694 편의 논문
이 논문은 X-ray 영상 기반의 임의 형태를 가진 가늘고 긴 연성 로봇 (예: 가이드와이어, 카테터) 의 3D 재구성을 위해, 이미지 분할 신경망과 기하학적制약을 결합한 ACCURATE 프레임워크를 제안하여 오차 1.0mm 미만의 높은 정확도와 복잡한 변형 및 가려짐에 대한 강인성을 달성했다고 요약할 수 있습니다.
이 논문은 자율주행 시나리오에서 기존 4D 가우스 스플래팅의 느린 최적화 문제와 기존 피드포워드 방식의 낮은 화질을 해결하기 위해, VGGT 기반의 하이브리드 가우스 예측 헤더와 정적 - 동적 4D 구성 전략을 도입한 'ReconDrive'를 제안하여 빠르고 고품질의 4D 장면 재구성을 가능하게 합니다.
이 논문은 시뮬레이션에서 이벤트 카메라 데이터 렌더링의 계산 비용을 줄이기 위해 '근사 모방 학습 (Approximate Imitation Learning)' 프레임워크를 제안하여, 단일 이벤트 카메라만으로 복잡한 환경에서 최대 9.8m/s 의 속도로 드론을 비행할 수 있는 엔드 - 투 - 엔드 신경망 제어 정책을 개발했습니다.
이 논문은 헤드셋이나 실제 로봇 하드웨어 없이도 그리퍼 인핸드 (gripper-in-hand) 데이터 수집 과정에서 실시간으로 도달 가능성, 관절 속도 제한, 충돌을 검증하여 실행 가능한 데모만 수집할 수 있도록 하는 'FeasibleCap' 시스템을 제안합니다.
이 논문은 생체 개와 로봇 개 모두에 적용 가능한 저비용 관성 센서 기반 위치 추정 방법인 '개 사선 항법 (DDR)'을 제안하며, DogMotion 장치로 수집한 데이터와 로봇 개 데이터를 통해 신경망 기반 방법이 기존 모델 기반 방법보다 10% 미만의 절대 거리 오차로 더 뛰어난 성능을 보임을 입증했습니다.
이 논문은 인간의 보행 적응 과정을 단계적으로 반영한 '단계적 다중 에이전트 훈련 (SMAT)' 방식을 제안하여, 개별 사용자 재학습 없이도 다양한 피험자에게 일관된 보조와 양의 기계적 에너지를 제공하는 적응형 외골격 제어 정책을 성공적으로 개발하고 실험적으로 검증했습니다.
이 논문은 시각 기반 모델 (VFM) 의 3D 기하학적 사전 지식을 활용하여 단일 RGB 이미지만으로 인간형 로봇의 강인한 보행 제어를 가능하게 하고, 시뮬레이션에서 실제 Unitree G1 로봇으로의 제로샷 전이 성공을 입증한 'GeoLoco' 프레임워크를 제안합니다.
이 논문은 시뮬레이션 기반 강화학습을 통해 인간 보행 시 생물학적 관절 모멘트를 감소시키는 외골격 제어 정책을 학습하고, 오픈소스 보행 데이터를 통해 훈련된 제어 네트워크의 토크 예측 정확도와 생체 역학적 일관성을 정량적으로 검증하는 프레임워크를 제시합니다.
이 논문은 4 개 시야의 팬로라마 깊이 정보와 미분 가능한 물리 기반 학습 신호를 결합하여, 부분 관측 하의 복잡한 환경에서도 단일 시야나 물리 가이드가 없는 기존 방법보다 충돌 없이 안전한 항해를 가능하게 하는 'PanoDP'라는 새로운 학습 프레임워크를 제안합니다.
TempoFit 는 학습이 필요 없는 레이어별 FIFO 키/값 메모리 및 프레임 간격 시간 편향을 활용하여 기존 비마르코프 장기 작업 환경에서 시각-언어-동작 (VLA) 정책의 추론 성능을 향상시키는 플러그 앤 플레이 방식의 시간적 메모리 솔루션입니다.
