로봇이 환경을 탐색하고 기존것을 잊지않고 새로운것을 배우며 현장 적응하는 연구를 합니다.

6주 동안 주 1회 진행하는 논문 읽기 + 토론 + 연구 아이디어 정리 방식으로 운영합니다. 매주 한 가지 주제를 정해 관련 논문 또는 자료를 읽고, 담당자가 핵심 내용을 발표합니다. 발표 후에는 전체 토론을 통해 “이 연구가 왜 필요한지”, “FAST-EQA와 어떻게 연결할 수 있는지”, “실험으로 검증하려면 어떤 지표가 필요한지”를 함께 정리합니다. 예상 주차 구성은 다음과 같습니다. 1주차: EQA와 FAST-EQA 이해 2주차: Fine-tuning과 Continual Learning의 차이 3주차: NAVER LABS Europe과 Lifelong Visual Representation 4주차: Engram, Silent Engram, 기억의 저장과 검색 5주차: ACT-R, Spacing Effect, memory scheduling 6주차: FAST-EQA 기반 후속 연구 아이디어 및 평가 지표 정리 ... .... .... ..... 단순 청강보다는 각자 논문 요약, 질문 정리, 발표, 실험 아이디어 제안 중 하나 이상의 방식으로 참여하는 것을 권장합니다.

본 스터디는 FAST-EQA, Embodied Question Answering, Continual/Lifelong Learning, Neuroscience-inspired Memory를 함께 공부하고 연구 아이디어로 발전시키는 것을 목표로 합니다. 관련 분야를 모두 잘 알고 있을 필요는 없습니다. 다만 매주 지정 논문 또는 자료를 읽고, 핵심 내용과 궁금한 점을 정리해 올 수 있는 분을 찾습니다. AI/ML, 컴퓨터비전, 로봇, VLM/LLM, 지속학습, 인지과학/뇌과학 중 하나 이상에 관심이 있으면 참여 가능합니다. Python/PyTorch, 로봇 시뮬레이터, 논문 발표 경험이 있으면 좋지만 필수는 아닙니다. 단순 청강보다는 논문을 읽고 질문하며, “로봇은 왜 정적 모델이 아니라 지속적으로 기억하고 갱신해야 하는가?”를 함께 고민할 분이면 좋겠습니다.