본문으로 건너뛰기

Improving the Parallel Execution of Behavior Trees

· 약 3분
Michele Colledanchise
Lorenzo Natale

논문 정보​

  • 제목: Improving the Parallel Execution of Behavior Trees
  • 저자: Michele Colledanchise (Istituto Italiano di Tecnologia), Lorenzo Natale (Istituto Italiano di Tecnologia)
  • 학회/저널: 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
  • 발행일: 2018-10-01
  • DOI: 10.1109/IROS.2018.8593504
  • 주요 연구 내용: Behavior Tree의 병렬 노드(Parallel Node) 실행 시 발생하는 동시성 문제를 분석하고, 진행도(progress)와 자원 사용(resource usage) 개념을 도입한 Concurrent BT(CBT) 제안
  • 주요 결과 및 결론: CBT를 통해 안전한 동시 액션 실행을 보장하며, 수학적 분석과 로봇 실험으로 유효성을 검증
  • 기여점: BT의 병렬 실행에 대한 형식적 기반을 마련하여, 자율주행 및 로봇 제어에서 복수 행동 동시 수행의 신뢰성 향상에 기여

Adding Neural Network Controllers to Behavior Trees without Destroying Performance Guarantees

· 약 3분
Christopher Iliffe Sprague
Petter Ögren

논문 정보​

  • 제목: Adding Neural Network Controllers to Behavior Trees without Destroying Performance Guarantees
  • 저자: Christopher Iliffe Sprague (KTH Royal Institute of Technology), Petter Ögren (KTH Royal Institute of Technology)
  • 학회/저널: 61st IEEE Conference on Decision and Control (CDC 2022) / arXiv 프리프린트 (2018)
  • 발행일: 2018-09-26 (arXiv), 2022 (CDC 발표)
  • DOI: arXiv:1809.10283 / 10.1109/CDC51059.2022.9992501
  • 주요 연구 내용: 안전성과 목표 수렴에 대한 성능 보장을 갖춘 행동 트리에 기계학습으로 설계된 신경망 컴포넌트를 성능 보장을 파괴하지 않으면서 통합하는 방법 제안
  • 주요 결과 및 결론: BT의 모듈적 구조를 활용하여 신뢰할 수 없지만 효율적인 ML 컴포넌트와 형식적으로 검증된 모델 기반 컴포넌트를 안전하게 결합 가능
  • 기여점: 학습 기반 접근법의 효율성과 형식적 모델 기반 설계의 안전성을 동시에 달성하는 하이브리드 BT 아키텍처 제시

통계적 해석 방법과 모델 기반 방법을 사용한 차원축소: Elementary effect 기법과 random forest regressor 의 비교

· 약 5분
정인범

논문 정보​

  • 제목: Dimensionality reduction using statistical analysis and model based methods: a comparison between elementary effect method and random forest regressor
  • 저자: 정인범 (한양대학교 대학원)
  • 학회/저널: 한양대학교 대학원 석사학위논문
  • 발행일: 2018-02
  • DOI: (N/A, URI: 1804:null-200000432990)
  • 주요 연구 내용: 본 연구는 차원축소 기법을 변수선택(Filter, Wrapper, Embedded)과 변수추출(PCA, Autoencoder)로 분류함. 이후 통계적 해석(Filter) 방법인 Elementary Effect(EE) 기법과 모델 기반(Embedded) 방법인 Random Forest Regressor(RFR)의 변수 중요도 계산 방식과 성능을 비교 분석함.
  • 주요 결과 및 결론: 시뮬레이션 모델(데이터 생성 필요)의 경우, EE 기법(특히 Sampling for Uniformity)이 RFR보다 적은 해석 횟수로 높은 변수 선별 정확도를 보였음. 반면, 'Big data'와 같이 이미 데이터가 확보된 경우 RFR이 더 적합했음. 또한 RFR은 변수추출 기법인 Autoencoder보다 사용이 편리하고 우수한 성능을 보임.
  • 기여점: 서로 다른 학문적 배경(통계적 GSA vs. 기계학습)에서 발전한 두 주요 차원축소 기법(EE, RFR)의 성능을 정량적으로 비교, 분석하였음. 데이터 상황(시뮬레이션 vs. 기존 데이터)에 따라 적절한 기법을 선택해야 함을 실증적으로 제시함.

