Real-time tightly coupled GNSS and IMU integration via Factor Graph Optimization
이 논문은 고정된 지연 마진화 기법을 활용한 증분 최적화를 통해 실시간으로 인과적 상태 추정이 가능한 긴밀 결합 GNSS-IMU 팩터 그래프 최적화 (FGO) 방법을 제안하고, 도시Nav 데이터를 통해 고밀도 도시 환경에서의 성능을 검증합니다.
🦾 Category
cs.RO
867 편의 논문
MEM: Multi-Scale Embodied Memory for Vision Language Action Models
이 논문은 로봇이 장기적 추상 개념과 단기적 구체적 사건을 모두 포착할 수 있도록 텍스트 기반 장기 기억과 비디오 기반 단기 기억을 결합한 'MEM(Multi-Scale Embodied Memory)'을 제안하여, 15 분까지 이어지는 복잡한 장기 작업 수행과 맥락에 따른 지능적 전략 적응을 가능하게 합니다.
UrbanHuRo: A Two-Layer Human-Robot Collaboration Framework for the Joint Optimization of Heterogeneous Urban Services
이 논문은 배달과 도시 감지라는 이질적인 도시 서비스를 공동 최적화하기 위해 인간과 로봇의 협력을 위한 2 층 프레임워크인 'UrbanHuRo'를 제안하고, 이를 통해 감지 커버리지와 배달원 소득을 각각 29.7% 와 39.2% 향상시키며 지연 주문을 획기적으로 줄인다는 것을 입증했습니다.
Large-Language-Model-Guided State Estimation for Partially Observable Task and Motion Planning
이 논문은 부분 관측 가능한 환경에서 작업 및 운동 계획 문제를 해결하기 위해 대규모 언어 모델 (LLM) 의 상식 추론 능력을 활용하여 상태 추정을 개선한 'CoCo-TAMP' 프레임워크를 제안하며, 이를 통해 시뮬레이션 및 실제 환경에서 계획 및 실행 시간을 크게 단축하는 성과를 입증했습니다.
HALyPO: Heterogeneous-Agent Lyapunov Policy Optimization for Human-Robot Collaboration
이 논문은 인간과 로봇 간의 합리적 격차로 인한 학습 불안정성을 해결하기 위해, 매 단계의 Lyapunov 감소 조건을 정책 파라미터 공간에 적용하여 분산 정책 학습의 안정성을 보장하는 'HALyPO'를 제안하고 이를 통해 인간 - 로봇 협업의 일반화 및 강건성을 향상시켰음을 보여줍니다.
RAGNav: A Retrieval-Augmented Topological Reasoning Framework for Multi-Goal Visual-Language Navigation
이 논문은 다중 목표 시각 - 언어 내비게이션에서 공간 환각과 계획 편향을 해결하기 위해 저수준 토폴로지 지도와 고수준 의미적 숲을 통합한 '이중 기반 메모리' 시스템을 도입하여, 앵커 기반 조건부 검색과 토폴로지 이웃 점수 전파 메커니즘을 통해 목표 간 도달성 추론 및 순차적 계획 효율성을 극대화한 RAGNav 프레임워크를 제안합니다.
Interaction-Aware Whole-Body Control for Compliant Object Transport
이 논문은 비정형 환경에서의 협동 물체 운반을 위해 상체의 상호작용 실행과 하체의 지지 제어를 구조적으로 분리하고, 시뮬레이션 기반 강화학습과 비대칭 교사 - 학생 증류법을 통해 proprioception 만으로 작동하는 생체모방형 상호작용 지향 전신 제어 (IO-WBC) 를 제안하여 안정적이고 순응적인 물체 운반을 가능하게 합니다.
Cognition to Control - Multi-Agent Learning for Human-Humanoid Collaborative Transport
이 논문은 인간의 의도를 접촉 안정성과 물리적 제약 하의 전신 운동으로 변환하기 위해, 비전 - 언어 - 행동 (VLA) 기반의 상황 인식, 분산형 다중 에이전트 강화학습을 통한 고차원적 의사결정, 그리고 전신 제어 계층을 통합한 '인지에서 제어 (C2C)' 계층적 프레임워크를 제안하여 인간 - 휴머노이드 협업 운반의 성공률과 견고성을 향상시킵니다.
Pretrained Vision-Language-Action Models are Surprisingly Resistant to Forgetting in Continual Learning
이 논문은 사전 훈련된 대규모 비전 - 언어 - 행동 (VLA) 모델이 기존 작은 모델에 비해 단순한 경험 재생 (Experience Replay) 만으로도 과거 기술의 망각에 놀라울 정도로 강건하며, 성능 저하 중에도 관련 지식을 유지하여 미세 조정을 통해 빠르게 재학습할 수 있음을 보여줍니다.
IROSA: Interactive Robot Skill Adaptation using Natural Language
이 논문은 대규모 언어 모델과 모방 학습을 결합하여 7 자유도 로봇이 자연어 명령을 통해 산업용 베어링 삽입 작업의 속도와 궤적, 장애물 회피 등을 안전하고 해석 가능하게 적응하도록 하는 새로운 프레임워크 IROSA 를 제안합니다.
