본 논문은 로봇 탐색 시간과 어노테이션 예산 제약 하에서 컴퓨터 비전 객체 탐지기를 새로운 환경에 적응시키는 방법을 연구합니다. 로봇은 실패 사례를 집중적으로 겨냥하여 유용한 로봇 경로와 이미지 샘플을 선택하여 탐지기를 재훈련합니다. 연구 결과, 공간적 불일치를 활용하여 외부 감독 없이 관련 이미지를 선택하여 최종 적응 과정에서 가장 높은 탐지 정확도를 달성했습니다.
AI2-THOR 시뮬레이터의 대규모 장면과 Boston Dynamics Spot 로봇을 활용한 실제 환경에서 다양한 액티브 러닝 목표를 사용하여 성능을 평가했습니다. 실험 결과, 공간적 불일치는 에이전트를 안내하고 관련 이미지를 선택하는 데 도움을 줍니다.
본 연구의 오픈소스 프로젝트는 GitHub에서 확인할 수 있습니다.