PAPERS

논문 트래커

arXiv cs.RO 신규 논문을 매일 수집해 한국어 요약을 붙입니다. 학회 채택 정보는 저자 코멘트에서 자동으로 추출합니다.

725건학회 채택 1건

2609.35651v12026.09.28

다중 로봇 궤적의 확산 잡음제거 계획

Denoising Multi-Robot Trajectories

Yuhao Zhang, Keisuke Okumura, Ajay Shankar, Amanda Prorok

D4orm은 GPU 병렬 연산을 활용한 샘플링 기반 최적화로 다중 로봇의 궤적을 생성하는 동역학 인식 확산-잡음제거(diffusion-denoising) 프레임워크다. 후보 제어 궤적에 대한 변형을 반복 최적화하여 운동역학적으로 실현 가능하고 충돌이 없는 경로를 산출한다. 이를 기반으로 확장성을 위한 분리형(decoupled) 플래너, 피드백 제어를 포함한 온라인 이동 지평선(receding-horizon) 플래너, 자원 제약 환경용 분산(distributed) 플래너 세 가지 아키텍처를 제시한다. 2D·3D 환경에서 차동 구동 및 홀로노믹 로봇을 대상으로 평가한 결과, D4orm 기반 접근법은 MPPI 및 학습 기반 확산 모델 방법보다 더 빠르고 안정적으로 고품질 해를 산출하는 것으로 나타났다. 실기 검증으로는 10대 쿼드로터에 대한 제로샷(zero-shot) 배포, 100대 시뮬레이션 로봇의 충돌 회피, 6대 지상 로봇의 분산 '영구 운용'이 수행되었다.

2609.35619v12026.09.28

CollisionSplatting: 이미지 조건부 목적 함수와 조절 가능한 보수성을 갖춘 3DGS 장면에서의 충돌 인식 경로 계획

CollisionSplatting: Collision-Aware Motion Planning in 3DGS Scenes with Image-Conditioned Objectives and Adjustable Conservatism

R. Khorrambakht, Joaquim Ortiz-Haro, Stephan Weiss, Ludovic Righetti

CollisionSplatting은 3D 가우시안 스플래팅(3DGS) 장면에서 직접 작동하는 GPU 가속 확률 기반 거리 메트릭으로, 충돌 회피의 민감도를 조절할 수 있는 보수성(conservatism) 파라미터를 제공한다. 학습된 이미지 조건부 보상 함수와 결합하면 기하학적 충돌 비용과 이미지 공간 목적 함수를 통합한 경로 계획이 가능해진다. 모델 예측 경로 적분(MPPI)과 급속 탐색 랜덤 트리(RRT) 계획기에 적용한 결과, 비교 기준 방법 대비 동등하거나 높은 충돌 분류 성능을 보이면서 충돌 검사 처리량은 크게 향상되고 VRAM 사용량은 감소했다. 실제 환경에서의 시각 유도 탐색 및 조작 작업에서도 유효성을 검증했다.

2609.35575v12026.09.28

F4R: 지속적 로봇 자기개선을 위한 실패 기반 인식·재구성·정제·재배포

F4R: Failure-Driven Recognition, Reconstruction, Refinement, and Redeployment for Continual Robot Self-Improvement

Zhuoyuan Yu, Jiacheng Wang, Tianle Liu, Yihua Ren, Peng Yu 외 11명

시각-언어-행동 모델(VLA)의 실환경 성능은 전문가 시연 데이터의 범위가 좁고 물리적 상호작용 이해가 부족해 한계를 보인다. F4R(Failure for Rising)은 실환경 실패 사례를 시뮬레이션으로 변환해 정책을 개선하는 실환경-시뮬레이션-실환경 폐루프(closed-loop) 학습 프레임워크다. 에이전트가 롤아웃에서 실패를 자동으로 진단하고, 해당 실패를 태스크 관련 공간·물리 조건을 보존하는 객체 중심 테이블탑 시뮬레이션 환경으로 재구성한다. 재구성된 환경에서 실패 조건 기반 시뮬-실환경 공동 학습(co-training)과 강화학습(RL)으로 정책을 정제한 뒤 재배포하며, 새로 관측된 실패는 다음 학습 사이클에 지속적으로 반영된다. 4가지 조작 태스크 실환경 평가에서 분포 내(In-Distribution) 성공률 93.75%, 분포 외(Out-of-Distribution) 성공률 90.0%를 달성했으며, 추가 실환경 교정 시연 없이 예산을 맞춘 Targeted BC 기준선 대비 OOD 조건에서 18.75%p 높은 성능을 보였다.

