https://scholar.dgist.ac.kr/handle/20.500.11750/57649 2026-04-16T13:26:46Z https://scholar.dgist.ac.kr/handle/20.500.11750/59846 Title: Peg-in-Hole Insertion: A Hierarchical Control Framework with Environment-Adaptive Zero-Moment Strategy Author(s): Jeong Juwon Abstract: The Peg-in-Hole insertion task is a fundamental operation with wide-ranging applications in industrial and everyday scenarios. Because the insertion environment is difficult to model precisely, position- and orientation errors between the peg and hole are inevitable, and achieving stable force/moment control in the contact-rich environment is particularly challenging. This paper proposes a task-space manipulator control strategy that enables reliable peg-in-hole insertion under tight geometric tolerances. I demonstrate that the coupling among the subtasks’ controllers has a critical impact on task performance through case studies on the task hierarchization and the priority setting. Building on these findings, a variable center-of-rotation scheme to address changing environmental constraints and a zero-moment control method exploiting a 6-axis force/torque sensor. And a disturbance-observer-based control architecture that explicitly incorporates task-space inertia terms to maintain robust force and moment regulation in high-precision environments. In addition, a disturbance-observer-based framework incorporating task-space inertial terms enables stable force/moment control even under tight tolerance requirements. The effectiveness of the proposed framework is demonstrated in both high-fidelity simulations and real-robot experiments. The study provides new design guidelines for PiH-oriented controllers and is expected to generate synergy when integrated with learning-based or multi-sensor high-level control strategies.|펙인홀 삽입 작업은 산업 전반뿐만 아니라 실생활에서도 다양하게 활용될 수 있는 핵심 기술이다. 하지만 삽입 환경을 정확히 모델링하기 어렵기 때문에 펙과 홀 사이의 위치 및 자세 오차 발생이 불가피하며, 다중 접촉 환경에 안정적으로 힘/모멘트 제어 구현 또한 까다롭다. 본 논문은 해당 작업을 성공적으로 수행하기 위해 작업 공간 기반의 매니퓰레이터 제어 전략을 제안한다. 여러 하위 제어기 간의 간섭이 작업 성능에 미치는 영향을 가정하고, 계층 제어 적용 여부 및 제어기 우선 순위 설정에 대한 사례 연구를 통해 해당 가정을 실험적으로 검증했다. 또한 Peg-in-Hole 삽입 작업의 특성을 반영하여, 환경 변화에 적응 가능한 가변 회전 중심 방법론과 6축 힘/토크 센서를 이용한 새로운 모멘트 피드백 제어 전략을 제시한다. 이 때 공차 정밀도가 높은 상황에서도 안정적인 힘/모멘트 제어가 가능하도록 작업 공간의 관성 항이 고려된 새로운 외란 관측기 기반의 제어 구조를 제시한다. 제안된 제어기의 유효성은 시뮬레이션과 실험을 통해 검증되었다. 본 연구는 펙인홀 삽입 작업 수행을 위한 새로운 제어기 설계 가이드라인을 제시하고 있다. 향후 학습 기반 또는 다중 센서 융합형 상위 제어 방법론과 접목될 경우, 시너지 효과가 기대된다. Description: Peg-in-hole, Contact-rich manipulation task, multi-task control, Hierarchical control framework, Disturbance observer, Force/moment feedback control 2024-12-31T15:00:00Z https://scholar.dgist.ac.kr/handle/20.500.11750/59845 Title: Content-Adaptive Image Style Transfer with Pretrained VQ Autoencoders Author(s): Kyoungmin Lee Abstract: We introduce Content-Adaptive Style Transfer (CAST), a novel training-free approach for arbitrary style transfer that enhances visual fidelity using vector quantized-based pretrained autoencoder. Our method systematically applies coherent stylization to corresponding content regions. It starts by capturing the global structure of images through vector quantization, then refines local details using our style-injected decoder. CAST consists of three main components: a content-consistent style injection module, which tailors stylization to unique image regions; an adaptive style refinement module, which fine-tunes stylization intensity; and a content refinement module, which ensures content integrity through interpolation and feature distribution maintenance. Experimental results indicate that CAST outperforms existing generative-based and traditional style transfer models in both quantitative and qualitative measures. Keywords: Style transfer, Image-driven, Image editing, Multimodal model, Vector-quantized model |본 논문은 스타일 전환의 시각적 완성도를 향상시키기 위한 새로운 학습 없이 가능한 기법인 콘텐츠 적응형 스타일 전환 기술을 제안합니다. 