{"schema_version":"1.0","title":"연구개발 성과 지도","coverage":{"start":2022,"end":2025,"label":"2022–2025 연구성과"},"updated":"2026-10-05","horizontal_axes":[{"id":"H1","label":"지식체계 구축","definition":"관찰·텍스트·영상에서 표상을 추출하고 지식그래프·공간지도·절차를 구성·검색·확장"},{"id":"H2","label":"불확실성 지각","definition":"모델·데이터·질의·상황의 불확실성, OOD, 응답 불가능성, 모호성 및 보정 상태 판단"},{"id":"H3","label":"질문 생성","definition":"불확실성을 줄이기 위한 질문 내용·형태·대상·시점·횟수 결정 및 응답 해석"},{"id":"H4","label":"질의응답 기반 성장학습","definition":"응답·피드백·에이전트 지식 전달을 통한 추론 개선, 지식 확장, 모델 갱신; 일반 지속학습은 기반 기여로 구분"}],"vertical_axes":[{"id":"V1","label":"장면과 비디오 이해"},{"id":"V2","label":"실세계와 절차 이해"},{"id":"V3","label":"의료진단 의사결정 지원"},{"id":"V4","label":"데이터 정제","definition":"데이터셋 품질 평가와 내용·라벨 정제; 의료 데이터는 V3와 중복 연결 가능"}],"technologies":[{"id":"T01","name":"멀티모달 지식그래프 구축·결합·검색","horizontal_ids":["H1"],"vertical_ids":["V1"],"issue":"서로 다른 모달리티와 긴 시간 맥락의 지식을 일관되게 표현·검색","contribution":"장면·인물·상식 그래프의 결합에서 과제별 검색과 새 개념 조합으로 확장","organizations":["한양대학교","서울대학교"],"activity_ids":["A-T01-2022","A-T01-2023","A-T01-2024","A-T01-2025"],"artifact_ids":["PAPER-241227-C075","PAPER-251224-C056","patent-4f9495b1d21d","patent-bcb4cff352a4","patent-4ecddefe8ece","patent-c96eb8cbed91","asset-b50e965daab3","asset-014e2000e397","asset-04f0dd07d41a"]},{"id":"T02","name":"비디오 시간·공간 표상과 장면 이해","horizontal_ids":["H1"],"vertical_ids":["V1"],"issue":"장면 경계·사건 순서·객체와 행동의 조합 및 시간적 일관성","contribution":"영상 지식체계에 사용할 표상과 장면·행동 이해 기반 확보","organizations":["한양대학교","서울대학교"],"activity_ids":["A-T02-2022","A-T02-2023","A-T02-2024","A-T02-2025"],"artifact_ids":["PAPER-241227-C001","PAPER-241227-C076","asset-0d88fed06d0f"]},{"id":"T03","name":"비디오 질의 응답 가능성·모호성·시간 불확실성","horizontal_ids":["H2"],"vertical_ids":["V1"],"issue":"영상에 근거가 없거나 관계·시간 정보가 모호한 질문에 대한 과신","contribution":"대답 불가능성 판단과 근거 제시, 정렬 학습, 키프레임 선택으로 신뢰성 향상","organizations":["한국과학기술원"],"activity_ids":["A-T03-2022","A-T03-2023","A-T03-2024","A-T03-2025"],"artifact_ids":["PAPER-251224-C053","patent-9e7f70dac333","patent-0de2b3e7f042","asset-3f86a4748358","asset-19ad6573bfe6","asset-c69288b8f26f","asset-59b14e34b70a","asset-8dcd38743564"]},{"id":"T04","name":"질문 생성 사후학습·명확화·응답 해석","horizontal_ids":["H3","H1"],"vertical_ids":["V1"],"issue":"불확실한 개체·지시 표현을 명확하게 질문하고 응답을 지식으로 연결","contribution":"사후학습에서 LoRA·멀티턴 명확화와 relation linking으로 질문-응답-지식 확장 연결","organizations":["경희대학교"],"activity_ids":["A-T04-2022","A-T04-2023","A-T04-2024","A-T04-2025"],"artifact_ids":["PAPER-241227-C007","PAPER-251224-J005","patent-baecf9db5edb","patent-2a326859596c","patent-d42892c6652d","patent-9c1208104af4","asset-8f3da4631514","asset-58be747e6378","asset-ee543ca1cd81","asset-5088dbdb1687"]},{"id":"T05","name":"지식그래프·자문자답 기반 영상 추론 성장","horizontal_ids":["H4","H3","H1","H2"],"vertical_ids":["V1"],"issue":"외부 지식과 보조 질문을 활용하면서 불필요한 질문 횟수 억제","contribution":"자가 질문·신뢰도 기반 답변 정제와 지식그래프 기반 질문 데이터로 VideoQA 성능 개선","organizations":["서울대학교"],"activity_ids":["A-T05-2022","A-T05-2023","A-T05-2024","A-T05-2025"],"artifact_ids":["PAPER-251224-J004","PAPER-251224-C042","patent-c81e4ab5a21e","patent-8824fbe7d8ec","patent-75bcaec55843","asset-0a120c3caf3e","asset-77e8fef73bff","asset-38c53305923e","asset-ce29490250b1","asset-42e9b01b2091","asset-2094ab657dfa"]},{"id":"T06","name":"질의응답 기반 절차계획·계층 추론·평가","horizontal_ids":["H1","H2","H3","H4"],"vertical_ids":["V2"],"issue":"불완전한 지시와 부분 관찰 하에서 긴 작업 절차의 오류를 발견·수정","contribution":"LLM 플래너 자동 평가에서 자연어 피드백·ReActQ·계층 계획 및 안전성 평가로 확장","organizations":["한국전자통신연구원","서울대학교","연세대학교"],"activity_ids":["A-T06-2022","A-T06-2023","A-T06-2024","A-T06-2025"],"artifact_ids":["PAPER-241227-C002","PAPER-241227-C017","PAPER-241227-C020","PAPER-241227-C078","PAPER-241227-C102","PAPER-241227-C104","PAPER-251224-C001","patent-944e7727925c","patent-77eb7fad6c3a","patent-4fdcebdac54e","asset-4b8c2e6b39ee","asset-916c5e7f1e97","asset-4964603491c0","asset-6cb01dcefae5","asset-e55188f7c89e","asset-5d50c4210827","asset-297d490ce629"]},{"id":"T07","name":"열린 세계 객체·행위 인지와 시맨틱 지도","horizontal_ids":["H1","H2","H4"],"vertical_ids":["V2"],"issue":"미지 객체·행위와 도메인 변화, 변화하는 공간에 대한 인지","contribution":"오픈셋 검출·도메인 적응·사용자 지식 지도를 로봇의 실세계 인지에 결합","organizations":["한국전자통신연구원","서울대학교"],"activity_ids":["A-T07-2022","A-T07-2023","A-T07-2024","A-T07-2025"],"artifact_ids":["PAPER-251224-C003","patent-3aa6beeba577","patent-de0ebdf93e5c"]},{"id":"T08","name":"언어·시각 그라운딩과 로봇 상호작용","horizontal_ids":["H1","H3","H4"],"vertical_ids":["V2"],"issue":"자연어의 지시 대상과 실제 물체·행동을 연결","contribution":"대화·시각 표상·피드백을 통한 대상 특정과 조작 수행 기반 확보","organizations":["서울대학교","한국전자통신연구원"],"activity_ids":["A-T08-2022","A-T08-2023","A-T08-2024","A-T08-2025"],"artifact_ids":[]},{"id":"T09","name":"체화 에이전트 지속학습·행동 적응","horizontal_ids":["H4"],"vertical_ids":["V2"],"issue":"새 작업·환경 학습 시 기존 지식 망각과 행동 정책의 일반화","contribution":"경계 없는 지속학습·환경 피드백·행동 학습으로 성장학습 기반 제공","organizations":["서울대학교","연세대학교"],"activity_ids":["A-T09-2023","A-T09-2024","A-T09-2025"],"artifact_ids":["PAPER-241227-C021","PAPER-241227-C100","PAPER-241227-C103","asset-8d8e1c9241c2","asset-8e0c344c515d"]},{"id":"T10","name":"의료 모델 추론 보정·시험 시점 적응","horizontal_ids":["H2","H4"],"vertical_ids":["V3"],"issue":"미학습 입력·환경 변화·지속학습에서 모델의 과신","contribution":"특징 기반 보정과 블록 선택·어댑터 결합으로 신뢰도와 적응성 개선","organizations":["광주과학기술원"],"activity_ids":["A-T10-2022","A-T10-2023","A-T10-2024","A-T10-2025"],"artifact_ids":["PAPER-241227-C013","PAPER-241227-C070","patent-6e1c4c6d5a1f","patent-36dd8f6964be","asset-ed2a3a7577f3","asset-656ed43df1c8"]},{"id":"T11","name":"전문가·복수 에이전트 지식 전이","horizontal_ids":["H4","H3"],"vertical_ids":["V3"],"issue":"전문가와 개별 모델의 지식을 효율적으로 전달·통합","contribution":"Point guidance에서 모델 가중치 결합·Branch Soup·연합학습으로 협업적 성장","organizations":["광주과학기술원"],"activity_ids":["A-T11-2023","A-T11-2024","A-T11-2025"],"artifact_ids":["asset-dfed001bcb97"]},{"id":"T12","name":"치과 진단 지원 데이터·플랫폼·피드백","horizontal_ids":["H1","H4","H3"],"vertical_ids":["V3","V4"],"issue":"치과 영상·판독·전문가 피드백을 학습 및 진단 흐름에 연결","contribution":"파노라마 라벨링에서 진단·수정·지속학습·지식 공유 플랫폼으로 통합","organizations":["조선대학교","광주과학기술원"],"activity_ids":["A-T12-2022","A-T12-2023","A-T12-2024","A-T12-2025"],"artifact_ids":["patent-f95ad678d80f","asset-780b4d74af52"],"mapping_note":"의료 데이터 정제·라벨 수정 플랫폼을 데이터 정제 분야에도 연결했습니다. 질문 생성 축에는 전문가 확인·피드백을 위한 상호작용 기반으로 포함했습니다."},{"id":"T13","name":"노이즈 라벨 탐지·수정과 강건 학습","horizontal_ids":["H2","H4"],"vertical_ids":["V4","V3"],"issue":"오류 라벨을 암기하는 현상과 의료·멀티모달 데이터의 품질 저하","contribution":"앙상블·특징 정규화·커리큘럼 어댑터로 오류 탐지·보정 및 학습 강인성 확보","organizations":["광주과학기술원","한국과학기술원"],"activity_ids":["A-T13-2022","A-T13-2023","A-T13-2024","A-T13-2025"],"artifact_ids":["PAPER-241227-C071","PAPER-251224-C059","asset-1bdffe578761","asset-76f975f13bb4"]},{"id":"T14","name":"능동 데이터 선별·메모리 품질 관리","horizontal_ids":["H2","H4","H3"],"vertical_ids":["V4"],"issue":"제한된 라벨링 비용과 중복·불균형 표본","contribution":"예측 차이·모델 불일치·엔트로피·중복 제거로 우선순위와 표본 구성을 개선","organizations":["광주과학기술원","서울대학교"],"activity_ids":["A-T14-2022","A-T14-2023","A-T14-2024","A-T14-2025"],"artifact_ids":["asset-d05905a072fd"],"mapping_note":"질문 생성 축의 연결은 자연어 질문 생성이 아니라, 사람에게 라벨을 요청할 데이터의 선택을 뜻합니다."},{"id":"T15","name":"분할 불확실성 예측·자가 데이터 수집","horizontal_ids":["H2","H4"],"vertical_ids":["V2","V4"],"issue":"픽셀 단위 불확실성 추정 비용과 불확실한 관측의 학습 활용","contribution":"쌍대 모델 보간과 웹 검색·VLM 교류를 연결해 자율 수집 학습 기반 마련","organizations":["한국전자통신연구원"],"activity_ids":["A-T15-2022","A-T15-2023","A-T15-2024","A-T15-2025"],"artifact_ids":[]},{"id":"T16","name":"인지 기반 질문 품질·사회적 상호작용 실증","horizontal_ids":["H3","H2"],"vertical_ids":["V2","V1"],"issue":"어떤 질문이 불확실성을 효과적으로 해소하며 사용자에게 수용되는가","contribution":"질문 유형·CAUS·평가 루브릭과 고령자 돌봄 실증으로 질문 정책의 사용성 평가","organizations":["한국전자통신연구원","서울대학교"],"activity_ids":["A-T16-2022","A-T16-2023","A-T16-2024","A-T16-2025"],"artifact_ids":["PAPER-241227-C080","patent-dff7dcc014f7","asset-bc01494bf6d3"]},{"id":"T18","name":"범용 이미지 OOD·이상 탐지·신뢰도","horizontal_ids":["H2"],"vertical_ids":[],"issue":"학습 분포 밖 입력과 비정상 관측을 구분하고 확률 신뢰도를 개선","contribution":"확산모델·의사 이상·프롬프트 보정 등의 범용 불확실성 지각 기반; 특정 수직 실증은 별도 증거 필요","organizations":["한국전자통신연구원","한국과학기술원"],"activity_ids":[],"artifact_ids":["asset-80829e0c0f37"]}],"activities":[{"id":"A-T01-2022","technology_id":"T01","year":2022,"title":"세 종류 지식그래프 정의","issue":"드라마의 장면·상식·인물 정보를 결합할 표현 필요","work":"장면 그래프, 일반 지식 체계, 인물 그래프 정의 및 추출; Cross Graph Attention 설계","contribution":"멀티모달 지식 통합의 표현 단위와 결합 기반 확보","horizontal_ids":["H1"],"vertical_ids":["V1"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[29]}]},{"id":"A-T01-2023","technology_id":"T01","year":2023,"title":"이질 그래프 결합","issue":"외부 지식이 필요한 VQA에서 그래프 간 상호참조","work":"Heterogeneous Graph 3종을 Cross-Attention Transformer로 결합; 구조·지역 특징 기반 그래프 거리 연구","contribution":"단일 장면 정보를 외부 지식과 결합하는 추론 기반 마련","horizontal_ids":["H1"],"vertical_ids":["V1"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[29]}]},{"id":"A-T01-2024","technology_id":"T01","year":2024,"title":"과제별 그래프 검색과 확장","issue":"긴 시계열에서 필요한 지식 검색 및 미학습 개념 처리","work":"그래프 기반 RAG와 long-term graph 학습; 멀티모달 대화 생성 및 zero-shot 행동 이해","contribution":"대용량 지식 활용과 신규 개념 조합 이해로 확장","horizontal_ids":["H1"],"vertical_ids":["V1"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[29]}]},{"id":"A-T01-2025","technology_id":"T01","year":2025,"title":"시간·공간 