본문으로 건너뛰기

"Robotics" 태그로 연결된 13개 게시물개의 게시물이 있습니다.

모든 태그 보기

Automatic Robot Task Planning by Integrating Large Language Model with Genetic Programming

· 약 4분
Azizjon Kobilov
Jianglin Lan

논문 정보​

  • 제목: Automatic Robot Task Planning by Integrating Large Language Model with Genetic Programming
  • 저자: Azizjon Kobilov (University of Glasgow, James Watt School of Engineering), Jianglin Lan (University of Glasgow, James Watt School of Engineering)
  • 학회/저널: 10th IEEE International Conference on Advanced Robotics and Mechatronics (ARM 2025), Portsmouth, UK
  • 발행일: 2025-02-11 (arXiv 제출일)
  • DOI: arXiv:2502.07772
  • 주요 연구 내용: LLM과 유전 프로그래밍(GP)을 통합한 LLM-GP-BT 기법으로 자연어 로봇 작업 명령을 행동 트리(BT) 기반 작업 계획으로 자동 변환
  • 주요 결과 및 결론: LLM-GP-BT가 GP-BT 대비 더 빠른 수렴 속도와 우수한 성능을 확률적 환경에서도 유지하며, 절반 크기의 초기 집단으로도 기존 방법보다 우수한 성능 달성
  • 기여점: 사전 정의된 BT 예시 없이 환경 이미지와 자연어 명령만으로 BT를 자동 생성하는 사용자 친화적이고 계산 효율적인 프레임워크 제안

Automatic Behavior Tree Expansion with LLMs for Robotic Manipulation

· 약 3분
Jonathan Styrud
Matteo Iovino
Mikael Norrlöf
Mårten Björkman
Christian Smith

논문 정보​

  • 제목: Automatic Behavior Tree Expansion with LLMs for Robotic Manipulation
  • 저자: Jonathan Styrud, Matteo Iovino, Mikael Norrlöf, Mårten Björkman, Christian Smith
  • 학회/저널: ICRA 2025 (IEEE International Conference on Robotics and Automation)
  • 발행일: 2024-09-20 (arXiv), 2025 (ICRA)
  • DOI: 10.48550/arXiv.2409.13356
  • 주요 연구 내용: LLM을 활용하여 로봇 조작 작업 중 계획 및 실행 단계에서 발생하는 오류를 자동으로 해결하고, 행동 트리(BT) 정책을 동적으로 확장·구성하는 BETR-XP-LLM 방법론 제안
  • 주요 결과 및 결론: 다양한 작업과 실패 상황에서 BT를 자동으로 확장하여 문제를 해결하고, 향후 유사한 문제에 대응할 수 있도록 정책을 영구적으로 업데이트
  • 기여점: BT의 투명성과 가독성을 유지하면서 LLM 호출을 최소화하고, 자동 정책 업데이트를 통해 로봇 시스템의 견고성과 성공률을 향상

Comparison between Behavior Trees and Finite State Machines

· 약 3분
Matteo Iovino
Julian Förster
Pietro Falco
Jen Jen Chung
Roland Siegwart
Christian Smith

논문 정보​

  • 제목: Comparison between Behavior Trees and Finite State Machines
  • 저자: Matteo Iovino, Julian Förster, Pietro Falco, Jen Jen Chung, Roland Siegwart, Christian Smith
  • 학회/저널: IEEE Transactions on Robotics (T-RO) 투고, arXiv preprint (cs.RO)
  • 발행일: 2024-05-25
  • DOI: 10.48550/arXiv.2405.16137
  • 주요 연구 내용: 모바일 조작 작업에서 로봇을 제어할 때 행동 트리(BT)와 유한 상태 머신(FSM)의 실용적 비교를 반응성, 모듈성, 가독성, 설계의 네 가지 측면에서 수행
  • 주요 결과 및 결론: 작업 수행 중 로봇의 실제 행동은 정책 표현 방식에 독립적이나, 작업 복잡도가 증가할수록 BT가 FSM보다 유지보수가 용이함
  • 기여점: BT와 FSM의 최초의 체계적이고 실용적인 정량 비교를 시뮬레이션과 실제 로봇 환경 모두에서 수행하고, 비교 메트릭을 제안

