논문

경험 기반 지속 학습 CL-P로 쿼드러패드 로봇의 지형 통과성을 예측한다

프리프린트로 공개된 이 논문은 쿼드러패드 로봇이 접촉 전 이미지로부터 평면 발 미끄러짐, 평균 수직 지면 반력, 견인 지수, 이동 비용, 접지 하중률 등 5가지 상호작용 지표를 예측하고, 검증 게이트를 적용한 지속 학습으로 새로운 지형에 적응하면서 과거 성능 저하를 줄이는 파이프라인을 제안했다. 하드웨어 순차 실험에서 과거 앵커 NLL 성능 저하를 리플레이 단독 대비 23.1% 줄였으며, 시뮬레이션 내비게이션에서도 안정적으로 동작했다.