Computer Science / Robotics

'Computer Science / Robotics' 카테고리의 모든 글

총 22개의 글
시간순 정렬
자율주행에 대한 조사 일반적인 실천과 신 기술

자율주행에 대한 조사 일반적인 실천과 신 기술

자율주행 시스템(ADS)은 안전하고 편안하며 효율적인 운전 경험을 제공할 것으로 기대되고 있지만, ADS를 장착한 차량에 관련된 사망사고가 증가하고 있습니다. 최신 상태의 강건성을 개선하지 않는 한 ADS의 잠재력을 완전히 실현하기는 어려울 것입니다. 이 논문은 해결되지 않은 문제들을 검토하고 자율주행 시스템의 기술적 측면을 조사합니다. 현재의 과제, 고수준 시스템 아키텍처, 새로운 방법론 및 핵심 기능 정위성, 지도, 인식, 계획화, 인간-기계 인터페이스에 대한 연구가 상세히 검토되었습니다. 또한 최신 상태의 기술을 자체 플랫폼에서 구현하고 실제 운전 환경에서 다양한 알고리즘을 비교했습니다. 논문은 ADS 개발을 위한 사용 가능한 데이터셋과 도구에 대한 개요로 마무리됩니다.

paper AI 요약
복합 작업 회귀 기반 학습을 이용한 비구조화된 실외 환경에서의 자율 무인 항공기 비행 제어

복합 작업 회귀 기반 학습을 이용한 비구조화된 실외 환경에서의 자율 무인 항공기 비행 제어

전 세계 드론 산업의 성장으로 완전 자율 비행 드론 응용 프로그램의 가능성이 더욱 확대되고 있다. 이 연구의 동기 중 하나는 무구조화된 실외 환경에서 넓은 지역 탐색 및 감시 작업에 드론을 사용하는 것이다. 이러한 환경의 주요 문제점은 도로 선이나 경로와 같은 자율 비행을 돕는 구조적 특징이 부족하다는 점이다. 본 논문에서는 숲 밑 덤불 속에서 비행 명령을 정의할 수 있는 End-to-End Multi-Task Regression 기반 학습 접근법을 제안한다. 이 방법은 경로나 추가 센서(GPS)가 없는 환경에서도 작동 가능하다. 훈련 및 검증은 소프트웨어 인 루프 파이프라인을 사용하여 수행되며, 이를 통해 최신 포즈 추정 기술과의 상세한 평가를 진행한다. 우리의 광범위한 실험 결과는 이 접근법이 필요한 탐색 범위 내에서 밀도 높은 탐사를 수행하고 더 넓은 탐색 영역을 커버하며, 이전에 본 적 없고 탐사하지 않은 환경에서도 일반화되고 현존하는 최선의 기술보다 우수함을 입증한다.

paper AI 요약
로봇 시스템에서 Painlevé 모순 제어

로봇 시스템에서 Painlevé 모순 제어

The Painlev e paradox is a phenomenon that causes instability in mechanical systems subjects to unilateral constraints. While earlier studies were mostly focused on abstract theoretical settings, recent work confirmed the occurrence of the paradox in realistic set-ups. In this paper, we investigate the dynamics and presence of the Painlev e phenomenon in a twolinks robot in contact with a moving belt, through a bifurcation study. Then, we use the results of this analysis to inform the design of control strategies able to keep the robot sliding on the belt and avoid the onset of undesired lift-off. To this aim, through numerical simulations, we synthesise and compare a PID strategy and a hybrid force/motion control scheme, finding that the latter is able to guarantee better performance and avoid the onset of bouncing motion due to the Painlev e phenomenon.

