연구·논문
우주 채굴 로봇 기술, 6단계 로드맵으로 정리한 논문 발표
연구진이 우주 채굴 로봇공학 전반을 정리한 종합 서베이 논문을 arXiv에 게재했습니다. 이 논문은 원격 탐사부터 자원 추출까지 이어지는 6단계 프레임워크를 제안하며, 관련 임무 데이터와 시뮬레이션 환경, 향후 연구 과제도 함께 정리했습니다.
시각과 촉각 함께 배우는 로봇 조작 AI 'VT-MUSE'
연구진이 로봇의 시각과 촉각 정보를 시간 축까지 함께 학습하는 표현 학습 프레임워크 'VT-MUSE'를 발표했습니다. 시뮬레이션 벤치마크에서 기존 최강 모델 대비 모든 과제에서 11%포인트 성능 향상을 보였고, 실제 환경 실험에서도 상당한 개선을 확인했습니다.
GPS 없이 해안선으로 항해하는 자율운항선
한 arXiv 사전공개 논문이 GPS 신호 없이도 자율수상정(ASV)의 위치를 파악할 수 있는 두 가지 방법을 제시했습니다. 하나는 라이다로, 다른 하나는 단안 카메라만으로 해안선의 기하학적 구조를 분석해 위성 지도와 대조하는 방식입니다.
해부학 규칙을 신경망에 내장한 새 AI 프레임워크 제안
연구진이 해부학적 규칙을 손실함수와 신경망 구조에 직접 내장해 해부학적으로 불가능한 예측을 원천 차단하는 프레임워크 'AINN(Anatomy-Informed Neural Networks)'을 제안했습니다. 이 방법은 학습 데이터가 부족한 임상 문제인 '경직된 가이드와이어 삽입 시 대동맥-장골 동맥 트리의 변형'을 대상으로, 신경망 학습 없이 SE(3) 기반 역학 모델만으로 시연되었으며 향후 자율 혈관 내 내비게이션 로봇 개발의 토대가 될 것으로 보입니다.
촉각으로 물체 물성 파악하는 로봇 그리퍼 'ViTacPhys'
연구진이 사람의 조작 시연으로부터 물체의 무게, 마찰계수, 강성(단단한 정도)을 추정한 뒤 이를 로봇 그립 정책에 반영하는 시각-촉각 프레임워크 'ViTacPhys'를 공개했습니다. 딱딱한 물체와 말랑한 물체 등 60가지 물체로 검증한 결과, 학습에 사용된 물체에서는 높은 정확도를, 새로운 물체에서도 준수한 일반화 성능을 보였으며 실제 로봇 실험에서는 최대 95%의 파지 성공률을 기록했습니다.
신경-기호 모델 'NeSAM', 오프로드 주행 예측 정확도 높여
연구진이 토양 역학 방정식과 트랜스포머 기반 보정 모델을 결합한 신경-기호 프레임워크 'NeSAM'을 발표했습니다. 시뮬레이션과 실제 로봇 실험에서 예측 정확도를 최대 30% 높이고 경로 추적 오차를 69.4% 줄였습니다.
볼록영역 로봇 경로계획, 새 탐색 알고리즘으로 속도 향상
연구진이 로봇이 반드시 지나야 할 영역과 선택적으로 지날 수 있는 영역을 함께 고려하는 새로운 경로 최적화 문제를 정식화했습니다. 이들이 제안한 분기한정 탐색 알고리즘은 30초 이내에 모든 벤치마크 사례에서 해를 찾은 반면, 기존 두 비교 방법은 절반가량의 사례에서만 성공했습니다.