Behavior Trees in Robotics and AI - An Introduction

· 약 3분
Michele Colledanchise
Petter Ögren

논문 정보​

  • 제목: Behavior Trees in Robotics and AI: An Introduction
  • 저자: Michele Colledanchise (KTH Royal Institute of Technology), Petter Ögren (KTH Royal Institute of Technology)
  • 학회/저널: Chapman & Hall/CRC Artificial Intelligence and Robotics Series (도서) / arXiv:1709.00084
  • 발행일: 2018-01-01
  • DOI: 10.1201/9780429489105
  • 주요 연구 내용: Behavior Tree(BT)의 정의, 이론적 기초, 기존 전환 구조와의 관계, 설계 원칙, 형식적 분석 도구, 자동 계획 및 기계 학습에서의 활용, 확률적 BT까지 포괄적으로 소개
  • 주요 결과 및 결론: BT가 FSM 등 기존 전환 구조를 일반화하며, 안전성, 견고성, 효율성에 대한 형식적 분석이 가능함을 체계적으로 제시
  • 기여점: BT에 대한 최초의 체계적 입문서로, 로봇 공학 및 AI 분야에서 BT 연구와 응용의 표준 참고 자료 역할

Attention Is All You Need

· 약 6분
Ashish Vaswani
Noam Shazeer
Niki Parmar
Jakob Uszkoreit
Llion Jones
Aidan N. Gomez
Lukasz Kaiser
Illia Polosukhin

논문 정보​

  • 제목: Attention Is All You Need
  • 저자: Ashish Vaswani (Google Brain), Noam Shazeer (Google Brain), Niki Parmar (Google Research), Jakob Uszkoreit (Google Research), Llion Jones (Google Research), Aidan N. Gomez (University of Toronto), Łukasz Kaiser (Google Brain), Illia Polosukhin
  • 학회/저널: 31st Conference on Neural Information Processing Systems (NIPS 2017)
  • 발행일: 2017-12-06
  • DOI: 10.48550/arXiv.1706.03762
  • 주요 연구 내용: 이 연구는 순환(recurrence) 및 합성곱(convolution)을 완전히 배제하고 오직 어텐션(attention) 메커니즘에만 의존하는 새로운 시퀀스 변환 모델인 '트랜스포머'를 제안함. 트랜스포머는 인코더-디코더 구조를 따르며, 각 부분은 여러 개의 동일한 레이어를 쌓아 구성되고, 각 레이어는 멀티-헤드 셀프-어텐션과 위치별 피드포워드 네트워크라는 두 개의 핵심적인 하위 레이어로 이루어짐.
  • 주요 결과 및 결론: 트랜스포머는 기계 번역 작업에서 기존의 최고 성능 모델들을 능가하는 결과를 보임. WMT 2014 영어-독일어 번역 태스크에서 28.4 BLEU 점수를 기록하여 기존 최고 기록을 2 BLEU 이상 경신하며, 영어-프랑스어 번역 태스크에서는 41.8 BLEU 점수로 새로운 단일 모델 최고 기록을 세움. 이러한 성과를 기존 모델들보다 훨씬 적은 훈련 시간으로 달성하여 병렬화의 이점을 입증함.
  • 기여점: 본 논문은 어텐션 메커니즘만으로도 시퀀스 변환 작업에서 최첨단 성능을 달성할 수 있음을 보여줌. 순차적 계산에 의존하는 RNN을 병렬 계산이 가능한 셀프-어텐션으로 대체함으로써 훈련 속도를 크게 향상시키고, 더 우수한 번역 품질을 달성하는 새로운 패러다임을 제시함.

CARLA: An Open Urban Driving Simulator

· 약 3분
Alexey Dosovitskiy
German Ros
Felipe Codevilla
Antonio Lopez
Vladlen Koltun

논문 정보​

  • 제목: CARLA: An Open Urban Driving Simulator
  • 저자: Alexey Dosovitskiy (Intel Labs), German Ros (Toyota Research Institute), Felipe Codevilla (Computer Vision Center, Barcelona), Antonio Lopez (Computer Vision Center, Barcelona), Vladlen Koltun (Intel Labs)
  • 학회/저널: Proceedings of the 1st Annual Conference on Robot Learning (CoRL 2017), pp. 1-16
  • 발행일: 2017-11-10
  • DOI: arXiv:1711.03938
  • 주요 연구 내용: 자율주행 시스템의 개발, 훈련, 검증을 지원하는 오픈소스 도심 주행 시뮬레이터 CARLA의 설계와 구현
  • 주요 결과 및 결론: 모듈형 파이프라인, 모방 학습 기반 E2E, 강화학습 기반 E2E의 세 가지 자율주행 접근법을 난이도가 증가하는 시나리오에서 비교 평가하여 CARLA의 연구 플랫폼으로서의 유용성을 검증
  • 기여점: 소스 코드, 디지털 에셋, 프로토콜을 모두 공개한 최초의 본격적 오픈소스 자율주행 시뮬레이터로, 자율주행 연구의 표준 플랫폼으로 자리잡음

