Reasoning Occluded Objects in Indoor Environment Using Bayesian Network for Robot Effective Service

Recently the study on service robots has been proliferated in many fields, and there are active developments for indoor services such as supporting for elderly people. It is important for robot to recognize objects and situations appropriately for effective and accurate service. Conventional object recognition methods have been based on the pre-defined geometric models, but they have limitations in indoor environments with uncertain situation such as the target objects are occluded by other ones. In this paper we propose a Bayesian network model to reason the probability of target objects for effective detection. We model the relationships between objects by activities, which are applied to non-static environments more flexibly. Overall structure is constructed by combining common-cause structures which are the units making relationship between objects, and it makes design process more efficient. We test the performance of two Bayesian networks for verifying the proposed Bayesian network model through experiments, resulting in accuracy of $86.5\%$ and $89.6\%$ respectively.

로봇의 효과적인 서비스를 위해 베이지안 네트워크 기반의 실내 환경의 가려진 물체 추론

최근 서비스 로봇에 대한 연구가 여러분야에서 활발해지며, 노인 보조와 같은 실내 서비스를 위한 연구가 많이 이루어지고 있다. 이 때 로봇이 효과적이고 정확한 서비스를 하기 위해서 물체와 상황을 적절하게 인식하는 것은 중요하다. 전통적인 물체 인식 방법은 미리 정의된 기하학적 모델에 기반하였으나 이런 접근 방법은 대상 물체가 다른 물체에 가려져 보이지 않는 상황 둥 불확실성을 포함하는 실내환경에서는 한계가 있다 본 논문에서는 로봇의 효과적인 물체 탐색을 위해 대상이 되는 물체의 존재 가능성을 추론하기 위한 베이지안 네트워크 모델을 제안한다. 이를 위해 활동별로 물체간의 관계를 모델링하여 고정되어 있지 않은 환경에 보다 유연하게 적용될 수 있게 하였다. 전체적인 구조는 공통-원인 구조를 물체간의 관계를 나타내는 단위로 사용하여 이를 결합해가며 구성되는데 이러한 방법은 베이지안 네트워크 설계를 효과적이게 한다. 제안하는 베이지안 네트워크 모델을 검증하기 위해 두 개의 베이지안 네트워크의 성능을 실험을 통해 검사하였는데 각각 $86.5\%$와 $89.6\%$의 정확도를 보였다.