PAPERS

논문 트래커

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

725건학회 채택 3건

2610.40632v12026.10.29

SymAnt: 적응형 기호 사전을 활용한 장기 행동 예측

SymAnt: Grounding Long-Horizon Action Anticipation with Adaptable Symbolic Priors

Fnu Aryan, Yaqi Xie, Joseph Campbell, Woojun Kim, Kwonjoon Lee 외 4명

SymAnt는 신경망과 장면 그래프(scene graph)·지식 그래프(knowledge graph)를 결합한 신경-기호(neuro-symbolic) 방식의 장기 행동 예측(long-horizon action anticipation) 모델이다. 짧은 영상이 입력되면 두 그래프를 동시에 탐색해 공간 관계, 객체 속성, 어포던스(affordance), 연관 행동을 통합 추론하는 기호적 맥락(symbolic context)을 구성한다. 이 기호적 맥락을 사전(prior)으로 삼아 미래 행동 시퀀스를 반복적으로 생성·개선한다. 파라미터 효율적인 구조이며, 사용자가 지식 그래프를 직접 수정해 추가 학습 없이 예측을 조정할 수 있다. Breakfast, 50 Salads, EPIC-KITCHENS, EGTEA Gaze+, Assembly101 등 5개 데이터셋에서 짧은 관측 구간 조건에서의 유효성을 검증하였다.

2610.40600v12026.10.29

연속체 로봇 간 재배치 가능한 자기 커플링을 위한 컨베이어 벨트 메커니즘

A Conveyor Belt Mechanism for Repositionable Magnetic Coupling Between Continuum Robots

Ella Walsh, Eric Diller, Jessica Burgner-Kahrs

이 연구는 건인 구동(tendon-driven) 연속체 로봇(continuum robot) 몸체를 따라 기능 요소를 능동적으로 연속 재배치할 수 있는 컨베이어 벨트 메커니즘을 제안한다. 직경 9 mm의 연속체 로봇에 최대 3개의 컨베이어 벨트 메커니즘을 통합하였으며, 컨베이어 벨트 구동력은 건인 구동력과 동등하거나 그보다 작은 수준으로 나타났다. 개념 증명으로 두 컨베이어 벨트에 영구 자석을 장착해, 로봇 운용 중 로봇 간 커플링 지점의 위치와 수를 능동적으로 조절할 수 있음을 시연하였다. 유효 강성(effective stiffness)은 커플링 위치에 대해 역세제곱(inverse-cubic) 관계를 따르며, 커플링 지점 수가 증가할수록 함께 높아지는 것으로 확인되었다.

2610.40565v12026.10.29

Gym-Anything for Robotics: 디지털 에이전트를 활용한 물리 시뮬레이션 확장

Gym-Anything for Robotics: Scaling physical simulations with digital agents

Pranjal Aggarwal, Sean Welleck

Gym-Anything for Robotics는 코딩 에이전트가 로봇공학 시뮬레이션을 자동으로 생성하는 프레임워크다. 경제적으로 가치 있는 물리 작업을 선정하기 위해 미국 GDP 데이터를 기준으로 삼고, 적대적 생성-감사 루프(adversarial creation-audit loop)를 통해 각 시뮬레이션과 과제의 품질을 검증한다. 이 파이프라인으로 구축된 벤치마크 RoboWorld는 25개의 시뮬레이션과 25개의 테스트, 175개의 학습용 강화학습(RL) 환경으로 구성된다. 현재 최고 수준의 프론티어 모델들은 RoboWorld 테스트 과제에서 평균 보상 0.06을 기록해 모든 과제에서 실패했다. 문맥 내 학습, 특권 교사(privileged teacher), 자기 보조 학습, 시각-언어-행동 모델(VLA) 학습용 코드 정책 등 여러 개선 방법을 제안하며, 각각 성능 향상 효과를 보였다.

