MEKAWIRE
Forschung

Studien

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

276 Studien
ThemaAlleManipulation 27VLA 22Perception 12Robotics 11Navigation 10Humanoid 9Learning 8Safety 5World Action Models 4Simulation 3Aerial 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 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 1Locomotion 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 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
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
3D AssemblyFortgeschritten

AssemblyWorld: Interaktive 3D-Montage als Testfeld für allgemeine Agenten

Jiahao Zhang, Yeying Fan, Moitreya Chatterjee, Suhas Lohit, Bernhard Egger, Tim K. Marks, Anoop Cherian, Stephen Gould

In einem Preprint stellen Forschende AssemblyWorld vor, eine interaktive 3D-Umgebung, in der vortrainierte Agenten starre Bauteile über gerenderte Ansichten und Werkzeugaufrufe montieren. Auf dem zugehörigen AssemblyWorldBench mit 100 Aufgaben aus vier Datensätzen erreicht das stärkste System Astra 80,9 Prozent Teilegenauigkeit, aber nur 59,4 Prozent komplette Montageerfolge. Die Ergebnisse zeigen eine deutliche Lücke zwischen grober Strukturerfassung und präziser Rekonstruktion.

Vollständige Studie lesen (PDF)
arXiv
UAV traffic monitoringFortgeschritten

Vorhersage statt Erkennung: Drohnengestützte Stauprognose verbessert adaptive Ampelsteuerung

Samira Hayat, Christian Raffelsberger

Das Paper ist ein Preprint, der eine Multiagenten-Simulation vorstellt, in der Drohnen Verkehrsstaus an Knotenpunkten erkennen und vorhersagen, um adaptive Ampelschaltungen auszulösen. Zentrale Ergebnisse sind, dass die Leistung ab einer Drohnenzahl etwa gleich der Knotenanzahl abflacht und dass eine vorausschauende Signaladaption die Staudauer ungefähr doppelt so stark reduziert wie eine reaktive Erkennung. Die Vorhersagegenauigkeit bleibt jedoch bei maximal 55 Prozent begrenzt, was auf Verbesserungsbedarf bei den Vorläufersignalen hinweist.

Vollständige Studie lesen (PDF)
arXiv
Memory-centric VLAFortgeschritten

Optimus-R: Memory-centric Framework für Vision-Language-Action-Modelle

Zaijing Li, Rui Shao, Bing Hu, Haoyu Zhang, Dongmei Jiang, Liqiang Nie

Das Preprint stellt Optimus-R vor, ein memory-centric Framework zur Adaption von Vision-Language-Action-Modellen (VLA). Es führt eine Inline Memory Interface, eine Query-Skill Memory Bank und einen Bridge-and-Adapt-Mechanismus ein, um Roboterfähigkeiten als explizite Speichereinträge zu lernen und wiederzuverwenden. In Experimenten auf LIBERO, CALVIN und RoboTwin 2.0 verbessert Optimus-R die Dateneffizienz deutlich und erreicht im Cross-Domain-Transfer mit 20 Demonstrationen pro Aufgabe 33,3 % Erfolgsrate auf einem echten Roboter, 13,9 Prozentpunkte über der Baseline.

VLA
Vollständige Studie lesen (PDF)
arXiv
Temporal manipulationFortgeschritten

PhasePlan: Geordnete Zukunftsphasen-Planung für Robot Brain Models reduziert Gelenkfehler um 22,5 Prozent

Xiaoyu Yang, Yafei Zhang, Wensheng Li, Qing Zhan, Nan Wu

Das Paper stellt PhasePlan vor, einen Preprint, der für Robot-Brain-Modelle eine geordnete Zukunftsphasen-Planung in Aktions-Chunks integriert. Auf einem Förderband-Manipulationstask reduziert PhasePlan den Offline-Gelenkaktionsfehler gegenüber dem ursprünglichen π0.5-Modell um rund 22,5 Prozent und verbessert die Übergangsmodellierung. Der Ansatz zeigt, dass positionsgenaue Phasenrepräsentationen die zeitliche Abstimmung bei kontinuierlicher Aktionsgenerierung verbessern.

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)
arXiv
Canal inspectionEinstieg

Nicht-invasive Inspektion von Wasserkanälen mit Dronar: USV mit Consumer-Sonar erkennt Sedimentauflagen

Michael Zielinski, Zhizhan Wang, Benjamin Dymond, Reza Razavian, Zhongwang Dou

Die Autoren stellen ein Preprint vor, in dem ein kostengünstiges, unbemanntes Oberflächenfahrzeug mit handelsüblichem Sonar, genannt Dronar, für die Inspektion von Betonkanälen entwickelt und in Feldtests auf dem Arizona Canal erprobt wird. Das System kann Sedimentablagerungen ohne Trockenlegung sichtbar machen: Die Tiefenprofile eines sedimentierten Kanalabschnitts lagen bis zu 15 cm flacher als nach der Reinigung, während wiederholte Fahrten über den gereinigten Abschnitt innerhalb von maximal 7 cm übereinstimmten. Damit liefert der Dronar eine skalierbare Grundlage für die Priorisierung von Wartungsarbeiten an aktiven Kanalnetzen.

