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
World-action modelExperten

Magic-W0: Strukturiertes World-Action-Foundation-Model für physische Intelligenz

Xuhua Chen, Zhenhan Yin, Yuan Zhang, Lingfeng Zhang, He Zheng, Tong Mu, Shun Zuo, Dian Zhou, Di Wu, Xuan Zhou, Shaojie Wan, Rongtian Shen, Qiulong Xu, Yiduo Li, Yinglong Wang, Yanqian Wang, Kun Wang, Tao Zhang

Magic-W0 ist ein als Preprint veröffentlichtes World-Action-Foundation-Model, das strukturierte Weltzustandsübergänge und kontinuierliche Aktionsgenerierung in einem einzigen Modell koppelt. Auf RoboDojo-Sim erreicht es mit einem durchschnittlichen Score von 27,10 den höchsten Wert unter den verglichenen World-Action-Models; nach Fine-Tuning auf realen Roboteraufgaben erzielt es eine durchschnittliche Erfolgsrate von 94,6 Prozent gegenüber 91,8 Prozent für π0.5. Die explizite Modellierung von 3D-Geometrie, 3D-Bewegung und Zukunftssemantik soll Generalisierung und schnelle Anpassung in komplexen Manipulationsaufgaben verbessern.

Physical Intelligence
Vollständige Studie lesen (PDF)
arXiv
GroundingExperten

GroundingPI: Präzises visuelles Grounding als Perzeptionsfundament für physische Intelligenz

Qize Yu, Lianrui Fan, Boyu Chen, Jiaqi Liang, Xini Ding, Yue Chen, Zetian Song, Yuran Wang, Yi Zou, Kaixuan Wang, Tianxing Chen, Wenxuan Song, Bohan Zhou, Mingleyang Li, Siqiao Huang, Yuqi Ye, Caigao Jiang, Wei Wei, Ruihai Wu, Hang Zhang

In einem Preprint wird GroundingPI vorgestellt, ein 4-Milliarden-Parameter-Grounding-Foundation-Model, das Punkte und Boxen als quantisierte Koordinaten in einem gemeinsamen Vokabular erzeugt. Über 34 Grounding-Benchmarks mit 44 Baseline-Vergleichen erreicht das Modell einen Durchschnitt von 73,68 % und liegt damit vor dem größeren GPT-6 Astra mit 71,54 %. Als Perzeptionsbackbone verbessert es Robotermanipulation und autonomes Fahren, etwa mit bis zu 24,8 % relativem Vorteil im RoboTwin-2.0-OOD-Setting.

VLARL
Physical Intelligence
Vollständige Studie lesen (PDF)
arXiv
Aerial ManipulationExperten

Synthetisches VLA-Training und Fortschrittsausrichtung für szenenweite Luftmanipulation

Weixiang Guo, Rui Jin, Haotian Jin, Xinhang Xu, Ruiyang Liu, Haoran Zhao, Yi Wang, Weiqi Gai, Kun Cao, Lihua Xie

In einem Preprint wird ein Framework vorgestellt, das lokale Vision-Language-Action-Verhalten für einen artikulierten Luftmanipulator synthetisch trainiert und über einen relationalen Szenengraph zu szenenweiten Missionen komponiert. Die lokale VLA-Politik erreicht unter Orakelbedingungen 65,0 % Erfolg, das Gesamtsystem schafft 42,0 % der simulierten Multi-Site-Missionen, und die gemessene Fortschrittsausrichtung MPAR reduziert den Phasenfehler bei 500 ms Latenz um 0,212 s. Erste physische Versuche bestätigen die Ausführbarkeit ohne Demonstrationen auf der Zielplattform.