개념 분리와 조합","issue":"학습하지 않은 객체-행위 조합 이해","work":"시간(행위)·공간(객체) 잠재 표현과 암묵적 검색을 이용한 Transformer 개발","contribution":"새로운 개념 조합으로 일반화하는 지식체계 학습","horizontal_ids":["H1"],"vertical_ids":["V1"],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[30]}]},{"id":"A-T02-2022","technology_id":"T02","year":2022,"title":"장면 경계와 영상 표상","issue":"시간적 일관성과 장면 단위의 분할","work":"BaSSL과 비디오 장면 그래프 생성 연구","contribution":"지식 추출에 필요한 시간적 장면 구획 기반 제공","horizontal_ids":["H1"],"vertical_ids":["V1"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[29,45]}]},{"id":"A-T02-2023","technology_id":"T02","year":2023,"title":"비디오 이벤트 이해 기반","issue":"영상 이벤트의 시간 위치와 맥락 이해","work":"모달별 의사 쿼리 기반 이벤트 검색 및 장면 사이 관계 학습","contribution":"영상에서 지식 검색의 시간적 근거 개선","horizontal_ids":["H1"],"vertical_ids":["V1"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[37]}]},{"id":"A-T02-2024","technology_id":"T02","year":2024,"title":"구조화된 시공간 조합 이해","issue":"새로운 행동·객체 조합 일반화","work":"Spatiotemporal 구조 Transformer와 영상 표상 학습","contribution":"객체-행동 관계의 조합적 이해 지원","horizontal_ids":["H1"],"vertical_ids":["V1"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[29,47]}]},{"id":"A-T02-2025","technology_id":"T02","year":2025,"title":"영상 시간 이해 일관성","issue":"긴 비디오와 시간 관계의 일관된 해석","work":"시간 이해 일관성 분석, moment retrieval, 객체 운동학 비디오 예측 연구","contribution":"시간·운동 정보를 다루는 비디오 지식 기반 강화","horizontal_ids":["H1"],"vertical_ids":["V1"],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[34,35]}]},{"id":"A-T03-2022","technology_id":"T03","year":2022,"title":"이미지 질의 응답 가능성 판단","issue":"존재하지 않는 물체를 묻는 질문","work":"BERT 계열 언어모델로 물체 중심 대답 가능성 판단과 근거 출력; GQA 기반 데이터 구축","contribution":"답할 수 없는 질문의 명시적 인지 기반","horizontal_ids":["H2"],"vertical_ids":["V1"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[31]}]},{"id":"A-T03-2023","technology_id":"T03","year":2023,"title":"비디오 응답 가능성으로 확장","issue":"시간을 포함한 영상의 물체 질문","work":"비디오 압축 및 DramaQA 장면 그래프를 활용한 판단; 27K/5K 데이터 구축","contribution":"이미지 수준 불확실성 판단을 비디오로 확장","horizontal_ids":["H2"],"vertical_ids":["V1"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[31,32]}]},{"id":"A-T03-2024","technology_id":"T03","year":2024,"title":"Video LLM 응답 가능성 정렬","issue":"물체·관계·특징에 대한 환각 응답","work":"UVQA 구성 및 비디오 언어모델의 응답 가능성 정렬 훈련; 응답 불가능 근거 생성","contribution":"모르는 질문에 무리하게 응답하는 동작을 억제","horizontal_ids":["H2"],"vertical_ids":["V1"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[32,40]}]},{"id":"A-T03-2025","technology_id":"T03","year":2025,"title":"모호성 감지와 질문 기반 프레임 선택","issue":"행위·지각·공간·지시·시간 모호성과 불필요한 입력 프레임","work":"Ambiguous-VideoQA 5K, 관계 모호성 감지 및 키프레임 선택; 응답 가능성 정렬 논문 발표","contribution":"질문의 대답 가능성과 필요한 시각 증거를 함께 다루는 방향으로 확장","horizontal_ids":["H2"],"vertical_ids":["V1"],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[29]}]},{"id":"A-T04-2022","technology_id":"T04","year":2022,"title":"질문 생성 사후학습","issue":"선학습과 질문 생성 목적의 차이","work":"질문 특화 post-training, 비디오 질문 생성 참조모델, 응답 정보 추출","contribution":"질문 형식에 맞춘 언어모델 적응 기반 확보","horizontal_ids":["H3"],"vertical_ids":["V1"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[32,33]}]},{"id":"A-T04-2023","technology_id":"T04","year":2023,"title":"불확실한 정보에 대한 질문","issue":"질문의 난이도와 모호한 정보 정의","work":"FLAN-T5 사후학습, BLIP-2 기반 질의 생성 및 질문 난이도 추정; 정제된 질문 데이터","contribution":"정답 기반 생성에서 불확실성 해소 목적의 질문으로 확장","horizontal_ids":["H3"],"vertical_ids":["V1"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[33]}]},{"id":"A-T04-2024","technology_id":"T04","year":2024,"title":"효율적 학습과 응답의 지식화","issue":"큰 언어모델의 훈련 비용 및 기존 그래프와의 연결","work":"LoRA 사후학습·미세조정, 불확실성 질의 데이터 확장, triple 추출·relation linking","contribution":"질문 생성 효율성과 응답을 통한 지식체계 확장 연결","horizontal_ids":["H3","H1"],"vertical_ids":["V1"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[33]}]},{"id":"A-T04-2025","technology_id":"T04","year":2025,"title":"멀티턴 명확화와 스키마 확장","issue":"지시 대명사와 모호한 질문의 반복 해소","work":"GQA-Q2Q 73K 구축; VLM 미세조정, 명확화 질문, 엔티티 관계 생성·정제","contribution":"질문-응답을 반복하며 지식을 획득하고 그래프 스키마 확장","horizontal_ids":["H3","H1"],"vertical_ids":["V1"],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[30]}]},{"id":"A-T05-2022","technology_id":"T05","year":2022,"title":"영상 질의응답 성장 태스크 설계","issue":"외부 대상에게 물어 영상 속 인물·물체 지식 획득","work":"멀티모달 지식 표상 학습 및 상호작용 태스크 설계","contribution":"지식 성장 학습을 검증할 문제·플랫폼 기반 정의","horizontal_ids":["H4","H3","H1","H2"],"vertical_ids":["V1"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[34,37]}]},{"id":"A-T05-2023","technology_id":"T05","year":2023,"title":"Self-Questioning 적용","issue":"기존 VideoQA가 놓친 정보의 보조 질문 확보","work":"DramaQA에 Self-Questioning 확장 및 보조 질문 쌍 구축","contribution":"질문을 통한 정보 보완의 실험 경로 확보","horizontal_ids":["H4","H3","H1","H2"],"vertical_ids":["V1"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[34]}]},{"id":"A-T05-2024","technology_id":"T05","year":2024,"title":"불확실성 기반 다중 보조 질문","issue":"모델 답변의 불확실성과 추론 개선","work":"답변 불확실성 측정 및 보조 질문 프레임워크; DramaQA 모듈 통합","contribution":"VideoQA 정답률 67.4%에서 72.5%로 개선했다고 보고","horizontal_ids":["H4","H3","H1","H2"],"vertical_ids":["V1"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[34,37,41]}]},{"id":"A-T05-2025","technology_id":"T05","year":2025,"title":"INQUIRER와 C2R","issue":"질문 종류와 질문 횟수의 효율적 선택","work":"지식그래프·18개 질문 체계 기반 훈련 데이터 생성, 신뢰도 기반 답변 정제; 실험에서 보조 질문 2개 선택","contribution":"지식 기반 질문 훈련과 추론 시 자문자답 정제를 구체화","horizontal_ids":["H4","H3","H1","H2"],"vertical_ids":["V1"],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[29]}]},{"id":"A-T06-2022","technology_id":"T06","year":2022,"title":"절차 추론 태스크·시뮬레이터","issue":"로봇이 불확실성을 느껴 도움을 요청할 시점","work":"가정환경 태스크·행동 정의, AI2THOR·VirtualHome 연동, 초기 LLM 플래너 및 Ask4Help","contribution":"질문 정책과 절차 실행을 시험할 기본 환경 구축","horizontal_ids":["H1","H2","H3","H4"],"vertical_ids":["V2"],"references":[{"document":"221227 1차년도 연차보고서","pdf_pages":[46]}]},{"id":"A-T06-2023","technology_id":"T06","year":2023,"title":"자연어 피드백과 자동 평가","issue":"LLM이 만든 절차의 실행 가능성 평가 및 실패 복구","work":"LoTa-Bench 기반 자동 평가; WAH-NL; 자연어 실패 원인으로 재계획","contribution":"실행 검증과 피드백 기반 절차 수정의 재현 가능한 기반 마련","horizontal_ids":["H1","H2","H3","H4"],"vertical_ids":["V2"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[35,38,40]}]},{"id":"A-T06-2024","technology_id":"T06","year":2024,"title":"ReActQ와 계층적 절차 추론","issue":"장기 복합 임무의 분해와 질문에 의한 오류 수정","work":"제어흐름·LLM 노드의 계층 계획, 추론-행동-질문 ReActQ, 응답 오라클 개발","contribution":"WAH-NL에서 질의응답을 통해 성공률 23%→39% 보고","horizontal_ids":["H1","H2","H3","H4"],"vertical_ids":["V2"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[35,38,41]}]},{"id":"A-T06-2025","technology_id":"T06","year":2025,"title":"질문 정책·ReAcTree·부분관찰 평가","issue":"질문 비용과 장기 임무 성공률 및 안전 제약","work":"질문 시점·내용·이유 2.1K 데이터, ReActQ, 동적 트리 계획 ReAcTree; 부분관찰·안전 계획 연구","contribution":"질문 시점·내용을 정책 학습 데이터로 구체화하고, 동적 트리 확장을 통해 장기 임무의 계획·실행을 개선","horizontal_ids":["H1","H2","H3","H4"],"vertical_ids":["V2"],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[28,33,34]}]},{"id":"A-T07-2022","technology_id":"T07","year":2022,"title":"오픈셋 객체·행위 인지 설계","issue":"학습 밖 객체와 행위 및 가정환경 도메인 변화","work":"공개 데이터 확보, 클래스 독립 검출, Open-Set TAL·시맨틱맵 참조기술","contribution":"실세계 불확실성을 다루는 인지 구성요소 확보","horizontal_ids":["H1","H2","H4"],"vertical_ids":["V2"],"references":[{"document":"221227 1차년도 연차보고서","pdf_pages":[46]}]},{"id":"A-T07-2023","technology_id":"T07","year":2023,"title":"SAM 활용 미지 객체 탐지","issue":"미지 객체에 대한 학습 표본과 라벨 부족","work":"SAM으로 270,382 객체 영역 확보 후 알려진 K개/미지 1개 클래스 분류","contribution":"클래스 비종속 검출과 미지 판별을 분리한 파이프라인","horizontal_ids":["H1","H2","H4"],"vertical_ids":["V2"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[30]}]},{"id":"A-T07-2024","technology_id":"T07","year":2024,"title":"홈로봇 도메인 적응","issue":"어두운 실내 환경 등 입력 분포 변화","work":"Exclusive Dark 평가 및 객체·이미지 수준 도메인 분류기 추가","contribution":"오픈셋 검출의 도메인 적응 확장","horizontal_ids":["H1","H2","H4"],"vertical_ids":["V2"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[30]}]},{"id":"A-T07-2025","technology_id":"T07","year":2025,"title":"열린 객체 검출과 지도 확장","issue":"훈련자료 오류·새로운 사물·공간 변화","work":"훈련 데이터 필터링, 검출과 VLM 결합, OmniGibson SLAM 시맨틱 지도 구축·확장","contribution":"미지 사물 인지와 작업계획용 공간 지식 갱신 연결","horizontal_ids":["H1","H2","H4"],"vertical_ids":["V2"],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[28]}]},{"id":"A-T08-2022","technology_id":"T08","year":2022,"title":"물체·사용자 지식 기반 상호작용 설계","issue":"말로 지시한 물체와 실제 조작 대상 연결","work":"관찰 기반 사용자 지식·절차 스킬의 상호작용 정의","contribution":"로봇 질의응답의 접지 문제를 연구 대상으로 설정","horizontal_ids":["H1"],"vertical_ids":["V2"],"references":[{"document":"221227 1차년도 연차보고서","pdf_pages":[46]}]},{"id":"A-T08-2023","technology_id":"T08","year":2023,"title":"화용론적 의사소통·시각 그라운딩","issue":"사용자가 의도한 물체의 불확실성","work":"물체 파악을 위한 사람-로봇 의사소통, GVCCI 및 시각 표상·추적 연구","contribution":"언어-시각-행동 사이 연결과 대화 기반 대상 지정 강화","horizontal_ids":["H1","H3","H4"],"vertical_ids":["V2"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[36,37,46]}]},{"id":"A-T08-2024","technology_id":"T08","year":2024,"title":"대화 기반 라벨링과 조작","issue":"사물 특성을 표현하는 질문과 응답의 활용","work":"실시간 대화 기반 라벨링, 다중 회차 질의응답 및 시각언어 파지 연구","contribution":"로봇 조작에 필요한 물체 구분과 지식 