본문으로 건너뛰기

"JIK Reference" 태그로 연결된 28개 게시물개의 게시물이 있습니다.

모든 태그 보기

Robot Behavior-Tree-Based Task Generation with Large Language Models

· 약 3분
Yue Cao
C.S. George Lee

논문 정보​

  • 제목: Robot Behavior-Tree-Based Task Generation with Large Language Models
  • 저자: Yue Cao (Purdue University, Elmore Family School of ECE), C.S. George Lee (Purdue University, Elmore Family School of ECE)
  • 학회/저널: arXiv:2302.12927 / AAAI 2023 Spring Symposium (AAAI-MAKE 2023) Extended Abstract
  • 발행일: 2023-02-24
  • DOI: arXiv:2302.12927
  • 주요 연구 내용: 대규모 언어 모델(LLM)을 활용하여 사전 정의된 프리미티브 태스크 없이 자연어 설명으로부터 Behavior Tree를 자동 생성하는 크로스 도메인 방법론 제안
  • 주요 결과 및 결론: Phase-Step 프롬프트 설계와 BT 임베딩 기반 검색을 통해 추상적 태스크 설명으로부터 계층적 BT를 성공적으로 생성
  • 기여점: 사전 정의된 프리미티브 태스크에 의존하지 않는 최초의 LLM 기반 BT 자동 생성 방법론으로, 크로스 도메인 확장성을 확보

Behavior-Tree Based Scenario Specification and Test Case Generation for Autonomous Driving Simulation

· 약 3분
Yunjun Yao
Zijun Shi
Lihua Fu
Li Li

논문 정보​

  • 제목: Behavior-Tree Based Scenario Specification and Test Case Generation for Autonomous Driving Simulation
  • 저자: Yunjun Yao, Zijun Shi, Lihua Fu, Li Li
  • 학회/저널: ICITES 2022 (2nd International Conference on Intelligent Technology and Embedded Systems)
  • 발행일: 2022-11-04
  • DOI: 10.1109/ICITES56274.2022.9943753
  • 주요 연구 내용: 행동 트리(BT) 기반 시나리오 기술 언어 BTScenario를 설계하고, 이를 활용하여 자율주행 시뮬레이션 테스트 케이스를 자동으로 생성하는 방법론 제안
  • 주요 결과 및 결론: BTScenario를 통해 맵 객체의 공간 배치와 행위자의 시간적 행동을 모두 기술할 수 있으며, PyTrees 라이브러리를 활용한 자동 테스트 케이스 생성으로 수동 설계 대비 더 넓은 엣지 케이스 커버리지를 달성
  • 기여점: BT를 로봇 제어뿐 아니라 시나리오 명세 언어로 활용하는 새로운 방향을 제시하고, 자율주행 SIL 테스팅에서 BT의 역할을 확장

A survey of Behavior Trees in robotics and AI

· 약 3분
Matteo Iovino
Edvards Scukins
Jonathan Styrud
Petter Ögren
Christian Smith

논문 정보​

  • 제목: A survey of Behavior Trees in robotics and AI
  • 저자: Matteo Iovino (KTH Royal Institute of Technology), Edvards Scukins (KTH Royal Institute of Technology), Jonathan Styrud (KTH Royal Institute of Technology), Petter Ögren (KTH Royal Institute of Technology), Christian Smith (KTH Royal Institute of Technology)
  • 학회/저널: Robotics and Autonomous Systems, Vol. 154
  • 발행일: 2022-08-01 (온라인 공개: 2022-04-12)
  • DOI: 10.1016/j.robot.2022.104096
  • 주요 연구 내용: 행동 트리(BT)의 로봇공학 및 AI 분야 활용 현황을 방법론, 응용 분야, 기여점 기준으로 분류한 체계적 서베이
  • 주요 결과 및 결론: BT가 기존 FSM 대비 모듈성, 확장성, 재사용성에서 우수하며, 로봇공학과 게임 AI에서 복잡한 에이전트 행동 관리에 유효한 도구임을 확인
  • 기여점: BT 관련 기존 문헌을 체계적으로 분류하고, 합성·분석 방법론, 학습 기반 BT, 미해결 연구 과제를 종합적으로 정리

Scenic: A Language for Scenario Specification and Data Generation

· 약 4분
Daniel J. Fremont
Edward Kim
Tommaso Dreossi
Shromona Ghosh
Xiangyu Yue
Alberto L. Sangiovanni-Vincentelli
Sanjit A. Seshia

