시각 관성 오도메트리(Visual-Inertial Odometry)를 통한 카메라-IMU 밀결합 상태 추정 및 고속 비행 안정화 연구입니다.
📌 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: Wasserstein 모호성 집합 기반의 분포 강건(DR) 형식을 도입하여, 확률 분포 형태를 알 수 없는 임의의 불확실성 환경에서도 비선형 시스템의 확률적 안전성을 보장함. 독창적 차별점 2: 고차원 온라인 분포 강건 궤적 최적화 문제를 백업 정책 간의 전환 시점 탐색이라는 1차원 문제로 귀결시켜 연산 효율성을 극적으로 극복함. 실무 파급력 … 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: 비디오 생성 VAE를 활용해 추가 센서나 사전 학습 없이 RGB와 3D 점유 지도(Pointmaps)를 손실 없이 동시 추출 및 감독 독창적 차별점 2: Mixture-of-Transformers 백본과 스트림별 드롭아웃 기법을 통해 단일 체크포인트로 빠른 액션 전용 모드부터 완전한 멀티모달 생성까지 가변적 실행 보장 실무 파급력 3: 정교한 양팔 조작 작업에서 … 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
📌 핵심 요약 (Key Takeaways) 핵심 성과 1: 최대 좌표 구조와 페널티 완화법을 결합한 SQP 알고리즘을 통해 복잡한 접촉 환경에서 CITO의 전역 수렴성 수학적 증명 완료 독창적 차별점 2: 기존 비선형 프로그래밍 솔버의 제약 조건 검증 한계를 극복하고, 유한 시간 내 $\epsilon$-실현 가능 정지점 도달 보장 실무 파급력 3: 다족 보행 로봇 및 복잡한 물리 … 더 읽기
📌 핵심 요약 (Key Takeaways) 핵심 성과 1: 스플라인 기반 궤적 사전을 유도 편향(Inductive Bias)으로 도입하여 복잡한 로봇 조작 태스크에서 높은 보상과 행동 다양성을 동시에 달성 독창적 차별점 2: 초기 단계의 궤적 최적화와 후속 단계의 반응형 스텝 정책 증류(Distillation)를 결합한 2단계 커리큘럼 학습 구조 제시 실무 파급력 3: 지역 최적점(Local Optima) 탈피 및 환경 변화에 … 더 읽기
📌 핵심 요약 (Key Takeaways) 핵심 성과 1: 효율적인 이미지-레이턴트 디퓨전 모델을 적용하여 탑뷰(BEV) 형태의 레이더 측정값(RCS 및 도플러 속성 포함)을 고사실적으로 합성 독창적 차별점 2: 사전 학습된 파운데이션 모델의 BEV 정렬 깊이, 시맨틱, 모션 단서를 조건화하여 물리적으로 타당한 레이더 패턴 유도 실무 파급력 3: 기존 비주얼 데이터셋 및 시뮬레이션 프레임워크와의 폭넓은 호환성을 제공하여 멀티모달 … 더 읽기
📌 핵심 요약 (Key Takeaways) 핵심 성과 1: 역전파가 불가능한 스파이킹 신경망(LIF)과 양자화 레이어에서 고정 해상도 정거성(Stationarity)을 보장하는 PolyStep 알고리즘 제안 및 LIF 네트워크 93.0% 정확도 달성. 독창적 차별점 2: 유한 차분법의 한계를 극복하고, 최적 운송(Optimal Transport) 기반의 KL-penalized 프로그램을 통해 회전된 폴리토프 상에서 순방향 패스만으로 그래디언트 스텝 근사. 실무 파급력 3: 온디바이스 엣지 디바이스 … 더 읽기