LLM-BT - Performing Robotic Adaptive Tasks based on Large Language Models and Behavior Trees

· 약 3분
Haotian Zhou
Yunhan Lin
Longwu Yan
Jihong Zhu
Huasong Min

논문 정보​

  • 제목: LLM-BT: Performing Robotic Adaptive Tasks based on Large Language Models and Behavior Trees
  • 저자: Haotian Zhou, Yunhan Lin, Longwu Yan, Jihong Zhu, Huasong Min
  • 학회/저널: IEEE International Conference on Robotics and Automation (ICRA 2024)
  • 발행일: 2024-04-08
  • DOI: arXiv:2404.05134
  • 주요 연구 내용: 대규모 언어 모델(LLM)과 행동 트리(BT)를 결합하여 외부 교란 상황에서도 로봇이 적응적으로 태스크를 수행할 수 있는 LLM-BT 프레임워크 제안
  • 주요 결과 및 결론: 기존 LLM 기반 방법과 달리 동적으로 확장 가능한 가변 행동 트리를 출력하여 외부 교란에 강건한 로봇 태스크 실행 달성
  • 기여점: ChatGPT 기반 추론, BERT 기반 파싱, 동적 BT 업데이트 알고리즘을 통합한 새로운 적응적 로봇 태스크 수행 파이프라인 제시

Behavior Trees and State Machines in Robotics Applications

· 약 3분
Matteo Iovino
Julian Förster
Pietro Falco
Jen Jen Chung
Roland Siegwart
Christian Smith

논문 정보​

  • 제목: Behavior Trees and State Machines in Robotics Applications
  • 저자: Matteo Iovino (KTH Royal Institute of Technology), Julian Förster (ETH Zurich), Pietro Falco (ABB Corporate Research), Jen Jen Chung (University of Queensland), Roland Siegwart (ETH Zurich), Christian Smith (KTH Royal Institute of Technology)
  • 학회/저널: IEEE Transactions on Software Engineering, Volume 49, Issue 9, 2023
  • 발행일: 2023-04-18
  • DOI: 10.1109/TSE.2023.3269081
  • 주요 연구 내용: Behavior Tree(BT)와 Finite State Machine(FSM)을 로봇 조작 태스크에서 실증적으로 비교하여 설계 복잡도, 유지보수성, 성능을 분석
  • 주요 결과 및 결론: BT가 복잡한 다단계 로봇 태스크에서 FSM 대비 우수한 확장성과 유지보수성을 제공함을 실증
  • 기여점: BT와 FSM의 이론적 비교를 넘어, 실제 로봇 조작 태스크에서의 실증적 비교 데이터를 최초로 제공

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

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

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

Autonomous Acquisition of Behavior Trees for Robot Control

· 약 3분
Michele Colledanchise
Petter Ögren

논문 정보​

  • 제목: Autonomous Acquisition of Behavior Trees for Robot Control
  • 저자: Michele Colledanchise (KTH Royal Institute of Technology), Petter Ögren (KTH Royal Institute of Technology)
  • 학회/저널: 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), pp. 3460-3467
  • 발행일: 2018-10-01
  • DOI: 10.1109/IROS.2018.8594083
  • 주요 연구 내용: 강화학습(RL)을 통해 로봇이 자율적으로 행동 트리(BT) 기반의 제어 정책을 학습하는 방법론 제안
  • 주요 결과 및 결론: 자율적으로 학습된 BT가 수동 설계된 BT와 동등한 성능을 달성하면서도 인간이 읽고 검증할 수 있는 구조를 유지
  • 기여점: 행동 트리의 모듈성과 가독성을 유지하면서 자율 학습을 가능하게 하는 최초의 방법론 제안

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