논문 정보​

  • 제목: Scenic: A Language for Scenario Specification and Data Generation
  • 저자: Daniel J. Fremont (UC Santa Cruz), Edward Kim (UC Berkeley), Tommaso Dreossi (UC Berkeley), Shromona Ghosh (UC Berkeley), Xiangyu Yue (UC Berkeley), Alberto L. Sangiovanni-Vincentelli (UC Berkeley), Sanjit A. Seshia (UC Berkeley)
  • 학회/저널: Machine Learning Journal (Springer)
  • 발행일: 2022-02-01
  • DOI: 10.1007/s10994-021-06120-5
  • 주요 연구 내용: 사이버-물리 시스템, 특히 자율주행 시스템의 설계와 분석을 위한 확률적 프로그래밍 언어 Scenic을 제안. 시나리오 내 객체의 공간적, 시간적 관계를 확률 분포로 명세하여 다양한 시나리오를 자동 생성
  • 주요 결과 및 결론: Scenic을 통해 CARLA, GTA V, Webots 등 다양한 시뮬레이터에서 시나리오를 자동 생성하고, 학습 데이터 증강 및 엣지 케이스 탐색에 효과적으로 활용할 수 있음을 입증
  • 기여점: 확률적 시나리오 명세를 위한 도메인 특화 언어를 정의하고, 자율주행 시스템의 학습 및 검증을 위한 체계적인 데이터 생성 방법론을 제공. Boeing, Meta, Deutsche Bahn, Toyota 등 산업계에서도 채택

Game AI Agent Modeling Using Petri Nets and Behavior Trees

· 약 3분
S. Lee
J. Kim
H. Park

논문 정보​

  • 제목: Game AI Agent Modeling Using Petri Nets and Behavior Trees
  • 저자: S. Lee, J. Kim, H. Park
  • 학회/저널: Multimedia Tools and Applications, Vol. 81, pp. 5845-5868 (Springer)
  • 발행일: 2022
  • DOI: 10.1007/s11042-021-11681-7
  • 주요 연구 내용: 페트리 넷(Petri Nets)과 행동 트리(Behavior Trees)를 결합한 하이브리드 프레임워크를 통해 게임 AI 에이전트의 복잡한 병렬 행동과 상태 전이를 모델링하는 방법 제안
  • 주요 결과 및 결론: 실제 게임 AI 시나리오에서의 실험을 통해 하이브리드 모델의 표현력과 실행 효율성을 검증
  • 기여점: BT의 계층적 행동 제어와 페트리 넷의 병렬성·동기화 표현 능력을 결합하여 복잡한 멀티태스킹 게임 AI 행동의 형식적 명세와 검증 방법론 제시

Program Synthesis with Large Language Models

· 약 4분
Jacob Austin
Augustus Odena
Maxwell Nye
Maarten Bosma
Henryk Michalewski
David Dohan
Ellen Jiang
Carrie Cai
Michael Terry
Quoc Le
Charles Sutton

논문 정보​

  • 제목: Program Synthesis with Large Language Models
  • 저자: Jacob Austin (Google Research), Augustus Odena (Google Research), Maxwell Nye (Google Research), Maarten Bosma (Google Research), Henryk Michalewski (Google Research / University of Warsaw), David Dohan (Google Research), Ellen Jiang (Google Research), Carrie Cai (Google Research), Michael Terry (Google Research), Quoc Le (Google Research), Charles Sutton (Google Research)
  • 학회/저널: arXiv Preprint
  • 발행일: 2021-08-16
  • DOI: arXiv:2108.07732
  • 주요 연구 내용: 244M에서 137B 파라미터까지의 대규모 언어 모델(LaMDA PT)의 프로그램 합성 능력을 MBPP 및 MathQA-Python 벤치마크에서 few-shot 및 fine-tuning 방식으로 체계적으로 평가
  • 주요 결과 및 결론: 프로그램 합성 성능이 모델 크기에 따라 로그-선형적으로 증가하며, 최대 모델이 few-shot으로 MBPP 태스크의 59.6%를 해결하고, fine-tuning으로 약 10%p 추가 향상 가능하며, 인간 피드백으로 오류율을 절반으로 줄일 수 있음을 입증
  • 기여점: LLM 기반 프로그램 합성의 가능성과 한계를 체계적으로 분석하고, 프로그램 합성 연구를 위한 두 가지 새로운 벤치마크(MBPP, MathQA-Python)를 제공

Evaluating Large Language Models Trained on Code

· 약 3분
Mark Chen
Jerry Tworek
Heewoo Jun
Qiming Yuan
Jared Kaplan
Greg Brockman
Ilya Sutskever
Wojciech Zaremba