2610.40559v12026.10.29

변형 물체의 형상 서보잉 튜토리얼 - 1부: 기초

A Tutorial on Shape Servoing of Deformable Objects-Part I: Fundamentals

Ignacio Cuiral-Zueco, Alessio Caporali, Miguel Aranda, Gianluca Palli, Gonzalo López-Nicolás 외 1명

형상 서보잉(shape servoing)은 변형 가능한 물체를 목표 형상으로 자동 조작하는 로봇 제어 기법으로, 로봇 동작과 형상 변화 간의 관계를 피드백 루프에 활용한다. 이 관계는 변형 야코비안(deformation Jacobian)으로 표현되며, 물체의 기계적 특성·형상·경계 조건에 의존한다. 이러한 특성을 정밀하게 모델링하기 어렵기 때문에, 정밀 역학 모델 없이도 명령된 로봇 동작에서 관찰된 형상 변화로부터 야코비안을 온라인으로 추정할 수 있다. 이 논문은 데이터 기반 야코비안 기반 형상 제어에 관한 2부작 튜토리얼의 1부로, 형상 제어 문제 정식화, 형상 표현, 야코비안 추정 및 온라인 갱신, 표준 제어 법칙을 다루고 제어 루프의 국소 안정성 조건을 도출한다. 개념 설명은 두 로봇 팔이 탄성 막대를 조작하는 2D 평면 시뮬레이션 예제를 통해 이루어진다.

2610.40539v12026.10.29

PhysVLMM: 로봇 씬 맵 속 관절 객체를 위한 상호작용 조건부 물리 신념 맵

PhysVLMM: Interaction-Conditioned Physical Belief Maps for Articulated Objects in Robot Scene Maps

Dibyendu Ghosh

PhysVLMM은 이동 로봇이 문·서랍 같은 관절 객체(articulated object)를 조작할 때 필요한 물리적 거동 정보를 시각-언어-모션 맵(Vision-Language-Motion Map)에 유지하는 방법이다. 각 관절 부위의 당김 결과를 점 추정 대신 사후 확률 분포(posterior)로 관리하며, 관측된 부위의 증거를 외관이 유사한 미접촉 부위에 폐쇄형(closed-form)으로 전파한다. 또한 플래너(planner) 쿼리에 대해 명시된 위험 수준 내에서 행동 성공 여부를 반환하거나 불확실성이 높을 경우 판단을 유보한다. 18가구의 실제 문·서랍 데이터에서 관절 유형 식별 정확도 86%(단일 뷰 학습 방법 48%), 미분 가능 시뮬레이션(differentiable simulation) 대비 CRPS 기준 41% 낮은 오차(0.323 vs. 0.544)를 기록했다. 추론 속도는 사례당 13 ms로 비교 대상(230 s)보다 약 4자릿수 빠르다.

2610.40537v12026.10.29

DAWN: 확산 기반 정렬 및 체결 해제 워크플로 네트워크

DAWN: Diffusion-based Alignment and unfastening Workflow Network

Hemant Kumar, Piyush Goenka, Nikhil Chopra

DAWN은 나사 등 체결물 제거 작업을 위한 계층적 로봇 조작 프레임워크로, 멀티모달 감각 정보를 통합해 긴 작업 지평선과 접촉 집약적 조작 과제를 처리한다. 작업 절차를 정렬·삽입과 체결 해제 두 단계로 분리하고, 확산 정책(diffusion policy) 기반의 AlignNet, 단계 전환 감지 분류기 LatchNet, 힘 제어 기반의 UnfastNet 세 모듈로 구성된다. Franka Emika 로봇 실험에서 정렬·삽입 성공률이 숙련된 인간 작업자 수준에 근접했다고 저자들은 보고한다. 어블레이션 연구를 통해 입력 모달리티 선택과 학습 전략의 중요성을 분석하였다. 재활용 공정 자동화와 산업 현장 비용 절감을 주요 적용 분야로 제시한다.

2610.40532v12026.10.29

BURGER: 구현된 드로잉을 통한 로봇 일반화 벤치마크와 이해

BURGER: Benchmarking and Understanding Robotic Generalization via Embodied Drawing

Xiangyu Xu, Bangshuai Peng, Ziyi Liu, Mengjie Zhao, Chenhao Lu 외 3명

BURGER는 언어 조건부(language-conditioned) 로봇 드로잉 벤치마크로, 시뮬레이션과 실세계 모두에서 연속 드로잉 궤적을 생성하는 프롬프트 기반 파이프라인을 갖춘다. 282개 드로잉 과제에 걸친 28,200개의 시뮬레이션 데모를 활용해 5개의 대표적인 시각-언어-행동 모델(VLA)을 데이터 규모·언어 기반 조건화·멀티모달 행동 측면에서 평가한다. 벤치마크는 언어 기반 행동 조건화, 공간 구성, 행동 생성에 대한 세밀한 분석을 지원하며, VLA 모델별로 상이한 실패 패턴을 드러낸다. 실험 결과 일부 VLA 모델은 과제 다양성과 데모 규모 증가에서 성능 향상을 보였고, 학습 시 포함되지 않은 객체 조합으로의 일반화도 확인되었다. 학습된 정책은 Franka Panda 로봇 팔에 배포되어 인간 개입 하에서도 반응적으로 드로잉을 수행함을 실증하였다.

