본 기사는 인간의 행동 관찰 데이터를 로봇 제어에 효과적으로 전이시키는 ViSA-Flow에 대한 최신 연구 결과를 소개합니다. 자기 지도 학습과 의미적 행동 흐름을 통해 저데이터 환경에서도 뛰어난 성능을 보이는 ViSA-Flow는 로봇 학습 분야에 혁신을 가져올 것으로 기대됩니다.

2DXformer는 풍력 발전 예측의 정확도를 향상시키기 위해 내생 및 외생 변수를 구분하고 변수 간의 상호 관계를 효과적으로 모델링하는 새로운 딥러닝 기반 모델입니다. 실제 데이터셋을 이용한 실험 결과, 뛰어난 성능 향상을 보였습니다.

본 연구는 첨단 제조 기술과 AI 기반 자료 분석 기법을 결합하여 메타물질 설계의 효율성을 극대화하는 새로운 방법을 제시합니다. 주성분 분석과 가우시안 프로세스 회귀, 그리고 불확실성 기반 적극적 학습을 통해 전체 데이터의 극히 일부만으로도 정확한 구조-물성 예측이 가능함을 보여줍니다.

양호란, 렌촨시안 연구팀이 개발한 POTT 방법은 기존 전이 학습의 한계를 극복하고, 물리 법칙을 보존하며 미분 방정식을 효과적으로 해결하는 혁신적인 기술입니다. 이는 다양한 과학 및 공학 분야에 긍정적인 영향을 미칠 것으로 예상됩니다.

Zhaoyan Wang, Xiangchi Song, In-Young Ko 세 연구원이 개발한 MultiGran-STGCNFog는 다중 입자 공간-시간 특징 융합과 효율적인 포그 분산 추론 시스템을 통해 기존 GCN 기반 교통 예측 모델의 한계를 극복, 정확도와 처리량을 모두 향상시켰습니다. GA-DPHDS 스케줄링 알고리즘을 통해 이기종 포그 디바이스를 활용, 실시간 교통 예측에 중요한 발전을 가져왔습니다.