A robot controller written directly into neural-network weights, in ROS 2 and Gazebo
요약
"Sparks of Weight-Space Programming" 논문에서 착안해, 신경망 가중치를 직접 저작하는 방식으로 로봇 내비게이션 행동을 구현하는 실험을 진행했다. 구조는 26→16→16→2 tanh 다층 퍼셉트론(MLP)으로, 가중치와 편향 738개 중 최종본에서 78개만 비영(非零) 값을 가진다. AI 모델 Fable 5.1이 가중치를 작성·수정하고, ROS 2 노드가 이를 실행해 속도·조향 신호로 변환한다. 네트워크는 감소된 라이다(lidar) 측정값을 입력받으며, 조향 루프 안에 지도·경로 계획기·LLM 호출이 없는 반응형(reactive) 제어만 수행한다. Gazebo 시뮬레이터에서 두 방과 출입구로 구성된 환경을 세 바퀴 도는 미션으로 검증했다.
큐레이터 노트
원문에 없는 맥락입니다
Gazebo 시뮬레이션 전용 실험이며 전체 내비게이션 스택을 대체하지 않는다고 저자 스스로 밝혔으므로, 실기(real-world) 환경에서의 성능은 아직 알 수 없다. 본문이 중간에 잘려 있어 실패 사례 분석 등 후반부 내용은 확인이 불가능하다.
이 글은 원문을 요약한 큐레이션입니다. 수치·스펙은 원문 표기를 유지했습니다. 이 글은 AI의 도움을 받아 작성했습니다. 로봇 발표는 제조사·연구실 보도자료가 많으므로 검증된 결과와 구분해 읽으세요.