2610.40502v12026.10.29

수평 자세 지면 이동을 위한 전체 시계방향 틸팅 로터 2륜 쿼드로터

A Two-Wheeled Quadrotor with All-Clockwise Tilted Rotors for Level-Attitude Surface Locomotnion

Takumi Ito, Satoshi Nakano

기존 바퀴 장착 쿼드로터 UAV는 측면 이동 시 기체를 기울여야 하므로 원하는 자세를 유지하기 어렵다는 한계가 있다. 이 논문은 4개 로터를 모두 시계방향으로 회전시키는 틸팅 로터 2륜 쿼드로터를 제안하며, 지면 접촉을 구속 조건으로 활용해 기체를 기울이지 않고도 접선 방향 추진력을 생성한다. 로터 회전 방향 구성별 설계 최적화 결과, 전체 시계방향 구성이 기존 교번(alternating) 회전 구성보다 더 큰 접선력을 낼 수 있는 것으로 나타났다. 이 방식은 로터 틸팅 전용 액추에이터나 추가 기구 없이 공중 비행과 접촉 기반 지면 이동을 모두 지원한다. 시뮬레이션에서 자유 공간 호버링과 수평 자세를 유지한 바닥 이동 동작이 확인되었다.

2610.40473v12026.10.29CoRL

샘플링 기반 도달가능성의 근본적 한계: 기하학과 흐름 왜곡

Fundamental Limits of Sampling-Based Reachability: Geometry and Flow Distortion

Jixian Liu, Ihab Tabbara, Hussein Sibai, Enrique Mallada

샘플링 기반 도달가능성(sampling-based reachability) 분석은 유한 개의 시뮬레이션 궤적 끝점으로부터 도달 가능한 집합을 추정한다. 이 논문은 그 기하학적 오차를 흐름 왜곡(flow distortion) 하의 지지 집합 추정 문제로 정식화하고, 초기 집합의 국소 체적 밀도 하한·샘플링 밀도·벡터장의 단방향 립시츠(Lipschitz) 상수 μ를 가정으로 삼는다. 하우스도르프(Hausdorff) 정확도 r 를 달성하려면 Õ(2ⁿeⁿμT(R/r)ⁿ/(ρκ)) 개의 독립 끝점 샘플이 충분함을 보인다. 아울러 끝점 관측 모델만 사용하는 모든 추정량에 대한 미니맥스(minimax) 하한을 도출하여, 차원 n 과 시간 지평 T에 따른 지수적 샘플 복잡도가 이 관측 모델에 본질적임을 증명한다. 평면 실험으로는 모서리와 수축 동역학의 영향을 검증하고, 로봇 팔 실험으로는 차원이 높아질수록 경험적 정확도가 저하됨을 확인한다.

2610.40431v12026.10.29

다중 암 밴딧을 활용한 경로 제약 이동 센서의 적응적 탐색

Adaptive search with path-constrained mobile sensors using multi-arm bandits

Abraham P. Vinod, Parth K. Thaker, Gautam Dasarathy, Stefano Di Cairano

에너지 제약이 있는 이동 센서 팀이 관심 영역을 탐지하는 제약적 순차 의사결정 문제를 다룬다. 센서의 이동은 충전 기지 복귀·장애물 회피·이동성 조건을 만족하도록 사전에 계산된 실행 가능 경로 집합으로 제한된다. 능동적 경로 선택(active path selection)을 다중 암 밴딧(multi-armed bandit, MAB) 문제로 정식화하고, 수집 데이터의 신뢰 구간을 이용해 경로를 적응적으로 배정하는 반복 탐색 알고리즘을 제안한다. 팀 제약 조건 하에서 소규모 경로 커버를 구성하는 그래프 기반 방법도 함께 제시한다. 알고리즘의 유한 시간 및 상시(anytime) 확률적 정확도 보장을 수립하고, 관심 영역 탐지 및 노드 레이블링에 필요한 시간의 비점근 상한을 도출하며, 이 상한이 넓은 문제 군에서 알고리즘 독립 하한과 상수 인자 이내로 일치함을 보인다.