Vollständige Studie lesen (PDF)
arXiv
UAV NavigationExperten

DiffWAM: Video-Repräsentationen direkt in UAV-Trajektorien umsetzen

Mo Zhu, Yuze Wu, Xijie Huang, Xiao Cui, Fei Gao, Xin Zhou

Die Autoren stellen mit DiffWAM ein System vor, das aus den Zwischenrepräsentationen eines eingefrorenen Videomodells kontinuierliche Kameratrajektorien für Drohnen ableitet, ohne zukünftige Videobilder zu generieren. Auf dem DiffWAM-1000-Benchmark erreicht das Verfahren eine Endpunkt-Erfolgsrate von 74,40 Prozent und eine Trajektorien-RMSE von 0,3492 Metern. Die Arbeit ist ein Preprint und zeigt, dass prädiktive Videomerkmale direkt für metrische Bewegungssteuerung genutzt werden können.

Vollständige Studie lesen (PDF)
arXiv
VLAExperten

Wenn Anweisungen Trajektorien abrufen: Instruction-Action-Binding und Equivariant Counterfactual Training für VLA-Modelle

Hung-Jen Chen, Yu-Hsun Hou, Yan-Hong Chen, Yan-Fu Chen, Binghua Cai, Min Sun, Chun-Yi Lee

Der Preprint identifiziert Instruction-Action-Binding als Fehlermodus, bei dem VLA-Policies trotz aktiver Sprach- und Bildverarbeitung vertraute, aber falsche Trajektorien auswählen. Equivariant Counterfactual Training (ECT) ergänzt Trainingsdaten um szenenabhängige Aktionsalternativen unter derselben Anweisung und trainiert diese Paare gemeinsam. Auf LIBERO-PRO steigt der mittlere Swap-Erfolg von π0.5 von 36 auf 59 Prozent, auf CALVIN verbessert der ECT-Loss die Fünf-Aufgaben-Abschlussrate von 58 auf 76 Prozent, und auf einem echten UR5e steigt der Erfolg bei ungesehenen Positionen von 3/40 auf 35/40.

VLA
Vollständige Studie lesen (PDF)
arXiv
Social NavigationFortgeschritten

Passing-Side-Legibility in der Flurnavigation: Adaptive Intentionen verbessern reale Mensch-Roboter-Koordination

Pranav Goyal, Andrew Stratton, Christoforos Mavrogiannis

Das Paper ist ein arXiv-Preprint; eine Kurzfassung erschien als Late-Breaking Report in den Companion Proceedings der HRI 2026. In zwei Studien mit je 45 Probanden wurde ein Hello Robot Stretch 2 in einem 2 m breiten und 5,8 m langen Flur eingesetzt, um verschiedene Formen legibler Bewegung zu vergleichen. Adaptive Passing-Side-Strategien wie Social Momentum und Dynamic Passing-side Legibility erzielten niedrigere menschliche Durchschnittsbeschleunigung und höhere Kompetenzbewertungen als eine zielbasierte oder nicht-legible Baseline; unter kognitiver Ablenkung blieb dieser Effekt bei objektiven Metriken teilweise erhalten.

Vollständige Studie lesen (PDF)
arXiv
Submovement decompositionExperten

Sub-ID: Ein Verfahren zur identifizierbaren Zerlegung von Submovements in menschlichen Trajektorien

Adrian Prados, James Hermus, Ramon Barber, Sylvain Calinon

Das Preprint stellt Sub-ID vor, eine Methode zur Zerlegung menschlicher Handtrajektorien in diskrete Submovements. Sie nutzt ein spatiotemporales Kernel-Korrelationskriterium, um die Identifizierbarkeit der Zerlegung zu bewerten, und erzielt auf synthetischen Daten eine genaue Rückgewinnung der Ground-Truth-Parameter, wo bestehende Verfahren versagen. Zudem skaliert Sub-ID auf lange 3D-Bewegungen und könnte damit für Motorikforschung und Imitationslernen relevant sein.

