Iterative Convex Optimization with Control Barrier Functions for Obstacle Avoidance among Polytopes
이 논문은 다면체 로봇이 다면체 장애물을 정확히 피하기 위해 지지 초평면을 기반으로 선형 이산 제어 장벽 함수를 유도하고, 이를 반복적 볼록 최적화 프레임워크에 통합하여 비선형 동역학 시스템의 실시간 안전 제어 및 궤적 계획을 가능하게 하는 새로운 방법을 제안합니다.
🦾 Category
cs.RO
864 편의 논문
FTSplat: Feed-forward Triangle Splatting Network
이 논문은 개별 장면 최적화나 후처리 없이 단일 순전파로 시뮬레이션 준비가 된 연속적인 삼각형 표면을 직접 예측하여 로봇 공학 및 시뮬레이션에 즉시 활용 가능한 고품질 3D 재구성을 가능하게 하는 'FTSplat' 프레임워크를 제안합니다.
Swooper: Learning High-Speed Aerial Grasping With a Simple Gripper
이 논문은 단일 경량 신경망 정책을 통해 비행 제어와 그리퍼 조작을 통합한 심층 강화 학습 기반 'Swooper' 시스템을 제안하여, 60 분 이내의 훈련으로 실제 환경에서 1.5m/s 의 고속 비행 중 84% 의 성공적인 그립을 달성함을 보여줍니다.
How to Model Your Crazyflie Brushless
이 논문은 2025 년 초 출시된 크레이플라이 브러시리스 (Crazyflie Brushless) 의 동역학 모델을 제안하고 파라미터를 식별하여 시뮬레이션과 하드웨어 간의 정확성을 검증했으며, 강화 학습을 통한 역전 뒤집기 등 정교한 기동 제어의 시뮬레이션-현실 전이 (sim-to-real) 성공 사례를 보여주고 전체 프로젝트를 오픈소스로 공개했습니다.
PROBE: Probabilistic Occupancy BEV Encoding with Analytical Translation Robustness for 3D Place Recognition
이 논문은 연속적인 좌표계 변환을 분석적으로 마진화하여 센서 독립적인 물리적 불확실성 매개변수를 활용하고, 베르누이 분포 기반의 확률적 점유 BEV 인코딩을 통해 다양한 LiDAR 환경에서 수동 및 지도 학습 기반 방법과 경쟁하거나 능가하는 3D 장소 인식 성능을 달성한 학습 없는 기술인 PROBE 를 제안합니다.
Proprioceptive Shape Estimation of Tensegrity Manipulators Using Energy Minimisation
이 논문은 각 스트럿에 부착된 IMU 로부터 중력에 대한 경사각 정보만을 활용하여 에너지 최소화 기법을 적용함으로써, 외부 센서 없이도 대규모 텐세그리티 매니퓰레이터의 전체 형상을 2.1% 의 오차로 정확하게 추정하고 외부 교란 하에서도 안정적인 성능을 입증했습니다.
HarvestFlex: Strawberry Harvesting via Vision-Language-Action Policy Adaptation in the Wild
이 논문은 깊이 정보와 명시적 기하학적 보정을 배제한 3 시점 RGB 센싱과 VR 원격 조종 데이터를 기반으로 VLA 정책을 적응시켜, 복잡한 온실 환경에서 74.0% 의 성공률로 딸기 수확을 자동화한 'HarvestFlex' 시스템을 제시합니다.
MagRobot:An Open Simulator for Magnetically Navigated Robots
이 논문은 자기 항법 로봇의 설계 및 벤치마크를 위한 최초의 범용 오픈소스 시뮬레이션 플랫폼인 'MagRobot'을 제안하며, 다양한 의료 응용 분야에서 하드웨어와 알고리즘의 효율적인 설계와 최적화를 가능하게 함을 보여줍니다.
Moving Through Clutter: Scaling Data Collection and Benchmarking for 3D Scene-Aware Humanoid Locomotion via Virtual Reality
이 논문은 VR 기반의 데이터 수집 및 평가 프레임워크인 'Moving Through Clutter(MTC)'를 제안하여, 가구나 사물이 복잡한 3D 환경에서 인간형 로봇의 전체 신체 협응과 충돌 안전성을 보장하는 장면 인식 보행 연구를 위한 대규모 데이터셋과 벤치마크를 제공합니다.
TADPO: Reinforcement Learning Goes Off-road
이 논문은 오프로드 주행의 긴 시간 범위와 낮은 보상 신호 문제를 해결하기 위해 제안된 TADPO 알고리즘을 통해 시뮬레이션 환경에서 학습된 RL 기반 제어 정책을 실제 전지형 차량에 제로샷으로 성공적으로 이전한 최초의 사례를 제시합니다.
