694 편의 논문
이 논문은 희소 1 차원 레이저 깊이 정보와 음의 대비 학습 (Negative Contrastive Learning) 을 결합하여 소량의 학습 데이터로도 실내 환경의 얇은 장애물을 효과적으로 탐지하고 이동 가능 영역을 정확하게 분할하는 새로운 few-shot RGB-D 프레임워크를 제안합니다.
이 논문은 사각질 경사면에서 보행 로봇의 성능 저하가 과도한 침하가 아닌 지연된 고정과 후방 미끄러짐에 기인함을 규명하고, 이를 바탕으로 로봇-지형 상호작용 모델을 개발하여 침하 및 미끄러짐에 의한 실패 영역을 식별하는 위험 추정 프레임워크를 제시합니다.
이 논문은 상충하는 신호 시간 논리 (STL) 명세 하에서 자율 주행과 같은 안전-중요 시스템의 고정을 방지하고 해석 가능한 의사결정을 가능하게 하기 위해, 최소 완화로 실현 가능성을 복원한 후 가치 인식 다목적 최적화를 통해 파레토 최적 해를 도출하는 통합 2 단계 프레임워크를 제안합니다.
이 논문은 로봇 안전 제어에서 제어 장벽 함수 (CBF) 의 이론적 가정과 실제 구현 간의 격차를 비판적으로 분석하고, 수동적 안전성에 의존하지 않는 시스템에 대한 실현 가능한 안전성 증명과 실용적 지침을 제시합니다.
이 논문은 로테이션 평형 상태를 활용하여 원심력이 수평 장력을 제공하도록 함으로써 각 드론이 순수한 수직 추력만으로 작동하게 하여 정적 평형 방식 대비 최대 20% 의 전력 소모를 절감하는 에너지 효율적인 협업 운송 방식을 제안합니다.
이 논문은 개별적으로 제어 가능한 상변화 보크셀을 기반으로 하중 지지 능력과 형태 유지성을 갖춘 기존 소프트 로봇의 한계를 극복하고, 정밀한 강성 조절과 가상의 관절 구현, 자가 수리 기능을 통해 소프트와 경질 로봇을 연결하는 차세대 적응형 로봇 플랫폼인 VSL-Skin 을 제안합니다.
이 논문은 사전 학습된 비전 파운데이션 모델의 잠재 공간에서 확률적 세계 모델을 학습하여 불확실성 추정을 기반으로 이손 조작 로봇의 고장을 실시간으로 감지하는 방법을 제안하며, 새로운 케이블 조작 데이터셋을 통해 기존 방법들보다 높은 성능과 효율성을 입증했습니다.
이 논문은 고차원 구성 공간과 운동학적 제약으로 인해 발생하는 모빌 매니퓰레이터의 경로 추종 문제를 해결하기 위해, 작업 공간 경로를 다층 그래프로 이산화하여 초기 경로를 탐색한 후 연속적인 최적화를 수행하는 2 단계 프레임워크를 제안합니다.
이 논문은 강화학습 및 모방학습 기반의 로봇 수술 정책이 임상 적용에 필수적인 안전성을 확보할 수 있도록, 신경 미분방정식과 제어 장벽 함수를 결합하여 행동 및 공간적 제약을 동시에 최적화하는 '안전 보장 수술 정책 (SSP)' 프레임워크를 제안하고 이를 시뮬레이션 및 실제 로봇을 통해 검증했습니다.
이 논문은 다중 접촉점에서의 접선력과 수직력의 비율을 기반으로 한 촉각 피드백과 2 차 원뿔 프로그래밍 (SOCP) 제어기를 활용하여 토크 모델링이나 미끄러짐 감지 없이도 미지의 물체를 안정적으로 파지하는 'TacDexGrasp' 시스템을 제안합니다.
이 논문은 맹인과 저시력자의 안전한 보행을 위해 기존 데이터셋의 한계를 극복하고 동서양 모두의 점자블록 (방향 유도형 및 경고형) 을 포괄하는 대규모 합성 및 실사 데이터셋 'GuideTWSI'를 제안합니다.
이 논문은 얼굴 형태에 구애받지 않는 표현 해리 모듈과 오차 인식 기반의 전이 모듈을 통해 인간형 로봇이 보다 자연스럽고 정확한 표정을 모방할 수 있도록 하는 새로운 방법을 제안하고, 이를 검증하기 위해 'Pengrui'라는 고도로 표현력 있는 로봇 플랫폼을 개발했습니다.
이 논문은 로봇 간 통신을 위해 자연스러움 대신 왜곡에 강한 인코딩을 학습하도록 최적화된 경량 엔드투엔드 신경망 시스템 'Artoo'를 제안하여, 잡음 환경에서도 높은 인식 정확도와 낮은 계산 비용을 달성함을 보여줍니다.
VLN-Cache 는 기존 토큰 캐싱 방식이 가정한 정적 환경과 달리 시점 이동 및 작업 단계에 따른 의미 변화로 인한 실패를 해결하기 위해, 시계열 정렬 매핑과 작업 관련성 필터링을 도입하여 VLN 모델의 추론 속도를 1.52 배까지 향상시키면서도 항해 성공률을 유지하는 프레임워크를 제안합니다.
이 논문은 복잡한 환경에서 무거운 화물을 운반하는 다중 로봇 협업을 위해, 전역 최적화 문제를 병렬 서브문제로 분해하여 실시간 확장성과 강인성을 확보하는 ADMM 기반 분산 모델 예측 제어 프레임워크 (ACLM) 를 제안합니다.
이 논문은 안전하고 확장 가능한 인간 - 로봇 협업을 위해 시간적 상관관계와 킨매틱 일관성을 유지하면서 불확실성을 정교하게 추정할 수 있는 구조화된 다작업 변분 가우시안 프로세스 프레임워크를 제안하고, 인간3.6M 데이터셋에서 경쟁력 있는 정확도와 효율성을 입증합니다.
이 논문은 로봇 학습 초기의 실패 경험을 에피소드 기억 모듈에 저장하여 재발방지를 유도함으로써 샘플 효율성을 크게 향상시키고 장기적 탐색을 가능하게 하는 'FEMA'라는 새로운 강화학습 기법을 제안합니다.
이 논문은 실제 포뮬러 1 텔레메트리 데이터를 학습하여 트랙 기하학적 정보만으로 전문가 수준의 주행 경로를 예측하는 신경망을 개발하고, 이를 자율 레이싱의 궤적 최적화 초기값으로 활용함으로써 기존 기하학적 방법 대비 최적화 수렴 속도와 실행 시간을 획기적으로 단축하면서도 최종 랩 타임을 유지하는 효율적인 전략을 제안합니다.
이 논문은 실제 세계의 수동 변형 데이터에서 수집된 키포인트 대응을 기반으로 한 키포인트 어포던스와 확산 정책을 결합하여, 다양한 보지 못한 비닐백 형태와 변형에 대해 일반화 가능한 능숙한 매듭 묶기 행동을 학습하는 'DexKnot' 프레임워크를 제안합니다.
본 논문은 고온정육면체 로봇 액추에이터의 열팽창으로 인한 오차를 표면 온도 데이터와 이론적 모델을 기반으로 한 실험적 보정을 통해 80% 이상 감소시키는 열 드리프트 보상 방법을 제안합니다.