획득 연결","horizontal_ids":["H1","H3","H4"],"vertical_ids":["V2"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[41,45,48]}]},{"id":"A-T08-2025","technology_id":"T08","year":2025,"title":"언어 조건 로봇 정책","issue":"언어 지시의 일반화와 미지 객체 조작","work":"CLIP-RT, RGB-D 융합·3D 인스턴스 분할·자연어 정책 학습","contribution":"새로운 언어·객체 조건에서 행동 수행을 위한 인지 기반 확대","horizontal_ids":["H1","H3","H4"],"vertical_ids":["V2"],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[34,35]}]},{"id":"A-T09-2023","technology_id":"T09","year":2023,"title":"경계 없는 연속학습","issue":"명확한 태스크 구분 없이 변화하는 데이터 스트림","work":"Scheduled Data Prior와 지식 유지·획득 평가 지표 개발","contribution":"성장학습에서 과거 지식과 새 지식 간 균형 기반","horizontal_ids":["H4"],"vertical_ids":["V2"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[35]}]},{"id":"A-T09-2024","technology_id":"T09","year":2024,"title":"온라인 지속학습과 환경 피드백","issue":"새 행동·환경 적응 시 망각과 계획 불일치","work":"ETF 기반 온라인 CL, CAMA, PRED 환경 피드백 행동 수정","contribution":"기존 지식 유지와 실환경 변화 대응을 성장 에이전트에 결합","horizontal_ids":["H4"],"vertical_ids":["V2"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[35,36]}]},{"id":"A-T09-2025","technology_id":"T09","year":2025,"title":"언어·시각 피드백 정책 학습","issue":"보상모델과 시연 비용 및 일반화","work":"Socratic Planner, 자연어 감독·VLM 피드백, 행동 모방·시연 증강 연구","contribution":"상호작용 정보를 행동 정책 학습에 활용하는 기반 확대","horizontal_ids":["H4"],"vertical_ids":["V2"],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[34,35]}]},{"id":"A-T10-2022","technology_id":"T10","year":2022,"title":"블록 선택 기반 보정","issue":"학습하지 않은 이미지에서 과신","work":"직소 이미지에 민감한 CNN 블록과 특징 크기 선택","contribution":"이미지 분류 불확실성 자각의 기반 확보","horizontal_ids":["H2","H4"],"vertical_ids":["V3"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[30]}]},{"id":"A-T10-2023","technology_id":"T10","year":2023,"title":"의료 도메인 보정 적용","issue":"일반 이미지에서 개발한 보정 기술의 의료 전이","work":"Feature Norm·블록 선택 기술의 의료영상 적용 및 성능 고도화","contribution":"의료 추론 신뢰도 관리로 확장","horizontal_ids":["H2","H4"],"vertical_ids":["V3"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[30]}]},{"id":"A-T10-2024","technology_id":"T10","year":2024,"title":"온라인 시험 시점 적응","issue":"라벨 없는 새 환경으로의 적응","work":"블록 선택·paired-view pseudo-labeling 기반 Test-time adaptation","contribution":"추가 라벨 없이 운용 환경 변화에 적응하는 학습 지원","horizontal_ids":["H2","H4"],"vertical_ids":["V3"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[34,35,47]}]},{"id":"A-T10-2025","technology_id":"T10","year":2025,"title":"지속학습 중 보정 유지","issue":"새 데이터 학습 중 정확도와 신뢰도 동시 유지","work":"DINOv2 어댑터 결합 및 ECE 최적화; HAM10000 평가","contribution":"보고값 정확도 83.27%, ECE 1.91%의 보정된 지속학습","horizontal_ids":["H2","H4"],"vertical_ids":["V3"],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[29]}]},{"id":"A-T11-2023","technology_id":"T11","year":2023,"title":"전문가 Point guidance","issue":"클래스 라벨만으로 부족한 위치 정보","work":"전문가의 물체 위치 점 정보와 attention loss를 통한 지식 전달","contribution":"전문가의 추가 정보가 분류 학습을 개선하는 경로 확보","horizontal_ids":["H4","H3"],"vertical_ids":["V3"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[34]}]},{"id":"A-T11-2024","technology_id":"T11","year":2024,"title":"외부 모델 가중치 결합","issue":"여러 에이전트 지식 활용의 추론 비용","work":"에이전트의 weight ensemble로 유용한 지식 취합","contribution":"모델 수만큼 추론 비용을 늘리지 않는 지식 전이 연구","horizontal_ids":["H4","H3"],"vertical_ids":["V3"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[35]}]},{"id":"A-T11-2025","technology_id":"T11","year":2025,"title":"Branch Soup와 협력 학습","issue":"개별 의사 모델의 지식 통합과 노이즈","work":"Branch Soup, 경량 어댑터·Leave-One-Out Teacher 기반 연합학습","contribution":"의사 비서 모델 간 지식 공유와 협업 지속학습 기반","horizontal_ids":["H4","H3"],"vertical_ids":["V3"],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[29]}]},{"id":"A-T12-2022","technology_id":"T12","year":2022,"title":"치과 데이터·라벨링 체계","issue":"치과 질환과 영상 입력의 정의","work":"1K 이상 파노라마 수집, 질환별 이미지 및 Supervisely 라벨링 가이드","contribution":"진단 지원을 위한 초기 데이터와 전문가 참여 환경","horizontal_ids":["H1"],"vertical_ids":["V3"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[38]}]},{"id":"A-T12-2023","technology_id":"T12","year":2023,"title":"의료 데이터 정제 테스트베드","issue":"의료 라벨 오류를 사용자가 수정할 환경","work":"FracAtlas 기반 정제 플랫폼 시연; 환자 정보 정의 및 파노라마 7K 라벨링","contribution":"전문가가 오류 라벨을 고치는 실증 기반 확보","horizontal_ids":["H1","H4"],"vertical_ids":["V3"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[38]}]},{"id":"A-T12-2024","technology_id":"T12","year":2024,"title":"치과 데이터 기반 GUI","issue":"불확실성 지각 기술을 실제 의료 의사결정에 적용","work":"치과 데이터 정제·검증 GUI와 사용자 의사결정 프레임워크","contribution":"요소 알고리즘에서 사용자 피드백 시스템으로 통합","horizontal_ids":["H1","H4"],"vertical_ids":["V3"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[38]}]},{"id":"A-T12-2025","technology_id":"T12","year":2025,"title":"지속 성장형 의사 비서 플랫폼","issue":"판독·학습·진단·피드백을 하나의 흐름으로 연결","work":"의료 플랫폼 및 PACS 연계 시나리오, 파노라마 판독·실증 데이터 구축","contribution":"전문의 피드백 기반 지속학습과 의료 업무 적용 검증 기반","horizontal_ids":["H1","H4"],"vertical_ids":["V3"],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[29,30]}]},{"id":"A-T13-2022","technology_id":"T13","year":2022,"title":"앙상블 기반 오류 라벨 탐지","issue":"노이즈 라벨 암기와 모델 과신","work":"모델 예측 일치도·memorization effect 활용; HAM10000 검증","contribution":"라벨 오류를 추정·수정하는 데이터 품질 관리 기반","horizontal_ids":["H2","H4"],"vertical_ids":["V4","V3"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[31]}]},{"id":"A-T13-2023","technology_id":"T13","year":2023,"title":"특징 정규화와 반자동 라벨링","issue":"의료 노이즈 라벨 학습 강인성","work":"Feature Normalization, HAM10000 평가, SAM 치과 반자동 라벨링; KAIST 정규화 손실","contribution":"노이즈 암기를 줄이고 라벨링 인력 부담 완화","horizontal_ids":["H2","H4"],"vertical_ids":["V4","V3"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[30,31]}]},{"id":"A-T13-2024","technology_id":"T13","year":2024,"title":"VFM 커리큘럼 미세조정","issue":"기초모델의 의료 데이터 적응 중 라벨 오류","work":"서로 다른 adapter의 memorization 차이를 이용한 집단 에이전트 학습","contribution":"의료 기초모델 학습에서 노이즈 탐지·강건성 확보","horizontal_ids":["H2","H4"],"vertical_ids":["V4","V3"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[31]}]},{"id":"A-T13-2025","technology_id":"T13","year":2025,"title":"멀티모달 라벨 불확실성 보정","issue":"RGB 영상과 마스크의 결합 및 높은 라벨 오류","work":"4채널 입력·커리큘럼 어댑터, 라벨 스무딩 및 피드백 기반 통합 시스템","contribution":"의료 영상과 분할 정보를 결합해 노이즈 라벨에 강건한 학습을 지원","horizontal_ids":["H2","H4"],"vertical_ids":["V4","V3"],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[29]}]},{"id":"A-T14-2022","technology_id":"T14","year":2022,"title":"라벨링 우선순위와 중복 제거","issue":"라벨 없는 자료 중 가치가 높은 표본 선택","work":"현재·이전 모델 예측 분포 차이로 능동 선별; DUEL 메모리 중복 제거","contribution":"라벨링 자원과 메모리 구성의 효율화 기반","horizontal_ids":["H2","H4"],"vertical_ids":["V4"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[31,46]}]},{"id":"A-T14-2023","technology_id":"T14","year":2023,"title":"의료 클래스 불균형 대응","issue":"특정 클래스 편중 선택의 부작용","work":"HAM10000에서 예측 분포 차이 기반 우선순위 고도화","contribution":"의료 불균형 상황의 능동학습 성능 저하 완화","horizontal_ids":["H2","H4"],"vertical_ids":["V4"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[31]}]},{"id":"A-T14-2024","technology_id":"T14","year":2024,"title":"능동 메모리 기반 불균형 학습","issue":"자기지도학습 표본의 중복과 불균형","work":"DUEL 중복 제거 및 능동 메모리 관련 특허","contribution":"데이터 선택·저장 품질 관리의 기반 기여","horizontal_ids":["H2","H4"],"vertical_ids":["V4"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[48,50]}]},{"id":"A-T14-2025","technology_id":"T14","year":2025,"title":"집단 의견 기반 데이터 선별","issue":"복수 모델의 불일치를 라벨링 우선순위에 활용","work":"모델 의견 불일치·엔트로피 기반 능동학습 선별","contribution":"복수 모델의 판단 차이를 이용해 우선 라벨링할 데이터 선정","horizontal_ids":["H2","H4"],"vertical_ids":["V4"],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[29]}]},{"id":"A-T15-2022","technology_id":"T15","year":2022,"title":"분할 불확실성 예측 기반","issue":"반복 샘플링 비용과 정확도","work":"MC Dropout·Bayesian NN 참조, Network Mix-up·Ordered Representation","contribution":"저비용 불확실성 예측 접근 제안","horizontal_ids":["H2","H4"],"vertical_ids":["V2","V4"],"references":[{"document":"221227 1차년도 연차보고서","pdf_pages":[46]}]},{"id":"A-T15-2023","technology_id":"T15","year":2023,"title":"쌍대 모델 보간","issue":"추정 정확도를 유지하며 반복 연산 감소","work":"두 모델 동시 학습·가중치 보간·중요 특징 선택","contribution":"불확실성 예측의 정확도와 연산 효율성 개선","horizontal_ids":["H2","H4"],"vertical_ids":["V2","V4"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[29]}]},{"id":"A-T15-2024","technology_id":"T15","year":2024,"title":"분포 조정과 검증","issue":"MC Dropout 정확도 저하 원인","work":"쌍대 모델 분포 regularizer 및 가중치 보간 검증","contribution":"전체 수렴점 분포를 반영하는 불확실성 예측 개선","horizontal_ids":["H2","H4"],"vertical_ids":["V2","V4"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[29,30]}]},{"id":"A-T15-2025","technology_id":"T15","year":2025,"title":"웹·VLM 기반 자가 수집","issue":"불확실한 관측에서 신뢰할 정답 확보","work":"웹 이미지 획득, VLM 정답 확보, 이미지 재검색 파이프라인","contribution":"인지한 불확실성을 새 학습 데이터 수집으로 연결","horizontal_ids":["H2","H4"],"vertical_ids":["V2","V4"],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[28]}]},{"id":"A-T16-2022","technology_id":"T16","year":2022,"title":"질문 인지과정·분류체계","issue":"불확실성 해소에 좋은 질문의 정의","work":"인지과정 분석, Q·K·C 관점 분류 및 데이터셋 설계","contribution":"질문 정책을 설계·평가할 인지적 기준 마련","horizontal_ids":["H3","H2"],"vertical_ids":["V2","V1"],"references":[{"document":"221227 1차년도 연차보고서","pdf_pages":[46]}]},{"id":"A-T16-2023","technology_id":"T16","year":2023,"title":"질문 맥락과 사회 로봇 