오프로드 주행을 위한 시각 기반 마찰 학습
AnyNav: Visual neuro-symbolic friction learning for off-road navigation
원저자 Taimeng Fu, Zitong Zhan, Zhipeng Zhao 외 5인·The International Journal of Robotics Research·원발행 2026.11· 8 인용·카라멜 랩 해설 공개 2026. 11. 8.
최근 1년 8회 인용· 떠오르는 연구
한국어 핵심 요약
행성 탐사부터 재난 대응에 이르기까지 다양한 로봇 응용 분야에서 오프로드 주행은 핵심적인 기술입니다. 그러나 비정형 환경과 복잡한 지형-차량 상호작용으로 인해 오랫동안 난제로 남아있습니다. 기존의 물리 기반 방법은 이러한 상호작용의 비선형 역학을 정확히 포착하기 어렵고, 순수 데이터 기반 접근법은 특정 움직임 패턴이나 차량 형태에 과적합되어 다양한 실제 시나리오에서의 일반화 능력이 제한적입니다.
이러한 한계를 극복하기 위해, 본 연구에서는 시각 기반 마찰 추정 및 내비게이션 프레임워크인 AnyNav를 제안합니다. AnyNav는 신경-상징적 원리에 기반하며, 시각 인식을 위한 신경망과 지형-차량 역학 추론을 위한 상징적 물리 모델을 통합합니다. 실제 환경에서 자율 학습을 가능하게 하기 위해, 이분 최적화 프레임워크를 활용하여 물리 기반 최적화로 마찰 네트워크를 훈련하는 명령형 학습 패러다임을 채택했습니다.
물리적 추론의 명시적 통합은 지형, 차량 유형 및 작동 조건 전반에 걸쳐 일반화 능력을 크게 향상시킵니다. 예측된 마찰 계수를 활용하여, 물리적으로 실현 가능하고 시간 효율적인 경로와 해당 속도 프로파일을 생성할 수 있는 물리 정보 기반 내비게이션 시스템을 개발했습니다.
AnyNav는 시뮬레이션에서 실제 로봇 플랫폼으로 원활하게 이전되며, 다양한 4륜 차량과 오프로드 환경에서 강력한 견고성을 보여주었습니다. 이 연구는 오프로드 로봇의 자율 주행 성능을 향상시키는 데 중요한 기여를 합니다.
섹션 미리보기
연구 배경
오프로드 주행은 로봇 분야의 핵심 기술이지만, 비정형 환경과 복잡한 지형-차량 상호작용으로 인해 난제로 남아있습니다. 기존 물리 기반 또는 데이터 기반 방법들은 이러한 문제에 효과적으로 대응하지 못하며, 일반화 능력이 제한적입니다.
핵심 발견
AnyNav는 신경망과 물리 모델을 결합한 시각 기반 마찰 추정 및 내비게이션 프레임워크입니다. 물리적 추론을 통합하여 다양한 지형과 차량 유형에 대한 강력한 일반화 성능을 달성했으며, 시뮬레이션에서 실제 로봇으로의 성공적인 전이를 보여주었습니다.