Restoring Linguistic Grounding in VLA Models via Train-Free Attention Recalibration
본 논문은 비주얼-언어-액션 (VLA) 모델이 언어 지시와 시각적 상황이 모순될 때 발생하는 '언어적 실명' 현상을 진단하기 위한 벤치마크 ICBench 를 제안하고, 재학습 없이 주의를 재조정하여 언어 지시의 영향을 복원하는 IGAR 방법을 통해 이 문제를 해결함을 보여줍니다.
Devil is in Narrow Policy: Unleashing Exploration in Driving VLA Models
이 논문은 자율주행 VLA 모델의 탐색 능력 저하를 해결하기 위해 실행 가능한 궤적 확장 (FTE) 전략과 적응형 다양성 인식 샘플링 (ADAS) 등을 포함한 'Curious-VLA' 프레임워크를 제안하여 Navsim 벤치마크에서 최첨단 성능을 달성했다고 요약할 수 있습니다.
RODEO: RObotic DEcentralized Organization
이 논문은 블록체인 기반의 탈중앙화 조직 (RODEO) 프레임워크를 제안하여 서비스 로봇의 행동 투명성과 책임성을 보장하고, 실험을 통해 로봇이 작업을 수행하고 보상을 받아 자율 운영 시간을 확장할 수 있음을 입증했습니다.
Transforming Omnidirectional RGB-LiDAR data into 3D Gaussian Splatting
이 논문은 왜곡 보정 및 다운샘플링, 다중 모달 정합 기술을 통해 기존에 폐기되거나 미활용되던 오모니디렉셔널 RGB-LiDAR 로그를 3D 가우스 스플래팅 (3DGS) 의 견고한 초기화 자산으로 변환하여 대규모 디지털 트윈 구축을 가능하게 하는 새로운 파이프라인을 제안합니다.
Lifelong Embodied Navigation Learning
이 논문은 대규모 언어 모델 기반의 embodied navigation 에이전트가 겪는 파국적 망각 문제를 해결하기 위해, 공통 및 특정 지식을 분리하고 지식 상속, 전문가 공동 활성화, 직교성 제약, 그리고 내비게이션 특화 체인 오브 씽킹 추론을 결합한 'Uni-Walker'라는 평생 학습 프레임워크를 제안합니다.
Multimodal Behavior Tree Generation: A Small Vision-Language Model for Robot Task Planning
이 논문은 기존 로봇 데이터셋을 활용해 대규모 모델을 교사 (teacher) 로 활용하는 다단계 파이프라인을 통해 시각-언어 모델 (VLM) 과 행동 트리 생성을 연결하는 데이터셋을 구축하고, 이를 통해 4B 파라미터 규모의 소형 오픈소스 모델이 폐쇄형 최첨단 모델과 유사한 87% 의 성공률로 로봇 작업 계획에 효과적으로 적용될 수 있음을 입증했습니다.
Sticky-Glance: Robust Intent Recognition for Human Robot Collaboration via Single-Glance
이 논문은 시선 노이즈와 동적 환경에서도 최소 3 개의 시선 샘플만으로 객체 중심의 'Sticky-Glance' 알고리즘을 통해 인간의 의도를 안정적으로 인식하고, 이를 공유 제어 및 다중 모달 상호작용과 결합하여 작업 시간을 약 10% 단축하는 강건한 인간 - 로봇 협업 프레임워크를 제안합니다.
A Hazard-Informed Data Pipeline for Robotics Physical Safety
이 논문은 명시적 자산 선언, 체계적 취약점 열거, 그리고 위험 기반 합성 데이터 생성을 기반으로 고전적 위험 공학과 현대적 머신러닝 파이프라인을 연결하여 로봇의 물리적 안전을 위한 구조화된 프레임워크를 제시합니다.
Dual-Agent Multiple-Model Reinforcement Learning for Event-Triggered Human-Robot Co-Adaptation in Decoupled Task Spaces
이 논문은 6 자유도 상지 재활 로봇을 위해 인간의 속도 - 정밀도 트레이드오프와 로봇의 보정 운동을 각각 독립적으로 학습하는 '이중 에이전트 다중 모델 강화학습 (DAMMRL)' 프레임워크를 제안하여, 이벤트 기반 제어 전략과 결합함으로써 궤적 진동을 억제하고 인간 - 로봇 협력 적응의 성공률을 획기적으로 향상시켰음을 보여줍니다.
DreamToNav: Generalizable Navigation for Robots via Generative Video Planning
이 논문은 자연어 지시를 정밀한 시각적 설명으로 변환하고 생성형 비디오 모델을 통해 로봇의 행동을 '꿈꾸어' 계획함으로써, 다양한 이동 플랫폼에서 장애물 회피 및 목표 지향 항해가 가능한 새로운 자율 로봇 프레임워크인 DreamToNav 를 제안합니다.