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
Multi-agent motion planningExperten

Trainingsfreier Diffusionsplaner TFDP setzt auf analytische lokale Scores für Multi-Agenten-Pfade

Michael Y. Fatemi, Jinhao Liang, Ferdinando Fioretto

Die Autoren stellen TFDP vor, einen trainingsfreien diffusionsbasierten Bewegungsplaner, der gelernte globale Trajektorien-Scores durch analytische lokale Score-Komponenten aus Glattheit, Hindernisvermeidung, Geschwindigkeitsgrenzen und Inter-Agenten-Abständen ersetzt. In Multi-Agenten-Benchmarks erreicht TFDP in fast allen Konfigurationen 100 Prozent Erfolg und erzeugt Pläne für 300 Roboter in Umgebungen mit 100 Hindernissen in durchschnittlich 5,39 Sekunden. Der Preprint zeigt, dass lokale Wechselwirkungen für die Denoising-Verfeinerung ausreichen und damit auf Trainingsdaten verzichtet werden kann.

Vollständige Studie lesen (PDF)
arXiv
Multi-fidelity RLExperten

MFPG-PPO: Multi-Fidelity Policy Gradients stabilisieren datenarmes Reinforcement Learning

Xinjie Liu, Ruihan Zhao, Anirban Chaudhuri, Cyrus Neary, Ufuk Topcu, David Fridovich-Keil

Die Autoren stellen mit MFPG-PPO eine Erweiterung proximaler Policy-Optimierung vor, die wenige hochgenaue Trainingsdaten mit zahlreichen verzerrten Niedrigpräzisionsdaten kombiniert, ohne den Policy-Gradienten zu verzerren. In Tests auf vier simulierten Laufaufgaben verbessert MFPG-PPO die reine Hochpräzisions-PPO-Baseline in 14 von 16 Szenarien und erreicht auf einem realen Franka-Arm mit nur vier Episoden pro Update eine Erfolgsrate von 91,7 Prozent gegenüber 55,0 Prozent. Der noch unbegutachtete Preprint zeigt damit einen Weg, knappe Realdaten für On-Policy-Reinforcement-Learning nutzbar zu machen.

RL
Vollständige Studie lesen (PDF)
arXiv
Multimodal simulationExperten

TouchTherm: Multimodale digitale Zwillinge für taktile und thermische Wiedergabe

Yitao Zhang, Hong Ying, Haoran Guo, Xiaoying Zhou, Guanyu Chen, Chenxi Xiao

TouchTherm ist ein im Preprint beschriebener Ansatz, der reale Objekte in simulationsfähige multimodale Assets überführt: grobe Geometrie, registrierte taktile Mikrohöhenfelder und ein dynamisches thermisches Feld. Auf 20 Objekten erreicht die thermische Vorhersage auf zurückgehaltenen Daten einen mittleren absoluten Fehler von 0,465 °C bei 30 s und 0,592 °C bei 45 s; die taktile Wiedergabe verbessert sich gegenüber grober Geometrie in G-SSIM und HF-NCC. Damit zeigt das Papier einen Weg, visuelle, taktile und thermische Objekteigenschaften für Robotersimulation und VR zu vereinen.

Vollständige Studie lesen (PDF)
arXiv
Embodied AgentsExperten

RPG: Geführte Selbstverbesserung für Roboter-Agenten durch Simulation und Skill-Bibliothek

Yen-Jen Wang, Haozhe Jiang, Shuying Deng, Haoru Xue, Weirui Ye, Rocky Duan, Nika Haghtalab, S. Shankar Sastry, Pieter Abbeel, Haozhi Qi

Das Preprint stellt mit Reconstruct, Practice, Go Real (RPG) ein Framework vor, das Roboter-Ausführungssysteme ohne Modell-Updates verbessert. Aus einem Offline-Datensatz werden Simulationsübungen erzeugt; mit privilegiertem Simulatorzustand und Videoanalyse werden Fehler diagnostiziert und wiederverwendbare symbolische Skills sowie der Systemprompt überarbeitet. Auf 22 Manipulationsaufgaben steigt die Erfolgsquote von 28,6 % nach der ersten Runde auf 95,0 % nach 15 Runden, und das eingefrorene System besteht alle 30 physischen Versuche.

