864 편의 논문
이 논문은 자율주행 강화학습의 안전성과 진전성을 균형 있게 확보하기 위해 계층적 목표 구조와 책임감 있는 안전 (RSS) 개념을 확장한 새로운 위험 인식 보상 함수를 제안하고, 무신호 교차로 시뮬레이션에서 기존 방법 대비 충돌률을 21% 감소시키면서 주행 효율성을 향상시켰음을 입증합니다.
본 논문은 HD 맵의 경계와 물리적 제약을 통합하여 오프로드 예측을 방지하고 운동학적 타당성을 보장하는 새로운 경로 예측 프레임워크를 제안하며, Argoverse-2 데이터셋에서 기존 방법 대비 오프로드 발생률을 66% 에서 1% 로 획기적으로 낮추는 강력한 일반화 성능을 입증했습니다.
이 논문은 강화학습 기반 자율주행 에이전트의 훈련 효율성과 일반화 능력을 향상시키기 위해, 에이전트의 현재 능력에 기반하여 학습 잠재력이 높은 시나리오를 자동으로 생성하고 적응적으로 복잡도를 조절하는 자동 커리큘럼 학습 프레임워크를 제안하고 그 우수성을 입증합니다.
이 논문은 미지의 환경에서 실시간으로 완전한 경로 탐색을 보장하며 기존 방법들보다 커버리지 시간, 이동 거리, 회전 수 및 중첩률 측면에서 우수한 성능을 보이는 'C*'라는 새로운 샘플 기반 경로 계획 알고리즘을 제안하고, 이를 시뮬레이션 및 실제 로봇 실험을 통해 검증했습니다.
이 논문은 이진 팔 로봇의 작업 병렬성을 극대화하기 위해 의존성 그래프 기반 계획 후보 생성과 그래프 재탐색을 결합한 새로운 LLM 기반 프레임워크 'RoboPARA'와 이를 평가하기 위한 새로운 데이터셋을 제안하고, 기존 방법보다 뛰어난 효율성과 신뢰성을 입증했습니다.
이 논문은 다체 로봇 및 접촉이 풍부한 시스템과 같은 소산성 구속계를 고차원 매니폴드로 확장하여 비퇴화 심플렉틱 기하학을 복원하는 '프레심플렉티피케이션 네트워크 (PSNs)'를 제안함으로써, 물리 법칙을 기반으로 한 심층 학습과 구속된 기계적 시스템 간의 간극을 해소합니다.
이 논문은 레이블이 없는 실제 운동 데이터를 활용하여 보행 로봇의 고유한 보행 패턴과 전환을 자동으로 학습하고, 사용자의 조종 명령에 맞춰 다양한 스타일의 보행을 생성하며 강화학습을 통해 로봇 하드웨어에서 안정적으로 실행하는 모방 학습 프레임워크를 제안합니다.
이 논문은 힘 센서가 없는 저비용 매니퓰레이터에 비선형 동역학 보상과 관측기 기반 힘 추정 기법을 적용하여 안정적이고 고속인 양방향 원격 조작을 실현하고, 이를 통해 수집된 힘 정보가 모방 학습의 성공률을 크게 향상시킨다는 것을 실험적으로 입증했습니다.
본 논문은 PAL Robotics 의 산업용 자율 이동 로봇 (AMR) 의 안전성을 확보하기 위해 인간 행동의 불확실성을 시뮬레이션하고 요구사항 위반 시나리오를 생성하는 비전 언어 모델 (VLM) 기반의 RVSG 테스트 방법을 제안하고 그 유효성을 입증합니다.
이 논문은 다양한 혼란스러운 환경에서 장시간의 로코-매니퓰레이션 작업을 단일 통합 정책으로 수행하기 위한 벤치마크 LHM-Humanoid 와 이를 학습하는 프레임워크를 제안하며, 강화학습 기반 교사 정책과 DAgger 를 통한 지식 증류, 그리고 비전 - 언어 - 행동 (VLA) 모델로의 최종 정제를 통해 인간형 로봇의 뛰어난 일반화 능력과 견고성을 입증합니다.
