← 전체 연구 여정으로

Fig 2 — Augmentation × Path Type Robustness 히트맵

각 augmentation 조건에서 경로 타입별로 원본과 동일한 action을 예측하는 비율 (Exp51, crop augmentation 학습).

원본 그래프

fig2

경로 × Augmentation 매트릭스

경로originalbright+40%bright-40%contrast+40%contrast-40%blur_sigma3blur_sigma6crop_left10%crop_right10%crop_center90%color_jitterflip_horizontal
중앙→좌100%0%100%100%100%100%0%100%100%0%100%0%
중앙→우100%100%100%100%100%100%100%100%100%0%100%100%
중앙 직진100%0%100%100%100%100%100%0%100%0%100%100%
좌→좌100%100%100%100%0%0%0%100%100%0%100%0%
좌→우100%100%100%100%100%100%0%100%100%0%100%0%
좌 직진100%100%0%100%100%0%0%100%100%0%100%0%
우→좌100%100%100%100%100%100%0%0%100%0%100%0%
우→우100%100%100%100%100%100%0%100%100%0%100%0%
우 직진100%100%100%100%100%100%0%100%100%0%100%0%
■ ≥90%■ 70-90%■ 50-70%■ 30-50%■ <30%
⚠️ crop_center90% 전 경로 0%: 이미지 중앙을 90% crop하면 바구니 위치 인식이 완전히 실패. VLM feature가 주변부 spatial context에 크게 의존하는 것으로 보임.
💡 blur_sigma6 패턴: 모든 경로에서 22% 이하 — 강한 blur는 현재 모델이 대응하지 못함. sigma3(적당한 blur)는 78%로 나쁘지 않음. 다음 실험 방향: blur augmentation 학습 데이터 추가.