PyTorchKR Papers

업데이트된 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.05369v3cs.RO

GaP: 변동적 자동화 태스크를 위한 그래프-as-정책 멀티 에이전트 자기학습 하네스

GaP: A Graph-as-Policy Multi-Agent Self-Learning Harness For Variational Automation Tasks

로봇이 상업 및 산업 응용에서 안정적으로 작동하려면, 에이전트형 코딩 시스템의 최근 발전이 해석 가능한 로봇 프로그래밍과 모델 프리 정책의 개방형 세계 적응성을 결합할 잠재력을 지닌다. 우리는 고정 자동화보다 물체 형상과 자세의 변동이 큰 과제 부류인 "가변 자동화"(Variational Automation, VA)에 주목한다. 모델 프리 정책은 상업 및 산업 응용에서 지속적이고 안정적으로 수행되어야 하는 VA 과제의 신뢰성 격차를 좁히는 데 어려움을 겪는 경우가 많다. 과제 및 동작 계획(TAMP)과 로봇 운영체제(ROS)에 관한 선행 연구에 착안하여, 우리는 모듈형 개방 로봇 스킬 라이브러리(MORSL)로부터 인지, 계획, 제어 노드를 갖춘 방향 계산 그래프를 생성하는 멀티 에이전트 코딩 하네스인 Graph-as-Policy(GaP)를 소개한다. GaP는 내부 시뮬레이션 환경을 생성하여 서로 다른 그래프로 과제 인스턴스를 병렬로 연습하고, 그래프 구조와 파라미터를 반복적으로 개선하여 성공률과 처리량을 높인다. 시뮬레이션 4개와 실제 환경 4개를 포함한 8개의 새로운 공개 VA 과제 벤치마크로 평가한 결과, GaP는 베이스라인을 크게 능가하는 성공률을 달성할 수 있음을 시사한다. 상세 내용, 코드, 데이터: https://graph-robots.github.io/gap