신경 연산자(Neural Operator)를 이용한 노이즈 환경에서의 계획 수립

요약

본 논문은 노이즈 환경에서 신뢰할 수 있는 계획 수립을 위해 신경 연산자(Neural Operator) 기반의 Planning Under Noise (PUN) 모델을 제안합니다. PUN은 미지의 기하학 구조물 내 탐색 시 발생하는 복잡한 경계 조건과 필드 계산 문제를 해결하며, 몬테카를로 솔버의 높은 비용을 완화하는 것이 핵심입니다.

핵심 포인트

• 신경 연산자(Neural Operator) 기반의 Planning Under Noise (PUN) 모델 제안
• 복잡한 기하학 구조물 내 탐색 및 필드 계산 문제 해결
• 몬테카를로 솔버의 높은 비용을 학습으로 완화하여 효율성 증대
• 4D 재계획 벤치마크에서 최고 노이즈 수준 대비 높은 성공률과 빠른 실행 시간 달성