논문 정보​

  • 제목: Evaluating Large Language Models Trained on Code
  • 저자: Mark Chen, Jerry Tworek, Heewoo Jun, Qiming Yuan, Henrique Ponde de Oliveira Pinto, Jared Kaplan, Harri Edwards, Yuri Burda, Nicholas Joseph, Greg Brockman, Alex Ray, Raul Puri, Gretchen Krueger, Michael Petrov, Heidy Khlaaf, Girish Sastry, Pamela Mishkin 외 다수 (OpenAI)
  • 학회/저널: arXiv 프리프린트
  • 발행일: 2021-07-07
  • DOI: arXiv:2107.03374
  • 주요 연구 내용: GitHub 공개 코드로 파인튜닝된 GPT 언어 모델 Codex를 소개하고, docstring에서 함수를 생성하는 능력을 평가하는 HumanEval 벤치마크 제안
  • 주요 결과 및 결론: Codex는 HumanEval에서 pass@1 28.8%를 달성하였으며 (GPT-3: 0%, GPT-J: 11.4%), 반복 샘플링(100개)으로 70.2% 달성
  • 기여점: LLM의 코드 생성 능력을 체계적으로 측정한 선구적 연구로, HumanEval은 이후 모든 코드 생성 LLM의 표준 벤치마크로 자리잡음. GitHub Copilot의 기반 모델

Task Planning with Belief Behavior Trees

· 약 3분
Evgenii Safronov
Michele Colledanchise
Lorenzo Natale

논문 정보​

  • 제목: Task Planning with Belief Behavior Trees
  • 저자: Evgenii Safronov (Istituto Italiano di Tecnologia / Università di Genova), Michele Colledanchise (Istituto Italiano di Tecnologia), Lorenzo Natale (Istituto Italiano di Tecnologia)
  • 학회/저널: IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2020)
  • 발행일: 2020-08-21
  • DOI: arXiv:2008.09393
  • 주요 연구 내용: 전통적 행동 트리를 확장한 Belief Behavior Tree(BBT)를 제안하여, 부분 관측 환경에서 불확실성을 고려한 자동 정책 생성을 수행
  • 주요 결과 및 결론: 실제 로봇 실험과 시뮬레이션을 통해 비결정적 행동 결과를 갖는 환경에서의 태스크 계획 유효성 검증
  • 기여점: BT의 조건 노드와 액션 노드 모두에 불확실성을 반영하여 부분 관측 환경에 적합한 태스크 계획 프레임워크 제시

ASAM OpenSCENARIO

· 약 2분

논문 정보​

  • 제목: ASAM OpenSCENARIO
  • 저자: ASAM (Association for Standardisation of Automation and Measuring Systems)
  • 학회/저널: ASAM 국제 표준 (산업 표준 규격)
  • 발행일: 2020-03 (V1.0), 지속 업데이트
  • DOI: 해당 없음 (산업 표준)
  • 주요 연구 내용: 자율주행 및 ADAS 시스템의 개발·테스팅·검증을 위한 동적 시나리오 기술 표준으로, 차량·보행자·교통 참여자의 복잡하고 동기화된 기동을 정의
  • 주요 결과 및 결론: XML 기반(V1.x) 및 DSL 기반(V2.0) 두 가지 형식으로 추상·논리·구체 시나리오의 계층적 기술을 지원하며, 주요 시뮬레이션 도구와 호환
  • 기여점: 시뮬레이션 도구 간 시나리오 이식성을 확보하고, 시나리오 기반 검증(Scenario-Based Testing)의 핵심 인프라로 자리매김

Learning Behavior Trees From Demonstration

· 약 3분
Kevin French
Shiyu Wu
Tianyang Pan
Zheming Zhou
O. C. Jenkins

논문 정보​

  • 제목: Learning Behavior Trees From Demonstration
  • 저자: Kevin French, Shiyu Wu, Tianyang Pan, Zheming Zhou, Odest Chadwicke Jenkins (University of Michigan)
  • 학회/저널: 2019 IEEE International Conference on Robotics and Automation (ICRA), pp. 7791-7797
  • 발행일: 2019-05-20
  • DOI: 10.1109/ICRA.2019.8794104
  • 주요 연구 내용: 인간의 시연(demonstration)으로부터 Behavior Tree를 자동으로 학습하는 파이프라인과 BT-Espresso 알고리즘 제안
  • 주요 결과 및 결론: Fetch 로봇을 활용한 가정 청소 태스크에서 시연 기반 BT 생성의 실용성을 검증
  • 기여점: Learning from Demonstration(LfD)과 BT를 결합하여, 비전문가도 투명하고 편집 가능한 로봇 정책을 생성할 수 있는 방법론 제시