시나리오","issue":"질문 발생 맥락과 실증 사용성","work":"LLM을 이용한 인지과정 모사 및 질문 분류; 고령자 설문 서비스 설계","contribution":"인간의 질문 전략을 데이터·서비스 형태로 구체화","horizontal_ids":["H3","H2"],"vertical_ids":["V2","V1"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[32,39]}]},{"id":"A-T16-2024","technology_id":"T16","year":2024,"title":"CAUS와 평가 루브릭","issue":"적절성과 효과성에 근거한 질문 평가","work":"CAUS 5K 구축, 질문 평가 항목·LLM 자동평가; 대화형 설문 시범 적용","contribution":"질문 품질 검증과 로봇 실증의 공통 기반 마련","horizontal_ids":["H3","H2"],"vertical_ids":["V2","V1"],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[32,39,42]}]},{"id":"A-T16-2025","technology_id":"T16","year":2025,"title":"적응형 질문 평가와 고령자 실증","issue":"실제 사용자의 질문 수용성과 상호작용 품질","work":"6대 질문 평가 항목·동적 루브릭, LG Q9 고령자 정서지원 통합 및 5명 대상 실증","contribution":"질문 기반 기술을 생활지원 서비스로 검증","horizontal_ids":["H3","H2"],"vertical_ids":["V2","V1"],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[28]}]}],"artifacts":[{"id":"PAPER-241227-C001","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"BaSSL: Boundary-aware Self-Supervised Learning for Video Scene Segmentation","technology_ids":["T02"],"year":2022,"research_years":[2022],"venue":"ACCV14) ‘22","description":"자기지도 장면 경계 학습으로 비디오의 장면 단위 지식 추출 기반을 제공한다.","links":[{"label":"논문 목록에서 보기","url":"/publications/#paper-e615a14f412a"},{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22BaSSL%3A+Boundary-aware+Self-Supervised+Learning+for+Video+Scene+Segmentation%22"},{"label":"DBpia","url":"https://www.dbpia.co.kr/search/topSearch?query=BaSSL%3A+Boundary-aware+Self-Supervised+Learning+for+Video+Scene+Segmentation"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[29,45]},{"document":"221227 1차년도 연차보고서","pdf_pages":[48]}]},{"id":"PAPER-241227-C002","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"Ask4Help: Learning to Leverage an Expert for Embodied Tasks","technology_ids":["T06"],"year":2022,"research_years":[2022],"venue":"NeurIPS15) ‘22 (IF4, Top10)","description":"전문가 도움 요청 정책을 학습하여 적은 개입으로 체화 태스크 성공률을 높이는 기반을 제공한다.","links":[{"label":"논문 목록에서 보기","url":"/publications/#paper-865a0883edba"},{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22Ask4Help%3A+Learning+to+Leverage+an+Expert+for+Embodied+Tasks%22"},{"label":"DBpia","url":"https://www.dbpia.co.kr/search/topSearch?query=Ask4Help%3A+Learning+to+Leverage+an+Expert+for+Embodied+Tasks"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[35,45]},{"document":"221227 1차년도 연차보고서","pdf_pages":[48]}]},{"id":"PAPER-241227-C007","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"Post-Training with Interrogative Sentences for Enhancing BART-based Korean Question Generator","technology_ids":["T04"],"year":2022,"research_years":[2022],"venue":"AACL-IJCNLP17) ‘22","description":"의문문 사후학습으로 질문 생성 과제에 적응한다.","links":[{"label":"논문 목록에서 보기","url":"/publications/#paper-872ac3399842"},{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22Post-Training+with+Interrogative+Sentences+for+Enhancing+BART-based+Korean+Question+Generator%22"},{"label":"DBpia","url":"https://www.dbpia.co.kr/search/topSearch?query=Post-Training+with+Interrogative+Sentences+for+Enhancing+BART-based+Korean+Question+Generator"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[32,33,46]},{"document":"221227 1차년도 연차보고서","pdf_pages":[48]}]},{"id":"PAPER-241227-C013","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"Block Selection Method for Using Feature Norm in Out-of-distribution Detection","technology_ids":["T10"],"year":2023,"research_years":[2022],"venue":"CVPR18) 2023 (IF4, Top10)","description":"미학습 입력에 민감한 CNN 블록의 특징 노름을 사용해 OOD 과신을 줄인다.","links":[{"label":"논문 목록에서 보기","url":"/publications/#paper-96a6090965b5"},{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22Block+Selection+Method+for+Using+Feature+Norm+in+Out-of-Distribution+Detection%22"},{"label":"DBpia","url":"https://www.dbpia.co.kr/search/topSearch?query=Block+Selection+Method+for+Using+Feature+Norm+in+Out-of-Distribution+Detection"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[30,46]},{"document":"231226 2차년도 연차보고서","pdf_pages":[50,51,52]}]},{"id":"PAPER-241227-C017","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"Context-Aware Planning and Environment-Aware Memory for Instruction Following Embodied Agents","technology_ids":["T06"],"year":2023,"research_years":[2023],"venue":"ICCV 2023 (IF4, Top10)","description":"맥락 기반 계획과 환경 메모리로 지시 추종 행동을 개선한다.","links":[{"label":"논문 목록에서 보기","url":"/publications/#paper-b836b76b4664"},{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22Context-Aware+Planning+and+Environment-Aware+Memory+for+Instruction+Following+Embodied+Agents%22"},{"label":"DBpia","url":"https://www.dbpia.co.kr/search/topSearch?query=Context-Aware+Planning+and+Environment-Aware+Memory+for+Instruction+Following+Embodied+Agents"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[36,46]},{"document":"231226 2차년도 연차보고서","pdf_pages":[50,51,52]}]},{"id":"PAPER-241227-C020","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"Multi-Level Compositional Reasoning for Interactive Instruction Following","technology_ids":["T06"],"year":2023,"research_years":[2023],"venue":"AAAI20) 2023 (IF4, Top10)","description":"상위 목표·이동·상호작용의 계층적 추론으로 복합 지시를 수행한다.","links":[{"label":"논문 목록에서 보기","url":"/publications/#paper-8a79f46649bb"},{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22Multi-Level+Compositional+Reasoning+for+Interactive+Instruction+Following%22"},{"label":"DBpia","url":"https://www.dbpia.co.kr/search/topSearch?query=Multi-Level+Compositional+Reasoning+for+Interactive+Instruction+Following"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[36,46]},{"document":"231226 2차년도 연차보고서","pdf_pages":[50,51,52]}]},{"id":"PAPER-241227-C021","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"Online Boundary-Free Continual Learning by Scheduled Data Prior","technology_ids":["T09"],"year":2023,"research_years":[2023],"venue":"ICLR21) 2023 (IF4, Top10)","description":"태스크 경계 없는 스트림에서 기존 지식을 유지하는 지속학습 기반을 제공한다.","links":[{"label":"논문 목록에서 보기","url":"/publications/#paper-e59af5f76f13"},{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22Online+Boundary-Free+Continual+Learning+by+Scheduled+Data+Prior%22"},{"label":"DBpia","url":"https://www.dbpia.co.kr/search/topSearch?query=Online+Boundary-Free+Continual+Learning+by+Scheduled+Data+Prior"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[35,46]},{"document":"231226 2차년도 연차보고서","pdf_pages":[50,51,52]}]},{"id":"PAPER-241227-C070","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"Domain-Specific Block Selection and Paired-View Pseudo-Labeling for Online Test-Time Adaptation","technology_ids":["T10"],"year":2024,"research_years":[2024],"venue":"CVPR 2024 (IF4, Top10)","description":"블록 선택과 쌍별 시점 의사 라벨을 이용해 운용 환경에서 온라인 적응한다.","links":[{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22Domain-Specific%20Block%20Selection%20and%20Paired-View%20Pseudo-Labeling%20for%20Online%20Test-Time%20Adaptation%22"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[34,35,47]}]},{"id":"PAPER-241227-C071","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"Curriculum Fine-tuning of Vision Foundation Model for Medical Image Classification Under Label Noise","technology_ids":["T13"],"year":2024,"research_years":[2024],"venue":"NeurIPS 2024 (IF4, Top10)","description":"의료 라벨 노이즈에 대응해 기초모델을 단계적으로 미세조정한다.","links":[{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22Curriculum%20Fine-tuning%20of%20Vision%20Foundation%20Model%20for%20Medical%20Image%20Classification%20Under%20Label%20Noise%22"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[31,41,47]}]},{"id":"PAPER-241227-C075","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"Structure-aware Multimodal Sequential Learning for Visual Dialog","technology_ids":["T01"],"year":2024,"research_years":[2024],"venue":"AAAI 2024 (IF4, Top10)","description":"구조화된 멀티모달 시계열 지식을 대화 생성에 활용한다.","links":[{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22Structure-aware%20Multimodal%20Sequential%20Learning%20for%20Visual%20Dialog%22"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[29,40,47]}]},{"id":"PAPER-241227-C076","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"Compositional Video Understanding with Spatiotemporal Structured-based Transformers","technology_ids":["T02"],"year":2024,"research_years":[2024],"venue":"CVPR 2024 (IF4, Top10)","description":"시공간 구조 표상으로 미학습 객체·행동 조합 이해를 지원한다.","links":[{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22Compositional%20Video%20Understanding%20with%20Spatiotemporal%20Structured-based%20Transformers%2C%20Computer%20Vision%20and%20Pattern%20Recognition%20Conference%22"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[29,41,47]}]},{"id":"PAPER-241227-C078","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"LoTa-Bench: Benchmarking Language-oriented Task Planners for Embodied Agents","technology_ids":["T06"],"year":2024,"research_years":[2023],"venue":"ICLR 2024 (IF4, Top10)","description":"시뮬레이터 실행으로 언어모델 작업계획을 자동 평가하는 기반을 제공한다.","links":[{"label":"논문 목록에서 