Vollständige Studie lesen (PDF)
arXiv
Aerial manipulationExperten

AFD-CAMLs: Kraftverteilungsbewusste Planung und Regelung für agile Seiltransporte mit mehreren Drohnen

Antreas Kourris, Sihao Sun

Der vorliegende Preprint stellt AFD-CAMLs vor, einen hybriden Planungs- und Regelungsansatz für kabelgehängte Lasten mit vier oder mehr UAVs. Ein globaler Planer erzeugt über Nullraumoptimierung spannungsfähige Seilkraftreferenzen, ein zentraler NMPC-Regler berücksichtigt diese in der Trajektorienplanung, und ein Admittanzfilter korrigiert die kinematischen Sollwerte anhand von Seilkraftschätzungen. In Simulationen mit bis zu zehn UAVs und Experimenten mit vier UAVs werden die Seilkräfte gleichmäßiger verteilt und die Positionsfehler bleiben bei agilen Manövern vergleichbar oder leicht verbessert.

Vollständige Studie lesen (PDF)
arXiv
Active vision manipulationExperten

ActiveWAM: Evidenzbewusste aktive Sicht für World-Action-Modelle

Renjun Wu, Luzhou Ge, Xuesong Li

ActiveWAM ist ein Preprint, das ein einheitliches World-Action-Modell für bimanuale Manipulation mit aktiver Kamera vorstellt. Es lernt gemeinsam Arm- und Schwenk-/Neige-Kameraaktionen und bewahrt aufgabenrelevante visuelle Evidenz durch trainierzeitliche Historie-Inversion, ohne zur Laufzeit Inversion oder Kandidatenranking zu benötigen. Das Modell erreicht auf TAVIS und RoboTwin-AV Verbesserungen von bis zu 17,0 beziehungsweise 20,0 Prozentpunkten gegenüber starken Baselines und liegt bei realen Küchenaufgaben um 26,7 Punkte über Fast-WAM.

Vollständige Studie lesen (PDF)
arXiv
Underwater perceptionExperten

SonarVoxNet und Diver3D: volle 3D-Posenerkennung von Tauchern aus 3D-Sonar

Eugene Park, Jiwon Lee, Seyoung Kan, Trung Dong, Xiaomin Lin, Jane Shin

Der Preprint stellt SonarVoxNet vor, einen voxelbasierten Detektor, der aus 3D-Sonarpunktwolken Position, Größe und volle 3D-Orientierung von Tauchern als 9-DoF-Bounding-Boxen schätzt. Zusammen mit dem neuen Datensatz Diver3D, dem ersten öffentlichen 3D-Sonardatensatz mit vollständigen 3D-Orientierungslabels für Taucher, erreicht das Verfahren auf dem Testsplit einen AP3D@0,35 von 0,774 und mit kausaler Geometrie-Nachbearbeitung einen SDS von 0,719. Die Ablation zeigt, dass der Wechsel von einer reinen Gierwinkel- zu einer vollen SO(3)-Rotationsrepräsentation den größten Genauigkeitssprung bringt und damit die Grundlage für taucherzentrierte Unterwasser-Mensch-Roboter-Interaktion legt.

LiDAR
Vollständige Studie lesen (PDF)
arXiv
Belief-space planningExperten

Informed BLT* für unsicherheitsbewusste Pfadplanung auf digitalen Zwillingen

Elliot Preston-Krebs, Abhishek Goudar, Timothy D. Barfoot

Die Autoren stellen Informed BLT* vor, einen samplingbasierten Belief-Space-Planer, der RRT* und Informed RRT* auf isotrope Gauß-Verteilungen überträgt und die Wasserstein-2-Metrik (W2) als Pfadkosten nutzt. In 16 simulierten und photogrammetrisch rekonstruierten Umgebungen mit Punktwolkenlokalisierung findet der Ansatz meist schneller erste Lösungen als B-RRT, B-SST und RRBT und erreicht nach 100 s konkurrenzfähige Kosten. Der als Preprint veröffentlichte Planer skaliert auf große Outdoor-Karten, in denen Lokalisierungsunsicherheit die Pfadwahl bestimmt.

