694 편의 논문
이 논문은 확장된 특수 유클리드 군 SE_2(3) 를 기반으로 한 리 군 이론적 접근법을 통해 관성 항법 시스템과 보정 정보의 융합을 위한 명확하고 구현 지향적인 기하학적 프레임워크를 제시하며, 불변성과 대칭성의 역할을 명시적으로 다루고 최신 확장 기법들을 포괄하는 체계적인 시스템 이론적 관점을 제공합니다.
이 논문은 양손 조작 작업에서 두 로봇 팔과 물체 간의 공간적 삼각 관계를 명시적으로 모델링하여 충돌을 방지하고 안정적인 협동 궤적을 생성하는 새로운 확산 기반 모방 학습 프레임워크인 RoTri-Diff 를 제안합니다.
이 논문은 신경망 기반의 시그네드 거리 필드 (Gate-SDF) 를 모델 예측 경로 적분 (MPPI) 제어기에 통합하여, 사전 정의된 궤적이나 게이트 pose 추정이 없어도 원시 깊이 이미지만으로 임의의 게이트 위치와 방향을 실시간으로 인식하고 통과하는 완전 온보드 비전 기반 드론 레이싱 프레임워크를 제안합니다.
이 논문은 자율 주행의 데이터 효율성을 향상시키기 위해 차량의 운동학적 정보를 잠재 공간에 통합하고 기하학적 제약을 적용하여 RSSM 기반의 세계 모델을 개선하고, 이를 통해 장기적 예측 정확도와 정책 최적화 안정성을 높인 새로운 프레임워크를 제안합니다.
이 논문은 내부 공기압을 조절하여 마찰 계수를 능동적으로 변화시킴으로써 과도한 힘 없이 무겁거나 미끄러운 물체뿐만 아니라 깨지기 쉬운 물체도 안전하게 파지할 수 있는 강성-연성 하이브리드 그리퍼를 제안하고 그 유효성을 실험적으로 입증합니다.
이 논문은 이종 자율주행 차량 간의 협업 인식 성능을 저하시키는 특징 도메인 격차 문제를 해결하기 위해, 저랭크 비주얼 프롬프트 미세 조정과 피라미드 융합을 통해 기존 모델의 재학습 없이도 프라이버시를 보호하면서 효율적으로 적응할 수 있는 경량 협업 인식 프레임워크 'Faster-HEAL'을 제안합니다.
이 논문은 복잡한 궤적 예측 네트워크 없이 객체 감지만으로 차량 추적 및 충돌을 예측하여 엣지 장치에 적합한 경량 디지털 트윈 기반 프레임워크를 제안하고, 이를 통해 시뮬레이션 환경에서 약 88% 의 충돌을 사전에 예측하며 낮은 계산 오버헤드를 달성함을 보여줍니다.
이 논문은 국소 경험과 계산만을 활용하여 전역 함수를 학습하는 분산 가우시안 프로세스 모델 'DistGP'를 제안하며, 이는 기존 트리 구조 GP 나 분산 신경망 최적화기보다 우수한 정확도와 동적 연결성 환경에서의 견고성을 보입니다.
본 논문은 해양 환경의 물리적 제약이 서로 긴밀하게 연결되어 있다는 관점에서 자율 수중 로봇의 계획, 제어 및 배포를 재조명하며, 학습 기반 방법론과 물리 기반 세계 모델을 통합하여 견고하고 검증 가능한 자율성을 달성하기 위한 연구 방향을 제시합니다.
이 논문은 불연속적인 발판 환경에서 인간형 로봇의 보행을 위해 심층 이미지를 기반으로 확률적 높이 지도를 생성하고, DCM 역학을 활용한 혼합 정수 모델 예측 제어 (MIQP) 프레임워크를 통해 발 위치와 보행 시간을 동시에 계획하여 안전성과 실시간성을 보장하는 방법을 제안합니다.
본 논문은 비전 - 언어 - 행동 (VLA) 모델의 미세 조정 시 고정된 랭크의 한계를 극복하고, 입력 및 레이어별 용량을 동적으로 조절하는 'LoRA-SP'라는 새로운 방법을 제안하여, 적은 학습 파라미터로도 풀 파인튜닝 수준의 성능을 달성하고 다중 작업 성공률을 크게 향상시킨다고 설명합니다.
이 논문은 긴 몸통을 가진 다리가 많은 로봇의 전복 복원 능력을 향상시키기 위해 생물학적 사례를 분석하고 로봇 실험을 통해 다리 길이와 복원 전략 간의 상관관계를 규명하며, 특정 다리 길이 임계값 이상에서는 안정적인 복원이 어려워진다는 설계 원칙을 제시합니다.
이 논문은 생체 모방 설계와 비선형 모델링을 결합하여 케이블 구동 연속 로봇의 근위부 힘 센서 통합을 통해 3 차원 접촉 힘과 접촉 지점을 추정하는 새로운 고유감지(proprioception) 방법을 제안하고 실험을 통해 그 유효성을 입증합니다.
이 논문은 LITHE 아키텍처를 통해 상용 리눅스 환경에서 Python 기반의 고수준 '브레인'이 실시간 C++ 제어기를 중단 없이 동적으로 업데이트할 수 있게 함으로써, AI 와 실시간 로봇 제어 간의 간극을 해소하고 안전하고 지속적인 진화를 가능하게 합니다.
이 논문은 NAPE 와 GMU 라는 두 가지 간단한 아이디어를 기반으로 0.14M~0.55M 개의 파라미터만 사용하면서도 PointMLP 나 Point Transformer V3 와 같은 기존 모델들을 파라미터 수와 연산량 측면에서 압도적으로 줄이면서 높은 정확도를 달성하는 초경량 3D 포인트 클라우드 인식 네트워크인 SLNet 을 제안합니다.
이 논문은 인간이 정의한 임계값이나 명시적인 부정적 레이블 없이 자기지도 학습과 이상 탐지를 결합하여 다양한 지형에서의 로봇 주행 가능성을 추정하는 GSAT 프레임워크를 제안합니다.
이 논문은 고밀도 혼잡 환경에서 비만능 조작의 실패를 해결하기 위해 고수준의 시각적 추론과 저수준의 센서모터 실행을 분리하고 불필요한 시각적 노이즈를 제거하는 계층적 프레임워크인 HSC-VLA 를 제안하여 기존 단일 아키텍처 대비 조작 성공률을 획기적으로 향상시킨 결과를 제시합니다.
이 논문은 표준 센서 데이터와 분산 타이어 동역학을 결합한 선형 단일 궤적 모델을 기반으로, 요율과 횡방향 가속도 측정값만으로 미끄럼각 및 타이어 힘을 정확하게 추정하는 역동역학 관측기를 제안하고 그 유효성을 시뮬레이션을 통해 입증합니다.
이 논문은 물리 기반의 통합 모방 학습 프레임워크인 InterReal 을 제안하여, 인간 - 물체 상호작용 데이터 증강 및 자동 보상 학습을 통해 실외 환경에서 인간형 로봇의 정교한 상호작용 기술 학습과 배포를 가능하게 합니다.
이 논문은 시뮬레이션 및 실제 환경에서 복잡한 작업의 성공률과 일반화 성능을 향상시키기 위해, 예상되는 로봇 궤적을 이미지 공간의 시각적 추론 흔적으로 증강하고 이를 행동 예측과 통합 학습하는 새로운 프레임워크인 '시각적 추론이 포함된 컨텍스트 모방 학습 (ICLR)'을 제안합니다.