[논문리뷰] HexaShell: A Thin Harness for Exploring the Limits of VLM Agents as Robot Coding Agents본 논문은 VLM 기반 에이전트가 로봇을 제어할 때 발생하는 기하학적 정보 해석의 한계와, 폐쇄적인 로봇 제어 시스템에서의 불투명성 문제를 해결하고자 한다 . 기존의 학습 기반 정책(Learned policies)은 데몬스트레이션 데이터에 의존하며, 환경 변화에 따른 일반화 성능이 낮다는 한계가 있다.#Review#VLM Agents#Robot Coding#Triangulation#HexaShell#RoboDojo#Active Perception#Tool Evolution2026년 10월 18일댓글 수 로딩 중
[논문리뷰] RoboQuest: Generalist Physical Agents that Search, Inspect and Test본 연구는 기존의 로봇 조작 벤치마크들이 과업 수행에 필요한 모든 정보가 초기에 제공되는 환경에만 집중되어 있어, 불확실한 환경에서의 능동적인 정보 탐색 능력을 평가하지 못한다는 한계를 해결하고자 합니다.#Review#Embodied AI#Robotic Manipulation#Active Perception#Goal-Directed Exploration#Multimodal Foundation Models2026년 10월 7일댓글 수 로딩 중
[논문리뷰] Beyond the Current Scene: Event-Referential Grasping with Active View Selection본 논문은 이벤트 이력에 의존하는 명령어를 처리할 때 발생하는 타겟 식별 및 가시성 확보 문제를 해결하기 위해 BeyondCSe 시스템을 제안합니다.#Review#Event-Referential Grasping#Active Perception#Zero-Shot Manipulation#Volumetric Belief#Language-Guided Grasping#Event History#Occlusion Handling2026년 10월 1일댓글 수 로딩 중
[논문리뷰] VABench: Measuring Embodied Spatial Intelligence through Visual Demonstrations, Active Perception, and Metric Control기존 연구들은 공간 추론(spatial reasoning), 조작 실행(manipulation execution), 또는 능동적 지각(active perception)을 개별적으로 평가하는 경향이 있었지만, 실제 Embodied AI 에이전트는 이 모든 능력을 통합하여 observe–reason–act–revise 루프를 닫아야 한다.#Review#Embodied AI#Spatial Intelligence#MLLMs#Robot Manipulation#Active Perception#Benchmarking#Metric Control#Demonstration Learning2026년 9월 17일댓글 수 로딩 중
[논문리뷰] Agents in the Large: Perception-Centered Architecture for Persistent Agents본 논문은 기존의 Cognitive language agents가 사용자 중심의 단기적인 episodic task에만 집중되어 있어, 장기적인 환경에서의 지속적인 서비스 제공 능력이 부족하다는 문제를 해결하고자 한다.#Review#Persistent Agents#Active Perception#Lifecycle Tasks#Language Agents#Cognitive Architecture#Software Engineering2026년 9월 1일댓글 수 로딩 중
[논문리뷰] Native Active Perception as Reasoning for Omni-Modal Understanding본 논문은 기존의 패시브한 Long Video Understanding 모델들이 가진 컴퓨팅 자원 및 성능의 한계를 해결하기 위해 제안되었습니다. 기존 연구들은 비디오 전체를 균일하게 처리하거나 전역적 사전 스캔에 의존함으로써, 비디오 길이에 따라 계산 비용이 선형적으로 증가하는 고질적인 병목 현상을 겪고 있습니다 .#Review#Omni-modal Understanding#Active Perception#POMDP#Agentic Reasoning#Test-time Scaling#TAURA#Reinforcement Learning2026년 6월 17일댓글 수 로딩 중
[논문리뷰] ActiveMimic: Egocentric Video Pretraining with Active Perception본 논문은 대규모 Egocentric Human Video를 로봇 학습에 활용할 때 발생하는 성능 저하의 핵심 원인이 '능동적 인식(Active Perception) 정보의 부재'에 있음을 규명합니다 .#Review#Robot Manipulation#Egocentric Human Video#Active Perception#Robot Pretraining#Unified Action Representation2026년 6월 14일댓글 수 로딩 중
[논문리뷰] OmniGAIA: Towards Native Omni-Modal AI Agents본 연구는 현재 바이모달 상호작용에 국한된 멀티모달 LLM의 한계를 넘어, 인간의 지능처럼 영상, 오디오, 이미지 모달리티 전반에 걸쳐 통합적으로 인지하고 추론하며 외부 도구를 사용하는 네이티브 옴니모달 AI 에이전트 를 개발하고 평가하는 것을 목표로 합니다.#Review#Omni-modal AI#Multi-modal Agents#Tool-Integrated Reasoning#Benchmark#Event Graph#Active Perception#Trajectory Synthesis#DPO2026년 2월 26일댓글 수 로딩 중
[논문리뷰] SCALE: Self-uncertainty Conditioned Adaptive Looking and Execution for Vision-Language-Action ModelsVision-Language-Action (VLA) 모델의 고정된 추론 파이프라인이 지각적 모호성이나 행동의 다중 양상과 같은 불확실한 상황에서 오류를 누적하는 문제를 해결하고자 합니다.#Review#Vision-Language-Action Models#Self-Uncertainty Estimation#Adaptive Inference#Active Perception#Action Decoding#Visual Attention#Robotic Manipulation2026년 2월 10일댓글 수 로딩 중
[논문리뷰] EgoActor: Grounding Task Planning into Spatial-aware Egocentric Actions for Humanoid Robots via Visual-Language Models본 논문은 인간형 로봇의 실제 환경 배포 시 발생하는 고유한 불안정성, 부분적 정보 기반의 지각/이동/조작 통합의 어려움, 그리고 동적 환경에서의 견고한 하위 태스크 전환 문제를 해결하는 것을 목표로 합니다.#Review#Humanoid Robots#Vision-Language Models#Task Planning#Egocentric Control#Mobile Manipulation#Active Perception#Human-Robot Interaction#Real-World Deployment2026년 2월 4일댓글 수 로딩 중
[논문리뷰] Toward Ambulatory Vision: Learning Visually-Grounded Active View Selection본 논문은 정적인 이미지에 국한된 기존 Vision-Language Models (VLMs) 의 Visual Question Answering (VQA) 한계를 극복하고, 앰뷸러토리 비전 능력을 갖춘 에이전트가 더 유익한 시점을 능동적으로 선택하도록 학습시키는 것을 목표로 합니다.#Review#Active Perception#Vision-Language Models (VLMs)#Embodied AI#View Selection#Reinforcement Learning (RL)#Supervised Fine-Tuning (SFT)#Visual Question Answering (VQA)#3D Environments2025년 12월 15일댓글 수 로딩 중
[논문리뷰] AffordBot: 3D Fine-grained Embodied Reasoning via Multimodal Large Language Models본 논문은 3D 환경에서 자연어 명령을 기반으로 물체의 상호작용 가능한 요소(affordance elements)를 식별하고, 해당 요소의 3D 마스크 , 동작 유형 , 동작 축 방향 을 포함하는 구조화된 트립렛을 예측하는 Fine-grained 3D Embodied Reasoning 이라는 새로운 태스크를 제안합니다.#Review#3D Embodied Reasoning#Multimodal Large Language Models (MLLMs)#Chain-of-Thought (CoT)#Affordance Grounding#Motion Estimation#View Synthesis#Active Perception2025년 11월 13일댓글 수 로딩 중