보기","url":"/publications/#paper-003664fc4d0a"},{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22LoTa-Bench%3A+Benchmarking+Language-oriented+Task+Planners+for+Embodied+Agents%22"},{"label":"DBpia","url":"https://www.dbpia.co.kr/search/topSearch?query=LoTa-Bench%3A+Benchmarking+Language-oriented+Task+Planners+for+Embodied+Agents"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[38,40,47]}]},{"id":"PAPER-241227-C080","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"CAUS: A Dataset for Question Generation based on Human Cognition Leveraging Large Language Models.","technology_ids":["T16"],"year":2024,"research_years":[2024],"venue":"COGSCI 2024","description":"불확실한 장면에서 인간 인지에 기반한 질문 생성의 훈련·평가 데이터를 제공한다.","links":[{"label":"논문 목록에서 보기","url":"/publications/#paper-e90d74d3eda2"},{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22CAUS%3A+A+Dataset+for+Question+Generation+based+on+Human+Cognition+Leveraging+Large+Language+Models%22"},{"label":"DBpia","url":"https://www.dbpia.co.kr/search/topSearch?query=CAUS%3A+A+Dataset+for+Question+Generation+based+on+Human+Cognition+Leveraging+Large+Language+Models"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[32,42,48]}]},{"id":"PAPER-241227-C100","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"Learning Equi-angular Representations for Online Continual Learning","technology_ids":["T09"],"year":2024,"research_years":[2024],"venue":"CVPR 2024 (IF4, Top10)","description":"ETF 분류기와 잔차 보정으로 온라인 지속학습을 지원한다.","links":[{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22Learning%20Equi-angular%20Representations%20for%20Online%20Continual%20Learning%22"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[35,36,48]}]},{"id":"PAPER-241227-C102","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"ReALFRED: An Embodied Instruction Following Benchmark in Photo-Realistic Environments","technology_ids":["T06"],"year":2024,"research_years":[2024],"venue":"ECCV 2024 (IF4, Top10)","description":"실공간 스캔 기반 지시 추종 환경에서 현실적인 작업계획을 검증한다.","links":[{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22ReALFRED%3A%20An%20Embodied%20Instruction%20Following%20Benchmark%20in%20Photo-Realistic%20Environments%22"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[36,37,48]}]},{"id":"PAPER-241227-C103","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"Online Continual Learning for Interactive Instruction Following Agents","technology_ids":["T09"],"year":null,"research_years":[2024],"venue":"ICLR 2024 (IF4, Top10)","description":"행동·환경 증분학습과 CAMA로 체화 에이전트의 망각을 완화한다.","links":[{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22Online%20Continual%20Learning%20for%20Interactive%20Instruction%20Following%20Agents%22"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[36,48]}]},{"id":"PAPER-241227-C104","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"Pre-emptive Action Revision by Environmental Feedback for Embodied Instruction Following Agents","technology_ids":["T06"],"year":2024,"research_years":[2024],"venue":"CoRL29) 2024","description":"환경 불일치 피드백을 사용해 행동 계획을 사전 수정한다.","links":[{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22Pre-emptive%20Action%20Revision%20by%20Environmental%20Feedback%20for%20Embodied%20Instruction%20Following%20Agents%22"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[36,48]}]},{"id":"PAPER-251224-J004","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"INQUIRER: Harnessing internal knowledge graphs for video question generation","technology_ids":["T05"],"year":2025,"research_years":[2025],"venue":"Knowledge-Based Systems","description":"지식그래프와 18개 질문 체계로 질문을 생성·선별하고 VideoQA 모델을 훈련한다.","links":[{"label":"논문 목록에서 보기","url":"/publications/#paper-fda971590af1"},{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22INQUIRER%3A+Harnessing+internal+knowledge+graphs+for+video+question+generation%22"},{"label":"DBpia","url":"https://www.dbpia.co.kr/search/topSearch?query=INQUIRER%3A+Harnessing+internal+knowledge+graphs+for+video+question+generation"}],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[29,33]}]},{"id":"PAPER-251224-J005","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"반복적 질의응답 기반 명확화 프레임워크를 통한 시각적 질의 응답 내 모호성 해소","technology_ids":["T04"],"year":2025,"research_years":[2025],"venue":"정보과학회논문지","description":"명확화 질문과 반복 질의응답을 통해 시각 질의의 모호성을 줄인다.","links":[{"label":"논문 목록에서 보기","url":"/publications/#paper-341be739adc8"},{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22%EB%B0%98%EB%B3%B5%EC%A0%81+%EC%A7%88%EC%9D%98%EC%9D%91%EB%8B%B5+%EA%B8%B0%EB%B0%98+%EB%AA%85%ED%99%95%ED%99%94+%ED%94%84%EB%A0%88%EC%9E%84%EC%9B%8C%ED%81%AC%EB%A5%BC+%ED%86%B5%ED%95%9C+%EC%8B%9C%EA%B0%81%EC%A0%81+%EC%A7%88%EC%9D%98+%EC%9D%91%EB%8B%B5+%EB%82%B4+%EB%AA%A8%ED%98%B8%EC%84%B1+%ED%95%B4%EC%86%8C%22"},{"label":"DBpia","url":"https://www.dbpia.co.kr/search/topSearch?query=%EB%B0%98%EB%B3%B5%EC%A0%81+%EC%A7%88%EC%9D%98%EC%9D%91%EB%8B%B5+%EA%B8%B0%EB%B0%98+%EB%AA%85%ED%99%95%ED%99%94+%ED%94%84%EB%A0%88%EC%9E%84%EC%9B%8C%ED%81%AC%EB%A5%BC+%ED%86%B5%ED%95%9C+%EC%8B%9C%EA%B0%81%EC%A0%81+%EC%A7%88%EC%9D%98+%EC%9D%91%EB%8B%B5+%EB%82%B4+%EB%AA%A8%ED%98%B8%EC%84%B1+%ED%95%B4%EC%86%8C"}],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[30,33]}]},{"id":"PAPER-251224-C001","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"ReActQ와 Answer 에이전트: 질의응답 기반 불확실성 해소 태스크 플래너","technology_ids":["T06"],"year":2025,"research_years":[2025],"venue":"한국방송미디어공학회 하계학술대회","description":"추론-행동-질문과 Answer 에이전트의 응답을 결합해 절차계획 불확실성을 해소한다.","links":[{"label":"논문 목록에서 보기","url":"/publications/#paper-447ac73e0257"},{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22ReActQ%EC%99%80+Answer+%EC%97%90%EC%9D%B4%EC%A0%84%ED%8A%B8%3A+%EC%A7%88%EC%9D%98%EC%9D%91%EB%8B%B5+%EA%B8%B0%EB%B0%98+%EB%B6%88%ED%99%95%EC%8B%A4%EC%84%B1+%ED%95%B4%EC%86%8C+%ED%83%9C%EC%8A%A4%ED%81%AC+%ED%94%8C%EB%9E%98%EB%84%88%22"},{"label":"DBpia","url":"https://www.dbpia.co.kr/search/topSearch?query=ReActQ%EC%99%80+Answer+%EC%97%90%EC%9D%B4%EC%A0%84%ED%8A%B8%3A+%EC%A7%88%EC%9D%98%EC%9D%91%EB%8B%B5+%EA%B8%B0%EB%B0%98+%EB%B6%88%ED%99%95%EC%8B%A4%EC%84%B1+%ED%95%B4%EC%86%8C+%ED%83%9C%EC%8A%A4%ED%81%AC+%ED%94%8C%EB%9E%98%EB%84%88"}],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[28,33]}]},{"id":"PAPER-251224-C003","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"Unknown object detection by leveraging Segment Anything Model for labeling the OOD objects","technology_ids":["T07"],"year":2025,"research_years":[2025],"venue":"International Conference on Information and Communication Technology Convergence","description":"SAM 기반 미지 객체 라벨링을 활용하는 열린 세계 객체 인지 계열이다.","links":[{"label":"논문 목록에서 보기","url":"/publications/#paper-ace5e7b14db4"},{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22Unknown+object+detection+by+leveraging+Segment+Anything+Model+for+labeling+the+OOD+objects%22"},{"label":"DBpia","url":"https://www.dbpia.co.kr/search/topSearch?query=Unknown+object+detection+by+leveraging+Segment+Anything+Model+for+labeling+the+OOD+objects"}],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[28,33]}]},{"id":"PAPER-251224-C042","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"Confidence-guided Refinement Reasoning for Zero-shot Question Answering","technology_ids":["T05"],"year":2025,"research_years":[2025],"venue":"EMNLP","description":"모의 보조 질문과 모델 신뢰도로 답을 정제하고 질문 횟수의 효과를 평가한다.","links":[{"label":"논문 목록에서 보기","url":"/publications/#paper-84b90c665602"},{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22Confidence-guided+Refinement+Reasoning+for+Zero-shot+Question+Answering%22"},{"label":"DBpia","url":"https://www.dbpia.co.kr/search/topSearch?query=Confidence-guided+Refinement+Reasoning+for+Zero-shot+Question+Answering"}],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[29,34]}]},{"id":"PAPER-251224-C053","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"Can Video LLMs Refuse to Answer? Alignment for Answerability in Video Large Language Models","technology_ids":["T03"],"year":2025,"research_years":[2024],"venue":"ICLR","description":"대답 불가능한 질의를 포함한 데이터로 비디오 언어모델을 정렬하여 응답 신뢰성을 높인다.","links":[{"label":"논문 목록에서 보기","url":"/publications/#paper-8f8abb0d4d40"},{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22Can+Video+LLMs+Refuse+to+Answer%3F+Alignment+for+Answerability+in+Video+Large+Language+Models%22"},{"label":"DBpia","url":"https://www.dbpia.co.kr/search/topSearch?query=Can+Video+LLMs+Refuse+to+Answer%3F+Alignment+for+Answerability+in+Video+Large+Language+Models"}],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[35,71]}]},{"id":"PAPER-251224-C056","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"Zero-Shot Compositional Video Learning with Coding Rate Reduction","technology_ids":["T01"],"year":2025,"research_years":[2025],"venue":"ICCV","description":"객체와 행위 개념을 분리·조합하여 미학습 객체-행위 조합을 이해한다.","links":[{"label":"논문 목록에서 