이 논문은 신경망이 모델 예측 제어 (MPC) 의 파라미터를 실시간으로 조정하는 하이브리드 프레임워크를 제안하여, 기존 방법들의 한계를 극복하고 높은 가속도와 외부 교란에도 견딜 수 있는 민첩하고 정확한 드론 게이트 통과를 실현했습니다.
이 논문은 시간도달 (ToA) 맵과 같은 우대 정보와 새로운 손실 함수를 활용하여 대규모 장애물 환경에서 기존 방법보다 성능이 뛰어난 강화학습 기반 4 축 헬리콥터 항법 시스템을 제안하고, 이를 시뮬레이션 및 실제 야외 환경에서 성공적으로 검증했습니다.
이 논문은 사회적 로봇 내비게이션에서 갈등 해결의 기여도를 평가하는 '책임 (Responsibility)' 지표를 기존 연구에 시간 정규화와 갈등 심화 정도를 측정하는 '참여 (Engagement)' 지표를 추가하여 확장하고, 다양한 시나리오를 통해 이 지표들이 상호작용의 협력적 해결, 행동의 질 및 예지력을 평가하는 데 유효함을 입증했습니다.
이 논문은 Apple Vision Pro 를 통한 원격 조작으로 수집된 데이터를 기반으로 트랜스포머 기반 확산 모델을 활용해 외부 힘에 반응하여 임피던스 파라미터를 실시간으로 적응시키는 'Diffusion-Based Impedance Learning' 프레임워크를 제안하여, 복잡한 접촉 작업에서 정밀하고 안정적인 로봇 조작을 가능하게 합니다.
이 논문은 미관측 공간 모델링과 전역적 경로 계획의 한계를 극복하기 위해, 지역 평가 기반의 전역 그래프 추론과 확산 기반 의사결정을 결합하여 기존 방법 대비 18.3% 빠른 탐사 완료와 34.9% 의 중복 이동 감소를 달성한 새로운 자율 탐사 프레임워크 'GUIDE'를 제안합니다.
이 논문은 제한된 계산 자원과 원거리 물체라는 제약 조건 하에서도 드론 기반 산불 감시와 같은 안전 필수 감시 작업을 위해 노이즈가 포함된 이미지 분할 시퀀스를 활용한 다중 뷰 삼각측량 및 파티클 필터 기반의 3D 물체 국소화 방법의 유효성을 입증합니다.
이 논문은 강체 물체 조작을 넘어 가변적 도구 조작의 난제를 해결하기 위해 시뮬레이션 기반 기본 정책과 하드웨어 데모에서 학습된 센서 기반 정제 기법을 융합하여, 다양한 실제 가변적 도구에 대한 견고한 시뮬레이션-현실 전이 및 외란 저항성을 달성하는 새로운 방법을 제시합니다.
이 논문은 중앙 집중식 할당자 없이 이질적인 로봇 팀이 자연어와 신호 시간 논리 (STL) 기반의 LLM 을 활용하여 충돌을 해결하고 최적의 협력 로봇을 선정함으로써 시스템 전체 작업 완료 시간을 최소화하는 분산 협업 프로토콜을 제안합니다.
이 논문은 1 인칭 시점의 관측 노이즈를 고려한 최초의 벤치마크인 'EgoTraj-Bench'와 이를 기반으로 역사적 관측 데이터를 정제하고 미래 궤적을 예측하는 이중 스트림 모델 'BiFlow'를 제안하여, 인간 중심 환경에서의 로봇 내비게이션 신뢰성을 획기적으로 향상시켰습니다.
이 논문은 이기종 에이전트들이 독립적인 작업을 수행할 때 충돌 없는 경로를 효율적으로 생성하기 위해 Conflict-Based Search(CBS) 를 표준 프로토콜로 활용하여 다양한 단일 에이전트 계획 알고리즘을 통합하는 방법을 제시합니다.