Imitationslernen
Vollständige Studie lesen (PDF)
arXiv
Egocentric dataExperten

Ego4WAM: Welche Faktoren beim Skalieren egozentrischer Humandaten für Roboterlernen zählen

Zhihao Sun, Liu Liu, Xinjiang Wang, Haoyi Jiang, Wei Feng, Huiqiang Zhang, Xiaosong Jia, Zhizhong Su, Zuxuan Wu

Die Autoren untersuchen in einem Preprint systematisch, wie egozentrische Humandaten mit unterschiedlicher Ausrichtung und Überwachung das Roboterlernen beeinflussen. Mit einem einheitlichen World-Action-Model-Framework zeigen sie, dass ausgerichtete Demonstrationen die Generalisierung auf unbekannte Objekte und Szenen verbessern und den Bedarf an Roboterdaten reduzieren, während Videodaten ohne Aktionslabels weiterhin wertvolle Dynamik-Priors liefern. Die Ergebnisse legen nahe, dass der Nutzen solcher Daten nicht allein von der Gesamtdauer abhängt, sondern von der Verteilung, der Überwachungsqualität und der Einbindung in die Trainingspipeline.

Vollständige Studie lesen (PDF)
arXiv
Continuum sensingExperten

Magnetisch-inertiale In-situ-3D-Posenschätzung für modularen Soft-Sehnen-Kontinuumsroboter mittels IMU-Fusion

Zheng Cao, Guo Ning Sue, Xiangyun Bu, David Quinn, Junzhe Hu, Carmel Majidi

Die Autoren stellen ein modulares magnetisch-inertiales Sensorkonzept für einen sehnengetriebenen Soft-Kontinuumsroboter vor, das ohne externe Kameras auskommt. In 20 Versuchen über vier Szenarien erreicht die fusionierte Schätzung eine mittlere Backbone-RMSE von 10,0 mm und eine Spitzen-RMSE von 14,9 mm, entsprechend 5,5 Prozent der Roboterlänge. Der als Preprint veröffentlichte Ansatz liefert Echtzeit-Updates mit 16,7 Hz und demonstriert das Potenzial für geschlossene Regelung unter externer Last.

Vollständige Studie lesen (PDF)
arXiv
ManipulationExperten

Dream4ACT: Gemeinsame visuelle Aktionsschnittstelle für verkörperungsübergreifende Video-Aktions-Modellierung

Xiangyu Zhu, Jin Xu, Yue Guo, Xin Wu, Yifan Sun, Xiancong Ren, Jianxin Sun, Yong Dai, Xiaozhu Ju

Das Preprint stellt Dream4ACT vor, ein Video-Aktions-Weltmodell, das Ziel-Gelenkkonfigurationen als feste Multiview-Aktionsbilder (Action Views) repräsentiert und damit mehrere Roboterembodiments über eine gemeinsame Schnittstelle trainiert. In Simulation erreicht das Modell durchschnittlich 88,98 % Erfolg auf RoboTwin 2.0 und einen TriWorldBench-Score von 65,66; auf vier realen Plattformen liegt der mittlere Erfolg bei gemeinsamen Aufgaben zwischen 85,0 % und 90,0 %. Die trainierungsfreie Rückgewinnung ausführbarer Gelenkziele über URDF-Optimierung macht die Aktionsdarstellung direkt für Steuerung nutzbar, ohne gelernte roboterspezifische Decoder.

Vollständige Studie lesen (PDF)
arXiv
Soft Pneumatic ActuatorsExperten

Topologieoptimierung für multidirektionale Soft-Pneumatikaktoren: Ein Greifer mit mehreren Freiheitsgraden

Swagatam Islam Sarkar, Prabhat Kumar

In diesem Preprint wird eine Topologieoptimierungsmethode für multidirektionale weiche Pneumatikaktoren vorgestellt. Die Autoren kombinieren eine robuste Drei-Felder-Formulierung mit einer Darcy-basierten Modellierung des druckabhängigen Lastpfads und erhalten eine unkonventionelle Kammergeometrie. Numerische Abaqus-Simulationen zeigen, dass sich drei Arme des Aktors als Greifer in verschiedene Richtungen verbiegen lassen; eine experimentelle Validierung steht noch aus.

Vollständige Studie lesen (PDF)
arXiv
Underwater active mappingFortgeschritten

Aktive Unterwassermüll-Kartierung durch Kamera-Sonar-Fusion

David Rete, Patrick Boros, Lucian Busoniu

Das Paper stellt als Preprint ein aktives Kartierungsverfahren für Unterwassermüll vor. Ein UUV fusioniert Kamera- und Sonarmessungen in einer gemeinsamen Bayes'schen Occupancy-Map und wählt den nächsten Blickpunkt über einen Zwei-Term-Nutzen aus Erkundung unsicherer Voxel und Bestätigung von Objektkandidaten. In der MARUS-Simulation findet die aktive Suche alle 11 Objekte nach 27 Metern Fahrstrecke, während ein Rasenmäher-Muster dafür 110 Meter benötigt; die Fusion ist etwa doppelt so schnell wie die Einzelsensor-Varianten.

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.