MEKAWIRE
Forschung

Studien

Neue Studien zu Robotik und Physical AI, jeweils mit ihrer Bedeutung für die Branche.

331 Studien
ThemaAlleManipulation 65VLA 43Navigation 24Learning 23Robotics 22Perception 20Humanoid 15Safety 9Simulation 9Locomotion 8World Action Models 4Aerial 2Aerial manipulation 2Dexterous manipulation 2Sim-to-Real Manipulation 2Social Navigation 2Vision-Language Navigation 2World models 2World-action model 23D Assembly 13DGS dataset 15G Simulation 1AMR Operations 1Active vision manipulation 1Adaptive MPC 1Adaptive action horizons 1Adaptive intervention 1Aerial Manipulation 1Aerial navigation 1Agricultural Robotics 1Articulation Estimation 1Autonomous Driving 1Autonomous Exploration 1Battery-aware RL 1Belief-space planning 1Bimanual Manipulation 1Byzantine localization 1Canal inspection 1Co-speech Humanoid 1Compositional Manipulation 1Construction navigation 1Contact-Rich Manipulation 1Contact-rich Manipulation 1Continuum sensing 1Curriculum RL 1Dexterous Manipulation 1Distributed Manipulation 1Distribution Shift 1Driving Simulation 1Efficient VIO 1Egocentric data 1Egocentric video 1Embodied Agents 1Embodied policy 1Empowerment MPC 1Endoscopic navigation 1Endovascular robotics 1Event-camera VO 1Exoskeletons 1Failure recovery 1Federated 3D Perception 1Fisheye detection 1Floorplan SLAM 1Geometry-aware manipulation 1Grasping 1Grounding 1Humanoid Control 1Humanoid RL 1Humanoid Tool Use 1Humanoid control 1Humanoid loco-manipulation 1Humanoid safety 1Imitation Learning 1JEPA World Models 1Lab automation 1Laboratory Manipulation 1Latent World Models 1Legged Manipulation 1LiDAR Security 1Lifelong RL 1MAPF 1MAV guidance 1Manipulation LfD 1Manipulation Safety 1Marine simulation 1Memory-centric VLA 1Miniature Locomotion 1Mining Perception 1Mobile manipulation 1Model-based RL 1Monocular SSC 1Motion Planning 1Multi-Agent RL 1Multi-Robot Exploration 1Multi-Robot Manipulation 1Multi-UAV Exploration 1Multi-UAV State Estimation 1Multi-agent RL 1Multi-agent motion planning 1Multi-camera odometry 1Multi-fidelity RL 1Multi-robot manipulation 1Multi-skill Manipulation 1Multi-view perception 1Multimodal simulation 1Navigation & Mapping 1Object Pose Estimation 1Object Search 1Panoramic 3D Detection 1Panoramic segmentation 1Pedestrian tracking 1PersonNav 1Planning 1Policy 1Policy Optimization 1Preference Learning 1Quadruped locomotion 1Real-time VLA 1Real-to-sim 1Representation alignment 1Robot-Use Agents 1Runtime Verification 1Safe Generative Planning 1Safe RL-MPC 1Safe VLA 1Safety monitoring 1Safety-critical control 1Sim-to-real Navigation 1Sim-to-real manipulation 1Simulation geometry 1Skill Discovery 1Social navigation 1Soft Pneumatic Actuators 1Soft manipulation 1Sonar SLAM 1Streaming 3D reconstruction 1Submovement decomposition 1Surgical 1Surgical robotics 1Tactile 1Tactile Exploration 1Tactile VLA 1Temporal manipulation 1Terrain traversability 1Text-to-3D Policy 1Tool Co-Design 1Trajectory Correction 1Traversability 1UAV Navigation 1UAV Swarms 1UAV traffic monitoring 1Underwater Robotics 1Underwater active mapping 1Underwater perception 1Unified world-action model 1VLA Conditioning 1VLA Defense 1VLA Robustness 1VLA evaluation 1VLA manipulation 1VLA robustness 1Video world models 1Visual Generalization 1Visual Grounding 1Visual Reward Models 1Visuomotor Fusion 1Visuotactile manipulation 1World Models 1World-Action Models 1
NiveauAlleEinstiegFortgeschrittenExperten
Noch nicht auf Deutsch verfügbar: Anzeige im englischen Original.
arXiv
World Action ModelsExperten

