677 편의 논문
이 논문은 부분 관측성과 희소한 보상 신호 하에서 분산형 환경에 있는 이종 다중 에이전트의 협력을 향상시키기 위해 그래프 신경망 (GNN) 기반의 내재적 보상을 활용하는 'CoHet' 알고리즘을 제안하고, 이를 통해 기존 최첨단 방법보다 우수한 성능을 입증합니다.
이 논문은 제어 장벽 함수와 미분 가능 최적화를 기반으로 한 데이터 중심 접근법을 통해 다중 에이전트 상호작용에서 안전성을 보장하기 위해 에이전트가 얼마나 자신의 행동을 조정하는지 (책임 할당) 를 학습하고 해석 가능한 정량적 통찰을 제공하는 방법을 제시합니다.
이 논문은 비전 - 언어 모델이 생성한 이산적 및 연속적 제약 조건을 작업 및 운동 계획 (TAMP) 시스템에 통합하여 자연어 기반의 복잡한 장기 로봇 조작 과제를 해결하는 'OWL-TAMP'라는 새로운 접근법을 제안하고 그 유효성을 실험을 통해 입증합니다.
이 논문은 수중 원격 조작 차량의 실시간 시각 피드백을 위해 사전 임무 정보를 활용한 학습 기반의 새로운 뷰 합성 기법을 통해 기존 방법보다 우수한 압축률과 화질을 달성하는 모델 기반 이미지 압축 기술을 제안합니다.
이 논문은 로봇의 운동학적 구조와 형태적 대칭성을 통합하여 높은 일반화 능력과 샘플 효율성을 보장하는 'MS-HGNN'이라는 새로운 이종 그래프 신경망 아키텍처를 제안하고, 이를 다양한 4 족 보행 로봇 동역학 학습 문제에서 실증적으로 검증합니다.
이 논문은 모바일 로봇의 능동적 상호작용을 통한 환경 탐사 한계를 극복하기 위해 다양한 물체 관계를 인코딩한 3D 관계 객체 그래프를 제안하고, 이를 기반으로 한 시스템이 기존 비전 - 언어 모델 기반 방법보다 다양한 장면과 물체에서 뛰어난 일반화 성능을 보임을 입증합니다.
이 논문은 로봇과 증강현실 장치에만 감지되어 인간의 시야를 방해하지 않는 새로운 형태의 비가시성 표지자 'iMarkers'를 제안하고, 그 하드웨어 설계와 오픈소스 소프트웨어 알고리즘을 통해 다양한 로봇 시나리오에서의 효과성과 적응성을 입증합니다.
이 논문은 가소성 선형 물체 (DLO) 의 물리적 매개변수에 대한 확률적 추정을 통해 시뮬레이션과 현실 간의 차이를 해소하고, 이를 기반으로 학습된 제어가 추가 미세 조정 없이도 실제 환경에서 성공적으로 적용될 수 있는 통합된 Real2Sim2Real 프레임워크를 제안합니다.
이 논문은 다양한 지형에서의 비용 효율적 경로 계획 문제를 해결하기 위해 기존 플래너를 수정하지 않고 LLM 을 후처리 어드바이저로 활용하는 'LLM-Advisor' 프레임워크와 새로운 평가 데이터셋을 제안하며, 이를 통해 기존 최선 경로 알고리즘의 비용 효율성을 상당 부분 개선할 수 있음을 입증합니다.
이 논문은 도구의 사용 중 발생하는 관성 충격과 지렛대 효과로 인한 미끄러짐을 방지하기 위해, 작업 궤적에 따른 토크와 미끄러짐을 예측하여 최적의 그립을 선택하는 '역 도구 사용 계획 (iTuP)' 프레임워크와 실시간 점수화 네트워크 (SDG-Net) 를 제안하여 실제 로봇의 도구 사용 성공률을 크게 향상시켰다고 요약할 수 있습니다.
이 논문은 다양한 신체 구조의 데이터를 광학 흐름을 통해 통합하여 세계 모델을 사전 학습한 후, 이를 타겟 로봇의 소량 데이터로 미세 조정하고 가치 함수를 활용해 행동 복제 정책을 최적화함으로써 저데이터 환경에서 로봇 시각-운동 정책의 성능을 획기적으로 향상시키는 '잠재 정책 조종 (LPS)' 방법을 제안합니다.
이 논문은 단일 RGB 이미지에서 카테고리 수준의 9 자유도 물체 포즈를 추정하기 위해 2D 검출과 포즈 추정을 통합한 단일 단계 트랜스포머 기반 프레임워크인 YOPO 를 제안하며, 추가 데이터 없이도 기존 최첨단 성능을 달성함을 보여줍니다.
이 논문은 통신이나 중앙 제어 없이 N 개의 4 족 보행 로봇이 물리적 접촉만으로 비그립형 물체를 집어 올리고 이동하는 분산 협력 수송을 가능하게 하는 계층적 정책 아키텍처와 새로운 보상 설계 기법을 제안합니다.
이 논문은 대규모 일반화 정책 기반의 로봇 학습 연구를 지원하기 위해 시뮬레이션과 실제 환경 간 전환을 원활하게 하는 경량화되고 모듈화된 로봇 제어 스택 (RCS) 을 제안하고, 그 아키텍처 설계 원리와 VLA 및 RL 정책 개발 과정에서의 유용성과 성능을 평가합니다.
이 논문은 대보초와 같은 산호초 생태계의 복원을 위해 인공 부양 및 유생 건강 모니터링에 필수적인 산란 계수 과정을 자동화하여 노동 시간을 획기적으로 단축하고 정확도를 높인 저비용 모듈형 카메라 시스템 'CSLICS'를 제안하고 그 유효성을 입증합니다.
이 논문은 추가적인 학습 없이 기존 확산 또는 플로우 기반 로봇 정책들의 분포 점수를 결합하여 테스트 시간에 새로운 정책을 구성하는 '일반 정책 조합 (GPC)' 방법을 제안하고, 이를 통해 개별 정책보다 우수한 성능을 달성할 수 있음을 이론적 근거와 실험을 통해 입증합니다.
이 논문은 장애물이 많은 환경에서 다중 로봇 군집의 연결성을 유지하고 단절된 경우에도 복원할 수 있도록, 베지어 곡선 기반의 MPC-CLF-CBF 알고리즘을 제안하여 실시간 궤적 및 제어 동시 생성과 고차 미분 가능 특성을 통해 성공적인 항해를 보장합니다.
이 논문은 내비게이션 에이전트의 공간 지능을 체계적으로 평가하기 위해 'NavSpace' 벤치마크를 제안하고, 이를 통해 기존 모델들의 한계를 드러내며 새로운 공간 지능 내비게이션 모델인 'SNav'를 개발하여 우수한 성능을 입증했습니다.
이 논문은 LiDAR 기반 3D 의미 분할에서 노이즈가 있는 라벨과 도메인 일반화 문제를 동시에 해결하기 위해 제안된 듀얼 뷰 프레임워크 'DuNe'를 소개하며, 기존 방법들의 한계를 극복하고 여러 데이터셋에서 최첨단 성능을 입증합니다.
이 논문은 실내 환경의 객체별 메쉬, 카테고리, 포즈를 포함한 정밀한 메트릭-시맨틱 맵을 구축하여 기존 방법론보다 정확도와 속도를 개선하고, 이를 대형 언어 모델 (LLM) 과 결합해 복잡한 추론 및 계획이 가능한 로봇용 표현 방식을 제안합니다.