실시간 드론 배치에서 인간 시선 유도 지각의 실용성을 입증했다.