Paper6 [논문리뷰] Improving LaCAM for Scalable Eventually Optimal Multi-Agent Pathfinding. In Proceedings of International Joint Conference on Artificial Intelligence Lacam2의 핵심 내용Lacam2라고도 불리는 Improving Lacam입니다.대규모 로봇의 경로계산을 위한 MAPF알고리즘이며, PIBT와 Lacam논문을 읽어야 이해할 수 있습니다. 왜냐면 Lacam2의 컨트리뷰션은1. Lacam을 Anytime형식으로 개량2. PIBT결과물인 Configuration 초기 산출속도 개선이거든요. 사실상 기존 Lacam의 성능과 편의성을 끌어올린 기술적 논문이라고 보면 될것같습니다. Lacam2의 원리자 그럼 어떻게 Lacam를 Anytime으로 개량할 수 있었을까요(Lacam과 PIBT에 대한 내용은 생략하겠습니다.. 이전포스트에서 다뤄졌기도 하고 내용이많아서.) Lacam2가 Lacam과 다른 두가지 요소는 아래와 같습니다.1. Lacam2는 목표 Con.. 2025. 4. 11. [논문리뷰] LaCAM: Search-Based Algorithm for Quick Multi-Agent Pathfnding Lacam은 PIBT 기반의 MAPF 알고리즘입니다.널리 사용되는 2레벨 구조를 가지고있지만,모든 경우를 탐색하며 최적의 경로를 찾는 다른 MAPF와는 다르게 유망한 분기에 대해서만 탐색을 확장하는 독특한 방법으로 최적성의 정점을 찍은 MAPF입니다. 이전 논문인 PIBT와 유사하게 대규모 로봇의 실시간 경로생성을 위해 최적성과 연산량을 교환한 MAPF이며, 가성비가 상당히 좋아서 훌륭하다는 평가를 받는 MAPF중 하나입니다. Lacam의 동작 원리 Lacam은 2레벨 구조를 가지고있습니다.High-level은 Configuration을 넓이우선방식으로 탐색합니다. 여기서 Configuration은 특정 시간대의 모든 로봇 위치를 뜻합니다.low-level은 High-level에서 가장 위에.. 2025. 4. 11. Priority Inheritance with Backtrackingfor Iterative Multi-agent Path Finding 논문리뷰 PIBT란 무엇인가PIBT는 대규모 에이전트의 실시간 경로생성을 위해 설계된 알고리즘입니다. 기존 알고리즘들은 연산량의 한계때문에 대규모&실시간 경로생성이 불가능했는데,PIBT는 최적성을 포기하고 연산량을 크게 낮춰 수천대의 로봇경로를 실시간으로 생성가능합니다. 결국 최적성과 연산량의 trade-off인데, 줄어든 최적성에 비해 엄청난 연산량을 감소시켜 주목받았습니다. PIBT가 지적한 한계PIBT는 논문의 첫장부터 "one-shot" 알고리즘들의 한계를 서술했는데요, 원샷알고리즘은* 모든 로봇이 동시에 움직임을 시작* 모든 로봇이 각자의 목적지를 동시에 입력받음을 전제로 수행되는 알고리즘입니다. 하지만 실제로 MAPF를 사용하는 현장에서는, 모든 로봇들의 상태도 다르고 명령이 입력되는 시간도 다르며,.. 2025. 4. 9. 물류센터 환경에서 가장 좋은 MAPF 모델은 무엇인가? Which MAPF Model Works Best for Automated Warehousing? 라는 이름의 논문이 있어서 읽어봤습니다. 제조물류 환경에서 로봇을 운용하는 업무를 하고있기때문에, 제목을 보자마자 읽고싶은 생각이 났죠. VARAMBALLY, Sumanth; LI, Jiaoyang; KOENIG, Sven. Which MAPF Model Works Best for Automated Warehousing?. In: Proceedings of the International Symposium on Combinatorial Search. 2022. p. 190-198. Abstract MAPF의 대부분의 연구는 로봇 동역학을 단순화시킨 후 최적&최고의 품질의 경로를 찾는것을 목적으로 합니다... 2025. 3. 23. [논문 리뷰] Accurate Calibration of LiDAR-Camera Systems using Ordinary Boxes 이 논문은 RGB camera와 3D LiDAR을 사용한 비전시스템의 calibration에 대해 다루는 논문이다. 카메라와 라이다의 extrinsic parameter를 찾는 것이 목적이다. 라이다와 카메라 사이의 extrinsic parameter를 찾는 논문은 2000년도 후반 라이다의 가격이 점차적으로 하락하며 등장하기 시작했고, 현재는 3D LiDAR를 사용하거나, 어안카메라, 다수의 카메라&라이다 사용, 타겟리스한 방법론 등 폭발적으로 연구되고있지는 않지만 꾸준하게 진행되고 있다. Introdunction 라이다는 주변 환경을 인식하며 거리 정보를 매우 정확하게 반환하며 빛에 영향을 받지 않지만, 낮은 해상도를 가지는 것이 단점이다. 그에 비해 카메라는 높은 해상도와 색 데이터를 가지고 있지만.. 2020. 12. 22. [논문 리뷰] PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation 2010년 이후 컴퓨터의 연산능력과 병렬처리 기술이 급격히 상승하며 딥러닝은 이상적인 이론에서 현실의 문제를 해결하는 방법론으로 자리를 잡아갔다. 오늘 리뷰할 논문의 주제도 마찬가지다. 간략하게 정의하자면 딥러닝의 신경망으로 3D point cloud사용할 때의 몇몇 문제점을 해결해서 효과적으로 poinc cloud데이터를 classify하고 segmentation하는 것이 주요 골자이다. 2017년 CVPR에서 발표되었고, projection시키거나 voxelize하지 않고 point cloud의 raw데이터를 그대로 사용하는 딥러닝 기반 방법론의 baseline이 되었다. Introduction 전통적인 convolutional 구조는 규칙적인 data format을 기반으로 했다. 주로 height.. 2020. 12. 6. 이전 1 다음
