제어 장벽 함수가 로봇의 원래 명령을 최대한 유지하면서 위험한 방향만 실시간으로 제한하는 원리를 설명합니다. 안전 집합과 최적화 기반 필터의 장점뿐 아니라 센서 지연, 모델 오차, 제약 충돌 때문에 독립 안전장치가 필요한 한계도 함께 짚습니다.

로봇 월드 모델이 후보 행동에 따라 세상이 어떻게 바뀔지 예측하는 원리와 실제 제어 사례, 그럴듯한 영상만으로는 안전한 로봇을 만들 수 없는 이유를 쉽게 설명합니다.

Sean Woo 핵심 요약 로봇이 클라우드에 묻지 않고 현장에서 판단한다면 지하 터널을 점검하는 로봇이 낙석을 발견했다고 생각해 보겠습니다. 카메라 영상을 멀리 있는 데이터센터로 보내 답을 기다리면 통신이 끊기거나 늦어질 수 있습니다. 반대로 로봇 안의 컴퓨터가 센서와 작업 매뉴얼을 함께 읽고 정지·우회·보고 순서를 판단하면 인터넷이 불안정해도 기본 대응을 이어갈 수 있습니다. 이것이 엣지 추론의 장점입니다. 다만 … 더 읽기

무작위 행동 후보를 여러 번 다듬고, 짧게 실행한 뒤 다시 관찰하는 Diffusion Policy의 원리와 46.9%·95% 실험 결과의 조건을 쉽게 설명합니다.

Sean Woo 핵심 요약 취리히대 연구팀은 2026년 6월 18일 이벤트 흐름을 학습된 코드로 다시 묶는 Neural Events 논문을 공개했습니다. 이벤트 카메라는 전체 화면 대신 밝기가 달라진 픽셀의 위치·극성·시각을 비동기로 보냅니다. Neural Events는 가까운 픽셀의 사건을 지역 문맥으로 요약하고, 선택된 코드가 바뀔 때만 새 신호를 냅니다. 논문은 세 벤치마크의 객체 검출·분류 조건에서 원시 이벤트 발생률을 2분의 … 더 읽기

Sean Woo 핵심 요약 OMPL 2.0.2는 2026년 8월 14일 공개됐으며, 제어 기반 플래너의 경로 비용 계산 오류 등을 고쳤습니다. 모션 플래닝은 로봇의 시작 자세에서 목표 자세까지 충돌하지 않는 움직임을 찾는 과정입니다. OMPL 2.0 계열은 VAMP를 선택형 고성능 백엔드로 연결해 충돌 검사와 운동학 계산을 빠르게 할 수 있습니다. 공식 자료의 최대 25kHz와 35마이크로초 수치는 특정 알고리즘·로봇 … 더 읽기