NMPC에서 실시간 모션 플래닝을 위한 점진적 스무딩
비선형 모델 예측 제어(NMPC)에서 점진적 스무딩의 중요성과 성능 향상을 소개합니다.
메시지 전달 몬테카를로를 통한 샘플 기반 모션 플래닝의 효율성 향상
본 논문에서는 그래프 신경망(GNN) 기반 메시지 전달 몬테카를로(MPMC)를 활용하여 저 불일치 분포를 생성함으로써 고차원 공간에서 샘플 기반 모션 플래닝 방법의 효율성을 향상시키는 새로운 접근 방식을 제안합니다.
불확실성 하에서 가중된 기동 선호도를 사용한 의사 결정 이론적 MPC: 모션 플래닝
불확실성이 존재하는 환경에서 자율 주행 자동차를 위한 모션 플래닝 프레임워크로, 다양한 기동 옵션에 대한 선호도를 가중치로 통합하여 단일 기동 방식에 대한 제약을 없애고 예측 불확실성을 고려한 안전하고 효율적인 경로를 생성합니다.
모서리 굴림을 이용한 물체 조작을 위한 모션 플래닝: 프랑카 에미카 판다 로봇을 이용한 실험 검증
무거운 원통형 물체를 조작하는 새로운 방법인 모서리 굴림 기법을 제시하고, 이를 로봇의 관절 제한을 고려한 최적화된 경로 계획 및 스크류 이론 기반 동작 모델링을 통해 프랑카 에미카 판다 로봇으로 구현하여 실험적으로 검증했습니다.
복잡한 환경에서 무인 항공기의 최적 모션 플래닝을 위한 모델 예측 제어
알려지지 않은 복잡한 환경에서 무인 항공기(UAV)의 안전하고 효율적인 탐색을 위해 로컬 센서 데이터와 모델 예측 제어(MPC)를 활용한 최적 모션 플래닝 방법을 제시한다.
불확실한 동역학을 가진 모바일 로봇의 모션 플래닝을 위한 벡터 필드 기반 학습 예측 제어
본 논문에서는 장애물이 많은 환경에서 불확실하고 예측 불가능한 동역학을 가진 모바일 로봇의 안전하고 효율적인 모션 플래닝을 위해 벡터 필드 기반 학습 예측 제어(VF-LPC) 방법을 제안합니다.
자율 주행을 위한 혼합 전문가 기반 모션 플래너 일반화
대규모 자율 주행 데이터 세트를 활용하여 훈련된 확장 가능한 MoE(혼합 전문가) 기반 자율 주행 모션 플래너인 STR2(StateTransformer-2)를 소개합니다. STR2는 다양한 테스트 세트와 폐쇄 루프 시뮬레이션에서 기존 방법보다 뛰어난 일반화 능력을 보여주며, 특히 복잡하고 퓨샷 학습이 필요한 주행 시나리오에서 뛰어난 성능을 발휘합니다.