paper AI 요약
추가 제조 후 처리를 위한 자동 지지구조물 제거 방법

추가 제조 후 처리를 위한 자동 지지구조물 제거 방법

3D 프린팅(가장 가까운 형태 제조) 과정은 종종 실제 제작하려는 디자인에 가까운 형태를 만들어냅니다. 이 과정에서 추가적인 지지 구조물(또는 스크래프olding이라고도 함)이 포함되며, 이를 후처리 단계에서 제거해야 합니다. 본 논문에서는 다축 가공 도구를 사용하여 지지 구조물을 자동으로 제거하는 프로세스 계획을 생성하는 접근법을 설명합니다. 목표는 각 지지 구성 요소와 부품 사이의 접촉 영역을 분리하고, 진화 중인 가장 가까운 형태(남아 있는 지지 구성 요소를 포함)와 충돌하지 않으면서 가장 비용 효율적인 순서로 이를 수행하는 것입니다. 재귀 알고리즘은 각각의 지지 구성 요소가 부품에 연결되는 영역이 접근 가능한지 확인하고, 그들이 제거될 수 있는 방향을 결정합니다. 이러한 지역 중 하나마다, 접근 가능한 방향은 진화 중인 가장 가까운 형태와 도구 조립체 사이의 충돌 없는 공간에서 섬유 로 나타납니다. 접근 가능한 지지를 제거하기 위한 순서를 정하기 위해 알고리즘은 엣지가 섬유 간 리만 거리로 가중치가 부여된 탐색 그래프를 생성합니다. 가장 저렴한 프로세스 계획을 얻기 위해 탐색 그래프에서 트래블링 세일즈맨 문제(TSP)를 해결합니다. TSP의 솔루션으로부터 얻은 구성 시퀀스는 충돌 없는 경로를 찾기 위한 입력으로 사용됩니다. 지지 구조물을 제거한 부품은 전통적인 가공을 통해 예정된 디자인을 완성할 수 있습니다. 방법의 효과는 3D 벤치마크 예제를 통해 입증되었습니다.

paper AI 요약
로봇 중재 지원그룹에서의 신뢰동태 사용자 연구

로봇 중재 지원그룹에서의 신뢰동태 사용자 연구

사회적 보조 로봇은 사람들이 사회적 환경에서 그룹과 상호작용할 때의 그룹 동태를 개선하는 잠재력을 가지고 있습니다. 이 연구는 새로운 맥락인 로봇 중개 지원 그룹에서 신뢰 동태에 대한 이해를 높이기 위한 사용자 연구를 통해 이러한 동태를 이해하는데 기여합니다. 본 연구에서는 로봇 중개 지원 그룹을 위한 새로운 프레임워크를 개발하고 검증하였습니다. 다수의 참가자가 있는 환경에서 상호 신뢰를 평가하기 위해 2인용 신뢰 척도를 구현하였고, 이는 단일 요인이며 적절한 일반적인 신뢰 측정 기준으로 확인되었습니다. 본 연구 결과는 그룹 상호작용 세션 후 평균 상호 신뢰가 크게 증가했음을 보여주며, 질적 사후 인터뷰 자료에서는 참가자들이 상호작용을 유익하게 느끼고 서로를 지원하고 배울 수 있었다고 보고하였습니다. 본 연구 결과는 로봇 중개 지원 그룹이 처음 만나는 사람들 사이의 신뢰를 개선할 수 있고, 학업 스트레스에 대한 지원을 공유하고 받을 수 있음을 검증합니다.

