864 편의 논문
이 논문은 강화학습 기반의 글로벌 가이드, 최소비용 흐름을 활용한 리밸런싱, 그리고 지역적 할당 문제를 결합한 GRAND 라는 계층적 알고리즘을 제안하여 대규모 로봇 군집의 생애 주기 픽업 및 배송 (MAPD) 작업에서 2024 년 우승 스케줄러 대비 최대 10% 의 처리량 향상과 실시간 실행을 동시에 달성했습니다.
이 논문은 다양한 계절, 식생 성장 단계, 지형 및 기상 조건에서 실제 포도원 환경의 국소화 및 매핑 성능을 평가하기 위해 이종 LiDAR, AHRS, RTK-GPS, 카메라 등 다양한 센서 데이터를 통합한 대규모 다중 시점 데이터셋인 TEMPO-VINE 을 소개합니다.
이 논문은 구조적 일관성이 필요한 작업에 적합하도록 입력 위상 정보를 보존하고 크기만 무작위화하는 위상 보존 확산 (Phase-Preserving Diffusion, Ï-PD) 을 제안하여, 기존 확산 모델의 아키텍처 변경 없이도 구조 정렬 생성 및 시뮬레이션에서 현실로의 전이 성능을 향상시킵니다.
이 논문은 비미분 가능한 경로 (예: 웨이포인트 연결) 를 미분 가능한 함수로 근사하고 곡률을 체계적으로 제한하는 몰리피케이션 (mollification) 기법을 제안하여, 실시간 제어에 적합한 효율적이고 매끄러운 경로 생성을 가능하게 합니다.
이 논문은 이동 플랫폼이 착륙 표적로서 수동적으로 기능하는 기존 방식을 넘어, 플랫폼이 적극적으로 표면을 기울여 최적의 착륙 자세를 제공하고 드론이 시간 최적 궤적을 생성하는 양방향 협력 프레임워크를 제안함으로써 동적 환경에서의 UAV 착륙 효율성과 정밀성을 획기적으로 향상시켰습니다.
이 논문은 대형 언어 모델 (LLM) 의 추론 능력을 PDDL 기반의 행동 트리 및 반응형 제어에 통합하여 이종 로봇 팀의 장기적 협업 작업 성공률을 기존 대비 55% 로 획기적으로 향상시킨 'EmboTeam' 프레임워크와 새로운 벤치마크 'MACE-THOR'를 제안합니다.
이 논문은 단일 운영자가 이질적인 로봇 팀을 감독하여 적대적 환경에서 과학적 탐사를 수행할 수 있도록 하는 확장 가능한 자율성 프레임워크 'MOSAIC'을 제안하고, 달 Prospect ing 시나리오를 모의한 현장 실험을 통해 시스템의 견고성과 운영자 부하 감소 효과를 입증했습니다.
이 논문은 기존 밀도 기반 트랜스포머 모델의 계산 과부하 문제를 해결하기 위해 물리적 상호작용과 배경 업데이트를 분리하는 '분리된 역학 예측 (DDP)' 원리를 적용한 효율적인 세계 모델 DDP-WM 을 제안하며, 이를 통해 추론 속도를 약 9 배 향상시키고 계획 성공률을 98% 로 개선함을 보여줍니다.
이 논문은 로봇 조작 중 발생하는 시각적 가림 문제를 해결하기 위해 '탐색 및 집중 조작 (EFM)'이라는 새로운 문제를 정의하고, 이를 위한 벤치마크 (EFM-10), 데이터셋 (BAPData), 그리고 한 팔로 시각 정보를 수집하고 다른 팔로 조작을 수행하는 양손 능동 지각 (BAP) 전략을 제안합니다.
이 논문은 고정된 카메라의 한계를 극복하고 인간과 같은 능동적 인식을 모방하여, 사전 학습된 마스킹 오토인코더를 활용해 단일 카메라 시스템이 각 시간 단계에서 가장 유익한 시점을 동적으로 선택하도록 하는 'MAE-Select' 프레임워크를 제안합니다.