Vollständige Studie lesen (PDF)
arXiv
5G SimulationExperten

Isaac-Net simuliert 5G-Uplink für eine Million Roboter auf einer GPU im Gleichtakt mit Isaac Lab

Zifan Zhang, Mingzhe Han, Kannan Athreya, Yuchen Liu

Das Preprint stellt Isaac-Net vor, ein GPU-gebatchtes 5G-New-Radio-Modul, das in Isaac Lab Tausende parallele Umgebungen im Gleichtakt mit der Physik simuliert. Die NR-Engine reproduziert die mediane Uplink-Verzögerung von ns-3 5G-LENA über Laststufen ohne gefitteten Parameter und hält im validierten Maßstab 1.048.576 Roboter auf einer GPU bei 1,24 Steuerzyklen pro Sekunde, gegenüber 1,50 ohne Netzwerk. Damit wird erstmals ein paketnahes 5G-Modell in massiv paralleles Roboterlernen integriert.

Vollständige Studie lesen (PDF)
arXiv
Visual GroundingExperten

GroundAnything: Reconciling Parallel Decoding with Precise Visual Grounding at Flash Speed

Qize Yu, Lianrui Fan, Bowen Ping, Xini Ding, Zetian Song, Junbo Niu, Kaixuan Wang, Tianxing Chen, Yue Chen, Minghua He, Yuran Wang, Jie Huang, Haojun Zhang, Min Chen, Hao Li, Wenxuan Song, Ruihai Wu, Xianming Liu, Shilong Liu, Shuchang Zhou

Preprint. The authors introduce GroundAnything, a 4B-parameter visual grounding model that uses bidirectional diffusion with blockwise denoising for parallel spatial decoding instead of sequential autoregressive token generation. Its autoregressive variant, GroundAnything-VLM, reports 72.42% across 30 grounding benchmarks, ahead of GPT-6 Astra at 71.35%. This matters for latency-sensitive robotics and interactive vision systems that need fast, precise localization.

Vollständige Studie lesen (PDF)
arXiv
Tool Co-DesignExperten

Tool-Policy-Co-Design für präzises Pulverwiegen in der Laborautomatisierung

Nikola Radulov, Xin Yang, Kevin S. Luck, Gabriella Pizzuto

Das Preprint stellt ein Tool-Policy-Co-Design vor, das Werkzeuggeometrie und Reinforcement-Learning-Politik für die Pulverdosierung gemeinsam optimiert. In Simulation und auf einem Franka-Roboter erreicht das co-designte Werkzeug 45 Prozent weniger Wägefehler als ein Standardwerkzeug, auch bei ungesehenen Materialien. Eine neue Ähnlichkeitsmetrik warmstartet das Politiklernen aus ähnlichen Kandidaten und erhöht die Zahl explorierter Konfigurationen um 28 Prozent.

Vollständige Studie lesen (PDF)
arXiv
LiDAR SecurityExperten

TACTIC: Szenenabhängige taktische Planung für LiDAR-Angriffe mit multimodalen LLMs

Yiming Gao, Shaocheng Luo

Das als Preprint veröffentlichte System TACTIC kombiniert eine lokale Wahrnehmung mit einem multimodalen LLM, um physische LiDAR-Angriffe auf autonome Fahrzeuge an den aktuellen Verkehrskontext anzupassen. In 280 randomisierten CARLA-Versuchen erreicht die vollständige Policy eine Kollisionsrate von 100 %, gegenüber 35 % bei einer festen Regel und 60 % bei zufälliger Auswahl. Damit zeigt die Arbeit, dass szenenabhängige taktische Planung kontextsensitive LiDAR-Fehlermodi aufdecken kann, die statische Angriffsbewertungen übersehen.

