PAPERS

논문 트래커

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

725건

2608.24525v12026.08.25

RoG-DAgger: 엔드투엔드 자율주행을 위한 롤아웃 가이드 사후 학습

RoG-DAgger: Rollout-Guided Post-Training for End-to-End Driving

Liangyu Zhong, Joachim Sicking, Fabian Hueger, Hanno Gottschalk

엔드-투-엔드(end-to-end) 자율주행 시스템은 대부분 고정된 전문가 데이터로 개루프(open-loop) 모방 학습을 수행하기 때문에, 정책이 유발한 상태에서 오류가 누적되는 훈련-추론 불일치 문제가 발생한다. 이를 해결하기 위해 제안된 RoG-DAgger는 단기 지평선 운동학적 롤아웃(short-horizon kinematic rollout)을 활용해 안전 위기 상태에서 고품질 전문가 시연을 구성하는 사후 훈련(post-training) 프레임워크다. 전문가의 궤적·속도 해 공간을 확장하고 롤아웃 해결 가능성(rollout solvability)으로 인계 시점을 복구 불가능 지점 직전에 결정하며, 전문가의 시야를 학습자와 일치시켜 호환 가능한 지도 신호를 제공한다. Bench2Drive 벤치마크에서 기준 모델 SimLingo 대비 주행 점수 5.3점, 성공률 6.2%p가 향상되었으며, Longest6 v2에서는 주행 점수가 22에서 44로 두 배 증가하고, Fail2Drive의 분포 외(out-of-distribution) 성공률은 55%에서 66%로 개선되었다.

2608.24485v12026.08.25

NeuralParker: 불규칙 주차 환경을 위한 강화학습 플래너

NeuralParker: A Reinforcement Learning Planner for Irregular Parking Environments

Zihan Wang, Bai Huang, Yang Guan, Xiao Li, Haoyu Xu 외 2명

NeuralParker는 표시된 주차 구획이 없는 불규칙한 환경에서 배송·서비스 차량이 운영자가 지정한 임의 자세로 주차할 수 있도록 설계된 강화학습(RL) 기반 하이브리드 플래너다. 기존 학습 기반 주차 플래너가 지역 관측에 의존해 장거리 경로 추론이 어렵다는 한계를 해결하기 위해, 전체 환경의 장애물·경계 형상을 목표 상대 정점(vertex) 표현으로 인코딩해 정책이 접근 전 과정에서 경로 맥락을 유지하도록 한다. 학습된 곡률-길이 호(arc) 정책과, 곡률 정규화 비용으로 다양한 3차 에르미트(cubic Hermite) 연결 중 최적을 선택하는 인루프 터미널 앙상블을 결합한다. 팩토리얼 및 장거리 경로 선택 벤치마크 실험에서 NeuralParker는 비교 기준선 대비 더 높은 계획 성공률과 우수한 궤적 품질을 달성했다. 실제 차량 평가를 통해 실제 배송 차량 인식 환경에 낮은 연산 비용으로 효과적으로 이전됨을 확인했다.

2608.24366v12026.08.25

비대칭 센서 열화 환경에서 강건한 엔드투엔드 자율주행을 위한 분산 기반 공간 어텐션 융합

Variance-Guided Spatial Attention Fusion for Robust End-to-End Driving under Asymmetric Sensor Degradation