2609.35570v12026.09.28

EdgeVLN: 런타임 인식 기반 양자화 시각-언어 내비게이션 엣지 배포 모델

EdgeVLN: Runtime-Aware Deployment Ready Quantized Vision Language Navigation Model

Rithvik Jonna, Man Namgung, Aakash Gurram, Tinoosh Mohsenin

시각-언어 내비게이션(VLN) 모델은 고성능 플랫폼을 전제로 설계되어 메모리·전력이 제한된 로봇 엣지 디바이스에 직접 올리기 어렵다. 이 연구는 양자화된 StreamVLN 백본과 경량 인과 트랜스포머인 LATTE(Latent Trajectory Termination Extractor)를 결합한 EdgeVLN을 제안한다. LATTE는 정지 행동 검증 순위를 예측해 실시간 정지 판단을 개선하며, 양자화로 확보된 예산 안에서 백본 은닉 상태를 재활용하므로 추가 비전 인코더나 포워드 패스가 필요하지 않다. R2R VLN-CE 비출현 검증 에피소드 1,839개를 대상으로 평가한 결과, 4비트 IQ4 NL 모델에서 성공률(SR) 58.02%를 기록하며 BF16 기준선을 초과했다. NVIDIA Jetson Orin NX 16 GB에서 IQ4 NL은 11.35 GB 상주 메모리를 사용하면서, 스토리지 스트리밍 BF16 대비 20.8배 빠르고 13.3배 적은 에너지를 소비했다.

2609.35516v12026.09.28

Inspection-SPARS: 점검 계획을 위한 과제 지향 희소 로드맵

Inspection-SPARS: Task-Oriented Sparse Roadmaps for Inspection Planning

Adir Morgan, Oren Salzman, Kiril Solovey

검사(inspection) 계획은 주어진 관심 지점(POI, Points of Interest) 집합을 모두 관측하는 최단 충돌 회피 경로를 구하는 문제다. 샘플링 기반 방법은 밀집 로드맵 위에서 그래프 검사 계획(GIP, Graph Inspection Planning) 문제로 변환해 풀지만, 밀집 로드맵은 조합 탐색 공간이 커져 실용적인 시간 내에 좋은 해를 얻기 어렵다. Inspection-SPARS는 과제 무관(task-agnostic) 희소화 기법인 SPARS 프레임워크를 확장해, POI 커버리지를 연결성·경로 품질과 함께 희소화의 1순위 기준으로 통합한 기법이다. 현실적인 3D 환경 실험에서 정점·간선 수를 4~8배 줄이면서 커버리지를 유지하고, GIP 솔버가 밀집 로드맵 대비 최대 25% 짧은 순회 경로를 계산하도록 했다.

2609.35493v12026.09.28

사족보행 탐사 로봇의 외수용-고유수용 매핑을 활용한 지형 인식 자율 행성 탐사

Terrain-Aware Autonomous Planetary Exploration for Exteroceptive-Proprioceptive Mapping with Quadruped Scouts

Alberto Sanchez-Delgado, João Carlos Virgolino Soares, Victor Barasuol, Claudio Semini

이 논문은 달 표면과 유사한 환경에서 사족보행 로봇이 미지의 지형을 자율 탐사하는 프레임워크를 제안한다. 온보드 RGB-D 카메라로 로봇 중심 고도 지도를 구축하고 기하학적 통과 가능성(traversability)을 추정해 자율 경로 계획에 활용한다. 외수용(exteroceptive) 정보와 함께 고유수용(proprioceptive) 측정값이 로봇-지형 상호작용 정보를 제공하며, 두 정보는 전역 다층 지도에 통합된다. 탐사 모듈은 미탐사 관심 영역에서 목표 지점을 선정하고, 자율 항법 시스템이 충돌 회피 이동을 수행한다. NVIDIA Isaac Sim 시뮬레이션 결과, 지형 정보 축적 이후의 이동이 초기 탐사보다 평균 수송 비용(Cost of Transport, CoT)이 낮게 나타났다.