paper AI 요약
자율주행 경주 시스템을 위한 빠르고 실제적인 자동 시나리오 시뮬레이션 및 보고

자율주행 경주 시스템을 위한 빠르고 실제적인 자동 시나리오 시뮬레이션 및 보고

이 논문에서는 자율 주행 스택인 ur.autopilot을 위한 자동 시뮬레이션 및 보고서 생성 파이프라인에 대해 설명합니다. 시뮬레이션의 기반이 되는 것은 차량의 고도 모델이며, 이는 Functional Mockup Unit (FMU)로 인터페이스됩니다. 이 파이프라인은 소프트웨어 스택과 시뮬레이션을 실시간보다 최대 3배 빠르게 실행할 수 있으며, 로컬 또는 GitHub에서 Continuous Integration/Continuous Delivery(CI/CD)를 위해 사용할 수 있습니다. 파이프라인의 가장 중요한 입력으로는 여러 실행 시나리오가 포함되어 있습니다. 각 시나리오는 자동차의 초기 위치와 속도를 설정하는 것뿐만 아니라 스택의 다른 구성 요소를 초기화하는 기능을 제공합니다. 이 기능은 고속 추월 매뉴버 또는 로케일과 같은 중요 모듈을 효율적으로 검증하는 데 필수적입니다. 또한, 우리는 센서 지연 및 오차 도입뿐만 아니라 스택의 모든 노드 출력을 수정할 수 있는 결함 주입 모듈을 어떻게 구현했는지 설명합니다. 마지막으로, 시뮬레이션 분석의 효과성을 극대화하기 위한 자동 보고 프로세스 설계에 대해 설명합니다.

paper AI 요약
보행 그래프 최적화 하지 재활 외골격 로봇을 위한 기반 보행에서 변화하는 보행 생성하기

보행 그래프 최적화 하지 재활 외골격 로봇을 위한 기반 보행에서 변화하는 보행 생성하기

하지 재활 외골격(LLE) 로봇의 가장 집중적인 응용 분야는 장애인들이 재걸음 을 할 수 있도록 돕는 것이다. 그러나 걸음 은 평평한 지면에서 일정한 걸음을 걷는 것 이상이다. 본 논문은 복잡한 걷기 환경에 적응하기 위해 LLE 로봇의 다양한 걸음 생성에 초점을 맞추고 있다. 이전의 2족로봇을 위한 걸음 생성기와 달리, LLE를 위한 생성된 걸음은 환자들에게 편안해야 한다. SLAM에서 사용되는 포즈 그래프 최적화 알고리즘을 통해 본 논문에서는 한 건강한 개인으로부터 수집된 기준 걸음을 바탕으로 다양한, 기능적인 그리고 편안한 걸음을 생성하기 위한 그래프 기반의 걸음 생성 알고리즘인 걸음 그래프 최적화(GGO)를 제안한다. 걸음 조정, 장애물 회피, 계단 오르내림과 같은 걷기 문제의 변형을 통해 시뮬레이션 및 실험에서 제안된 접근법이 검증된다. 우리의 구현은 오픈 소스로 공개되었다.

paper AI 요약
연속시간 신호 시간 논리의 평균 기반 견고성

연속시간 신호 시간 논리의 평균 기반 견고성

연속 시간 신호 시공간 논리(STL) 사양을 위한 새로운 견고성 점수를 제안합니다. 신호의 진화 과정에서 가장 심각한 지점을 고려하는 대신, 전체 시간 구간 도메인에 걸친 모든 서브 공식들의 견고한 만족도를 강조하기 위해 평균 점수를 사용합니다. 우리는 이 새로운 점수가 복잡한 동역학과 다중 에이전트 시스템에서의 거짓 증명 및 제어 합성 문제에서의 장점을 보여줍니다.

paper AI 요약
Act2Goal 세계 모델에서 일반 목표 조건화 정책으로

Act2Goal 세계 모델에서 일반 목표 조건화 정책으로

이 연구는 자연어 처리 작업에서 딥러닝 모델의 영향을 조사하며 특히 감성 분석에 집중하고 있다. 재귀 신경망(RNN), 장단기 메모리 네트워크(LSTM), 그리고 트랜스포머 기반 모델이라는 세 가지 다른 유형의 신경망 구조를 비교한다. 실험 결과, 트랜스포머 기반 모델은 정확도와 효율성 측면에서 전통적인 RNN과 LSTM보다 우수하며 특히 긴 텍스트 시퀀스에서는 더욱 그렇다.