Weizhi Tao, Zengwang Jin, Xiao Wang, Hailong Huang

카메라와 라이다(LiDAR)를 융합하는 엔드-투-엔드 자율주행 파이프라인은 특정 모달리티 전체 또는 일부 공간 영역이 손상되는 비대칭 센서 열화(asymmetric sensor degradation) 상황에서 취약하다는 문제가 있다. 이를 해결하기 위해 분산-유도 공간 어텐션 융합(Variance-Guided Spatial Attention Fusion, VG-SAF) 프레임워크를 제안한다. VG-SAF는 세 구성 요소로 이루어진다: 물리적 근거 기반 데이터 증강기가 카메라·라이다 고장을 시뮬레이션하고 연속형 공간 마스크를 생성해 추가 레이블 없이 밀집 감독 신호를 제공하고, 모달리티별 전문가 네트워크가 로그 공간 교차 브랜치 밀집 증류를 통해 픽셀 단위 신뢰도를 예측하며, 보정된 신뢰도 맵이 하이브리드 어텐션 메커니즘을 구동해 신뢰도가 낮은 셀을 억제하고 모달리티 간 신뢰도를 크로스-모달 소프트맥스로 조정한다. 또한 Laplace 불확실성 헤드가 경로점(waypoint) 단위의 시스템적 불확실성 척도를 출력해 훈련 범위를 벗어난 고장 조건에서도 경고 신호를 제공한다. CARLA Longest6 벤치마크에서 카메라 단독, 라이다 단독, 복합 열화 시나리오 모두에 걸쳐 주행 점수·경로 완주율·위반 점수가 기준 모델 대비 향상되었다.

2608.24282v12026.08.25

CARE: 적응형 LiDAR 센싱의 최초 탐지를 위한 카메라 잔차 예비

CARE: Camera-Residual Reserves for First Sightings in Adaptive LiDAR Sensing

Jiachen Gong, Yun Li, Ehsan Javanmardi, Wencan Mao, Manabu Tsukada

CARE(CAmera-REsidual reserve)는 자율주행 환경에서 이력 기반 적응형 라이다(LiDAR) 스캐닝이 처음 등장하는 물체를 늦게 감지하거나 놓치는 문제를 해결하기 위해 제안된 학습 불필요(training-free) 레이 예산 배분 규칙이다. 고정된 레이 예산 중 일부를 이전 추적 예측으로 설명되지 않는 현재 카메라 감지 방향에 예약하고, 나머지는 기존 이력 정책을 따르며 미사용 예약분은 무작위 탐색에 반환한다. nuScenes 데이터셋(150개 장면, 4,148개 이벤트) 평가에서 CARE는 10%, 20%, 35% 예산 조건에 대해 이력 기반 정책 대비 첫 감지(first-sighting) 재현율을 각각 5.2, 5.2, 4.3포인트 향상시켰다. 속도 의존 안전 거리(guard distance)를 적용한 망각 모듈(forgetting module)이 멀어지거나 정적인 물체에 배정된 예산을 회수하며, 가드 없이 망각을 적용하면 근거리 재현율이 크게 저하되는 것으로 나타났다. 실차 및 폐루프 시뮬레이션에서 차폐된 보행자를 이력 기반 스캐닝보다 더 일찍 감지하고 더 안정적으로 제동하는 결과를 보였다.

2608.24242v12026.08.25

로봇 조작을 위한 내구성 있는 비전 기반 촉각 손끝 센서

A Durable Vision-Based Tactile Fingertip for Robotic Manipulation

F. Richard Cottrell, Megha H. Tippur, Edward H. Adelson

이 연구는 시각 기반 촉각 센서(vision-based tactile sensor)의 내구성 취약 문제를 해결하기 위해 열가소성 폴리우레탄(thermoplastic-polyurethane, TPU) 보호 필름과 교체 가능한 감지 카트리지를 결합한 촉각 핑거팁을 제안한다. 내구성 평가는 회전 드럼 샌딩 테스트와 39.2 N(4.0 kgf) 하중을 분당 45회 반복 가압하는 두 가지 가속 실험으로 수행되었다. 개발된 센서는 샌딩 조건에서 약 2~3시간 후 보호 필름 파손에 도달한 반면, 비교 대상인 GelSight Mini와 DIGIT 상용 센서는 각각 약 24~30초 만에 파손이 시작되었다. 반복 가압 실험에서는 개발된 센서 9개 전부가 최소 5일~최대 8일간 기능을 유지했으나, 두 상용 센서는 25~35분 내에 파손이 발생했다. 정의된 가속 실험 조건 기준으로 내구성이 두 자릿수 이상 향상되었으며, 점진적인 손상 진행과 빠른 카트리지 교체 방식이 유지 관리 가능성을 높인다고 연구진은 밝혔다.