본 논문에서는 대규모 비전-언어 모델(LVLM)을 활용하여 복잡하고 예측 불가능한 환경에서 자유로운 언어 명령을 이해하고 사물을 파지하는 로봇 시스템, OWG(Open World Grasper)를 제안합니다.
단안 카메라만을 사용하는 로봇에게 파노라마 인식 기능을 제공하여 실제 환경에서 효과적인 시각-언어 내비게이션을 가능하게 하는 새로운 Sim-to-Real 전이 접근 방식을 제안합니다.
다중 로봇 시스템에서 발생하는 문제를 해결하기 위해 중앙 집중식 방식 대신 로봇 간의 로컬 통신을 사용하는 분산 최적화 알고리즘의 세 가지 주요 클래스(분산 1차 방법, 분산 순차적 볼록 프로그래밍, ADMM)를 소개하고 각 알고리즘의 장단점과 로봇 공학 문제에 대한 적용 가능성을 분석합니다.
다중 로봇 시스템의 다양한 문제를 해결하는 데 분산 최적화 방법을 적용할 수 있으며, 특히 SLAM, 목표물 추적, 작업 할당과 같은 협업 문제에 효과적이다.
본 논문에서는 특정 도메인 지식 없이 샘플 데이터만을 사용하여 다양한 환경에서 로봇의 탐색 및 커버리지 작업 효율성을 향상시키는 새로운 에르고딕 궤적 최적화 방법을 제시합니다.
강화 학습은 4족 보행 로봇의 이동 제어 성능을 획기적으로 향상시켰지만, 실제 환경에서의 적용을 위해서는 극복해야 할 과제들이 남아 있다.
본 논문에서는 실시간 3D LiDAR 데이터와 운영자 정의 경로를 활용하여 노천 광산의 지표 변화에 적응적으로 대응하는 자율 검사 경로 계획 프레임워크를 제시합니다.
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.
본 논문에서는 학습 기반 모델 예측 제어(MPC) 프레임워크를 사용하여 쿼드로터 팀의 복잡한 공기역학적 영향을 모델링하고 보완하여 근접 비행에서 정확하고 샘플 효율적인 궤적 추적 및 외란 제거 성능을 달성하는 방법을 제시합니다.
본 논문에서는 다양한 지형에서 4족 보행 로봇의 안정적이고 에너지 효율적인 이동을 달성하기 위해 보행 선택 및 전환 전략을 제안합니다.