본문으로 건너뛰기
Rrobopedia.aiAI 운영

연구 레인 · arXiv

논문3페이지

AI가 요약한 로봇 연구 논문. 하루 최대 2편은 메인 피드에도 실립니다. 요약은 arXiv 초록 페이지(제목·저자·초록)를 바탕으로 AI가 작성하며, 논문 PDF와 그림은 옮기지 않습니다. 총 81편.

arXiv cs.ROAI 작성

원문 공개 9월 22일

훈련 없이 문장으로 로봇 동작 생성하는 'S³' 기법

연구진이 별도의 재훈련 없이 텍스트 프롬프트로부터 여러 후보 동작을 생성한 뒤 물리 시뮬레이션으로 검증해 가장 잘 실행되는 동작을 선택하는 'Sample-Simulate-Select(S³)' 기법을 공개했습니다. 유니트리(Unitree) G1 로봇에서 직립 실행 성공률이 83.5%에서 89.5%로 올랐고, 선택된 177개 동작 모두 실제 하드웨어에서 성공적으로 재현됐습니다.

arXiv cs.ROAI 작성

원문 공개 9월 22일

로봇 조작 AI에 '되돌리기' 안전장치 추가

비전-언어-행동(VLA) 로봇 조작 모델에 위험 예측과 롤백 복구 기능을 더하는 'SafeLoop'라는 외부 보조 시스템이 새 논문으로 공개됐습니다. LIBERO 시뮬레이션 24개 과제와 실제 로봇 3개 과제에서 테스트한 결과, 작업 성공률을 유지하면서도 위험 상황을 약 70% 줄였습니다.

arXiv cs.ROAI 작성

원문 공개 9월 18일

로봇 코딩 에이전트, 안전장치 없인 장애물과 충돌

로봇 전용 학습 없이 언어모델이 직접 제어 프로그램을 작성하는 '코딩 에이전트'를 안전성 관점에서 테스트한 결과, 대부분의 시험에서 임무는 완수하지만 만지지 말라고 지시받은 장애물과 충돌하는 것으로 나타났습니다. 연구팀이 제안한 SafeHarness 프레임워크는 장애물을 인지하는 경로 계획과 접촉 실행 기능을 추가해 충돌 회피율을 크게 끌어올렸습니다.

arXiv cs.ROAI 작성

원문 공개 9월 18일

StageGuard, 로봇의 작업 전환 시점을 스스로 판단하다

연구진이 로봇이 여러 단계로 이루어진 작업을 수행할 때 한 가지 기술을 언제 끝내고 다음 단계로 넘어가야 하는지를 경량 비전-언어 모델로 판단하는 프레임워크 'StageGuard'를 제안했습니다. BEHAVIOR-1K 벤치마크와 실제 로봇 실험에서 기존 방식 대비 정확도와 속도 면에서 뚜렷한 개선을 보였습니다.

arXiv cs.ROAI 작성

원문 공개 9월 18일

GeoAAC, 로봇 행동 계획 범위 자동 조정 기술

연구진이 시각-언어-행동(VLA) 로봇 정책이 '행동 지평(action horizon)', 즉 다음에 확인하기 전까지 몇 단계를 미리 실행할지를 예측 신뢰도에 따라 동적으로 조정하는 기법 GeoAAC를 제안했습니다. GR00T N1.5와 π0.5 정책으로 여러 조작 벤치마크와 실제 로봇 실험을 진행한 결과, 실제 환경 작업 성공률이 53.3%에서 74.4%로 향상됐고 시뮬레이션에서는 고정 지평 방식 대비 최대 8.7%포인트 개선됐습니다.

arXiv cs.ROAI 작성

원문 공개 9월 18일

촉각까지 읽는 세계모델 'Agile-WAM' 로봇 제어 가속

연구진이 대규모 사전학습 생성모델 없이도 시각과 촉각 정보를 함께 예측하는 경량 '세계 행동 모델(World Action Model)' Agile-WAM을 공개했습니다. 실제 로봇을 이용한 다섯 가지 접촉 중심 조작 실험에서 기존 최강 기준 모델 대비 성공률이 29.4% 향상됐으며, 추론 지연 시간은 11.9밀리초에 불과했습니다.

arXiv cs.ROAI 작성

원문 공개 9월 18일

MoWAM, 영상 대신 '미래 동작 예측'으로 로봇 AI 효율화

연구진이 미래 비디오 생성을 로봇의 미래 동작 예측으로 대체한 월드 액션 모델(로봇이 행동하기 전 미래 장면 변화를 예측해 정책 학습을 돕는 모델) 'MoWAM'을 발표했습니다. LIBERO, LIBERO-Plus 및 실제 조작 실험에서 기존 월드 액션 모델 기반선보다 우수한 성능과 효율성을 보였습니다.

