다중 로봇 작업 할당 및 사회적 인지 내비게이션을 위한 하이퍼그래프 기반 프레임워크: Hyper-SAMARL
Hyper-SAMARL은 하이퍼그래프 기반 신경망과 다중 에이전트 강화학습을 활용하여 동적이고 인간이 많은 환경에서 다중 로봇 시스템의 효율적인 작업 할당과 사회적으로 수용 가능한 내비게이션을 달성한다.
다중 로봇 팀의 집단 성능 예측을 향하여
다양한 시스템 및 환경 요인으로 인해 다중 로봇 시스템의 일관된 성능 지표를 만드는 것이 어려운 상황에서, 무차원 변수 분석이라는 수학적 기법을 활용하여 복잡한 매개변수를 관리 가능한 무차원 변수로 압축하는 새로운 분석 프레임워크를 제시한다.
위험 구역 내에서의 다중 로봇 표적 추적
다중 로봇 시스템이 센싱 및 통신 위험 구역을 고려하여 표적을 추적하는 방법을 제안한다.
대규모 언어 모델을 활용한 다중 로봇 시스템의 교착 상태 해결
대규모 언어 모델을 활용하여 다중 로봇 시스템의 교착 상태를 해결하고, 안전성과 연결성을 유지하면서 각 로봇이 목표 지점에 도달할 수 있도록 한다.
빠른 이중 연결성 복구를 통한 다중 로봇 시스템의 강력한 통신 유지
로봇 고장 시 통신 토폴로지를 신속하게 복구하여 강력한 연결성을 유지하는 것이 핵심 목표이다.
빠른 k-연결성 복구를 통한 다중 로봇 시스템의 강력한 통신 유지
로봇 고장으로 인한 통신 네트워크 단절을 최소한의 로봇 이동으로 신속하게 복구하는 것이 핵심 목표이다.
제로샷 다중 로봇 상황 인식 패턴 형성: 대규모 언어 모델을 통한 접근
대규모 언어 모델을 활용하여 자연어 지침에 따라 상황 인식 기반의 다중 로봇 패턴 형성을 실현하는 시스템을 제안한다.
다중 로봇, 다중 목적, 다중 모드 경로 계획 및 스케줄링 문제 (M3RS)
다중 로봇 팀이 다양한 실행 모드를 활용하여 다중 목적 최적화를 수행할 수 있는 경로 계획 및 스케줄링 문제를 제안한다.
그래프 신경망 기반 다중 에이전트 강화 학습을 통한 다중 로봇 시스템의 복원력 있는 분산 협업
그래프 신경망 기반 다중 에이전트 강화 학습 방법인 MAGEC를 통해 에이전트 감소, 부분적 관측성, 제한적 또는 방해받는 통신 환경에서도 전역 목표를 위한 분산 협업이 가능하다.
다중 로봇 팀의 Nets-within-Nets 모델링 및 시뮬레이션을 통한 효율적인 동작 계획
이 논문은 지정된 임무를 수행하기 위해 이기종 로봇 팀의 동작을 계획하는 새로운 프레임워크를 제안한다. 이를 위해 Nets-within-Nets 패러다임을 활용하여 로봇 모델과 전체 임무를 통합적으로 모델링하고, 이들 간의 동기화를 위한 Global Enabling Function을 설계한다.