paper AI 요약
VLA-RAIL VLA 모델과 로봇을 위한 실시간 비동기 추론 링커

VLA-RAIL VLA 모델과 로봇을 위한 실시간 비동기 추론 링커

비전-언어-행동(VLA) 모델은 로봇이 자연 언어 명령을 이해하고, 공간-시각적 의미를 추출하며, 열린 세계 조작 작업에 적합한 행동을 생성할 수 있게 합니다. 그러나 VLA 모델의 배포는 다양한 하드웨어 구성과 소프트웨어 인터페이스로 인해 한정되어 있습니다. 본 논문에서는 이러한 문제를 해결하기 위해 실시간 비동기 추론 프레임워크인 VLA-RAIL을 제안합니다.

paper AI 요약
노래봇 감성 가창 로봇얼굴의 새로운 시대

노래봇 감성 가창 로봇얼굴의 새로운 시대

이 논문은 로봇의 노래를 표현하는 방법을 제안하며, 이는 인간의 감정과 행동을 모방하는 중요한 기준이다. 특히, 데이터 주도적인 접근법을 사용하여 가수의 감정과 리듬에 맞춰 로봇의 얼굴 표정을 동기화시키는 데 중점을 두었다. 이를 통해 로봇은 노래하면서 자연스러운 입동작과 감정 표현을 할 수 있다.

paper AI 요약
로봇 팔과 눈의 완벽한 조화 선택 정책으로 실현

로봇 팔과 눈의 완벽한 조화 선택 정책으로 실현

인간형 로봇이 수행할 수 있는 복잡한 작업에 대해, 이 논문은 전체 몸통 조정과 적응적인 움직임을 통합하는 방법론을 제시한다. 특히, 학습 과정에서 다중 모드 행동을 포착하고 효율적으로 제어하기 위한 새로운 정책인 Choice Policy를 소개하며, 이는 신경망의 단일 순방향 패스로 빠른 추론을 가능하게 한다.

paper AI 요약
비전-언어-액션 계획의 새로운 시대 가치 함수로 성능 향상

비전-언어-액션 계획의 새로운 시대 가치 함수로 성능 향상

> Vision-Language-Action(VLA) 모델은 로봇 조작에 강력한 일반화 정책으로 등장했지만, 행동 클로닝에 의존하기 때문에 분포 변동 시 민감하고 취약하다. 사전 훈련된 모델을 Monte Carlo Tree Search(MCTS)와 같은 검색 알고리즘으로 보완해도 VLA prior가 미래의 기대 수익률을 추정하는 데 부족함이 있어, 정확하지 않은 prior는 광범위한 시뮬레이션 없이는 행동 선택을 수정할 수 없다. 이를 해결하기 위해 우리는 Value Vision-Language-Action Planning and Search(V-VLAPS) 프레임워크를 도입하여 MCTS에 가벼운 학습 가능한 가치 함수를 추가한다. VLA 백본의 잠재 표현(Octo) 위에서 간단한 다층 퍼셉트론(MLP)을 훈련시켜 검색에 명시적인 성공 신호를 제공하고, 이를 통해 행동 선택이 높은 가치 영역으로 편향된다. LIBERO 로봇 조작 스위트에서 V-VLAPS를 평가한 결과, 우리의 가치 지향적 검색이 성공률을 5% 이상 향상시키고 MCTS 시뮬레이션의 평균 횟수를 5-15% 줄이는 것으로 나타났다.

paper AI 요약
시각-언어 모델을 활용한 해양 자율주행의 의미 위험 감지와 안전 조치

시각-언어 모델을 활용한 해양 자율주행의 의미 위험 감지와 안전 조치

** 본 연구에서는 이미지 분류 작업에서 심층 신경망의 성능을 향상시키는 새로운 알고리즘을 제안합니다. 제안된 방법은 데이터 복잡성과 잡음 수준에 따라 조정되는 동적 조절 메커니즘을 포함하고 있습니다. 다양한 데이터셋에서 수행한 광범위한 실험을 통해, 우리의 접근법은 기존 최고 수준의 방법보다 평균적으로 5% 이상 높은 정확도를 보여주었습니다. **

