심층 강화학습(DRL) 기반 엔드투엔드 로봇 제어, 조작/보행 정책 학습 및 Sim-to-Real 전이 기법입니다.
📌 핵심 요약 (Key Takeaways) 안전성 한계 입증: MARL 환경에서 개별 에이전트 단위 독립적 Successor Feature(SF) 정책 합성이 시스템 전체의 가치 예측을 오염시키고 제로샷 안전성 보장을 파괴함을 수학적으로 증명. 계층형 구조 제안(MA-USFA): 동료 에이전트의 목적 함수에 조건화된 하위 USFA 층과 에이전트 간 상호작용 보정을 담당하는 상위 합성자(Composer)로 구성된 2계층 아키텍처 구축. 실무적 제로샷 확장성: 재배치 … 더 읽기
📌 핵심 요약 (Key Takeaways) 핵심 성과 1: 대규모 시뮬레이션 합성 데이터(State-Action Trials)를 활용하여 실세계 로봇 조작 데이터 희소성 문제를 극복하고 미지의 환경에서의 정책 일반화 성능 입증 독창적 차별점 2: Transformer, Diffusion, Vision-Language-Action(VLA), World-Action-Model(WAM) 등 다양한 베이스라인 아키텍처를 통합한 표준화된 벤치마크 평가 프레임워크 제공 실무 파급력 3: 시뮬레이션 기반 트레이닝과 엄격한 실세계(Unseen Real-world) 검증의 유기적 … 더 읽기
📌 핵심 요약 (Key Takeaways) 접촉 전 실패 예측 성능: 픽셀 레벨 비디오 예측 대신 컴팩트한 멀티뷰 시각 임베딩을 학습하여, 접촉 전 실패를 선제적으로 중단(Abort) 독창적 잠재 월드 모델: 라벨이 없는 로봇 궤적 데이터로 훈련된 잠재 월드 모델을 활용해 계산 복잡도를 대폭 낮추고 실시간성 확보 실무 파급력: 기존 하부 비주오모터 정책(Visuomotor Policy)의 구조를 수정하지 않고도 … 더 읽기
📌 핵심 요약 (Key Takeaways) 핵심 성과 1: VLA 모델($\pi_{0.5}$)의 잔차 스트림 활성화 값에서 궤적의 정규화된 잔여 시간인 작업 진행도를 선형적으로 읽어낼 수 있음을 규명함. 독창적 차별점 2: 로봇 학습 데이터 사전 학습 이전의 범용 백본(PaliGemma) 단계에서부터 해당 시멘틱 신호가 내재되어 있음을 밝힘. 실무 파급력 3: 단일 선형 프로브를 통해 라벨 프리(label-free) OOD 탐지 및 … 더 읽기
📌 핵심 요약 (Key Takeaways) 핵심 성과 1: 153시간 분량의 광학 모션 트래젝토리와 1만 2천 개의 모션 쌍(2만 4천 개 모션) 기반의 인간 선호도 정렬 메트릭(HumanScore) 도입 독창적 차별점 2: 기존 기하학적 오차(Kinematic Error)가 놓치기 쉬운 발 미끄러짐(Foot Skating), 접촉 불안정성 등 물리적 아티팩트 정밀 진단 가능 실무 파급력 3: 원격 조작(Teleoperation) 및 전신 모방(Whole-body … 더 읽기
📌 핵심 요약 (Key Takeaways) 핵심 성과 1: Qwun-VL에 정교한 프롬프팅 전략을 적용한 결과 고위험(High-danger) 상황 탐지에서 유의미한 리콜(Recall) 향상 확인 독창적 차별점 2: 파인튜닝 전후 모델의 위험 분류 정확도가 실제 대상의 공간 접지(Spatial Grounding) 능력과 직결되지 않음을 입증 실무 파급력 3: 휴머노이드 및 서비스 로봇의 실내 내비게이션 시 안전성 확보를 위한 VLM 적용의 명확한 … 더 읽기
📌 핵심 요약 (Key Takeaways) 핵심 성과 1: 궤적 분산 마진(Sv)을 유한 노이즈 시드 정확도 바운드로 정의하고, 이를 통해 미지 포즈 중계기 환경에서 Yaw RMSE를 0.0095~0.0191 rad 수준으로 유지하며 100% 성공률 달성 독창적 차별점 2: 기존 사후 정적 분석 방식과 달리, 실시간으로 보정 신뢰도를 판별하여 탐색 모션과 타겟 추적 입력을 동적으로 전환하는 흥분 감독(Excitation-supervised) 제어 … 더 읽기
📌 핵심 요약 (Key Takeaways) 핵심 성과 1: 기존 NSGA-II 베이스라인 대비 하이퍼볼륨(Hypervolume) 성능 최대 48% 향상 달성 독창적 차별점 2: 목적 공간(Objective Space) 다양성에 치중하던 기존 방식에서 탈피해 행동 공간(Behavior Space) 엔트로피 보너스를 도입하여 조기 수렴 방지 실무 파급력 3: 해양, 행성 탐사 등 극한 환경에서 다중 로봇 팀의 상호 보완적이고 강건한 협업 정책 … 더 읽기
📌 핵심 요약 (Key Takeaways) 핵심 성과 1: 유전 알고리즘(GA) 기반 오프라인 학습과 퍼지 추론 시스템(FIS)을 결합하여, 원형 궤도 상의 협조적 표적에 대한 최종 접근(Final Approach) 단계에서 추진체 에너지 소비를 극적으로 최소화함. 독창적 차별점 2: 다중 초기 상대 위치 조건에서 사전 학습된 제어기를 활용하며, 실제 훈련 시나리오와 상이한 강건성(Robustness) 검증 환경 및 외란(Disturbances) 상황에서도 정밀 … 더 읽기
📌 핵심 요약 (Key Takeaways) 핵심 성과 1: Hall의 프록시믹스 이론(Proxemics Theory)을 적용한 방사형 가우스 혼합 필드(Radial Gaussian-Mixture Field) 기반 보상 체계 도입으로 고밀도 군중 환경에서 소셜 지표 대폭 개선. 독창적 차별점 2: 기존 과업 중심(Task-centric) DRL 내비게이션의 한계를 극복하고, 로봇 중심의 시야각(FoV) 기반 조밀하고 해석 가능한 소셜 학습 신호 제공. 실무 파급력 3: 물류 … 더 읽기
