작업의 다양성

움직이는 물체를 파지하기 위해 시퀀스 딥러닝을 사용하여 특정 시간 후의 위치 및 자세를 예측하고 로봇을 특정시간 후에 예측된 위치로 이동시킴으로서 움직이는 물체의 파지를 가능하게 합니다

작업의 안전성

OMPL과 강화학습을 사용하여 정적, 동적 장애물에 대한 회피경로 및 불필요한 동작을 최소화 시키는 최적의 경로를 생성함으로서 작업시 발생 할 수 있는 여러 상황에 유연하게 대처 할 수 있습니다.

작업의 안전성

원하는 위치에 로봇의 End-Effector(TCP)를 정확하게 위치시키기 위해 D-H 캘리브레이션을 사용하여 로봇에서 발생 할 수 있는 오차(조립 및 가공)를 최소화 함으로서 보다 정밀한 작업이 가능합니다.

더 세밀하고 복잡한 작업을 위한 솔루션

단순히 물체를 검출하는 것뿐만 아니라 물체의 자세(6D)까지 추정합니다. 이는 로봇이 더욱 복잡하고 고도화된 작업을 수행할 수 있도록 도와줍니다

간편하고 손쉬운 제품 등록

자기지도학습 적용으로 딥러닝 학습데이터를 생산하기 위해 투입되는 많은 인력과 시간을 최소화 합니다. 또한 자기지도 학습 방법은 "hand-crafted"학습데이터를 사용한 방법보다 더 높은 정확도를 갖습니다.

신속하고 간단한 로봇-카메라 캘리브레이션

핸드-아이 자가 보정으로 번거로운 작업 없이 목표 위치 정밀도를 향상시킵니다. 시간이 지남에 따라 달라지는 설정값을 교정하기 위해 반복적으로 소모되는 시간을 줄여줍니다.