심층 강화학습(DRL) 기반 엔드투엔드 로봇 제어, 조작/보행 정책 학습 및 Sim-to-Real 전이 기법입니다.
📌 핵심 요약 (Key Takeaways) 핵심 성과: TransFuser v6(TFv6) 모델 기준, 고위험 롱테일 벤치마크(Fail2Drive/Bench2Drive)에서 기존 주행 점수(Driving Score)를 유지하면서 주행 성공률 15% 향상 및 안전 위험 충돌 53% 감소 달성. 독창적 차별점: 별도의 재학습(Retraining)이나 딥러닝 파라미터 추가 없이, 훈련이 완료된 Agent의 최종 명령 인터페이스에 결정론적(Deterministic) 기호 제약 조건을 플러그인 형태로 결합하는 제로-오버헤드 안전 레이어 구축. … 더 읽기
📌 핵심 요약 (Key Takeaways) 핵심 성과 1: 5,000시간 이상 소요되어 자체 구축된 최초의 오염 방지 실세계 리버스 엔지니어링 벤치마크 SRE-Bench 소개 (19개 프라이빗 프로그램, 262개 바이너리 인스턴스). 독창적 차별점 2: 기존 소스 코드 기반 평가의 한계를 극복하고, 학습 데이터 오염(Contamination) 원천 차단 및 44가지 안티 분석 프리미티브 적용. 실무 파급력 3: 최첨단 LLM(GPT-5.6-sol 등)의 … 더 읽기
📌 핵심 요약 (Key Takeaways) 핵심 성과: 연속적 환경 및 불연속 상태 과제에서 작업 성공률과 수행 시간을 유지가면서 전체 동작 시간의 50% 이상 센싱 및 추론 연산을 생략하는 대기 정책(Waiting Policy) 수립. 독창적 차별점: 단순 고정 간격 서브샘플링이나 리워드 셰이핑(Reward Shaping)의 파라미터 튜닝 한계를 극복하기 위해 사전식 정렬 목적함수(Lexicographically Ordered Objectives) 기반 강화학습 구조 도입. … 더 읽기
📌 핵심 요약 (Key Takeaways) 핵심 성과 1: TRL 모델을 확장한 9단계 WRL(Workforce Readiness Level) 프레임워크 및 4대 핵심 축(Pillar) 루브릭 정립 독창적 차별점 2: 단일 영역의 편중을 방지하는 ‘no-thin-pillar’ 규칙을 통한 사이버-물리 시스템 및 데이터 기반 의사결정 공백 진단 실무 파급력 3: 대학 스마트 제조 실습실 및 산업 현장 캡스톤 프로젝트 연계를 통한 실무형 … 더 읽기
📌 핵심 요약 (Key Takeaways) 핵심 성과: YOLOv11m(객체 격리) + ViT(공간 특징 추출) + ConvGRU(시계열 분류) 파이프라인을 구축하여 덴기열 감염 모기 행동 판별 정확도 88.88%, F1-Score 82.81% 달성. 독창적 차별점: 복잡한 비디오 배경 노이즈를 1차 객체 탐지 프레임워크로 완전히 제거한 후, Vision Transformer의 Self-Attention과 ConvGRU의 공간 구조 보존형 시계열 딥러닝을 결합하여 왜곡 없는 특징 벡터 … 더 읽기
📌 핵심 요약 (Key Takeaways) 핵심 성과 1: 단 10개의 시연 궤적만으로 메타월드(22%↑), 로보카사(15%↑), 실물 로봇 플랫폼(16%↑)에서 SOTA 성능 달성 독창적 차별점 2: 공간 인식 멀티뷰 히트맵 비디오와 RGB 비디오를 동시 예측하여 비디오 파운데이션 모델에 3D 공간 정보를 직접 주입 실무 파급력 3: 고비용의 대규모 데이터 수집 의존성을 낮추고, 접촉 집약적 및 장기(Long-horizon) 조작 태스크의 … 더 읽기
📌 핵심 요약 (Key Takeaways) 핵심 성과 1: RoboTwin 시뮬레이션 환경에서 LingBot-VA 모델 대상 84.2%의 높은 탈옥 공격 성공률(ASR)을 실증하여 WAM의 물리적 안전성 취약점 규명 독창적 차별점 2: 이질적인 저수준 액션 출력을 통합하는 ‘시각-궤적 매핑(Visual-Trajectory Mapping)’과 ‘3단계 심각도 인식 리스크 판별기’ 도입 실무 파급력 3: 고비용의 폐루프 물리 시뮬레이션을 최소화하고 빠른 위험 스크리닝을 수행하는 ‘듀얼 … 더 읽기
📌 핵심 요약 (Key Takeaways) 핵심 성과 1: 완전한 3D 객체 모델 사전 구축 없이 단일시점(Single-View) 포인트 클라우드 입력만으로 대형 물체 양팔 협동 파지(Bimanual Grasp) 성공. 독창적 차별점 2: Denoising Diffusion Probabilistic Model (DDPM) 기반 모듈을 도입하여 분할된 포인트 클라우드로부터 관절 단위(Joint-level) 파지 구성을 고속 생성. 실무 파급력 3: 모션 플래닝과 실시간 파지 보정(Online Grasp … 더 읽기
📌 핵심 요약 (Key Takeaways) 핵심 성과 1: RoboTwin 2.0 50개 태스크 환경에서 종합 성공률 90.25% 달성 및 최강 베이스라인 대비 실행 스텝 수 5.97% 단축 독창적 차별점 2: 단기 물리적 미래(Short-term Physical Future)와 스테이지 레벨 의미적 미래(Stage-level Semantic Future)를 분리하여 태스크 진행도를 명시적으로 예측 실무 파급력 3: V-JEPA2 백본과 Motus 월드-액션 모델(WAM)의 결합을 통해 … 더 읽기
📌 핵심 요약 (Key Takeaways) 핵심 성과 1: RIFT 아키텍처는 LIBERO 벤치마크에서 98.8%의 성공률을 기록하며 기존 롤아웃 기반 모델 수준의 성능을 유지하는 동시에 액션 척(Action-chunk) 지연 시간을 68.2%~89.1% 대폭 단축함. 독창적 차별점 2: 반복적인 비디오 롤아웃 과정 없이 학습된 예측 토큰을 활용해 단 한 번의 백본 패스로 미래 K/V 캐시를 생성하는 롤아웃 프리(Rollout-free) 추론 구조를 … 더 읽기