2610.40430v12026.10.29CoRL

시연 확장과 실행 설계를 통한 세밀한 조작 성능 향상

Improving Fine-Grained Manipulation through Demonstration Expansion and Execution Design

Jingxu Gu, Dongze Lian

DEED(Demonstration Expansion and Execution Design)는 사전 학습된 시각-언어-행동 모델(VLA)을 세밀한 조작 과제에 적응시키기 위한 프레임워크다. 동일한 초기 장면에서 서로 다른 지시어에 맞는 시연을 생성하고, 각 물리 궤적을 다양한 카메라 위치와 조명 조건으로 렌더링하여 학습 데이터를 확장한다. 계층적 샘플링 전략으로 지시어·궤적·시각 조건의 균형을 맞추며 지도 학습 방식으로 정책을 미세 조정한다. 배포 시에는 예측된 행동 청크(action chunk)를 역기구학(inverse kinematics), 태스크별 그리퍼 매핑, 폐루프 재계획을 통해 로봇 명령으로 변환한다. DEED는 MetaFine 5개 과제에서 공식 전체 점수 85.55%를 기록했다.

2610.40429v12026.10.29

위치추정 제약을 고려한 최적 경로 계획

Optimal Path Planning with Localization constraints

Chinmay Mundane, Manav Mishra, PB Sujit

이 논문은 GPS 신호가 없는 환경에서 무인항공기(UAV)의 경로 계획 문제를 다룬다. UAV는 관성 항법(dead reckoning)에 의존하고, 셀룰러 기지국을 랜드마크로 활용해 위치 추정 오차를 주기적으로 보정한다. 위치추정 불확실성을 경성 제약(hard constraint)으로 처리하는 위치추정 제약 A* 계획기를 제안하며, 확장 칼만 필터(EKF, Extended Kalman Filter)로 상태와 공분산을 전파한다. 제안 방법은 A*의 허용 가능(admissible)·일관성(consistent) 특성을 유지해 실현 가능한 경로 중 최적성을 보장함을 증명한다. Monte Carlo 시뮬레이션과 PyBullet 쿼드로터 실험에서 RRT*·PRM 대비 더 짧은 경로를 생성하면서 불확실성 제약을 항상 만족하는 것으로 나타났다.

2610.40427v12026.10.29

socx: JAX 기반 GPU 가속 기회 제약 확률적 최적 제어

socx: GPU-Accelerated Chance-Constrained Stochastic Optimal Control using JAX

Tanmay Dokania, Yashwanth Kumar Nakka

socx는 선형 확률적 최적 제어(stochastic optimal control)의 기회 제약(chance constraint) 볼록 재정형화 문제를 푸는 JAX 기반 GPU 가속 솔버다. 분산 최적화를 통해 문제를 독립적인 선형-이차 추적(LQT, linear-quadratic tracking) 부분 문제와 집합 위 유클리드 투영으로 분해하여 병렬 처리한다. 호버링 선형화된 3D 쿼드로터 실험에서 MOSEK 대비 최대 98배, SCS 대비 최대 2224배의 연산 속도 향상을 보였다. 시간 구간 N=1120까지 풀 수 있었던 반면, MOSEK은 N=320에서 메모리 부족으로 실패했다.

2610.40401v12026.10.29

연속 행동 세계 모델: 교차 구현체 시공간 역학 사전 학습

Continuous-Action World Models: Learning Cross-Embodiment Spatiotemporal Dynamics Priors

Liangyu Li, Qingwen Liu

CoAWM은 서로 다른 로봇 구현체(embodiment)와 실행 주파수에 걸쳐 행동을 생성하기 위한 시공간 역학 사전(spatiotemporal dynamics prior) 학습 프레임워크다. 핵심은 로봇 행동의 공간적·시간적 구조를 포착하는 공유 잠재 함수 공간(latent function space)으로, 두 단계 학습을 통해 구성된다. 첫 번째 단계인 함수 사전학습(function pretraining)에서는 이종 구현체와 샘플링 주파수의 궤적을 공통 표현으로 변환하여 행동 재구성과 시간 샘플링 뷰 간 일관성을 함께 학습한다. 두 번째 단계에서는 사전학습된 함수 공간을 세계 모델(world model) 백본과 연결해 관측·언어 지시·현재 로봇 상태를 조건으로 잠재 행동 함수를 예측하도록 한다. 단일 디코더가 임의의 쿼리 시점을 입력받아 해당 엔드이펙터(end-effector) 행동을 반환하며, 공유 역학 사전과 과제별 행동 선택을 분리함으로써 다양한 구현체와 제어 주파수에 걸친 경험 전이를 지원한다.