이 논문은 장기적 작업과 지속적 학습을 위한 기존 VLA 모델의 한계를 극복하기 위해, 기술 가이드 혼합 전문가 (SG-MoE) 를 활용한 확장 가능한 원자 기술 라이브러리와 유연한 라우팅 인코더를 통해 작업 계획, 원자 기술 추상화, 정밀 행동을 통합적으로 생성하는 'AtomicVLA' 프레임워크를 제안하고 그 우수성을 입증합니다.
이 논문은 희귀한 증거 탐지를 위해 가우시안 믿음 매핑과 이중 영역 커버리지를 기반으로 한 다중 에이전트 정보 경로 계획 프레임워크를 제안하며, 시뮬레이션된 달 환경에서 기존 방법보다 위험 인식과 제한된 통신 조건 하에서 더 뛰어난 탐지 성능과 안전성을 입증합니다.
본 논문은 초음파 유도 하의 바늘 삽입과 같은 비대칭적인 양손 협동 작업을 위해, 실시간 초음파 피드백과 위상 인식 모방 학습을 결합한 듀얼 암 로봇 시스템 DAISS 를 제안하고 제한된 전문가 시연 데이터로부터 정밀한 제어 전략을 학습할 수 있음을 입증합니다.
이 논문은 스마트폰, 리드 암, 발 페달 등 저비용 상용 하드웨어를 활용하여 고비용 장비 없이도 직관적이고 몰입감 있는 전체 신체 제어 및 시각적 피드백을 제공하는 오픈소스 모바일 양손 매니퓰레이터 원격조작 프레임워크를 제안하고, 이를 통해 키보드 기반 제어 대비 작업 수행 능력 향상과 인지 부하 감소를 입증했습니다.
이 논문은 정적 및 동적 환경 요소에 대한 불확실성을 통합적으로 추정하고 이를 계획 과정에 반영하여 종단간 자율주행의 신뢰성과 성능을 향상시키는 경량화된 프레임워크 'UniUncer'를 제안합니다.
이 논문은 인간 시연으로부터 3D 공간 정보와 손-물체 상호작용 패턴을 자동으로 추출하는 'Human2Afford' 파이프라인을 통해 구축된 데이터로, 접촉 영역과 접촉 자세를 instruction 에 기반하여 동시에 예측하는 'RoboPCA' 프레임워크를 제안하여 로봇 조작의 일반화 성능을 향상시킵니다.
이 논문은 제한된 통신 환경에서 다중 UAV 탐사의 효율성을 극대화하기 위해, 연결성 인식 작업 표현과 연속성 기반 작업 할당 기법을 도입한 분산형 프레임워크인 C-Explorer 를 제안하며, 이를 통해 탐사 시간과 이동 거리를 기존 최첨단 방법 대비 각각 43.1% 와 33.3% 단축하는 성과를 입증했습니다.
이 논문은 사전 정의된 좌표나 특정 작업 훈련 없이 자연어 지시를 통해 물체의 3D 기하학적 추론과 비전 예측을 결합하여 드론 매니퓰레이터가 언어 기반의 정확한 물체 배치를 수행할 수 있도록 하는 'AeroPlace-Flow' 프레임워크를 제안합니다.
이 논문은 로봇과 AI 를 단순히 자율적 존재가 아닌 인간의 창의성을 지속 가능하게 지원하고 통제할 수 있도록 돕는 '발판 (scaffolding)'으로 재정의하여, 인간이 실행 감독자로서 의도를 설정하고 AI 가 이를 로봇의 행동으로 매개하는 새로운 상호작용 패러다임을 제안합니다.
이 논문은 고정된 기본 제어 정책의 안정성을 유지하면서 강화학습 기반의 잔여 제어 채널을 통해 동적 변화에 대한 실시간 회복 시간을 획기적으로 단축하는 'Stability Alignment Gate'를 포함한 새로운 아키텍처를 제안합니다.