로봇 내비게이션에서 조건부 흐름 매칭(CFM) 기반의 새로운 접근 방식인 FlowNav는 기존의 확산 모델 기반 방법보다 훨씬 빠르게 정확한 동작 정책을 생성하여 실시간 애플리케이션에 적합합니다.
X-MOBILITY는 다양한 환경에서 효과적이고 일반화 가능한 내비게이션을 위해 월드 모델링과 모방 학습을 결합한 새로운 종단 간 로봇 내비게이션 모델입니다.
본 논문에서는 자연어 명령을 통해 로봇이 실내 환경을 탐색할 때 발생하는 위치 모호성 문제를 해결하기 위해 대규모 언어 모델(LLM)과 비전-언어 모델(VLM)을 활용한 2단계 매핑 프레임워크를 제안합니다.
본 논문에서는 새로운 매핑 기능인 도착 시간 필드를 활용하여 알려지지 않은 환경에서 로봇이 실시간으로 지도를 생성하고 효율적인 경로를 계획하는 Active NTFields (Active Neural Time Fields) 방법을 제안합니다.
OrionNav는 동적 환경에서 자율 로봇 내비게이션을 위해 의미론적 장면 그래프와 LLM 기반 계획을 실시간으로 결합한 새로운 프레임워크입니다.