ProWAM: Progressive visuelle Teilziele verbessern Effizienz und Robustheit von Weltaktionsmodellen

Fei Zhang, Zhaochong An, Duncan Frost, Yikai Wang, Pengfei Liu, Ya Zhang, Michal Drozdzal, Amir Bar

ProWAM ist ein als Preprint veröffentlichter World Action Model, das Aktionsblöcke und eine geordnete Folge spärlicher visueller Teilziele gemeinsam vorhersagt. In Simulationen erreicht es neue Spitzenwerte auf LIBERO-Plus mit 85,8 % und auf randomisiertem RoboTwin mit 75,7 %; in realen Zero-Shot-Versuchen auf einem Franka-Roboter erzielt es 70,0 % Erfolg und übertrifft die stärkste Baseline DreamZero um 15,0 Prozentpunkte. Durch das Zwischenspeichern von Teilziel-Merkmalen reduziert ProWAM die Rechenlast des Video-Experten deutlich und zeigt einen günstigen Kompromiss zwischen Effizienz und Generalisierung.

Vollständige Studie lesen (PDF)
arXiv
Manipulation LfDExperten

SC-DMPs: Interaktionssteifigkeit führt Basisfunktionsallokation für präzises Skill-Lernen

Chan Xu, Silu Chen, Dehao Wang, Xiyu Chen, Dexin Jiang, Chi Zhang, Guilin Yang, Chenguang Yang, Zaojun Fang

Die Autoren stellen Stage-Criticality-Guided Dynamic Movement Primitives (SC-DMPs) vor, die die Verteilung der Basisfunktionen anhand einer aus Bediener-Roboter-Interaktionssteifigkeit und Bahnvariabilität abgeleiteten Kritikalität anpassen. In Handschrift- und realen Roboteraufgaben erzielen SC-DMPs im Vergleich zu DMPs, ProMPs, ProDMP, GP-MP und KMP geringere Reproduktions- und Generalisierungsfehler, insbesondere in aufgabenkritischen Abschnitten, bei kompakter Modellgröße. Der Beitrag ist zur Veröffentlichung in IEEE Transactions on Industrial Informatics angenommen.

Vollständige Studie lesen (PDF)
arXiv
Sim-to-real NavigationExperten

EIDA: Execution-Interface Dynamics Adaptation für Real-to-Sim-to-Real-Roboternavigation

Yiwei Qian, Shanze Wang, Qingyuan Hu, Xinming Zhang, Wei Zhang

Der Preprint stellt EIDA vor, ein Verfahren zur Übertragung von Navigationsrichtlinien aus leichtgewichtiger Simulation auf Zielroboter. Es ersetzt die Befehls-Bewegungs- und Geschwindigkeitsrückmeldungsmodelle durch aus Ausführungsdaten gelernte Modelle und ergänzt die Richtlinieneingabe um eine kurze Historie der Geschwindigkeitsrückmeldung. In 100 BARN-Simulationsumgebungen erreicht EIDA die höchste Erfolgsrate unter den verglichenen gelernten Richtlinien; auf einem physischen Unitree Go2 gelingt in allen 20 statischen Versuchen eine kollisionsfreie Zielanfahrt, die Baseline nur in 4 von 20.

Vollständige Studie lesen (PDF)
arXiv
Visual Reward ModelsExperten

CriticHack zeigt, wie visuelle Rewards Wrong-Object-Fehler bei steigendem Task-Erfolg verstärken

Jiaxuan Luo, Xingguo Xu, Shanshan Wang, Yuhan Zhou, Zhen Zhang

Das Preprint stellt CriticHack vor, ein Evaluationsframework, das visuelle Belohnungsmodelle unter Roboter-Policy-Optimierung anhand simulatorgemessener Task-Erfolge und Wrong-Object-Fehler prüft. Beim Feintuning einer Diffusion Policy gegen Robometer auf einer Schubladenaufgabe steigen der Task-Erfolg um 10,2 Prozentpunkte und Wrong-Object-Fehler um 10,9 Punkte, während ein Oracle-Signal den Erfolg ohne diese Verstärkung steigert. Damit zeigt die Arbeit, dass übliche Monitoring-Signale wie durchschnittlicher Reward und Erfolgsrate gesund aussehen können, obwohl eine spezifische semantische Fehlerklasse wächst.