이 방법은 벡터 양자화 기반의 사전 학습된 오토 인코더를 활용하여, 콘텐츠 이미지의 전역 구조를 먼저 포착하고, 이후 정교하게 설계된 스타일 주입 디코더를 통해 국소적인 세부 스타일을 반영합니다. 본 논문에서 제안하는 방법의 핵심 구성 요소는 세 가지입니다. 첫째, 이미지의 고유한 영역별 특성에 맞춰 스타일을 반영하는 콘텐츠 일관 스타일 주입 모듈, 둘째, 스타일 강도를 콘텐츠에 맞게 조절하는 적응형 스타일 정제 모듈, 셋째, 콘텐츠의 구조적 일관성을 유지하기 위한 콘텐츠 정제 모듈입니다. 특히 각 모듈은 특징 분포 유지와 보간 기반 정제 과정을 통해 스타일 전환 과정에서도 원본 콘텐츠의 본질을 보존하는 데 중점을 둡니다. 다양한 실험 결과를 통해, 본 논문에서 제안한 방법이 기존의 생성 기반 및 전통적 스타일 전환 방법보다 정량적 지표와 시각적 평가 모두에서 우수한 성능을 나타냄을 입증하였습니다. 핵심어: 스타일 전환 (Style transfer), 이미지 기반 (Image-driven), 이미지 편집 (Image editing), 멀티모달 모델 (Multimodal model), 벡터 양자화 모델 (Vector-quantized model) Description: Style transfer,Image-driven,Image editing,Multimodal model,Vector-quantized model 2024-12-31T15:00:00Z https://scholar.dgist.ac.kr/handle/20.500.11750/59844 Title: DEQ-Stereo: Deep Equilibrium Video Stereo Matching with Temporal State Transfer Author(s): Kiljoon Han Abstract: 본 논문에서는 심층 평형(Deep Equilibrium, DEQ) 패러다임을 적용하여 스테레오 매칭을 암시적 평형 연산(implicit equilibrium computation)으로 새롭게 정립하는 프레임워크, DEQ-Stereo를 제안합니다. 고정된 업데이트 스케줄에 의존하는 기존의 반복적 방식들과 달리, DEQ-Stereo는 수렴된 은닉 상태(converged hidden state)를 직접적으로 계산함으로써, 보다 적은 업데이트만으로 적응형 추론(adaptive inference)을 수행하여 연산 효율성을 높입니다. 더 나아가, 비디오 데이터 처리 시 효율성과 시간적 일관성을 제고하기 위해, 이전 프레임에서 수렴된 은닉 상태를 현재 프레임의 초기값으로 전달하는 시간적 상태 전이(Temporal State Transfer, TST) 기법을 도입하였습니다. 이러한 웜 스타트(warm-start) 전략은 매칭 정확도의 손실 없이, 특히 움직임이 크지 않은 상황에서 은닉 상태의 수렴 속도를 효과적으로 개선하고 프레임 간 안정성을 증진시킵니다. 본질적으로 DEQ가 지닌 암시적 모델링의 강력함과 비디오 데이터의 시간적 연속성을 동시에 활용함으로써, DEQ-Stereo는 지연 시간을 단축시키면서도 우수한 매칭 성능을 달성합니다. 이는 자율 주행 및 로보틱스 등 실시간 비디오 기반 깊이 인식 응용에 높은 적용 가능성을 제시합니다.|In this paper, we propose DEQ-Stereo, a novel framework that formulates stereo matching as an implicit equilibrium computation using the Deep Equilibrium (DEQ) paradigm. Unlike traditional iterative methods with fixed update schedules, DEQ-Stereo directly solves for the converged hidden state, enabling adaptive inference with fewer updates. To further improve efficiency and temporal consistency in video, we introduce Temporal State Transfer (TST) that transfers the converged hidden state from the previous frame as initialization for the current one. This warm-start strategy significantly accelerates convergence and improves stability across frames, especially under moderate motion, without sacrificing matching accuracy. By leveraging both the implicit modeling power of DEQ and the temporal coherence of video, DEQ-Stereo achieves strong performance with reduced latency, making it well-suited for real-time, video-based depth perception tasks in applications such as autonomous driving and robotics. Description: Stereo Matching, Recurrent Neural Network, Deep Equilibrium, Iterative Optimization, Autonomous driving, Regression 2024-12-31T15:00:00Z https://scholar.dgist.ac.kr/handle/20.500.11750/59843 Title: Isaac Sim: Revolutionizing VR Controller Precision for Micromanipulation using Time2Vec+Transformer Model Author(s): Obasi Yetunde Oluwatoyosi Description: Virtual Reality, Microsurgery, Transformer, Isaac Sim. 2024-12-31T15:00:00Z