AdaReP:Adaptive Re-Planning under Model Mismatch for Neural World-Model Predictive Control

신경망 세계 모델 기반 MPC에서 재계획 시점을 온라인으로 적응 조정하는 학습 불필요 래퍼로, 계산량을 80% 이상 줄인다.

AdaReP은 신경망 세계 모델 + MPC에서 재계획(replanning) 시점을 동적으로 조절하는 training-free 래퍼다. 예측 불일치와 국소 민감도를 온라인으로 추정하여 캐시된 계획의 신뢰도가 임계치 이하로 떨어질 때만 재계획을 수행한다. 이미지 영역 계획, 잠재 공간 제어, 실제 Franka 로봇 조작에서 각각 검증하여, 작업 성능을 유지하면서 planner-side 쿼리를 50~80% 이상 감소시켰다.

핵심 요약

• Dynamic-regret 이론에 기반한 적응적 재계획 임계값: 예측 편차와 국소 역학 민감도로 산출
• 학습 불필요: 기존 세계 모델 및 플래너 수정 없이 래핑만으로 적용 가능
• VP2/RoboDesk: NFE 59% 감소, DMC Suite(TD-MPC2): NFE 54.5% 감소
• 실제 Franka 로봇: 50 trial에서 80% 이상 쿼리 감소, 성공률 36/50 유지(기준 34/50)
• 힌지 같은 민감 구간에서는 재계획 빈도 자동 증가, 원활한 구간에서는 캐시 재사용 연장

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.