보기","url":"/publications/#paper-d5908313bb06"},{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22Zero-Shot+Compositional+Video+Learning+with+Coding+Rate+Reduction%22"},{"label":"DBpia","url":"https://www.dbpia.co.kr/search/topSearch?query=Zero-Shot+Compositional+Video+Learning+with+Coding+Rate+Reduction"}],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[30,35]}]},{"id":"PAPER-251224-C059","kind":"paper","kind_label":"논문","mapping_basis":"report_content","mapping_note":"보고서 본문과 논문 제목을 대조한 연결","title":"노이즈 라벨을 고려한 의료 데이터 학습을 위한 파운데이션 모델 기반 라벨 스무딩","technology_ids":["T13"],"year":2025,"research_years":[2025],"venue":"한국방송미디어공학회 하계학술대회","description":"의료 라벨 노이즈를 고려한 파운데이션 모델 학습 계열의 라벨 스무딩 연구이다.","links":[{"label":"논문 목록에서 보기","url":"/publications/#paper-10b8acddc76d"},{"label":"Google Scholar","url":"https://scholar.google.com/scholar?q=%22%EB%85%B8%EC%9D%B4%EC%A6%88+%EB%9D%BC%EB%B2%A8%EC%9D%84+%EA%B3%A0%EB%A0%A4%ED%95%9C+%EC%9D%98%EB%A3%8C+%EB%8D%B0%EC%9D%B4%ED%84%B0+%ED%95%99%EC%8A%B5%EC%9D%84+%EC%9C%84%ED%95%9C+%ED%8C%8C%EC%9A%B4%EB%8D%B0%EC%9D%B4%EC%85%98+%EB%AA%A8%EB%8D%B8+%EA%B8%B0%EB%B0%98+%EB%9D%BC%EB%B2%A8+%EC%8A%A4%EB%AC%B4%EB%94%A9%22"},{"label":"DBpia","url":"https://www.dbpia.co.kr/search/topSearch?query=%EB%85%B8%EC%9D%B4%EC%A6%88+%EB%9D%BC%EB%B2%A8%EC%9D%84+%EA%B3%A0%EB%A0%A4%ED%95%9C+%EC%9D%98%EB%A3%8C+%EB%8D%B0%EC%9D%B4%ED%84%B0+%ED%95%99%EC%8A%B5%EC%9D%84+%EC%9C%84%ED%95%9C+%ED%8C%8C%EC%9A%B4%EB%8D%B0%EC%9D%B4%EC%85%98+%EB%AA%A8%EB%8D%B8+%EA%B8%B0%EB%B0%98+%EB%9D%BC%EB%B2%A8+%EC%8A%A4%EB%AC%B4%EB%94%A9"}],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[29,35]}]},{"id":"patent-944e7727925c","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"APPARATUS AND METHOD FOR PERFORMING ROBOT TASK PLANNING BASED ON LARGE LANGUAGE MODEL","technology_ids":["T06"],"year":2025,"research_years":[],"venue":"미국 출원","description":"관련 기술 주제: 질의응답 기반 절차계획·계층 추론·평가","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-944e7727925c"}],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[35]}]},{"id":"patent-dff7dcc014f7","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"고령자의 정서지원을 위한 표현 생성장치, 이를 이용한 정서지원 방법 및 이를 포함하는 로봇","technology_ids":["T16"],"year":2025,"research_years":[],"venue":"대한민국 출원 · 미국 출원","description":"관련 기술 주제: 인지 기반 질문 품질·사회적 상호작용 실증","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-dff7dcc014f7"}],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[35,36]}]},{"id":"patent-c81e4ab5a21e","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"로짓 기반 다단계 추론 프레임워크를 이용한 시각 질의 응답 장치 및 방법","technology_ids":["T05"],"year":2025,"research_years":[],"venue":"대한민국 출원","description":"관련 기술 주제: 지식그래프·자문자답 기반 영상 추론 성장","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-c81e4ab5a21e"}],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[36]}]},{"id":"patent-8824fbe7d8ec","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"멀티모달 추론을 위한 지침 학습을 통한 자가 질문 프레임워크","technology_ids":["T05"],"year":2025,"research_years":[],"venue":"대한민국 출원","description":"관련 기술 주제: 지식그래프·자문자답 기반 영상 추론 성장","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-8824fbe7d8ec"}],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[36]}]},{"id":"patent-9e7f70dac333","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"질의응답인지를 통한 키프레임 셀렉션 기술","technology_ids":["T03"],"year":2025,"research_years":[],"venue":"대한민국 출원","description":"관련 기술 주제: 비디오 질의 응답 가능성·모호성·시간 불확실성","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-9e7f70dac333"}],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[36]}]},{"id":"patent-0de2b3e7f042","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"비디오 기반의 대답 불가능한 질의 응답 데이터 구축 방법 및 비디오 기반 질의에 대한 응답 시스템","technology_ids":["T03"],"year":2025,"research_years":[],"venue":"대한민국 출원","description":"관련 기술 주제: 비디오 질의 응답 가능성·모호성·시간 불확실성","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-0de2b3e7f042"}],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[36]}]},{"id":"patent-f95ad678d80f","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"사용자 피드백을 활용한 데이터 라벨링·모델 학습 ·배포 통합 시스템","technology_ids":["T12"],"year":2025,"research_years":[],"venue":"대한민국 출원","description":"관련 기술 주제: 치과 진단 지원 데이터·플랫폼·피드백","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-f95ad678d80f"}],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[36]}]},{"id":"patent-baecf9db5edb","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"목표 단어 노이즈 제거를 통한 텍스트 생성 장치 및 텍스트 생성 모델 학습 방법","technology_ids":["T04"],"year":2025,"research_years":[],"venue":"PCT 출원","description":"관련 기술 주제: 질문 생성 사후학습·명확화·응답 해석","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-baecf9db5edb"}],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[36]}]},{"id":"patent-2a326859596c","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"시각적 질의 응답의 질의 정확도를 향상시키는 방법 및 전자 장치","technology_ids":["T04"],"year":2025,"research_years":[],"venue":"대한민국 출원","description":"관련 기술 주제: 질문 생성 사후학습·명확화·응답 해석","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-2a326859596c"}],"references":[{"document":"251224 4차년도 연차보고서","pdf_pages":[36]}]},{"id":"patent-77eb7fad6c3a","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"거대 언어 모델을 이용한 스킬 불확실성 기반 로봇 스킬 수행 방법 및 장치","technology_ids":["T06"],"year":2025,"research_years":[],"venue":"대한민국 출원 · 대한민국 등록","description":"관련 기술 주제: 질의응답 기반 절차계획·계층 추론·평가","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-77eb7fad6c3a"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[49]},{"document":"251224 4차년도 연차보고서","pdf_pages":[36]}]},{"id":"patent-75bcaec55843","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"멀티모달 추론을 위한 지침 학습을 통한 자가 질문 프레임워크","technology_ids":["T05"],"year":2024,"research_years":[],"venue":"대한민국","description":"관련 기술 주제: 지식그래프·자문자답 기반 영상 추론 성장","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-75bcaec55843"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[50]}]},{"id":"patent-4f9495b1d21d","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"인공지능 대화 모델을 구축하는 대화 모델 구축 장치 및 방법","technology_ids":["T01"],"year":2024,"research_years":[],"venue":"대한민국","description":"관련 기술 주제: 멀티모달 지식그래프 구축·결합·검색","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-4f9495b1d21d"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[50]}]},{"id":"patent-d42892c6652d","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"비디오 질의 응답을 위한 질의 난이도 추정장치 및 그 방법","technology_ids":["T04"],"year":2023,"research_years":[],"venue":"대한민국","description":"관련 기술 주제: 질문 생성 사후학습·명확화·응답 해석","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-d42892c6652d"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[49]}]},{"id":"patent-6e1c4c6d5a1f","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"OUT-OF-DISTRIBUTION DETECTION SYSTEM AND METHOD BASED ON FEATURE MAP OF CONVOLUTIONAL NEURAL NETWORK","technology_ids":["T10"],"year":2023,"research_years":[],"venue":"미국","description":"관련 기술 주제: 의료 모델 추론 보정·시험 시점 적응","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-6e1c4c6d5a1f"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[49]}]},{"id":"patent-36dd8f6964be","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"합성곱 신경망의 특징 맵에 기반한 분포 외 탐지 시스템 및 방법","technology_ids":["T10"],"year":2023,"research_years":[],"venue":"대한민국","description":"관련 기술 주제: 의료 모델 추론 보정·시험 시점 적응","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-36dd8f6964be"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[49]}]},{"id":"patent-bcb4cff352a4","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"멀티 모달 비디오 씬 그래프를 구축하는 장치 및 방법","technology_ids":["T01"],"year":2023,"research_years":[],"venue":"대한민국","description":"관련 기술 주제: 멀티모달 지식그래프 구축·결합·검색","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-bcb4cff352a4"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[49]}]},{"id":"patent-4ecddefe8ece","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"비디오 스토리 설명문 생성모델의 학습 방법 및 이를 수행하기 위한 컴퓨팅 장치","technology_ids":["T01"],"year":2023,"research_years":[],"venue":"대한민국","description":"관련 기술 주제: 멀티모달 지식그래프 구축·결합·검색","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-4ecddefe8ece"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[49]}]},{"id":"patent-3aa6beeba577","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"METHOD AND APPARATUS FOR RE-TRAINING MODEL BY RECOGNIZING UNCERTAINTY IN ONLINE USER ACTION DETECTION","technology_ids":["T07"],"year":2023,"research_years":[],"venue":"미국","description":"관련 기술 주제: 열린 세계 객체·행위 인지와 시맨틱 지도","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-3aa6beeba577"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[49]}]},{"id":"patent-4fdcebdac54e","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"거대 언어 모델을 이용한 스킬 불확실성 기반 로봇 스킬 수행 방법 및 장치","technology_ids":["T06"],"year":2023,"research_years":[],"venue":"대한민국 · 미국","description":"관련 기술 주제: 질의응답 기반 절차계획·계층 추론·평가","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-4fdcebdac54e"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[49]},{"document":"251224 4차년도 연차보고서","pdf_pages":[36]}]},{"id":"patent-de0ebdf93e5c","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"실시간 사용자 행위 탐지의 불확실성 인지를 통해 모델의 재학습을 수행하는 방법 및 장치","technology_ids":["T07"],"year":2023,"research_years":[],"venue":"대한민국","description":"관련 