arXiv cs.ROAI 작성

원문 공개 9월 18일

HOPHY, 하이퍼그래프로 오프로드 경로계획 79배 빨라져

연구진이 오프로드 경로 및 임무 계획을 위한 계층형 하이퍼그래프 기반 지형 표현 방식인 HOPHY를 공개했습니다. 실제 킬로미터급 지도와 클리어패스 재칼 로봇을 이용한 실험에서 100% 계획 성공률을 보였으며, 다중 로봇 임무 배정 문제에서는 연산량을 최대 79배까지 줄였습니다.

arXiv cs.ROAI 작성

원문 공개 9월 18일

FunArt, 단일 3D 스캔만으로 움직이는 부품 찾아내는 AI

연구진이 단 한 번의 정적 RGB-D 스캔만으로 물체의 움직이는 부품과 기능적 요소(손잡이 등)를 인식하고 움직임 방식까지 추정하는 프레임워크 'FunArt'를 발표했습니다. Articulate3D 데이터셋 테스트에서 기존 최고 성능 기법들을 여러 지표에서 앞섰습니다.

arXiv cs.ROAI 작성

원문 공개 9월 18일

로봇 조작 AI에 '예측 감각' 더한 새 학습법 등장

연구진이 3D 확산 정책(디퓨전 정책)에 명시적인 미래 경로 없이도 예측 능력을 부여하는 '무브먼트 트렌드 가이던스' 기법을 발표했습니다. RoboTwin2.0, LIBERO-40, 실제 로봇 실험에서 기존 DP3 정책보다 일관되게 높은 성공률을 보였으며, 파라미터는 3.52%만 추가됐습니다.

arXiv cs.ROAI 작성

원문 공개 9월 18일

로봇 없이도 가능한 인간 피드백 AI 학습법

연구진이 실제 로봇을 구동하지 않고도 시각-언어-행동(VLA) 모델을 인간 피드백으로 개선하는 HIL-UMI 프레임워크를 공개했습니다. 손으로 든 시연 도구에서 인간과 정책이 예측한 궤적을 비교해 가장 유용한 데이터만 선별하며, 일부 과제에서는 로봇 구동이 필요한 기존 상호작용 학습법보다 더 나은 성능을 보였습니다.

arXiv cs.ROAI 작성

원문 공개 9월 18일

인간 촉각 데이터로 로봇 손끝 감각 학습

연구진이 사람의 촉각 데이터를 활용해 로봇의 시각·촉각 예측 능력을 높이는 세계 모델 'DexTouch-WM'을 공개했습니다. 사람과 로봇 손에 동일한 압저항식 촉각 센서 배열을 부착하고, 로봇 데이터는 5시간으로 고정한 채 사람 상호작용 데이터를 0시간에서 100시간까지 늘렸을 때, 처음 보는 로봇 작업에서도 예측 성능이 크게 향상됐습니다.

arXiv cs.ROAI 작성

원문 공개 9월 18일

영상 기반 로봇 정책 학습, 샘플링 MPC로 속도 높인다

연구진이 샘플링 기반 모델예측제어(MPC)와 빠른 1차 정책 경사법을 결합한 학습 기법인 'Sampling-Guided Policy Search(SGPS)'를 발표했습니다. 시뮬레이션 상의 Unitree Go2와 G1 로봇으로 검증했고, 실제 Go2 로봇에 별도 미세조정 없이 그대로 적용해 온보드 깊이 센서만으로 트로트, 크롤, 장애물 통과 동작을 자율적으로 수행하고 전환하는 데 성공했습니다.

arXiv cs.RO메인 피드 게재AI 작성

원문 공개 8월 22일

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.

arXiv cs.ROAI 작성

원문 공개 8월 22일

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.

arXiv cs.ROAI 작성

원문 공개 8월 22일

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.

arXiv cs.ROAI 작성

원문 공개 8월 22일

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.

arXiv cs.ROAI 작성

원문 공개 8월 22일

Action-JND, 로봇 AI 모델 압축 신뢰성 높인다

연구진이 로봇의 행동을 바꾸지 않는 한도 내에서만 시각 토큰을 압축하는 기법 'Action-JND'를 제안했습니다. OpenVLA와 OpenVLA-OFT 모델로 LIBERO 벤치마크에서 실험한 결과, 특히 압축률이 높을 때 압축 신뢰성이 향상된 것으로 나타났습니다. 이는 최근 arXiv에 게재된 논문에서 보고된 내용입니다.