687 편의 논문
이 논문은 비전 기반 CNN 을 통해 마찰력 사전 지식을 제공하고 S4 모델을 활용하여 동적 잔차를 보정하는 새로운 프레임워크를 제안함으로써, 자율 레이싱 차량의 비선형 타이어 동역학 식별 정확도를 획기적으로 향상시키고 콜드스타트 수렴 시간을 단축하는 방법을 제시합니다.
이 논문은 반복적 ODE 적분으로 인한 지연을 해결하고 분포 붕괴를 방지하기 위해, 조건부 흐름 매칭 (CFM) 전문가를 IMLE 기반의 단일 단계 학생 모델로 증류하여 고주파수 실시간 다중 모달 로봇 제어 및 재계획을 가능하게 하는 프레임워크를 제안합니다.
이 논문은 불완전한 인식과 진화하는 객체 분류를 가진 실제 환경에서 자동주행 차량을 위해 새로운 객체 클래스가 순차적으로 도입되는 '오픈 월드 모션 예측' 설정을 제안하고, 가짜 라벨링과 비전 - 언어 모델, 그리고 쿼리 특징 분산을 활용한 재샘플링 전략을 통해 기존 클래스의 망각을 방지하면서 새로운 클래스에 적응하는 최초의 엔드 - 투 - 엔드 클래스 증분 모션 예측 프레임워크를 제시합니다.
이 논문은 복잡한 3D 표면을 정밀하게 커버하기 위해 SE(3) 기하학적 구조를 보존하면서 수렴 속도를 향상시킨 사전 조건부 SE(3) 스타인 변분 경사 하강 (SVGD) 기반의 샘플링 최적화 프레임워크를 제안하고, 이를 시뮬레이션 및 실제 로봇 실험을 통해 검증합니다.
이 논문은 차분 가능한 제어 장벽 함수 (CBF) 기반의 보호 장치, 적응형 충돌 재생 메커니즘, 위험 탐험 보상 등을 결합한 강화 학습 프레임워크 'SEA-Nav'를 제안하여, 밀집된 장애물 환경에서 안전성과 민첩성을 유지하면서도 단 몇 분의 훈련 시간으로 실제 4 족 보행 로봇의 항법을 가능하게 합니다.
이 논문은 환경 신호에 반응하여 내부 유체 저장고에서 전구체를 운반하고 국소 자외선 조사로 중합하여 센서를 실시간으로 생성하는 '수용체 발생 (receptogenesis)' 기술을 통해, 로봇이 필요에 따라 하드웨어를 스스로 성장시켜 적응 능력을 확장할 수 있는 새로운 재료 기반 진화 프레임워크를 제시합니다.
이 논문은 기존 VLA 모델의 한계를 극복하고 다양한 운전 스타일과 물리적 타당성을 동시에 고려한 'StyleVLA'라는 새로운 프레임워크를 제안하며, 이를 통해 폐쇄형 모델보다 우수한 자율주행 성능을 입증했습니다.
이 논문은 긴 문맥적 설명을 전역 탐색 우선순위로 활용하고 3D 공간 추론을 통해 관점 의존적 검증을 수행함으로써, 별도의 학습 없이 복잡한 3D 환경에서 텍스트 기반 인스턴스 탐색의 최신 성능을 달성한 'Context-Nav'를 제안합니다.
이 논문은 복잡한 비마르코프적 장기 작업 수행을 위해 LLM 기반의 'RuleSafe' 시뮬레이션 벤치마크를 제안하고, 과거 상태의 이산적 잠재 토큰을 인코딩하여 장기 계획과 일반화 능력을 향상시키는 'VQ-Memory' 모델을 개발했습니다.
이 논문은 온라인 강화학습을 통해 심볼릭 인코더와 솔버를 도입하여 데이터 효율성, 제로샷 일반화 능력, 그리고 탐색 범위를 동시에 개선한 새로운 신경-심볼릭 비전 - 언어 - 행동 (NS-VLA) 프레임워크를 제안하고 로봇 조작 벤치마크에서 기존 방법보다 우수한 성능을 입증합니다.
이 논문은 제한된 평가 예산 하에서 로봇 군집의 과업 특화화가 반드시 효율성을 높이는 것은 아니며, 오히려 일반적 행동이 협력 실패로 이어지는 특화 행동보다 더 나은 성능을 보일 수 있음을 보여줍니다.
이 논문은 케이블로 견인되는 평면 물체의 조작 시 케이블의 자체 감김 (self-wrap) 현상을 명시적인 충돌 회피가 아닌 토크 전달 경로 변화로 간주하고, 장력 제약 조건을 암시적으로 처리하는 궤적 최적화 프레임워크를 제안하여 보다 효율적인 조작을 가능하게 합니다.
이 논문은 시각적 가림이 발생하는 정밀 조립 작업에서 시각 및 촉각 정보를 융합하여 90% 의 성공률을 달성한 ReTac-ACT 라는 새로운 모방 학습 정책을 제안합니다.
이 논문은 부분 관측 데이터만으로 인간형 로봇의 보행 제어를 가능하게 하기 위해, 센서 입력을 기반으로privileged 상태 정보를 추론하도록 훈련된 센서 조건부 확산 정책 (SCDP) 을 제안하고, 시뮬레이션 및 실제 G1 로봇에서의 성공적인 배포를 입증합니다.
본 논문은 저비용 4 족 로봇이 관성 측정 장치와 관절 엔코더 등 고유 감각 센서만을 활용하여 2.5 차원 지형 지도를 생성하고 이를 접촉 및 상태 추정과 통합하여 안전 장벽 함수 (CBF) 기반의 안전 제어 시스템을 구축함으로써, 불규칙한 지형에서도 로봇의 안전한 보행을 보장하는 방법을 제시합니다.
이 논문은 다중 로봇 시스템이 여러 장애물이 있는 비볼록 환경에서 효율적으로 영역을 커버할 수 있도록, 일반화된 보로노이 그래프 (GVG) 를 기반으로 하중 균형 알고리즘과 협력적 커버리지 제어를 결합한 새로운 방법을 제안하고 그 수렴성과 성능을 시뮬레이션을 통해 검증했습니다.
이 논문은 저조도 및 저텍스처 환경에서 기존 점 기반 VIO 의 한계를 극복하기 위해, 학습이 필요 없는 선분 디스크립터와 엔트로피 정규화 최적 수송을 활용한 선분 매칭, 그리고 신뢰도 적응적 가중치 기법을 도입하여 강인성과 정확도를 동시에 향상시킨 스테레오 비전 - 관성 오도메트리 (VIO) 시스템 'OTPL-VIO'를 제안합니다.
본 논문은 4D 레이더의 낮은 점군 밀도 문제를 해결하기 위해 국소적 세부 정보와 전역적 맥락 정보를 효과적으로 융합하는 이중 경로 아키텍처 'DRIFT'를 제안하여 객체 감지 및 자유 도로 추정 성능을 크게 향상시켰음을 보여줍니다.
이 논문은 시각적 프롬프트 편집과 조건 주입 모듈을 활용하여 기존 로봇 조작 궤적을 편집함으로써 다양한 물체와 환경에서 제로샷 적응 능력을 향상시키는 '로봇 장면 복제 (Robotic Scene Cloning)' 방법을 제안합니다.
이 논문은 자유 에너지를 제약하는 새로운 스파이킹 제어 프레임워크를 제안하여, 생물학적 특성을 반영하면서도 외부 및 내부 교란에 강인하고 효율적인 동적 시스템 제어 알고리즘을 구현하고 뇌 네트워크의 작동 원리에 대한 통찰을 제공합니다.