기술 주제: 열린 세계 객체·행위 인지와 시맨틱 지도","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-de0ebdf93e5c"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[49]}]},{"id":"patent-9c1208104af4","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"질의문 생성 모델 학습 방법 및 그 장치","technology_ids":["T04"],"year":2022,"research_years":[],"venue":"대한민국","description":"관련 기술 주제: 질문 생성 사후학습·명확화·응답 해석","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-9c1208104af4"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[49]},{"document":"221227 1차년도 연차보고서","pdf_pages":[48]}]},{"id":"patent-c96eb8cbed91","kind":"patent","kind_label":"관련 특허","mapping_basis":"title_and_identifiers","mapping_note":"특허 제목과 출원·등록번호에 기반한 주제 연결","title":"지식 기반 질의 응답을 위한 구조적 주의 집중 기제 기반의 추론 방법 및 이를 수행하기 위한 컴퓨팅 장치","technology_ids":["T01"],"year":2022,"research_years":[],"venue":"대한민국","description":"관련 기술 주제: 멀티모달 지식그래프 구축·결합·검색","links":[{"label":"출원·등록 이력 보기","url":"/patents/#patent-c96eb8cbed91"}],"references":[{"document":"241227 3차년도 단계보고서","pdf_pages":[49]},{"document":"221227 1차년도 연차보고서","pdf_pages":[48]}]},{"id":"asset-d05905a072fd","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"Active learning with uncertainty","technology_ids":["T14"],"year":null,"research_years":[],"venue":"광주과학기술원","description":"예측 차이·모델 불일치·엔트로피·중복 제거로 우선순위와 표본 구성을 개선","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-d05905a072fd"},{"label":"공개 저장소","url":"https://github.com/gist-ailab/uncertainty-activelearning"}],"references":[]},{"id":"asset-4b8c2e6b39ee","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"ALFRED 명령어 모호성 해소 데이터셋","technology_ids":["T06"],"year":null,"research_years":[],"venue":"한국전자통신연구원","description":"LLM 플래너 자동 평가에서 자연어 피드백·ReActQ·계층 계획 및 안전성 평가로 확장","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-4b8c2e6b39ee"},{"label":"공개 저장소","url":"https://github.com/zebehn/revisiting_alfred"}],"references":[]},{"id":"asset-0a120c3caf3e","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"C2R (모델 자기 확신도 기반 효율적인 추론 성능 향상 시스템)","technology_ids":["T05"],"year":null,"research_years":[],"venue":"서울대학교","description":"자가 질문·신뢰도 기반 답변 정제와 지식그래프 기반 질문 데이터로 VideoQA 성능 개선","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-0a120c3caf3e"},{"label":"공개 저장소","url":"https://github.com/greeksharifa/LBA_LAVIS/tree/LBA_2025"}],"references":[]},{"id":"asset-8d8e1c9241c2","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"cl-alfred","technology_ids":["T09"],"year":null,"research_years":[],"venue":"서울대학교","description":"경계 없는 지속학습·환경 피드백·행동 학습으로 성장학습 기반 제공","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-8d8e1c9241c2"},{"label":"공개 저장소","url":"https://github.com/snumprlab/cl-alfred"}],"references":[]},{"id":"asset-8e0c344c515d","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"earl","technology_ids":["T09"],"year":null,"research_years":[],"venue":"서울대학교","description":"경계 없는 지속학습·환경 피드백·행동 학습으로 성장학습 기반 제공","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-8e0c344c515d"},{"label":"공개 저장소","url":"https://github.com/snumprlab/earl"}],"references":[]},{"id":"asset-77e8fef73bff","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"INQUIRER (인콰이어러: 지식기반 질문생성 시스템 데이터셋)","technology_ids":["T05"],"year":null,"research_years":[],"venue":"서울대학교","description":"자가 질문·신뢰도 기반 답변 정제와 지식그래프 기반 질문 데이터로 VideoQA 성능 개선","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-77e8fef73bff"},{"label":"공개 저장소","url":"https://github.com/cws7777/INQUIRER"}],"references":[]},{"id":"asset-dfed001bcb97","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"Knowledge transfer with expert supervision","technology_ids":["T11"],"year":null,"research_years":[],"venue":"광주과학기술원","description":"Point guidance에서 모델 가중치 결합·Branch Soup·연합학습으로 협업적 성장","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-dfed001bcb97"},{"label":"공개 저장소","url":"https://github.com/gist-ailab/supervision-active-learning"}],"references":[]},{"id":"asset-780b4d74af52","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"LBA annotation framework","technology_ids":["T12"],"year":null,"research_years":[],"venue":"광주과학기술원","description":"파노라마 라벨링에서 진단·수정·지속학습·지식 공유 플랫폼으로 통합","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-780b4d74af52"},{"label":"공개 저장소","url":"https://github.com/gist-ailab/LBA-ann-framework"}],"references":[]},{"id":"asset-8f3da4631514","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"LBA-DramaQG","technology_ids":["T04"],"year":null,"research_years":[],"venue":"경희대학교","description":"사후학습에서 LoRA·멀티턴 명확화와 relation linking으로 질문-응답-지식 확장 연결","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-8f3da4631514"},{"label":"공개 저장소","url":"https://github.com/gminipark/LBA-DramaQG"}],"references":[]},{"id":"asset-58be747e6378","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"LBA-Q2Q","technology_ids":["T04"],"year":null,"research_years":[],"venue":"경희대학교","description":"사후학습에서 LoRA·멀티턴 명확화와 relation linking으로 질문-응답-지식 확장 연결","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-58be747e6378"},{"label":"공개 저장소","url":"https://github.com/gminipark/LBA-Q2Q"}],"references":[]},{"id":"asset-38c53305923e","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"Learning by Asking Dataset","technology_ids":["T05"],"year":null,"research_years":[],"venue":"서울대학교","description":"자가 질문·신뢰도 기반 답변 정제와 지식그래프 기반 질문 데이터로 VideoQA 성능 개선","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-38c53305923e"},{"label":"공개 저장소","url":"https://github.com/cws7777/lba_datasets"}],"references":[]},{"id":"asset-ce29490250b1","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"Learning By Asking, based on LAVIS","technology_ids":["T05"],"year":null,"research_years":[],"venue":"서울대학교","description":"자가 질문·신뢰도 기반 답변 정제와 지식그래프 기반 질문 데이터로 VideoQA 성능 개선","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-ce29490250b1"},{"label":"공개 저장소","url":"https://github.com/greeksharifa/LBA_LAVIS/tree/DramaQA"}],"references":[]},{"id":"asset-1bdffe578761","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"Learning with Noisy Label","technology_ids":["T13"],"year":null,"research_years":[],"venue":"광주과학기술원","description":"앙상블·특징 정규화·커리큘럼 어댑터로 오류 탐지·보정 및 학습 강인성 확보","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-1bdffe578761"},{"label":"공개 저장소","url":"https://github.com/gist-ailab/noise-adapter"}],"references":[]},{"id":"asset-916c5e7f1e97","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"LoTa-Bench (언어모델 기반 절차이해 능력 자동평가 벤치마크)","technology_ids":["T06"],"year":null,"research_years":[],"venue":"한국전자통신연구원","description":"LLM 플래너 자동 평가에서 자연어 피드백·ReActQ·계층 계획 및 안전성 평가로 확장","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-916c5e7f1e97"},{"label":"공개 저장소","url":"https://github.com/lbaa2022/LLMTaskPlanning"}],"references":[]},{"id":"asset-ed2a3a7577f3","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"Model calibration","technology_ids":["T10"],"year":null,"research_years":[],"venue":"광주과학기술원","description":"특징 기반 보정과 블록 선택·어댑터 결합으로 신뢰도와 적응성 개선","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-ed2a3a7577f3"},{"label":"공개 저장소","url":"https://github.com/gist-ailab/network_calibration"}],"references":[]},{"id":"asset-656ed43df1c8","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"OOD detection","technology_ids":["T10"],"year":null,"research_years":[],"venue":"광주과학기술원","description":"특징 기반 보정과 블록 선택·어댑터 결합으로 신뢰도와 적응성 개선","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-656ed43df1c8"},{"label":"공개 저장소","url":"https://github.com/gist-ailab/block-selection-for-OOD-detection"}],"references":[]},{"id":"asset-ee543ca1cd81","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"post_training_qg","technology_ids":["T04"],"year":null,"research_years":[],"venue":"경희대학교","description":"사후학습에서 LoRA·멀티턴 명확화와 relation linking으로 질문-응답-지식 확장 연결","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-ee543ca1cd81"},{"label":"공개 저장소","url":"https://github.com/gminipark/post_training_qg"}],"references":[]},{"id":"asset-4964603491c0","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"realfred","technology_ids":["T06"],"year":null,"research_years":[],"venue":"서울대학교","description":"LLM 플래너 자동 평가에서 자연어 피드백·ReActQ·계층 계획 및 안전성 평가로 확장","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-4964603491c0"},{"label":"공개 저장소","url":"https://github.com/snumprlab/realfred"}],"references":[]},{"id":"asset-0d88fed06d0f","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"vlm-rlaif","technology_ids":["T02"],"year":null,"research_years":[],"venue":"서울대학교","description":"영상 지식체계에 사용할 표상과 장면·행동 이해 기반 확보","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-0d88fed06d0f"},{"label":"공개 저장소","url":"https://github.com/snumprlab/vlm-rlaif"}],"references":[]},{"id":"asset-80829e0c0f37","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"기반의 Diffusion model 이미지 레벨 OOD 검출 SW","technology_ids":["T18"],"year":null,"research_years":[],"venue":"한국과학기술원","description":"확산모델·의사 이상·프롬프트 보정 등의 범용 불확실성 지각 기반; 특정 수직 실증은 별도 증거 필요","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-80829e0c0f37"},{"label":"공개 