Survey of Template-Based Code Generation

· 약 2분
Lechanceux Kavuya Luhunu

논문 정보​

  • 제목: Survey of Template-Based Code Generation
  • 저자: Lechanceux Kavuya Luhunu (Université de Montréal), 지도교수: Eugene Syriani (Université de Montréal)
  • 학회/저널: Université de Montréal 석사 학위 논문 (Maîtrise en Informatique)
  • 발행일: 2017-04
  • DOI: 10.71781/9794
  • 주요 연구 내용: 모델 기반 엔지니어링(MDE)에서 가장 널리 사용되는 모델-텍스트 변환 패러다임인 템플릿 기반 코드 생성(TBCG) 기법을 체계적으로 매핑하고, 관련 도구들의 표현력·성능·확장성을 비교 분석
  • 주요 결과 및 결론: 모델 기반 도구는 표현력이 높고, 코드 기반 도구는 실행 속도가 훨씬 빠르며, Xtend2가 표현력과 성능 간 최적의 균형을 제공
  • 기여점: TBCG 기법의 분류 체계를 제시하고 구현 패턴을 통한 정량적 도구 비교 프레임워크를 확립

Autonomous Vehicle Safety: An Interdisciplinary Challenge

· 약 3분
Philip Koopman
Michael Wagner

논문 정보​

  • 제목: Autonomous Vehicle Safety: An Interdisciplinary Challenge
  • 저자: Philip Koopman (Carnegie Mellon University), Michael Wagner (Carnegie Mellon University)
  • 학회/저널: IEEE Intelligent Transportation Systems Magazine, Volume 9, Issue 1, pp. 90-96
  • 발행일: 2017-01-01
  • DOI: 10.1109/MITS.2016.2583491
  • 주요 연구 내용: 완전 자율주행차의 안전성 확보가 단일 공학 분야가 아닌 다학제적 접근을 요구하는 복합적 과제임을 체계적으로 분석
  • 주요 결과 및 결론: 기능적 안전, SOTIF, 사이버 보안의 세 가지 축을 중심으로 AV 안전 도전 과제를 정리하고, 기존 자동차 안전 표준의 한계를 규명
  • 기여점: AV 안전 연구의 범위를 기술적 신뢰성에서 사회적, 법적 맥락으로 확장하여 종합적 안전 논증(Safety Case) 방법론의 필요성을 제기

An End-to-End Trainable Neural Network for Image-Based Sequence Recognition and Its Application to Scene Text Recognition

· 약 5분
Baoguang Shi
Xiang Bai
Cong Yao

논문 정보​

  • 제목: An End-to-End Trainable Neural Network for Image-Based Sequence Recognition and Its Application to Scene Text Recognition
  • 저자: Baoguang Shi, Xiang Bai, Cong Yao (Huazhong University of Science and Technology)
  • 학회/저널: IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE
  • 발행일: 2016-12-28
  • DOI: 10.1109/TPAMI.2016.2646371
  • 주요 연구 내용: 이미지 기반 시퀀스 인식을 위해 Convolutional Neural Network(CNN)와 Recurrent Neural Network(RNN)을 통합한 새로운 아키텍처인 CRNN(Convolutional Recurrent Neural Network)을 제안함. 이 모델은 특징 추출(CNN), 시퀀스 모델링(RNN), 전사(Transcription)의 세 부분을 하나의 프레임워크로 결합하여 문자 단위의 레이블 없이 종단간(End-to-End) 학습이 가능함.
  • 주요 결과 및 결론: IIIT-5K, SVT, ICDAR 등 표준 장면 텍스트 인식 벤치마크에서 기존 최고 수준의 알고리즘들과 대등하거나 더 우수한 성능을 보임. 또한, 제안된 모델은 훨씬 적은 파라미터(8.3M)를 사용하여 효율적이며, 악보 인식과 같은 다른 시퀀스 인식 문제에도 일반화될 수 있음을 확인함.
  • 기여점: 기존 방법들과 달리 구성 요소를 개별적으로 훈련할 필요 없는 완전한 종단간 학습이 가능함. 문자 분할이나 정규화 과정 없이 임의 길이의 시퀀스를 자연스럽게 처리하며, 사전(lexicon) 유무에 관계없이 높은 성능을 달성함.

Driving to Safety: How Many Miles of Driving Would It Take to Demonstrate Autonomous Vehicle Reliability?

· 약 3분
Nidhi Kalra
Susan M. Paddock

논문 정보​

  • 제목: Driving to Safety: How Many Miles of Driving Would It Take to Demonstrate Autonomous Vehicle Reliability?
  • 저자: Nidhi Kalra (RAND Corporation), Susan M. Paddock (RAND Corporation)
  • 학회/저널: Transportation Research Part A: Policy and Practice, Volume 94, pp. 182-193
  • 발행일: 2016-10-01
  • DOI: 10.1016/j.tra.2016.09.010
  • 주요 연구 내용: 자율주행차(AV)가 인간 운전자보다 안전하다는 것을 통계적으로 증명하기 위해 필요한 주행 거리를 정량적으로 계산
  • 주요 결과 및 결론: 95% 신뢰 수준에서 안전성을 증명하려면 수억~수천억 마일의 주행이 필요하며, 이는 현실적으로 불가능한 수준
  • 기여점: 순수 실도로 테스트만으로는 AV 안전성 검증이 불가능함을 정량적으로 입증하여, 시뮬레이션 기반 테스팅의 필요성을 정당화