2609.35482v12026.09.28

ForVis: 산림 수관 하부 UAV 비행 기반 VIO 현장 데이터셋 및 벤치마크

ForVis: An In-Field Dataset and Benchmark for VIO Using Under-Canopy UAV Flights in Forests

Arman Kiani, Masoud Ataei, Elvis Gyaase, Jeffrey Eiyike, Aaron Weiskittel 외 2명

ForVis는 산림 환경에서의 UAV 비행 중 시각-관성 동시 위치 추정 및 지도 작성(VI-SLAM) 성능 평가를 위한 현장 데이터셋과 벤치마크다. 데이터셋은 개방 초원·수관 상부·수관 하부 세 가지 조건에서 총 12회 비행을 포함하며, 563.8초 비행과 1,096.8m 궤적으로 구성된다. Intel RealSense D435i와 OAK-D Pro Wide 두 센서로 동시 기록하였고, 관성 및 비행 컨트롤러 데이터도 함께 제공한다. 7개의 오픈소스 VI-SLAM 시스템을 504회 실행하여 벤치마크한 결과, 알고리즘 간 성능 차이보다 센서 선택이 궤적 오차에 더 큰 영향을 미치는 것으로 나타났다. 7가지 방법 모두 D435i보다 OAK-D Pro Wide에서 낮은 중앙값 오차를 기록했다.

2609.31606v12026.09.25

희소 성공 신호로부터 로봇 정책 학습: STL-Guided Stein Variational Policy Gradient

Learning Robot Policies from Sparse Success Signals via STL-Guided Stein Variational Policy Gradient

Hongrui Zheng, Cristian Ioan Vasile, Antonio Loquercio, Rahul Mangharam

희소 성공 신호 환경에서 로봇 정책을 학습하는 것은 정밀한 접촉 결과나 다중 조건의 동시 충족이 필요한 경우 어렵다. 기존의 보상 형성(reward shaping) 기법은 밀집 피드백을 제공하지만, 지역적 진행이 전체 태스크 완수로 이어지지 않는 문제가 있다. 저자들은 신호 시제 논리(STL, Signal Temporal Logic) 기반 Stein Variational Policy Gradient인 STL-SVPG를 제안하며, 이는 부드러운 STL 강건도(robustness)를 궤적 수준 학습 목표로 사용하는 집단 기반(population-based) 방법이다. 동역학을 통한 목표 미분으로 지역 진행이 아닌 전체 태스크 명세에 따라 각 행동의 기여를 평가한다. 쿼드콥터와 매니퓰레이터를 포함한 6개 태스크 실험에서 비교 방법 대비 5개 벤치마크에서 가장 높은 평균 성공률을 기록했으며, 시뮬레이션 학습 정책이 실환경으로 전이되었다.

2609.31577v12026.09.25

Generate, Track, Improve: RL 파인튜닝 모션 생성기를 활용한 인지 기반 멀티스킬 휴머노이드 이동

Generate, Track, Improve: Perceptive Multi-Skill Humanoid Locomotion with RL-Fine-Tuned Motion Generators

Zachary Olkin, William D. Compton, Aaron D. Ames

이 연구는 휴머노이드 로봇의 다기능 이동을 위한 2단계 로코모션(locomotion) 아키텍처를 제안한다. 1단계는 원시 깊이(depth) 이미지에서 전신 궤적을 계획하는 플로우 매칭(flow matching) 모션 생성기이며, 2단계는 제어 가이드 강화학습(RL)으로 훈련된 추적 정책이 생성된 모션을 따른다. 두 정책은 동적으로 최적화된 인간 동작 데이터 기반의 지형 일관성 모션 클립 라이브러리로 훈련된다. 핵심 기여는 어드밴티지 가중 회귀(advantage weighted regression)를 활용한 오프-폴리시(off-policy) RL 파인튜닝 루프로, 온-폴리시 잔차 파인튜닝 대비 샘플 효율이 높고 미지의 지형·기술 조합에서 일관성이 향상된다. Unitree G1 휴머노이드를 대상으로 한 실외 실험에서 지형 통과 성공률이 최대 25 퍼센트포인트, 기술 선택 정확도가 최대 80 퍼센트포인트 개선되었다.

