장병탁 연구실

본 논문은 개념 병목 모델(CBM)의 개념 지역화 문제를 해결하기 위해 지역성 인식 개념 병목 모델(LCBM)을 제안합니다. LCBM은 기초 모델의 정보를 활용하고 프로토타입 학습을 도입하여 각 개념을 정확하게 공간적으로 지역화합니다. 실험 결과 LCBM은 개념 식별 성능을 유지하면서 지역화 성능을 향상시킵니다.

본 논문은 부분환경과 구성 객체 간의 세 가지 기본 관계를 추론하는 베이지안 기반의 OBSER 프레임워크를 제시합니다. 메트릭 및 자기지도학습 모델을 활용하여 잠재공간에서 객체 분포를 추정하며, (ε,δ) 통계적 분리 함수로 표현 정렬을 검증합니다. 개방형 및 사진현실적 환경에서 신뢰성 있게 작동하며 연쇄 검색 작업에서 장면 기반 방법을 능가합니다.

본 연구는 자연어 감독을 통해 로봇이 실제 환경에서 기술을 학습할 수 있도록 하는 CLIP-RT 모델을 제시합니다. 자연어 기반 데이터 수집 프레임워크와 대조 모방 학습을 활용하여 언어 조건부 시각-운동 정책을 학습하며, OpenVLA 대비 24% 높은 성공률을 달성하면서 파라미터는 7배 적게 사용합니다.

본 연구는 다중 에이전트 강화학습의 보상 함수에 한계효용 체감의 법칙을 적용하여 에이전트 간 통신 없이 최적의 자원 분배를 달성합니다. 그리드 월드 실험에서 이 방법은 두 에이전트가 두 자원을 획득할 때 더욱 평등하고 파레토 최적에 가까운 분배를 실현합니다.