Vollständige Studie lesen (PDF)
arXiv
Legged ManipulationExperten

ReCo: Response-Consistent Locomotion und Policy-Aware MPC für mobile Manipulation mit Laufrobotern

Kuankuan Sima, Yichao Gao, Chenxi Gu, Kefan Zhao, Lin Zhao

Das Preprint stellt ReCo vor, ein Framework, das eine gelernte Lokomotionsrichtlinie mit einer modellprädiktiven Regelung koppelt, um Endeffektor-Trajektorien während des Laufens im Weltkoordinatensystem zu verfolgen. Die Richtlinie wird durch Response Shaping darauf trainiert, auf Kommandos konsistent und wiederholbar zu antworten, und ein identifiziertes Closed-Loop-Antwortmodell mit gangperiodischen Anteilen dient der MPC als prädiktive Schnittstelle. In einer MuJoCo-Simulation erreicht ReCo eine um 28,7 % niedrigere Positions-RMSE und eine um 27,4 % niedrigere Orientierungs-RMSE als die jeweils beste Baseline und läuft auf der realen Go2-X5-Plattform vollständig onboard.

RL
Vollständige Studie lesen (PDF)
arXiv
Multi-robot manipulationExperten

Watch, Infer, Coordinate: Partnerbeschränkungen aus Kooperationsbeobachtung für Zero-Shot-Koordination

Suyu Ye, Zheyuan Zhang, Vaishnav Tadiparthi, Hossein Nourkhiz Mahjoub, Ehsan Moradi Pari, Tianmin Shu, Homanga Bharadhwaj, Nakul Agarwal

Der Preprint Watch, Infer, Coordinate stellt einen Benchmark und eine Methode vor, mit der ein Helferroboter aus beobachteter Kooperation eines eingeschränkten Roboters mit einem Demonstrator dessen physikalische Aktionsbeschränkungen ableitet. Die Methode nutzt das gemeinsame Verhalten beider Roboter und erreicht in drei Trage-Szenarien mit Hindernissen Erfolgsraten von 92,6 %, 85,2 % und 63,0 % und liegt damit nahe an einem Orakel mit den wahren Beschränkungen (96,3 %, 88,9 %, 70,4 %). Damit zeigt der Preprint, dass übertragbare Fähigkeitsmodelle aus passiver Beobachtung gewonnen werden können, ohne vorherige Interaktion mit dem Partner auf der neuen Aufgabe.

Vollständige Studie lesen (PDF)
arXiv
Latent World ModelsExperten

Erfolgskriterien als Trainingsziele: Hilfsverlust verbessert Planung latenter Weltmodelle

Takumi Hara, Kanata Suzuki

Das vorliegende Preprint schlägt einen kriterienorientierten Hilfsverlust für latente Weltmodelle vor, der die im Erfolgskriterium definierten physikalischen Größen als Regressionsziele nutzt. Auf vier Manipulationsaufgaben verbessert der Ansatz die Erfolgsrate signifikant, etwa auf PushT um 3,5 Prozentpunkte und auf cube um 3,4 Prozentpunkte. Da die linearen Köpfe nach dem Training entfernt werden, bleiben Modell, Eingaben und Inferenzkosten unverändert, was die Integration erleichtert.

Weltmodelle
Vollständige Studie lesen (PDF)
arXiv
UAV SwarmsExperten

Strukturierte Kontextverwaltung und Interest-Aware Gossip für verteilte SLM-basierte UAV-Schwärme

Andrea Iannoli, Ivan Zyrianoff, Angelo Trotta, Lorenzo Gigli, Marco Di Felice

Die Autoren stellen eine vollständig verteilte Architektur für UAV-Schwärme vor, bei der jede Drohne einen eigenen Small-Language-Model-Agenten sowie einen Context Manager und eine Interest-Aware Gossip Engine besitzt. In simulierten Such- und Rettungsmissionen mit zehn UAVs erreicht der Ansatz eine Missionsabschlussrate von 100 Prozent, während uneingeschränktes Flooding nur 70 bis 85 Prozent und SLM-gesteuertes Forwarding 0 Prozent erreichen. Die Methode reduziert außerdem den Inferenz-Tokenverbrauch etwa um die Hälfte und senkt das übertragene Datenvolumen von 6 bis 7 MB auf unter 0,5 MB pro Mission. Die Arbeit wurde zur Präsentation auf der 24th IEEE Consumer Communications & Networking Conference 2027 angenommen.

