T-RO 제목 분석 인사이트

§0한 줄 결론

§1T-RO는 어떻게 성장했는가

2021년을 기점으로 연 150편→360편으로 출판량이 2배 이상 확장. 평균 인용은 연령이 낮을수록 당연히 낮아지므로, tier 분석은 연령 보정 cites/year로 수행했다.

§2형태 — Top10 논문 제목의 시각적 서명

연령보정 인용 기준 상위 10%인 논문 242편과 하위 30%인 논문 724편(established 2004–2022)을 비교한 결과, "구조적 특징"이 가장 큰 차별자였다.

길이 — "9단어 / 80자" 표준

길이는 tier 불문 거의 동일 — 단어 수가 성공을 결정하지 않는다. 중앙값이 전부 9단어. 6단어 미만이나 13단어 초과는 희소/위험 영역.

콜론과 대문자 약어 — 가장 강한 차별자

명명 전통 — T-RO의 약어 계보

§3좋은 단어 vs 나쁜 단어

Top10 tier와 Low tier 제목의 단어 빈도를 log-odds로 비교해, 각 tier에 진짜로 편중된 단어만 추렸다 (min 4 mentions).

§4첫 단어 — 의외의 신호

"제목의 첫 단어가 무엇인가"는 tier를 강하게 가른다. 특히 The와 Robust는 각각 low tier의 1위·2위 시작어.

§5연도별 주제 트렌드 — 시맨틱 히트맵 (Title + Abstract, OpenAlex topics, 논문당 ≤3주제)

OpenAlex에서 4,000편 T-RO 논문의 abstract까지 수집(84%)하고, OpenAlex의 pre-clustered topic + 확장 keyword rule로 semantic 주제 분류를 수행. 한 논문이 여러 주제에 속하면 최대 3개까지 카운트. 색이 진할수록 해당 연도 논문 중 비중이 높다. 각 행 오른쪽의 숫자는 총 논문 수.

이 히트맵이 말해주는 것 — 한 페이지 요약

분석 방법 — hard matching이 아닙니다

§6복제 가능한 구조 템플릿 (T-1 ~ T-8)

실제 고인용 제목에서 공통 구조를 역설계한 8개 템플릿.

§7반드시 피해야 할 안티패턴

§8생성기 알고리듬 (의사코드)

이 체크리스트는 LLM 프롬프트에 그대로 집어넣어도 된다.

INPUT:
  topic       : 연구 대상 (e.g., "soft gripper", "VIO", "quadruped MPC")
  novelty     : 핵심 기여 1문장 (e.g., "contact-aware diffusion policy")
  system?     : 시스템 이름 (optional — 약어 만들고 싶으면)
  year        : 2026
  venue_style : "tro"

STEP A — 구조 선택:
  if 오픈소스/시스템/라이브러리 → T-2 (ACRONYM: ...)
  elif 하드웨어/메커니즘/actuator → T-3 (Design of ...)
  elif 학습 기반 → T-5 (Learning X for Y) or T-2 if 시스템 이름 있음
  elif sensor fusion/SLAM → T-6 (Visual-Inertial ..., X-VIO ...)
  elif exoskeleton/prosthesis/surgical → T-8
  elif bio-inspired locomotion → T-7
  else → T-1 (Method + System for Task)

STEP B — 단어 선택 필터:
  MUST include ≥1 시대 키워드 (2026):
      {soft, tactile, learning, model predictive, visual-inertial, multimodal,
       perception, lidar, legged, aerial, swarm, exoskeleton, continuum,
       diffusion, foundation, transformer}
  SHOULD include 구체 명사 2개 이상 (task + sensor + platform)
  AVOID 금지 단어 (§3 Low list, §7 Anti-patterns)
  IF 1번째 단어 in {the, robust(단독), novel(단독), a, an} → 재작성

STEP C — 길이·형식:
  target_words = 8..10   (hard range: 6..13)
  target_chars = 70..95
  IF colon used:
     prefix = 1 word (ACRONYM) OR 3..5 words (메타/네러티브)
     suffix = 4..8 words
  ELSE:
     single noun phrase, no period

STEP D — 약어 작명 (T-2):
  length = 3..8 chars
  all-caps OR TitleCase-suffix  (e.g., ORB-SLAM, VINS-Mono)
  letters derivable from suffix phrase
  domain suffix 추천: -SLAM, -VO, -VINS, -Net, -Bot, -Sim, -Ex, -Pose, -Fusion

STEP E — 검증:
  ☐ platform + method + task 3요소 읽히는가?
  ☐ Google Scholar에서 중복 없이 identify 가능한가?
  ☐ 5년 뒤에도 유효할 domain-stable 단어 1개 있는가?
  ☐ low-tier marker ≤ 1?

OUTPUT: 3개 후보 + 각 후보별 템플릿/시대키워드/약어 근거

§9같은 연구, 3가지 템플릿

연구: "진동 기반 tactile sensor + diffusion policy로 곡면 grasping"

§10제출 전 15초 체크리스트

§11레퍼런스 20선 — 연령보정 cpy 상위

이 20개를 소리 내서 3번 읽으면, T-RO 제목의 리듬이 몸에 남는다.