2609.31507v12026.09.25NeurIPS

SatNav: 위성 영상 기반 장거리 UAV 시각-언어 내비게이션 확장형 벤치마크

SatNav: A Scalable Benchmark for Long-Horizon UAV Vision-Language Navigation from Satellite Imagery

Jiajun Jiang, Chunliang Hua, Zichun Chen, Yanxing Wu, Zeyuan Yang 외 2명

SatNav는 비용이 높은 3D 재구성 자산 의존도를 줄이기 위해 고해상도 위성 영상을 활용해 구축한 UAV 시각-언어 내비게이션(VLN) 벤치마크다. 자동화된 파이프라인으로 18개 도시 59개 장면에서 118,000개 에피소드를 생성했으며, 평균 궤적 길이는 379m다. 루프 진행 추적, 랜드마크 기반 공간 추론, 계수 단서 포함 경로 추종을 각각 목표로 하는 Boundary·Landmark·Route 세 가지 과제 유형으로 장기 메모리와 지리공간 추론 능력을 평가한다. 전환 가능한 메모리 구성요소를 갖춘 모듈형 프레임워크 SwiftVLN을 함께 제안하고 메모리 설계 절삭(ablation) 실험을 수행했다. 위성 영상으로 훈련한 내비게이션 모델이 실제 UAV 비행 관측 데이터에서도 동작함을 전이(transfer) 실험으로 확인했다.

2609.31452v12026.09.25

로봇 천 펼치기를 위한 비전 기반 6-DoF 파지 자세 추정

Vision-Based 6-DoF Grasp Pose Estimation for Robot Cloth Unfolding

Domen Tabernik, Peter Nimac, Jan Jerićević, Danijel Skočaj, Andrej Gams

천 조작은 변형 가능하고 고차원적인 특성으로 인해 폴드·엣지·파지 지점의 잦은 폐색(occlusion)이 발생해 복잡한 지각 문제를 야기한다. 본 연구는 한 매니퓰레이터가 천을 고정하고 다른 쪽이 최적 지점에서 파지해 펼치는 공중 재파지(regrasping-in-the-air) 전략을 적용하며, 관측된 천 형상에서 유효 파지 지점과 6자유도(6-DoF) 파지 자세를 동시에 예측하는 딥러닝 프레임워크 CeDiRNet-6DoF를 제안한다. 밀집 3D 파지 회귀(dense 3D grasp regression)와 분할(segmentation), 사인-코사인 인코딩된 오일러 각도를 결합해 펼쳐진 천 면적을 최대화하는 파지 구성을 추정한다. ICRA 2024 Cloth Competition 프레임워크 기반의 양팔 로봇 실기 환경에서 평가했으며, 공동 분할·배경 무작위화·이미지 크롭의 기여를 절제 연구(ablation study)로 검증했다.

2609.31439v12026.09.25

컴플라이언스 활용 학습: 로봇 삽입을 위한 정책-어드미턴스 학습 프레임워크

Learning to Leverage Compliance: A Policy-Admittance Learning Framework for Robotic Insertion

Chongren Wang, Minghe Li, Honghua Dai, Zhicheng Lin, Shiyang Wei 외 1명

LeCo(Leverage Compliance)는 고정 어드미턴스(admittance) 제어 하에서 시각 정책이 실행 중 접촉 상호작용을 활용하도록 학습하는 정책-어드미턴스 학습 프레임워크다. 기존 결합 방식에서는 정책이 접촉 중 계속 힘을 가하는 반면 컨트롤러가 위치를 양보하여 두 요소가 서로 상충되는 문제가 발생한다. 다중주기(multirate) 피드백 메커니즘이 고속 접촉 기록을 정책 전이 보상으로 집계하며, 충돌 비용(conflict cost)과 고하중 꼬리 비용이 비생산적인 하중을 줄이도록 정책을 유도한다. 실기 4종 커넥터 조립 과제에서 통합 성공률 94%를 기록했으며, 합력 피크와 토크 피크가 비교 기준 대비 각각 약 30%, 64% 감소하였다. 충돌 형성(conflict shaping) 보상을 추가하면 성공 시도의 충돌 밀도 중앙값이 약 53% 줄어드는 것으로 나타났다.