LiDAR
Vollständige Studie lesen (PDF)
arXiv
ManipulationExperten

DynaHarness: Dynamischer physischer Harness für selbst evolvierende Roboteragenten

Haoyuan Deng, Jiebin Liu, Tengxiao Zhang, Langning Yan, Hongye Cao, Ziwei Wang

Das Paper stellt DynaHarness vor, einen Preprint, der einen dynamischen physischen Harness beschreibt, der semantische Planung eines Qwen3-VL-4B-Slow-Brain mit physischer Governance durch einen gemeinsamen Ausführungskontrakt verbindet. Auf LIBERO-Pro erreicht das eingefrorene System 75,2 % auf 800 neu gesampelten Startzuständen, die eingefrorene VLA-Politik 17,5 %. Der Ansatz zeigt, wie Ausführungsevidenz gezielte, validierte Revisionen wiederverwendbarer Fähigkeiten ermöglicht.

VLA
Vollständige Studie lesen (PDF)
arXiv
Sonar SLAMExperten

BatSLAM 2.0: Robuste sonarbasierte SLAM-Kartierung mit sequenzverifizierter Ortserkennung

Jan Steckel

In einem Preprint stellen die Autoren BatSLAM 2.0 vor, ein sonarbasiertes SLAM-System, das eine biomimetische akustische Front-End-Verarbeitung mit sequenzverifizierter Ortserkennung und einem faktor-graphbasierten Pose-Graph kombiniert. In 12 simulierten Läufen mit kalibrierter oder annähernd kalibrierter Odometrie erzeugte das System konsistente Karten ohne falsche Schleifenschließungen und erreichte nach Ausrichtung 0,18 bis 0,53 m Trajektorienfehler; in einer realen Aufnahme sank der Fehler von 3,62 m auf 0,67 m. Damit zeigt der Ansatz, dass robuste sonarbasierte Kartierung auch ohne Kamera oder Lidar möglich ist.

Vollständige Studie lesen (PDF)
arXiv
Safe VLAExperten

FailBank: Self-Evolution von Vision-Language-Action-Modellen durch Laufzeit-Feedback

Mingyue Cui, Zheyuan Liu, Yihan Zhu, Zheyuan Zhang, Meng Jiang

FailBank ist ein vierstufiges Self-Evolution-Framework, das Laufzeit-Feedback einer CBF-basierten Sicherheitskomponente in persistente Policy-Verbesserungen für Vision-Language-Action-Modelle umwandelt. Ein Preprint auf arXiv berichtet, dass FailBank die Aufgabenerfolgsrate gegenüber den Basispolicies um 8,5 bzw. 6,9 Prozentpunkte steigert und die policy-induzierten kumulativen Kosten um 35,6 bzw. 23,8 Prozent senkt. Damit wird gezeigt, dass Laufzeitkorrekturen nicht nur temporäre Eingriffe, sondern auch Trainingssignal für künftiges Verhalten sein können.

VLA
Vollständige Studie lesen (PDF)
arXiv
Skill DiscoveryExperten

Game-Guided Skill Discovery: Selbstspiel erzeugt direkt vom Menschen steuerbare Roboterfähigkeiten

Seungeun Rho, Jeonghwan Kim, Xue Bin Peng, Sehoon Ha

GGSD ist ein Framework, das durch Selbstspiel in einfachen 1-gegen-1-Spielen motorische Fähigkeiten entdeckt, die Menschen direkt über wenige diskrete Eingaben steuern können. Nach dem Training ersetzt ein Mensch die High-Level-Politik und löst mit fünf beziehungsweise sechs gelernten Skills ungesehene Aufgaben wie Labyrinthe und Objektmanipulation ohne weiteres Training; in der Nutzerstudie liegen die Erfolgsraten bei 84 bis 100 Prozent. Der Preprint zeigt, dass Spielregeln als leichte Führung dienen können, um semantisch unterscheidbare und interpretierbare Skills auch für hochdimensionale Roboter zu erzeugen.