2610.37666v12026.10.27

ThinkWorld: 세계 상상을 통해 강화된 Chain-of-Dynamics 추론

ThinkWorld: World Imagination Reinforces Chain-of-Dynamics Reasoning

Chaehyun Kim, Chi-Pin Huang, Jisoo Kim, Min-Hung Chen, Yu-Chiang Frank Wang 외 2명

시각-언어-행동 모델(VLA)의 일반화는 행동 레이블이 부여된 로봇 시연 데이터의 다양성 부족으로 제약을 받는다. ThinkWorld는 행동 추론을 세계 역학(world dynamics)에 기반시키고, 세계 상상(world imagination)을 활용한 강화학습으로 이를 개선하는 VLA 학습 프레임워크다. 핵심 표현 방식인 Chain-of-Dynamics(CoD)는 현재 상태에서 미래 상태로의 전이를 포착하는 이산 모션 토큰 시퀀스로, 서로 다른 로봇 형태에 걸쳐 공통 행동 표현으로 기능한다. 행동 레이블 없는 인간 동영상에서 관찰된 상태 전이를 직접 학습 신호로 삼아 CoD 예측을 강화함으로써, 인간과 로봇의 경험이 동일한 추론 공간을 개선하도록 설계된다. 시뮬레이션과 실제 로봇 실험 모두에서 인간-로봇 지식 전이 및 미학습 과제·환경에 대한 일반화 성능을 검증했다.

2610.37652v12026.10.27

손내 물체 자세 도달을 위한 정교한 조작과 안전성 개선

Pushing Dexterity and Safety for In-Hand Object Pose Reaching That Works Remarkably Well

Ian Chuang, Hiya Shah, Vamsi Chilamkur, Iman Soltani, Claire Tomlin

이 연구는 다지 손(multi-fingered hand)으로 손내 물체 자세 도달(in-hand object pose reaching) 과제를 수행하는 정책을 다룬다. LEAP hand를 대상으로 인간 데이터 없이 시뮬레이션에서만 학습하며, 생성된 파지 데이터셋을 활용한 다양한 초기화·목표 설정과 적응형 마찰 커리큘럼(adaptive friction curriculum)을 핵심 기법으로 사용한다. 세밀한 시스템 식별(system identification)을 통해 학습된 정책은 실제 손에 제로샷(zero-shot) 전이되며, 모션 캡처 또는 손목 장착 단안 깊이 카메라 하나로 동작한다. 4개 물체·다양한 손목 자세를 포함한 4,800개 미지 목표에 대한 13.3시간 실로봇 평가에서 상태 기반 정책은 목표의 95.2%를 2 cm 및 0.4 rad 이내로 도달했다. 학습된 잔차 안전 필터(residual safety filter)를 추가하면 물체 낙하를 75% 줄이면서도 91.5%의 목표 도달률을 유지한다.

2610.37619v12026.10.27

동적 스포츠 인식과 예측: 에고센트릭 테니스 영상을 위한 비전 모델의 시공간 지능

Perceiving and Predicting Dynamic Sports: Spatiotemporal Intelligence in Vision Models for Egocentric Tennis Video

Tudor Braicu, Joseph DelPreto, Jared Boyer, Mónika Farsang, Maximilian Stölzle 외 2명

민첩한 로봇이 움직이는 카메라(에고센트릭 시점)에서 장면을 해석하고 미래를 예측하려면 시공간 지능(spatiotemporal intelligence)이 필요하다. 연구팀은 에고센트릭 테니스 영상에 5개 타자중심(allocentric) 영상, 전역 위치 추정값, 접촉 시간, 스트로크 유형 주석을 결합한 데이터셋을 구축했다. 2D 플레이어 위치 추정, 3D 공 궤적 예측, 스트로크 유형 예측, 접촉 시간 예측 등 7가지 과제에서 이미지 인코더·비디오 인코더·시각-언어 모델(VLM)을 비교 평가했다. 최고 성능 모델은 현재 프레임 기준 플레이어 위치 오차 0.14 m, 공 위치 오차 0.54 m, 1.1초 후 궤적 예측에서 플레이어 0.34 m·공 0.91 m, 접촉 시간 오차 0.14 s를 기록했다. 나아가 에고센트릭 영상 예측을 입력으로 전신 운동학적 동작을 실시간 생성하는 조건부 확산 모델(conditional diffusion model)을 제안했다.

