본 논문은 실제 환경에서 시뮬레이션으로 훈련된 신경망 기반 로봇 의류 조작 시스템을 비교 평가하는 어려움을 해결하기 위해 DRAPER 프레임워크를 제시합니다. 시뮬레이션과 실제 환경 간의 차이, 실험 환경의 불일치, 하드웨어 제약 등 기존 연구의 한계를 극복하고자, 다양한 직물(재질, 크기, 색상)을 사용하여 평평하게 펴기 및 접기 작업에 대한 다양한 신경망 제어기를 실제 환경에서 비교 평가합니다. DRAPER은 실제 세계의 잡기 오류(잘못된 잡기, 다층 잡기 등)를 해결하기 위해 시뮬레이션 환경을 실제 환경에 맞게 조정하고, 시뮬레이션-실제 간의 인식 차이를 줄이기 위한 특수한 영상 처리 기술을 사용하며, 집게형 그리퍼와 잡기 절차를 통해 강력한 잡기를 달성합니다. 다양한 딥러닝 방법과 로봇 플랫폼에서 DRAPER의 일반화 가능성을 보여주며, 의류 조작 연구에 귀중한 통찰력을 제공합니다.