이 논문은 신경 연산자를 활용하여 부드러운 로봇의 무한 차원 폐루프 역운동학 (CLIK) 문제를 해결함으로써, 제어 입력과 로봇 전체 형태 간의 관계를 학습하여 과구동되지 않은 부드러운 로봇의 작업 수행을 가능하게 합니다.
이 논문은 보행 로봇이 지형 강도를 실시간으로 매핑하여 바퀴형 로버의 이동 위험을 추정하고 경로 계획을 최적화함으로써, 느슨한 퇴적물로 구성된 행성 환경의 탐사 안전성과 과학적 도달 범위를 확장하는 스카우트 - 로버 협력 프레임워크를 제시합니다.
이 논문은 환경 특징을 주시 메커니즘을 통해 학습하고 수렴성 기반 안정성 보장을 적용하여 GNSS 측정 공분산의 역학을 모델링하는 LACE 프레임워크를 제안함으로써, 자율 레이싱 차량의 국소화 성능과 제어 안정성을 향상시켰습니다.
이 논문은 시야 방해와 조명 변화에 강인한 드론 및 이동 로봇 원격 조작을 위해 Apple Watch 와 커스텀 장갑의 관성 및 정전용량 센서 데이터를 로그-우도비 (LLR) 기반 융합으로 결합하여, 기존 비전 기반 방식과 유사한 성능을 유지하면서도 계산 비용과 모델 크기를 획기적으로 줄인 해석 가능한 멀티모달 제스처 인식 프레임워크와 새로운 데이터셋을 제안합니다.
이 논문은 조화 UV 매핑과 확장 그룹 합성곱 신경망 (SGCNN) 을 활용한 강화학습 기반 접근법을 제안하여 변형 가능한 물체를 이용한 3D 표면 커버리지 경로 계획의 정확성과 효율성을 향상시키고, 실제 로봇을 통해 그 유효성을 검증했습니다.
이 논문은 비선형 로봇 시스템의 실시간 안전 제어를 위해 데이터 기반 koopman 임베딩을 학습하여 선형 모델로 변환하고, 이를 안전 집합 알고리즘 (SSA) 과 통합해 단일 2 차 계획법 (QP) 으로 추적 및 안전 제약을 동시에 해결하는 프레임워크를 제안하고 Kinova Gen3 매니퓰레이터와 Go2 4 족 보행 로봇을 통해 검증했습니다.
이 논문은 인간 운전 차량과 연결·자율주행 차량이 혼재된 병목 구간에서 교통 체증을 완화하기 위해, 국소 및 글로벌 상호작용 인식을 강화한 분산형 의사결정 모듈과 중앙 집중식 평가자, 그리고 안전 기반 행동 정제 모듈을 통합한 '이중 상호작용 인식 협력 제어 (DIACC)' 전략을 제안하고 그 유효성을 입증합니다.
이 논문은 로봇 매니퓰레이터의 고차원 구성 공간에서 샘플링 비효율성을 해결하기 위해, 작업 공간의 공간적 구조와 로봇의 신체적 특성을 그래프로 표현하고 트랜스포머 기반의 신경망 샘플러에 어텐션 마스크를 적용하여 GAIDE라는 새로운 지능형 샘플링 기법을 제안하고 그 효율성과 성공률을 입증합니다.
이 논문은 그래디언트 업데이트, 시연 데이터, 보상 설계 없이도 시각적 관찰과 실패 분석을 통해 실행 가능한 제어 코드를 스스로 생성하고 수정하는 'Act-Observe-Rewrite(AOR)' 프레임워크를 제안하여 로봇 조작 정책을 학습하는 새로운 접근법을 제시합니다.
이 논문은 GPU 나 네트워크 연결 없이 저전력 엣지 하드웨어에서 실행되어, 학습 기반 요소 없이도 지하 광산의 극한 환경에서 100% 성공률로 자율 항법을 달성한 Boston Dynamics Spot 로봇용 내비게이션 스택을 제안하고 검증합니다.