[논문리뷰] RoboHarness: A Simple Harness Outperforms VLA and World Action Models본 논문은 대규모 LLM의 우수한 추론 및 계획 능력을 물리적 로봇 제어로 확장하기 위한 효과적인 인터페이스 부재 문제를 해결하고자 한다. 기존의 VLA 모델들은 직접적인 동작 생성을 위해 방대한 양의 로봇 동작 데이터를 필요로 하며, 이는 데이터 수집의 어려움과 일반화 성능의 한계라는 문제를 안고 있다.#Review#Embodied AI#RoboHarness#VLA#World Action Models#Geometric Constraints#Spatial Grounding#LLM2026년 10월 26일댓글 수 로딩 중
[논문리뷰] SNAP3D: Physically Grounded 3D Parts for Assembly from a Single Image본 연구는 단일 이미지 기반의 3D 객체 복원 과정에서 발생하는 부품 간 물리적 정합성 부족 문제를 해결하는 데 집중합니다. 기존의 3D reconstruction 방식은 시각적으로는 그럴듯한 결과를 생성하지만, 실제 물리적인 조립이 불가능한 부품 상태로 파편화되거나 공간적인 배치 오류를 범하는 경우가 많습니다.#Review#3D Part Assembly#Physically Grounded#Single-Image Reconstruction#Part Segmentation#Geometric Constraints2026년 9월 13일댓글 수 로딩 중
[논문리뷰] JigShape: Evaluating Visual-Geometric Reasoning in VLMs through Jigsaw Puzzles본 연구는 기존 VLMs가 복잡한 공간 추론(Spatial Reasoning)을 수행할 수 있는지 검증하기 위해 수행되었습니다. 기존 벤치마크들은 단순한 사각형 패치를 사용하여 텍스처가 반복되는 영역에서 레이블이 모호해지는 문제와 낮은 그리드 밀도로 인한 변별력 저하라는 한계가 있습니다 .#Review#Vision-Language Models#Spatial Reasoning#Jigsaw Puzzles#Geometric Constraints#Visual-Geometric Reasoning#Benchmark2026년 8월 11일댓글 수 로딩 중
[논문리뷰] Model-Based and Sample-Efficient AI-Assisted Math Discovery in Sphere Packing본 논문은 계산 비용이 매우 높은(각 평가에 며칠 소요) 문제인 구 채우기(sphere packing) 문제에서 AI를 활용하여 새로운 수학적 상한을 발견하는 것을 목표로 합니다. 특히, 기존의 데이터 집약적인 AI 접근 방식이 비실용적인 환경에서 샘플 효율적인 모델 기반 프레임워크 를 통해 난제를 해결하고자 합니다.#Review#Sphere Packing#Mathematical Discovery#Semidefinite Programming (SDP)#Bayesian Optimization (BO)#Monte Carlo Tree Search (MCTS)#Sample-Efficient AI#Model-Based Learning#Geometric Constraints2025년 12월 4일댓글 수 로딩 중
[논문리뷰] Geometrically-Constrained Agent for Spatial Reasoning본 논문은 Vision Language Models (VLMs)이 공간 추론 시 겪는 의미론-기하학적 간극(semantic-to-geometric gap) 문제를 해결하고자 합니다.#Review#Spatial Reasoning#Vision Language Models (VLMs)#Geometric Constraints#Agentic AI#Tool Integration#Semantic-to-Geometric Gap#Task Formalization2025년 11월 30일댓글 수 로딩 중
[논문리뷰] Discriminately Treating Motion Components Evolves Joint Depth and Ego-Motion Learning본 논문은 심도 추정 및 에고-모션 학습을 위한 기존의 자율학습(unsupervised learning) 프레임워크가 모션 구성요소(회전, 병진)를 불분명하게 처리하여 신뢰성과 견고성이 저하되는 문제를 해결하고자 합니다.#Review#Self-supervised Learning#Depth Estimation#Ego-Motion Estimation#Motion Component Discrimination#Geometric Constraints#Optical Flow#PoseNet#DepthNet2025년 11월 9일댓글 수 로딩 중