정밀하고 접촉이 많은 조작 작업을 위한 로봇 정책 코드 생성
언어 모델은 접촉력과 강성에 대한 제약 조건을 활용하여 접촉이 많은 고정밀 조작 작업을 위한 정책을 성공적으로 생성할 수 있다.
로봇 다중 모달 지각-계획 프레임워크: 다중 모달 대형 언어 모델 활용
다중 모달 대형 언어 모델을 활용하여 로봇의 지각 및 계획 능력을 향상시키는 새로운 프레임워크를 제안한다.
실험 데모를 통한 언어 계획의 실제 상황 기반 접근
언어 모델을 활용하여 데모 트라젝토리의 모드 구조를 학습하고, 이를 통해 로봇 제어 정책을 구축하는 방법을 제안한다.
실제 환경에서 깊이 모방 학습 모델의 데이터 품질과 양을 개선하기 위한 햅틱 피드백 활용
햅틱 피드백을 활용하면 데이터 수집 과정에서 데이터 처리량과 품질이 향상되어 자율 로봇 정책 성능이 개선된다.
실시간 3D 물체 조작을 위한 점군 분할 없는 SE(3) 등가 학습 프레임워크 RiEMann
RiEMann은 점군 분할 없이 실시간 SE(3) 등가 로봇 조작 모방 학습 프레임워크를 제안한다. 기존 방법들과 달리 RiEMann은 직접 물체의 목표 자세를 예측하여 조작을 수행한다.
외부 접촉을 활용한 강건한 인-핸드 조작
로봇이 물체를 잡고 있는 상태에서 외부 접촉을 유지하며 물체의 자세를 조정하는 강건한 인-핸드 조작 기법을 제안한다.
장애물이 있는 환경에서 위치 기반 주의 집중을 활용한 목표 지향적 물체 밀기 학습
이 연구는 장애물이 있는 환경에서 강화 학습과 위치 기반 주의 집중 메커니즘을 활용하여 목표 지향적 물체 밀기 작업을 수행하는 방법을 제안합니다. 이를 통해 사전 경로 계획 없이도 물체를 목표 위치와 방향으로 성공적으로 밀 수 있습니다.
접촉이 많은 조작을 위한 샘플링 및 기울기 기반 계획법 결합
접촉이 많은 조작 작업에서 발생하는 불연속적인 동역학을 효과적으로 다루기 위해 샘플링 기반 계획법과 기울기 기반 계획법을 결합한 새로운 계획 방법을 제안한다.
단 한 번의 인간 시연으로 로봇에게 새로운 기술 전달하기: 궤적 변환을 통한 시연 모방
단 한 번의 RGB-D 비디오 시연을 통해 로봇에게 새로운 작업을 빠르고 편리하게 가르칠 수 있는 방법을 제안한다.
실제 환경에서 자율적으로 물체 배치 데이터를 수집하는 새로운 방법: 집어올리기를 통한 배치
본 연구는 실제 환경에서 자율적으로 물체 배치 데이터를 수집하는 새로운 방법인 "집어올리기를 통한 배치(Placing via Picking, PvP)"를 제안한다. PvP는 물체 집어올리기 과정을 역으로 활용하여 배치 데이터를 자동으로 생성하는 방식이다.
© 2024 by Linnk AI