Vollständige Studie lesen (PDF)
arXiv
Soft manipulationExperten

Jacobian Flow Matching: Auflösungskonsistentes Jacobifeld für bio-inspirierte starre-weiche Finger

Tianyou Liang, Haisen Zeng, Shanjun Chen, YiMing Zhu, Zhongyue Lu, Zirong Luo

Die Autoren stellen Jacobian Flow Matching (JFM) vor, ein Trainingsverfahren auf Basis von Conditional Flow Matching, das die Aktuator-Bewegungs-Beziehung eines sehnengetriebenen, starr-weichen Fingers als kontinuierliches Jacobifeld lernt. Der Preprint berichtet für einstufige Vorhersagen eine Reduktion des globalen mittleren RMSE um mehr als 53 Prozent gegenüber einer punktweisen Baseline; bei spärlicher Abtastung (Schrittweite 8) verbessert ODE-Integration den RMSE-Median um 14,43 Prozent und senkt die Varianz um 24,87 Prozent. Das Verfahren liefert damit ein lokales Modell für Offline-Trajektorienoptimierung in nichtlinearen, nachgiebigen Systemen.

Vollständige Studie lesen (PDF)
arXiv
VLA manipulationExperten

ChunkVLA-AM: Paralleles Aktions-Chunking für Vision-Language-Action-Steuerung in der additiven Fertigung

Zhugang Liu, Kaichuang Zhang, Jinman Zhang, Pu Sun, Martha Asare, Jose Hernandez, Maxim Ermolinsky, Efren Saenz, Qi Lu, Jinghao Yang

Das Preprint ChunkVLA-AM stellt eine reproduzierbare Deployment-Pipeline vor, die OpenVLA-OFT mit LoRA auf einen FAIRINO FR3 in einer festen Additive-Manufacturing-Arbeitszelle adaptiert und Acht-Schritt-Aktions-Chunks vorhersagt. In 42 physischen A-zu-B-Transferversuchen wurden 39 erfolgreich abgeschlossen, was einer Erfolgsquote von 92,9 Prozent entspricht; die drei Fehlschläge ereigneten sich beim finalen Ablegen wegen unzureichender Höhenkontrolle. Die begleitende Beleuchtungsanalyse weist einen Niedrigfehlerbereich von 85 bis 125 Luminanz aus und zeigt, dass der Ansatz für wechselnde Lichtverhältnisse in AM-Zellen robuster gemacht werden kann.

VLA
Vollständige Studie lesen (PDF)
arXiv
Safety-critical controlExperten

Finite-Data Safety Informativity: Ein datenbasiertes Zertifikat für Ausgangssicherheit unter asymmetrischer Aktuatorik

Abhinav Sinha, Praveen Kumar Ranjan, Yongcan Cao

Der vorliegende Preprint entwickelt ein deterministisches Zertifikat, das aus endlichen Messungen entscheidet, ob ein Kommando eine Safety-Ungleichung trotz Modellunsicherheit und asymmetrischer, dynamisch realisierter Stellgrenzen einhält. Kern ist eine Stützformel für den Worst-Case-Beitrag aller datenkonsistenten Modelle sowie eine affine Machbarkeitsbedingung mit Projektion und Freigabe-Gate. In einer Fahrzeugsimulation steigt die zertifizierte Abdeckung durch gezielte Messauswahl bei identischer Datensatzgröße von 1,03 % auf 76,27 %.

Vollständige Studie lesen (PDF)
arXiv
Dexterous manipulationExperten

FlashDexRetarget: Gemeinsames RL-Retargeting beschleunigt Datengenerierung für geschickte Manipulation

Kyungmin Lee, Sibeen Kim, Dongyoon Hwang, Yoonsang Oh, Donghu Kim, Youngdo Lee, I Made Aswin Nahrendra, Jaegul Choo, Hojoon Lee

FlashDexRetarget ist ein als Preprint veröffentlichter RL-Ansatz, der menschliche Hand-Objekt-Demonstrationen mit einer einzigen referenzkonditionierten Policy gemeinsam auf Roboterhände überträgt. Auf einem Benchmark aus 50 Bewegungen erreicht das Framework mit XHand 90 Prozent Erfolg nach dem SPIDER-Kriterium bei 29 GPU-Stunden, während CHORD 46 Prozent bei 2.847 GPU-Stunden erreicht. Damit amortisiert es die Retargeting-Kosten über viele Demonstrationen und erzeugt physisch plausible Roboterdaten für das Training geschickter Manipulation.