2609.31434v12026.09.25

ExoLaN: 외골격을 위한 물리 일관성 문맥 인식 동역학 학습

ExoLaN: Physics-Consistent Context-Aware Dynamics Learning for Exoskeletons

Lucas Schulze, Maximilian Schwarz, Jona Hoppe, Jan Peters, Oleg Arenz

ExoLaN은 인간-외골격(exoskeleton) 상호작용에서 결합 시스템 전체의 동역학을 학습하는 문맥 인식(context-aware) 심층 라그랑지안 네트워크(Deep Lagrangian Network, DeLaN) 기반 모델이다. 기존 물리 일관성 방법은 특정 사용자에게 재학습 없이 적응하지 못하고 보행 중 간헐적 접촉도 처리하지 못했으나, ExoLaN은 시간적 문맥과 힘 감지 인솔(force-sensitive insoles)의 부분 접촉력 측정값을 결합해 잠재 동역학 임베딩(latent dynamics embedding)을 추론하고 일반화된 접촉 토크를 추정한다. 7명의 미경험 사용자가 21가지 미경험 과제를 수행한 실험에서 블랙박스 기준 모델 대비 토크 추정 MSE를 7% 줄였다. 다단계 예측 손실(multi-step prediction loss)로 학습하면 가속도 MSE가 59% 감소하고, 장기 위치·속도 오차가 각각 60%·93% 줄어든다. 학습된 잠재 문맥은 명시적 과제 레이블 없이도 과제 정보를 포착해 과제 인식(task-aware) 보조 제어 신호로 활용 가능하다.

2609.31418v12026.09.25

CognitiveReality: 몰입형 협업 VR 원격조작을 위한 LLM 에이전트 기반 로봇 무관 시맨틱 가우시안 매핑

CognitiveReality: Robot-Agnostic Semantic Gaussian Mapping with an LLM Agent for Immersive Collaborative VR Teleoperation

Timofei Kozlov, Dmitrii Maliukov, Andrey Marchenko, Dmitrii Plotnikov, Miguel Altamirano Cabrera 외 1명

CognitiveReality는 로봇의 RGB-D 스트림을 실시간 시맨틱 Gaussian-TSDF 맵으로 변환해 VR 운영자와 언어 에이전트가 공유하는 원격조작(teleoperation) 시스템이다. 단일 매퍼 바이너리가 SLAM 포즈·관절 기구학·모션 캡처 등 다양한 위치 추정 소스를 수용하며, SLAM 신호 단절 시 shadow tracker와 키프레임 기반 PnP(Perspective-n-Point)로 1~8 cm 이내 자세 오차를 유지한다. 오픈 어휘(open-vocabulary) 인스턴스 정체성을 2 Hz로 갱신하고, 운영자의 음성·컨트롤러 레이를 장면 내 영속 객체에 연계해 로봇 행동 명령을 확인 절차를 거쳐 실행한다. 에이전트 평가에서 로컬 배포된 Qwen3-VL-8B 라우터는 도구 정확 매칭(tool exact match) 81.24%를 기록했으며, Gaussian+SDF 베이스라인 대비 2~8 dB 개선을 나타냈다. 두 대의 사족보행 로봇에 실배포해 탐색 요청 30건 중 26건, 재관측 요청 20건 전부를 수행하고 객체 품질을 2~5 dB 향상시켰다.