RVN-Bench: A Benchmark for Reactive Visual Navigation
이 논문은 Habitat 2.0 시뮬레이터와 고충실도 HM3D 장면을 기반으로 사전 지도 없이 시각 정보만으로 복잡한 실내 환경에서 충돌을 피하며 목표 지점에 도달하는 능력을 평가하기 위해 고안된 충돌 인식형 반응적 시각 항법 벤치마크인 RVN-Bench 를 제안합니다.
Right in Time: Reactive Reasoning in Regulated Traffic Spaces
이 논문은 확률적 미션 설계 (ProMis) 와 반응형 회로 (RC) 를 결합하여 불확실한 환경 데이터와 논리적 교통 규제를 실시간으로 통합 분석함으로써, 자율 교통 시스템의 안전성과 법적 준수를 보장하는 반응형 미션 설계 프레임워크를 제안합니다.
Self-adapting Robotic Agents through Online Continual Reinforcement Learning with World Model Feedback
이 논문은 DreamerV3 기반의 세계 모델 예측 잔차를 활용하여 분포 외 이벤트를 감지하고 자동 미세 조정을 수행함으로써, 생물학적 영감을 받아 배포 중에도 스스로 적응하고 개선할 수 있는 온라인 지속적 강화 학습 로봇 에이전트 프레임워크를 제안하고 검증합니다.
Sim2Sea: Sim-to-Real Policy Transfer for Maritime Vessel Navigation in Congested Waters
이 논문은 GPU 가속 시뮬레이션, 이중 스트림 시공간 정책, 그리고 도메인 무작위화 기법을 결합한 'Sim2Sea' 프레임워크를 제안하여, 복잡한 해상 환경에서 시뮬레이션에서 훈련된 자율 항해 정책이 실제 17 톤 무인 선박에 제로샷으로 성공적으로 이전됨을 입증합니다.
SaFeR: Safety-Critical Scenario Generation for Autonomous Driving Test via Feasibility-Constrained Token Resampling
이 논문은 자율주행 시스템 평가를 위해 물리적 실현 가능성과 행동적 현실성을 유지하면서 적대적 위험 시나리오를 생성하는 새로운 방법론인 SaFeR 을 제안하며, 이를 통해 기존 접근법의 한계를 극복하고 Waymo 및 nuPlan 데이터셋에서 우수한 성능을 입증했습니다.
GarmentPile++: Affordance-Driven Cluttered Garments Retrieval with Vision-Language Reasoning
이 논문은 비전 - 언어 모델의 추론 능력과 시각적 affordance 감지, SAM2 기반 분할, 그리고 양팔 협동 프레임을 통합하여 더미 상태의 의류에서 언어 지시에 따라 안전하고 정확하게 단일 의류만 회수하는 새로운 'GarmentPile++' 파이프라인을 제안합니다.
Learning Hip Exoskeleton Control Policy via Predictive Neuromusculoskeletal Simulation
이 논문은 모션 캡처 데이터 없이 물리 기반 신경근골격 시뮬레이션과 강화 학습을 통해 개발된 힙 엑소스켈레톤 제어 정책이 실제 하드웨어에서도 시뮬레이션과 유사한 성능을 발휘하며, 실험적 부담을 크게 줄일 수 있음을 입증합니다.
PRAM-R: A Perception-Reasoning-Action-Memory Framework with LLM-Guided Modality Routing for Adaptive Autonomous Driving
이 논문은 LLM 기반의 모달리티 라우팅과 계층적 기억 모듈을 통합한 PRAM-R 프레임워크를 제안하여, 자율주행 시 불필요한 센서 활성화를 줄이면서도 복잡한 도시 환경에서 정밀한 주행 성능을 유지하는 적응형 다중 모달 인식 시스템을 제시합니다.
VANGUARD: Vehicle-Anchored Ground Sample Distance Estimation for UAVs in GPS-Denied Environments
본 논문은 GPS 가 차단된 환경에서 자율 항공 로봇이 절대적 거리 척도를 회복하기 위해 차량을 지상 샘플 거리 (GSD) 추정을 위한 앵커로 활용하는 경량화 결정론적 도구인 VANGUARD 를 제안하며, 이를 통해 대규모 언어 모델 기반 에이전트의 공간적 환각을 줄이고 안전한 물리적 추론을 가능하게 함을 보여줍니다.
RoboCasa365: A Large-Scale Simulation Framework for Training and Benchmarking Generalist Robots
이 논문은 가정용 모바일 매니퓰레이션 로봇의 일반화 능력을 체계적으로 평가하고 연구하기 위해 365 가지 일상 작업, 2,500 개의 다양한 주방 환경, 그리고 방대한 인간 및 합성 시연 데이터를 포함한 대규모 시뮬레이션 벤치마크 'RoboCasa365'를 제안하고 이를 통해 일반 로봇 정책의 성능에 영향을 미치는 핵심 요인들을 분석합니다.