Feinmanipulation
Sharpa
Vollständige Studie lesen (PDF)
arXiv
3DGS datasetExperten

3DROID: Renderbare 3D-Gaussians mit gemessener Szenenzuverlässigkeit für Robotermanipulation

Wonguen Cho, Junhoo Lee, Nojun Kwak

Der Preprint stellt 3DROID vor, einen aus DROID abgeleiteten Datensatz mit 114 metrisch verankerten, renderbaren 3D-Gaussian-Szenen und pro Szene gemessener Kalibrierungs- und Rekonstruktionszuverlässigkeit. Die Autoren zeigen, dass Pose-Konditionierung die photometrische Qualität deutlich steigert, ihr geometrischer Nutzen jedoch stark von der Zuverlässigkeit der eingespeisten Kameraposen abhängt. Damit liefert die Arbeit eine Grundlage für kalibrierungsbewusste 3D-Augmentation in der Robotermanipulation, ohne selbst Policy-Verbesserungen zu belegen.

Vollständige Studie lesen (PDF)
arXiv
Marine simulationExperten

H-SPAR: Hydrodynamisch bewusste Simulation für Partikeltransport und autonome Roboter

Navid Zarrabi, Nariman Yousefi, Sajad Saeedi

Das Preprint H-SPAR stellt ein Open-Source-Simulationsframework vor, das fein aufgelöste Strömungsfelder, Lagrange-Partikeltransport, probabilistische Probenahme und ROS-2/Gazebo-basierte USV-Autonomie in einer gemeinsamen Umgebung koppelt. In Experimenten reduziert der strömungsbewusste Planer SVF-RRT* die Upstream-Kosten auf Planungsebene um 69,4 % gegenüber RRT*, unter zeitlich variierenden Strömungen sinkt dieser Vorteil bei der Ausführung auf 41,7 %. Zusätzlich verändert die Sweep-Orientierung die Partikelprobenahmerate in der vollständigen H-SPAR-Konfiguration um bis zu 22,2 %.

ROS 2
Vollständige Studie lesen (PDF)
arXiv
Unified world-action modelExperten

UniWAM: Einheitliches World-Action-Modell mit physischer Sprachaufsicht und Human-Robot-Co-Training

Jiayi Chen, Wenxuan Song, Jingbo Wang, Shuai Zhou, Xicheng Gong, Zehua Fan, Ziyang Zhou, Junwu E, Haodong Yan, Fuhao Li, Qize Yu, Xu Huang, Pengwei Wang, Wen Chen, Shunbo Zhou, Haoang Li

UniWAM ist ein Preprint, der einen einheitlichen Ansatz aus physikalischem Reasoner, Weltgenerator und Aktionsprädiktor vorstellt. Das Modell erreicht in LIBERO 99,2 %, in LIBERO-Plus 92,6 % und in RoboTwin 2.0 Clean2Random 68,32 % und übertrifft damit die angeführten Baselines in der OOD-Robustheit. Die Autoren berichten zudem ein logarithmisch-lineares Skalierungsgesetz für gemeinsames Training auf menschlichen und Roboter-Daten.

VLA
Vollständige Studie lesen (PDF)
arXiv
ManipulationExperten

Keep the Effect, Drop the Actor: Programmable Effect-to-Execution World-Action Models

Junyi Hu, Zhewen He, Zhenhua Li, Yi Fang

PEWAM is a preprint describing a 71.5M-parameter world-action model that compiles robot demonstrations into editable “effect programs”—3D object keypoint trajectories, grasp contact points, and final scene configuration—rather than actor-specific motions. On held-out LIBERO-Goal tasks, one program from a single demonstration completes 40 of 90 episodes, while the same backbone under goal-image or language conditioning and prior demonstration-conditioned methods complete at most 19. This matters because turning demonstrations into coordinate-based programs enables editing and cross-robot-arm reuse, a potential route to more flexible robot programming.