2609.31412v12026.09.25

dRVG: 미지 환경에서 다각형 로봇을 위한 쿼드트리 기반 해상도-완전 온라인 모션 플래닝

dRVG: Quadtree-Guided, Resolution-Complete Online Motion Planning for Polygonal Robots in Unknown Environments

Duo Zhang, Hechen Zhang, Junshan Huang, Jingjin Yu

dRVG(dynamic rotation-stacked visibility graph)는 초기 미지의 정적 환경에서 다각형 로봇을 목표 지점까지 안내하는 온라인 모션 플래너(motion planner)이다. 연속 관측으로 얻은 국소 로드맵(local roadmap)을 병합해 균일 위치 격자 없이 충돌 없는 이동 및 회전 경로를 계획한다. 공간 쿼드트리(quadtree)로 감지 목표를 영역별로 분산 배치하여 반복 방문을 줄이면서 모든 방향 설정을 경로 탐색에 유지한다. 정확한 감지·기하 계산 및 별 모양(star-shaped) 로봇 가정 하에서 동일 각도 해상도의 전체 맵 RVG 대비 해상도-완전성(resolution-completeness)이 이론적으로 보장된다. 실험에서 20개 맵·7개 각도 해상도의 140개 사례를 20초 예산 내에 전부 해결하였으며, 360 방향 레이어 기준 중앙값 계획 시간은 1.18초로 나타났다.

2609.31396v12026.09.25

인간-로봇 협업을 위한 증강현실 인터페이스: ROS 2 기반 센서 스트리밍 프레임워크 개발 및 SLAM 알고리즘을 통한 검증

Augmented Reality Interfaces for Human-Robot Collaboration: Development of a ROS 2-Based Sensor Streaming Framework and Validation via SLAM Algorithms

Alessandro Rubert, Stefano Ghidoni, Matteo Terreran

이 연구는 Magic Leap 2 AR 헤드셋과 ROS 2(Robot Operating System) 생태계를 연결하는 센서 스트리밍 프레임워크를 개발했다. Unity 개발 환경과 ROSTCP-Connector 패키지를 사용해 헤드셋 탑재 애플리케이션을 구현했으며, 포즈 추적·카메라·환경 센서 데이터를 실시간으로 취득해 ROS 2 토픽에 게시한다. 프레임워크의 정확도, 지연 시간, 견고성은 기존 문헌에 알려진 SLAM(동시 위치추정 및 지도작성) 알고리즘을 활용한 실험으로 검증했다. 실험 결과, 제안된 아키텍처가 안정적인 데이터 전송을 보장하는 것으로 나타났으며, 복잡한 인간-로봇 협업(HRC) 환경에서 로봇 시스템 제어 및 감독을 위한 기반을 마련한다고 저자들은 밝혔다.

2609.31394v12026.09.25

InternW0-Δ: 예측 역학과 행동을 연결하는 월드 액션 모델 — 20K+ 시간 공개 데이터 활용

InternW0-Δ: A World Action Model Bridging Predictive Dynamics and Actions with 20K+ Hours of Open Data

Xingyu Miao, Zizun Li, Baole Fang, Kaiwen Song, Tenghui Wang 외 43명

세계 행동 모델(WAM, World Action Model)은 시각적 역학과 행동 생성을 함께 모델링하는 범용 로봇 조작 접근법이다. InternW0-Δ는 혼합 트랜스포머(MoT, Mixture-of-Transformers) 구조 안에서 사전학습된 비디오 전문가와 행동 전문가를 결합하며, 동결된 시각-언어 모델(VLM)의 의미론적 안내 아래 4D 기하·움직임 사전 지식을 학습 시 증류(distillation)로 주입한다. 새로 제안된 Causal Imprint 기법은 훈련 시에만 미래 감독 신호를 활용해 예측적 표현을 학습하며, 추론 시에는 미래 비디오 롤아웃 없이 행동 전문가에 직접 전달된다. 학습 코퍼스는 로봇 시연, UMI 데이터, 자기중심 인간 시연, Ego2Robot 데이터를 포함하는 이종 데이터셋으로 구성되며 처리된 규모는 20,000시간 이상이다. 시뮬레이션 벤치마크와 실제 로봇 플랫폼에서 기존 방법 대비 우수한 성능을 보였으며, 훈련 코드·모델 가중치·데이터 처리 파이프라인을 오픈소스로 공개할 예정이다.