2610.37602v12026.10.27

RESPLE2: 다중 센서 오도메트리를 위한 관성 정보 기반 재귀적 비균일 스플라인 추정 및 전역 정제

RESPLE2: Inertial-Informed Recursive Non-Uniform Spline Estimation for Multi-Sensor Odometry with Global Refinement

Ziyu Cao, William Talbot, Song Li, Pakpong Chirarattananon, Fredrik Gustafsson 외 2명

RESPLE2는 6자유도(6-DoF) 모션 표현에 비균일 B-스플라인을 적용한 재귀적 다중 센서 상태 추정 프레임워크다. 매듭 고정(knot-clamping) 경계 속성을 활용해 관성 기구학(inertial kinematics)으로 직접 정보를 받는 제어점 예측 메커니즘을 제안하며, 반복 확장 칼만 필터(iterated extended Kalman filter, IEKF) 안에서 LiDAR·카메라·관성 측정 장치(IMU)·다리 기구학 등 이종 센서 데이터를 연속 시간 관측 모델로 통합한다. LiDAR-시각 단서에서 도출한 루프 클로저(loop-closure) 제약으로 B-스플라인 제어점을 직접 정제하는 경량 전역 최적화 모듈도 포함한다. 핸드헬드·궤도차·족형·하이브리드 공중-족형 플랫폼을 포함한 공개 및 자체 데이터셋에서 평가하였으며, 급격한 동적 기동 상황에서도 실시간 동작을 유지하면서 기존 시스템과 동등하거나 높은 추정 정확도를 보였다고 연구팀은 밝혔다. 코드와 실험 데이터셋은 GitHub에 공개되었다.

2610.37582v12026.10.27IROS

EgoThumb: 자율 파지 및 유지 보조를 위한 비전 기반 초과지 로봇 엄지손가락

EgoThumb: A Vision-Driven Supernumerary Robotic Thumb for Autonomous Grasp and Holding Assistance

Jianyu Hou, Jiawei Fu, Weikang Wan, Minghui Jiang, Jiajun Li 외 1명

EgoThumb은 단일 손으로 양손 협조가 필요한 '유지-조작(hold-and-manipulate)' 작업을 수행할 수 있도록 설계된 비전 기반 초과지(Supernumerary Robotic Finger) 시스템이다. 이중 건(tendon) 구동 방식을 채택하고 구동부를 전완부로 이동시켜 손 원위부의 무게를 줄이면서 정밀한 관절 제어를 구현한다. 손바닥 방향 카메라에서 얻은 에고센트릭(egocentric) 이미지를 연속 관절 위치로 직접 매핑하는 시각 모방학습(visual imitation learning) 정책을 사용한다. 명시적인 손 동작 트리거 없이 손과 조작 대상을 함께 포착한 시각 정보에서 사용자 의도를 암묵적으로 해석하여 자율 조작을 수행한다. 하드웨어 설계 및 소프트웨어 구현 전체가 오픈소스로 공개된다.

2610.37557v12026.10.27

미분 가능 시뮬레이션을 통한 동적 협소 공간 통과 쿼드로터 시각운동 비행 학습

Learning Visuomotor Quadrotor Flight Through Dynamic Narrow Gaps via Differentiable Simulation

Riccardo Bianco, Yunfan Ren, Jiaxu Xing, Davide Scaramuzza

쿼드로터가 움직이는 좁은 통로를 통과하는 과제는 센티미터 수준의 공간 정렬과 정밀한 타이밍을 동시에 요구한다. 제안된 제어 정책은 기체 탑재 카메라와 관성 측정 장치(IMU)의 입력을 받아 집합 추력(collective thrust) 및 바디레이트(body-rate) 명령을 직접 출력한다. 연구진은 시간에 따라 변하는 통로 평면까지의 부호 있는 거리(signed distance)로 중심 정렬·자세·충돌 항을 가중하는 미분 가능 이동 통로 공식을 도입해, 희소한 통과 이벤트를 밀도 높은 경로별 목적 함수로 변환한다. 이 방식을 적용한 정책은 교사 모델, 플래너, 지식 증류 없이 단일 GPU에서 수 분간의 학습만으로 시뮬레이션 성공률 99.3%를 달성한다. 실기 검증에서는 동일 정책을 실제 쿼드로터에 직접 이식하여 다양한 초기 조건 하 10회 시험 중 80%의 성공률을 기록하였다.