Vollständige Studie lesen (PDF)
arXiv
Geometry-aware manipulationExperten

Diskretes Riemannsches Framework für Robot Learning auf Polygonnetzen

Matteo Dalle Vedove, Fares J. Abu-Dakka, Luigi Palopoli, Daniele Fontanelli, Matteo Saveriano

Die Autoren stellen in einem Preprint ein diskretes Riemannsches Framework vor, das Roboterlernen direkt auf polygonalen Oberflächennetzen ermöglicht. Kern sind geometrisch konsistente Exponential- und Logarithmusabbildungen, Paralleltransport und Projektionen, die auch an Kanten und Ecken wohldefiniert sind. In Simulationen und zwei realen Szenarien mit einem Franka Research 3 zeigen sich stabilere DMP-Generalisierung sowie eine etwa halbierte Trainingszeit bei Riemannian Flow Matching im Vergleich zu spektralen Baselines; dadurch entfallen Glattheitsannahmen und die Beschränkung auf Netzknoten.

Vollständige Studie lesen (PDF)
arXiv
Compositional ManipulationExperten

ViGAR: Visuelle Teilzielplanung und Welt-Aktions-Modell für kompositionale Roboter-Manipulation

Shukai Gong, Xuanran Zhai, Yintianrun Zhang, Ruopeng Cui, Ye Huang, Yiyang Fu, Dexuan Lyu, Chaojie Li, Xinyi Song, Peiwen Lin, Chuang Wang, Mingyuan Jia, Yufan Deng, Jiaxin Fang, Bo Liang, Jiaxin Li, Yuxiang Gao, Hao Liu, Daquan Zhou

Das Preprint ViGAR von Peking University, AgiBot und CocoMatrix führt ein hierarchisches Framework ein, das kompositionale Manipulation in visuelle Teilzielplanung und teilzielgeführte Aktionsgenerierung zerlegt. Auf dem RoboTwin Clean2Random Benchmark erreicht ViGAR 82,00 Prozent unter Clean und 67,02 Prozent unter Random und übertrifft die stärkste Baseline im Durchschnitt um 12,86 Prozentpunkte. In realen Roboteraufgaben zeigt das Modell zudem In-Context-Steuerung über ein globales Zielbild ohne Parameterupdate.

Vollständige Studie lesen (PDF)
arXiv
Policy OptimizationExperten

FERPO: On-Policy-RL mit vorwärtsgerichteter KL-Anpassung ohne differenzierbaren Kritiker

Sebastian Sanokowski, Alireza Sarmadi, Majid Khadiv

FERPO ist ein On-Policy-Maximum-Entropie-Verfahren, das die Policy verbessert, indem es eine entropie- und KL-regularisierte Zielverteilung über Kritikerwerte aufbaut und den Akteur per Forward-KL mit Self-Normalized Importance Sampling daran anpasst, ohne den Kritiker nach Aktionen zu differenzieren. Das Paper ist ein Preprint und berichtet in Simulationen auf DMC, MuJoCo Playground und ManiSkill wettbewerbsfähige Endleistungen, Stichprobeneffizienz sowie 6,9 Prozent schnellere kombinierte Update-Zeit gegenüber REPPO bei K gleich 16. Damit entsteht eine praktische Alternative zu pfadweisen Aktualisierungen für massiv paralleles Robotiklernen.

RL
Vollständige Studie lesen (PDF)
arXiv
Humanoid loco-manipulationExperten

InterEvolve: Testzeit-Evolution von Reward-Programmen für humanoide Loko-Manipulation

Zhuo Lin, Sirui Xu, Liuyu Bian, Yu-Xiong Wang, Liang-Yan Gui

InterEvolve ist ein Preprint, der einen festen humanoiden Controller ohne Nachtraining an neue Loko-Manipulationsaufgaben anpasst. Das System kombiniert einen LLM-Agenten, der gestufte Reward-Programme schreibt und revidiert, mit einem objektbewussten Forward-Backward-Modell, das diese Programme direkt ausführt. In Simulation erreicht InterEvolve über acht Aufgabenfamilien eine Erfolgsrate von 86,5 Prozent gegenüber 34,6 Prozent für das beste kalibrierte feste Programm und überträgt ausgewählte Fertigkeiten auf einen echten Unitree G1.

Humanoid
Vollständige Studie lesen (PDF)

Themenseiten

Manipulation 6VLA 4World Action Models 5Aerial manipulation 3Dexterous manipulation 3Sim-to-Real Manipulation 3Social Navigation 3

Die Studien stammen aus den Robotik-Feeds von arXiv. Solange unsere Zusammenfassung fehlt, erscheinen die ersten Zeilen des Abstracts.