2609.31386v12026.09.25

하중 적응형 중력 평형 메커니즘의 모델링 및 생성형 AI 기반 설계

Modeling and Generative-AI-Based Design of Load-Adaptive Gravity Balancing Mechanisms

Ryotaro Kayawake, Kazuki Abe, Shota Miyake, Masahiro Watanabe, Kenjiro Tadakuma

하중 적응형 중력 평형 메커니즘(LA-GBM)은 페이로드 변화에 수동적으로 반응하여 다양한 부하 조건을 수용하지만, 원하는 메커니즘 운동과 가변 페이로드 하의 정적 평형을 동시에 만족해야 해 설계가 어렵다. 이 연구는 특정 메커니즘 구조나 기계 요소에 의존하지 않는 일반적 LA-GBM 설계 방법론을 제안한다. LA-GBM의 포텐셜 에너지 필드 필요 조건을 정식화하고, 페이로드 질량 효과를 나타내는 아핀(affine) 형태와 하중 적응 및 중력 균형 상태 전이를 나타내는 인수분해(factorized) 형태 두 가지 일반 형식을 도출한다. 이 두 형식을 생성형 AI에 설계 요구사항으로 제공해 후보 포텐셜 함수를 생성하고, 생성된 함수는 두 형식과 유효 LA-GBM 조건에 대한 적합성을 해석적으로 검증한다. 검증된 포텐셜 함수는 개별 항으로 분해되며, 스프링·균형추·함수 생성 링크 메커니즘을 조합해 LA-GBM을 구성하는 예시를 제시한다.

2609.31383v12026.09.25

끝점 제약 궤적 최적화를 활용한 종단간 주행 모델 개선

Guiding End-to-End Driving Models with Endpoint-Constrained Trajectory Optimization

Brayden Zhang, Mahsa Golchoubian, Igor Gilitschenski, Boris Ivanovic, Kashyap Chitta

종단간(end-to-end) 자율주행 정책은 개방 루프(open-loop) 행동 복제로 학습하지만 실제 차량에서는 폐쇄 루프(closed-loop)로 동작해 훈련·실행 간 괴리가 발생한다. 저자들은 이 괴리의 보완적 원인으로, 웨이포인트(waypoint) 기반 지도와 변위 지표가 중간 궤적의 물리적 정합성을 보장하지 못함을 제시한다. 이를 해결하기 위해 ECO(Endpoint-Constrained Optimization)를 제안하며, 지도·시뮬레이터 내부 상태·추가 학습 없이 예측된 끝점을 유지하면서 중간 웨이포인트를 재형성하는 경량 후처리 레이어로 구성된다. HUGSIM 벤치마크에서 ECO는 VaVAM의 HD-Score를 18.1에서 31.0으로 향상시켜 HUGSIM Closed-Loop Driving Challenge 1위를 달성했다. AlpaSim에서는 VaVAM과 DiffusionDrive의 장면 점수를 각각 123%, 22% 높였다.

2609.31374v12026.09.25

RECAST: 로그 재생에서 뷰 완전 행위자를 활용한 폐루프 주행 시뮬레이션으로

RECAST: From Log Replay to Closed-Loop Driving Simulation with View-Complete Actors

Zijun Zhao, Liewen Liao, Kang Shen, Songan Zhang, Ming Yang

RECAST(REconstructing Controllable Actors for Simulation and Testing)는 3차원 가우시안 스플래팅(3D Gaussian Splatting) 기반 프레임워크로, 주행 로그의 단일 분할 차량 관측으로부터 뷰 완전(view-complete) 행위자를 생성해 재구성된 장면에 등록한다. 기존 데이터 기반 시뮬레이터는 희소한 관측으로 동적 행위자를 재구성하기 때문에 기록된 궤적을 벗어난 시점 변화에서 렌더링 아티팩트가 발생하는 한계가 있다. 실제 차량에 이미지-3D 사전 지식을 적응시키기 위해 약 2만 대의 실제 차량과 60만 장의 배경 없는 RGBA 이미지로 구성된 RECAR 데이터셋을 추가로 제시한다. 장면 수준에서 로그 궤적을 벗어난 행위자 이동 시, Street Gaussians 대비 FD_incep이 129.35에서 112.10으로 감소하고 CLIP_margin(×1000)이 0.14에서 3.47로 증가한다. 이미지 조건부 플래너 GTRS-Dense와의 폐루프 평가에서 무충돌(NC) 비율이 22.2%(12/54)에서 63.0%(34/54)로, 평균 최소 예측 충돌-여유 시간(TTC)이 0.798초에서 2.150초로 향상된다.