저장소","url":"https://github.com/hushon/ood-diffusion"}],"references":[]},{"id":"asset-b50e965daab3","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"긴 비디오 질의 응답에 필요한 지식 체계 검색 기술 개발","technology_ids":["T01"],"year":null,"research_years":[],"venue":"한양대학교","description":"장면·인물·상식 그래프의 결합에서 과제별 검색과 새 개념 조합으로 확장","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-b50e965daab3"},{"label":"공개 저장소","url":"https://github.com/khflower/STELLA"}],"references":[]},{"id":"asset-76f975f13bb4","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"데이터 필터링 및 Noisy Label 학습 라이브러리","technology_ids":["T13"],"year":null,"research_years":[],"venue":"한국과학기술원","description":"앙상블·특징 정규화·커리큘럼 어댑터로 오류 탐지·보정 및 학습 강인성 확보","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-76f975f13bb4"},{"label":"공개 저장소","url":"https://github.com/hushon/noisy-label"}],"references":[]},{"id":"asset-014e2000e397","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"멀티모달 구축을 위한 장면 그래프 생성","technology_ids":["T01"],"year":null,"research_years":[],"venue":"한양대학교","description":"장면·인물·상식 그래프의 결합에서 과제별 검색과 새 개념 조합으로 확장","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-014e2000e397"},{"label":"공개 저장소","url":"https://github.com/youngyoung1021/cross-graph-attention"}],"references":[]},{"id":"asset-04f0dd07d41a","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"멀티모달 구축을 위한 지식 그래프 생성","technology_ids":["T01"],"year":null,"research_years":[],"venue":"한양대학교","description":"장면·인물·상식 그래프의 결합에서 과제별 검색과 새 개념 조합으로 확장","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-04f0dd07d41a"},{"label":"공개 저장소","url":"https://github.com/kyunghwan7949/DramaQA"}],"references":[]},{"id":"asset-3f86a4748358","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"비디오 기반의 대답이 모호한 질의에 대한 판단 및 추가 정보를 활용한 모호한 질의에 대한 응답 시스템 SW","technology_ids":["T03"],"year":null,"research_years":[],"venue":"한국과학기술원","description":"대답 불가능성 판단과 근거 제시, 정렬 학습, 키프레임 선택으로 신뢰성 향상","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-3f86a4748358"},{"label":"공개 저장소","url":"https://github.com/hee-suk-yoon/LBA-ARVQA"}],"references":[]},{"id":"asset-19ad6573bfe6","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"비디오 질의응답을 위한 질문 인식 및 합성 지도 기반 키프레임 선택 학습 알고리즘","technology_ids":["T03"],"year":null,"research_years":[],"venue":"한국과학기술원","description":"대답 불가능성 판단과 근거 제시, 정렬 학습, 키프레임 선택으로 신뢰성 향상","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-19ad6573bfe6"},{"label":"공개 저장소","url":"https://github.com/hushon/SKS-QCCR"}],"references":[]},{"id":"asset-42e9b01b2091","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"스스로 질의응답하며 성장하는 Self-Questioning Framework","technology_ids":["T05"],"year":null,"research_years":[],"venue":"서울대학교","description":"자가 질문·신뢰도 기반 답변 정제와 지식그래프 기반 질문 데이터로 VideoQA 성능 개선","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-42e9b01b2091"},{"label":"공개 저장소","url":"https://github.com/greeksharifa/LBA_LAVIS/tree/SQ-InstructBLIP"}],"references":[]},{"id":"asset-6cb01dcefae5","kind":"software","kind_label":"공개 SW","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"장기 복합 임무 수행을 위한 계층적 절차 추론 기술","technology_ids":["T06"],"year":null,"research_years":[],"venue":"한국전자통신연구원","description":"LLM 플래너 자동 평가에서 자연어 피드백·ReActQ·계층 계획 및 안전성 평가로 확장","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-6cb01dcefae5"},{"label":"공개 저장소","url":"https://github.com/Choi-JaeWoo/ReAcTree"}],"references":[]},{"id":"asset-c69288b8f26f","kind":"software","kind_label":"데이터셋","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"Ambiguous-VideoQA","technology_ids":["T03"],"year":null,"research_years":[],"venue":"한국과학기술원","description":"비디오 기반의 모호한 질의와 응답을 다루기 위한 질의응답 데이터셋입니다.","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-c69288b8f26f"},{"label":"공개 저장소","url":"https://github.com/hee-suk-yoon/LBA-ARVQA"}],"references":[]},{"id":"asset-bc01494bf6d3","kind":"software","kind_label":"데이터셋","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"CAUS","technology_ids":["T16"],"year":null,"research_years":[],"venue":"한국전자통신연구원","description":"인간 질의 인지과정을 모사한 질문 생성 벤치마킹 데이터셋입니다.","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-bc01494bf6d3"},{"label":"공개 저장소","url":"https://github.com/lbaa2022/CAUS_v1"}],"references":[]},{"id":"asset-5088dbdb1687","kind":"software","kind_label":"데이터셋","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"GQA_SubQ","technology_ids":["T04"],"year":null,"research_years":[],"venue":"경희대학교","description":"멀티모달 환경에서 질의의 불확실성을 해소하기 위한 질문 생성 학습 및 평가 데이터셋입니다.","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-5088dbdb1687"},{"label":"공개 저장소","url":"https://huggingface.co/datasets/gminipark/GQA_SubQ"}],"references":[]},{"id":"asset-2094ab657dfa","kind":"software","kind_label":"데이터셋","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"Learning by Asking dataset","technology_ids":["T05"],"year":null,"research_years":[],"venue":"서울대학교","description":"캐릭터 간 사실관계와 상식, 고증 등을 학습하고 질의를 통해 지식성장을 검증하는 데이터셋입니다.","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-2094ab657dfa"},{"label":"공개 저장소","url":"https://github.com/cws7777/lba_datasets"}],"references":[]},{"id":"asset-e55188f7c89e","kind":"software","kind_label":"데이터셋","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"LLM 에이전트 의사결정 궤적 데이터셋","technology_ids":["T06"],"year":null,"research_years":[],"venue":"한국전자통신연구원","description":"성공 및 실패 궤적을 함께 활용해 절차 계획 성능 향상과 절차 추론 불확실성 활용을 지원하는 데이터셋입니다.","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-e55188f7c89e"},{"label":"공개 저장소","url":"https://github.com/Choi-JaeWoo/ReAcTree"}],"references":[]},{"id":"asset-5d50c4210827","kind":"software","kind_label":"데이터셋","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"ReALFRED","technology_ids":["T06"],"year":null,"research_years":[],"venue":"서울대학교","description":"Embodied Agent의 real-world simulation을 위한 데이터셋입니다.","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-5d50c4210827"},{"label":"공개 저장소","url":"https://github.com/snumprlab/realfred"}],"references":[]},{"id":"asset-59b14e34b70a","kind":"software","kind_label":"데이터셋","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"Unanswerable DramaQA","technology_ids":["T03"],"year":null,"research_years":[],"venue":"한국과학기술원","description":"DramaQA 기반 대답 불가능한 질의응답 데이터셋입니다.","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-59b14e34b70a"},{"label":"공개 저장소","url":"https://github.com/hee-suk-yoon/LBA-ARVQA"}],"references":[]},{"id":"asset-8dcd38743564","kind":"software","kind_label":"데이터셋","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"Unanswerable GQA","technology_ids":["T03"],"year":null,"research_years":[],"venue":"한국과학기술원","description":"이미지 기반 대답 불가능한 질의응답 데이터셋입니다.","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-8dcd38743564"},{"label":"공개 저장소","url":"https://github.com/hee-suk-yoon/LBA-ARVQA"}],"references":[]},{"id":"asset-297d490ce629","kind":"software","kind_label":"데이터셋","mapping_basis":"public_title_and_description","mapping_note":"공개 자산의 제목·용도와 연구 주제를 대조한 연결","title":"WAH-NL","technology_ids":["T06"],"year":null,"research_years":[],"venue":"한국전자통신연구원","description":"가정환경 임무 데이터셋으로 목표 조건, 초기 환경, 자연어 명령어를 포함하며 VirtualHome과 연동됩니다.","links":[{"label":"SW+Data에서 보기","url":"/sw-data/#asset-297d490ce629"},{"label":"공개 저장소","url":"https://github.com/lbaa2022/LLMTaskPlanning"}],"references":[]}],"matrix":[{"vertical_id":"V1","horizontal_id":"H1","topics":["장면·인물·상식 그래프","시간·공간 개념의 결합"]},{"vertical_id":"V1","horizontal_id":"H2","topics":["응답 가능성 판단","관계·시간 모호성"]},{"vertical_id":"V1","horizontal_id":"H3","topics":["명확화 질문","질문 생성 사후학습"]},{"vertical_id":"V1","horizontal_id":"H4","topics":["보조 질문으로 추론 개선","지식 기반 질문 훈련"]},{"vertical_id":"V2","horizontal_id":"H1","topics":["시맨틱 지도","행동·절차 지식"]},{"vertical_id":"V2","horizontal_id":"H2","topics":["미지 객체·행위 탐지","계획의 불확실성"]},{"vertical_id":"V2","horizontal_id":"H3","topics":["도움 요청 시점","질문 정책과 품질"]},{"vertical_id":"V2","horizontal_id":"H4","topics":["피드백 기반 재계획","장기 임무·지속학습"]},{"vertical_id":"V3","horizontal_id":"H1","topics":["의료영상·판독 정보","치과 지식 기반"]},{"vertical_id":"V3","horizontal_id":"H2","topics":["모델 신뢰도 보정","환경 변화 적응"]},{"vertical_id":"V3","horizontal_id":"H3","topics":["전문가에게 정보 요청","피드백 해석"]},{"vertical_id":"V3","horizontal_id":"H4","topics":["에이전트 간 지식 전이","지속 성장형 진단 지원"]},{"vertical_id":"V4","horizontal_id":"H1","topics":["학습 데이터·라벨 구조","데이터셋 품질 기반"]},{"vertical_id":"V4","horizontal_id":"H2","topics":["오류 라벨·중복 탐지","데이터 불확실성"]},{"vertical_id":"V4","horizontal_id":"H3","topics":["라벨링 대상 선정","사용자 확인·수정"]},{"vertical_id":"V4","horizontal_id":"H4","topics":["정제 데이터로 재학습","노이즈에 강건한 학습"]}],"editorial_note":"제안서와 2022–2025 보고서를 바탕으로 연구 주제의 발전과 대표 산출물을 연결했습니다. 연차 간 연결은 주제의 발전 흐름이며, 개별 논문 간 직접 계승을 뜻하지 않습니다. 연구 수행연도와 발표연도를 구분하며, 목록은 전체 성과의 일부입니다.","sources":[{"title":"220205 (과제신청)연구개발계획서","type":"proposal"},{"title":"221227 1차년도 연차보고서","type":"annual_report"},{"title":"231226 2차년도 연차보고서","type":"annual_report"},{"title":"241227 3차년도 단계보고서","type":"stage_report"},{"title":"251224 4차년도 연차보고서","type":"annual_report"}]}