본 연구는 Neural Algorithmic Reasoning (NAR) 설계를 통해 신경망과 고전적인 로봇 알고리즘의 교차점을 탐구한다. 이는 신경망이 고전적인 로봇 알고리즘처럼 실행하도록 학습함으로써 가능하다. 특히, 고전적인 ICP 기반 등록 알고리즘의 중간 계산을 학습하는 새로운 Graph Neural Network (GNN) 기반 프레임워크인 NAR-*ICP를 제안하고, 이를 CLRS Benchmark로 확장한다. 실제 및 합성 데이터셋에서 제안된 방법을 평가하여 복잡한 입력을 처리하는 유연성을 입증하고 더 큰 학습 파이프라인 내에서 활용 가능성을 보여준다.
