AI 연구연구 프리프린트
드론 길찾기 모델, 한 번에 여러 이동을 실행하며 멈춤 판단 학습
원문 읽기 · arxiv.org ↗(새 탭에서 열림)X-Fly는 공중 영상·언어 길찾기에서 여러 이동 명령을 한 번에 수행해 모델 호출을 줄이고, 스스로 방문한 상태에서 회복과 정지 판단을 다시 학습했다.
연구 방법
- 기본 모방 학습은 전문가 궤적에서 보지 못한 위치와 도착 상태에 취약했다. 연구진은 학습 모델이 방문한 결정 지점에서 미래 전문가 경로로 복귀하는 이동 묶음과 도착 구역의 첫 정지 지점을 라벨링하고, 이후 폐루프 결과로 이동·STOP 정책을 함께 강화학습했다.
평가 결과
- OpenFly 시뮬레이터에서 8개 이동 제어를 한 결정으로 묶었을 때 보았던 시험 경로의 성공률 74.18%, 새 경로 51.73%였다. 전체 묶음 모방 학습은 각각 16.45%·18.43%였다. RTX PRO 5000 측정에서 모델 추론은 실행 경유점당 195ms에서 42ms로 줄었으나 이는 추론 비용이지 전체 비행 시간은 아니다.
적용 조건
- 모든 결과가 OpenFly 시뮬레이션에서 나온 것이며 실제 항공기 역학·센서 잡음·운항 안전 제약을 포함하지 않는다. 학습 구성별 시드는 하나라 변동을 추정하지 못한다. 도착 구역 안을 지나도 제때 멈추지 못하는 경우가 남아 실제 드론 운항 성능으로 해석할 수 없다.
함께 확인할 조건
- 모든 결과가 OpenFly 시뮬레이션에서 나온 것이며 실제 항공기 역학·센서 잡음·운항 안전 제약을 포함하지 않는다. 학습 구성별 시드는 하나라 변동을 추정하지 못한다. 도착 구역 안을 지나도 제때 멈추지 못하는 경우가 남아 실제 드론 운항 성능으로 해석할 수 없다.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.19 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.