paper AI 요약
우선순위 고려하는 다중로봇 경로 계획법

우선순위 고려하는 다중로봇 경로 계획법

다중 로봇 시스템은 큰 환경에서 효율적인 조정이 필요한 커버리지 작업에 널리 사용됩니다. 다중 로봇 커버리지 경로 계획(MCPP)에서는 전체 지역을 커버하는 중복되지 않는 경로를 생성하여 완료 시간을 최소화하는 것이 주요 목표입니다. 그러나 대부분의 기존 방법들은 영역 간의 중요도가 균일하다고 가정함으로써 일부 구역에 더 빠른 주의가 필요할 때 그 효율성이 제한됩니다. 우리는 환경의 일부를 우선순위 구역으로 지정하고 연관된 가중치를 부여하는 우선 순위 인식 MCPP(PA-MCPP) 문제를 도입합니다. 목표는 영역 커버리지의 총 중요도 가중 지연과 전체 완료 시간을 사전순서로 최소화하는 것입니다. 이를 해결하기 위해 우리는 (1) 탐욕스러운 구역 할당 및 로컬 검색, 스패닝 트리 기반 경로 계획과 (2) 스테이너 트리 지도 잔여 커버리지를 결합한 확장 가능한 이단계 프레임워크를 제안합니다. 다양한 시나리오에서의 실험은 우리의 방법이 표준 MCPP 기준에 비해 우선순위 가중치 지연을 크게 줄이고 경쟁적인 완료 시간을 유지한다는 것을 보여줍니다. 민감도 분석은 또한 이 방법이 로봇 수와 잘 확장되며, 구역 커버리지 동작이 우선순위 가중치를 조정하여 효과적으로 제어될 수 있음을 보여줍니다.

paper AI 요약
체리토마토 수확로봇의 시각기반 고장진단과 자가회복

체리토마토 수확로봇의 시각기반 고장진단과 자가회복

로봇 수확 장비가 농업 생산성을 향상시키고 노동 의존도를 줄이는 데 큰 잠재력을 보여주지만, 기계적, 전기적, 제어 부품의 결함이 여전히 존재하여 작동의 안정성과 연속성을 해칩니다. 이 논문에서는 이러한 문제를 해결하기 위해 시각 인식을 통합한 다중 작업 퍼셉션 네트워크와 위치 오류 보상 방법, 초기 중단 전략을 도입했습니다.

paper AI 요약
하노이월드 안전한 자율주행의 열쇠

하노이월드 안전한 자율주행의 열쇠

현재 자율 제어를 위한 강화 학습의 시도는 데이터 요구량이 많고 결과가 미흡하며 안정적이지 않고, 또한 픽셀 재구성의 특성상 잡음 특징에 과도하게 집중하여 안전 개념을 이해하고 이를 기반으로 하지 못하는 문제점이 있습니다. 현재 Self-Supervised Learning 접근 방식은 JEPA(Joint Embedding Predictive Architecture)를 활용해 고차원 표현을 학습하는데 흥미롭고 효과적인 대안입니다. 이 아이디어는 인간의 뇌가 상상력과 최소한의 관찰 샘플만으로 새로운 기술을 습득하는 자연스러운 능력을 모방하고 있습니다. 본 연구에서는 JEPA를 기반으로 한 세계 모델인 하노이월드(Hanoi-World)를 소개하며, 이는 재귀 신경망(RNN)을 활용해 효과적인 추론 시간과 함께 장기 수평 계획을 수행할 수 있게 합니다. 실험은 차이점 환경의 Highway-Env 패키지에서 이루어졌으며, SOTA 기준선들과 비교했을 때 충돌률이 상당히 감소하면서 안전 인식을 가진 운전 계획을 만드는 능력을 효과적으로 보여주고 있습니다.

paper AI 요약

< 분야별 논문 현황 (Total: 566) >

Astrophysics
1
Computer Science
581
Condensed Matter
2
Economics
17
Electrical Engineering and Systems Science
38
Mathematics
19
Physics
10
Quantitative Biology
6
Quantitative Finance
4
Quantum Physics
5
Statistics
20

검색 시작

검색어를 입력하세요

↑↓
↵
ESC
⌘K 단축키