Vollständige Studie lesen (PDF)
arXiv
SafetyExperten

NEUPRO lernt interpretierbare Sicherheitsregeln aus Bildern für Robotersteuerung

Zihan Ye, Jiayi Liu, Puze Liu, Jiayun Li, Georgia Chalvatzaki, Jan Peters, Kristian Kersting

Der vorliegende Preprint stellt NEUPRO vor, ein neuro-symbolisches Framework, das Sicherheitsanforderungen als symbolische Regeln formuliert und mit differenzierbarem Reasoning aus Bildern grounded. Auf dem neu veröffentlichten realen Robotik-Datensatz REASON erreicht NEUPRO über alle Aufgaben eine Sicherheitsklassifikationsgenauigkeit von 0,92 ± 0,02 und liegt damit deutlich über VLM-Baselines. Der Ansatz liefert explizite Erklärungen für Sicherheitsverletzungen und ist durch graphbasiertes Reasoning 9,1-mal schneller im Training als eine tensorbasierte Variante.

Vollständige Studie lesen (PDF)
arXiv
Tactile ExplorationExperten

TacEx: Taktile Neugier als gerichtetes Explorationssignal für Robotermanipulation

Klemens Iten, Alexander Proshkin, Bhavya Sukhija, Stelian Coros, Andreas Krause, Pieter Abbeel, Carmelo Sferrazza

Das Paper stellt TacEx vor, ein Framework, das taktile Unsicherheit als Explorationssignal für Reinforcement Learning nutzt. In Simulationen lernt ein Roboter ohne Aufgabenbelohnungen Greifverhalten, und die gesammelten kontaktintensiven Daten verbessern offline trainierte Pick-and-Place-Policies sowie das Post-Training von Vision-Language-Action-Modellen. Die Arbeit ist ein Preprint und nicht begutachtet.

RL
Vollständige Studie lesen (PDF)
arXiv
Adaptive action horizonsExperten

SplineWAM: Adaptive Aktionshorizonte für World Action Models durch B-Spline-Repräsentationen

Jun Guo, Xiaoshen Han, Qiwei Li, Nan Sun, Peiyan Li, Heyun Wang, Hang Lai, Weinan Zhang, Xinghang Li, Huaping Liu

SplineWAM ist ein Preprint, das die Aktionsvorhersage eines World Action Models von festen Aktions-Chunks auf ein adaptives Fenster kubischer B-Spline-Parameter umstellt; Knotenzeiten steuern sowohl die zeitliche Auflösung als auch den Replanungsintervall. In den Simulationen LIBERO-Plus und RoboCasa steigt die Erfolgsrate gegenüber einer Action-Chunking-Baseline um 8,2 bzw. 4,4 Punkte, während die Policy-Aufrufe pro Episode um 22 bzw. 26 Prozent sinken. Auf drei bimanuellen Realrobot-Aufgaben decodiert das Verfahren 1,2 bis 1,6 mal mehr ausgeführte Bewegung pro Aufruf und hält die asynchrone Ausführung über eine Jacobian-Pullback-Korrektur stabil.

Vollständige Studie lesen (PDF)
arXiv
MAPFExperten

MAGIC: Belief-Aware MAPF mit räumlicher Inferenz senkt ausgeführte Kosten bei unbekannter Kartenlage

Viraj Parimi, Shao-Hung Chan, Han Zhang, Jingkai Chen, Brian Williams

Das Preprint stellt MAGIC vor, ein Framework für Belief-Aware Multi-Agent Path Finding, das lokale Beobachtungen über ein Gaussian Markov Random Field und Gaussian Belief Propagation nutzt, um die Befahrbarkeit unbeobachteter Kartenorte zu schätzen. In Benchmark-Experimenten mit bis zu 800 Agenten erreicht MAGIC auf 96,3 % der Instanzen niedrigere ausgeführte Sum of Costs als die Vergleichsansätze. Die Methode ist relevant, weil sie ohne neue MAPF-Planner auskommt und auf große Teams skaliert.

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.