Distribution Shift전문가
랜덤 관측 마스킹 앙상블과 Kalman 융합으로 센서 고장에서 실시간 자가 복구하는 RTR-FTL
이 프리프린트는 반복 신경망 앙상블의 각 멤버가 관측 벡터의 서로 다른 무작위 부분집합만 보게 하고, 가우시안 출력을 순차 Kalman gain 융합으로 결합해 분포 이동 중에도 합의 행동을 얻는 RTR-FTL을 제안했다. RFLO로 실시간 기울기를 계산해 환경 스텝마다 파라미터를 갱신하며, 시뮬레이션 보행 과제에서 센서 편향, 센서 고장, 누적 노이즈 후 원래 성능에 가깝게 회복했다. 관측 전체를 보는 앙상블은 회복하지 못해 무작위 마스킹이 핵심이라는 점을 보였다.