VLA
Vollständige Studie lesen (PDF)
arXiv
Preference LearningExperten

PrefPI: Präferenzgesteuertes Policy-Iterieren für Out-of-Distribution-Verhalten

Seungeun Rho, Wontaek Kim, Danfei Xu, Sehoon Ha

Die Autoren stellen mit PrefPI ein iteratives Framework vor, das vortrainierte generative Roboter-Policies nur durch relative Präferenzen über selbst generierte Trajektorien lenkt. In Simulation und auf realer Hardware erhöht PrefPI die Objekttransporthöhe von 10,7 cm auf 19,8 cm mit nur 150 präferenzmarkierten Trajektorien und steigert Wurfweiten um das 4,5-Fache, während die Erfolgsrate über 90 % bleibt. Der Preprint zeigt, dass Präferenzfeedback ein Verhalten über die initiale effektive Verteilung hinaus verschieben kann, ohne neue Demonstrationen oder Belohnungsfunktionen.

VLA
Vollständige Studie lesen (PDF)
arXiv
Vision-Language NavigationFortgeschritten

NavHarness: Adaptive Ziele und verifizierte Fortschrittskontrolle für Vision-Language-Navigation

Haoxiang Shi, Zaijing Li, Muhe Ding, Xiang Deng, Yaowei Wang, Liqiang Nie

NavHarness ist ein als Preprint veröffentlichter Agentic-VLN-Rahmen, der Navigation über adaptive lokale Ziele, explizite Zielverifikation und progressabhängige Speicherkompression steuert. Auf R2R-CE und RxR-CE erreicht er mit GPT-6-Astra Erfolgsraten von 79,0 % bzw. 82,5 % und übertrifft damit Codex CLI mit gleichem Backbone um 5,0 bzw. 6,2 Prozentpunkte. In einer realen Roboterstudie mit acht Routen und je drei Versuchen liegt die Erfolgsrate bei 83,3 % bei 1,51 m Navigationsfehler.

Vollständige Studie lesen (PDF)
arXiv
Floorplan SLAMExperten

MVP-SLAM korrigiert visuell-inertiales Multi-Kamera-SLAM online mit Grundriss-Prior

Asier Bikandi-Noya, Miguel Fernandez-Cortizas, Muhammad Shaheer, Holger Voos, Jose Luis Sanchez-Lopez

MVP-SLAM, ein in diesem Preprint vorgestelltes System, erweitert visuell-inertiales Multi-Kamera-SLAM um eine Online-Integration von Bauplänen. Es erreicht in der Hilti-Trimble SLAM Challenge 2026 im Localization-Task 0,29 m mittleren RMSE und Platz 2 von 22 Teams, im SLAM-Task 0,24 m und Platz 5 von 62 Teams und ist damit das bestplatzierte System unter denen, die online arbeiten und den Grundriss integrieren. Der Ansatz zeigt, dass Grundrisse als Driftkorrektur ohne Tiefensensor auf Baustellen nutzbar sind.

Vollständige Studie lesen (PDF)
arXiv
Distributed ManipulationExperten

Membrangekoppeltes Delta-Array manipuliert Objekte von 15 mm bei 43,3 mm Aktorabstand

Bailey Dacre, Andrés Faíña, Oliver Kroemer, Zeynep Temel

In einem Preprint wird ein 8×8-Array aus 64 Drei-Freiheitsgrad-Deltarobotern vorgestellt, deren Endeffektoren mit einem dehnbaren Gewebe zu einer kontinuierlichen Fläche gekoppelt sind. Dadurch lassen sich Objekte von 15 mm bis 90 mm manipulieren, obwohl der Aktorabstand 43,3 mm beträgt. Eine auf niedrigen DCT-Koeffizienten eines 19-Delta-Nachbarschaftsbereichs trainierte Richtlinie erreicht auf der Hardware 76 % Erfolg ohne Anpassung.

Vollständige Studie lesen (PDF)
arXiv
Aerial manipulationExperten

Passive Stiffness Shaping in der kabelgehängten Luftmanipulation über bewegliche nachgiebige Anker

Antonio Franchi, Amr Afifi

Der Preprint entwickelt eine schwerkraftbewusste quasi-statische Theorie zur Vorhersage und Formung der passiven kartesischen Steifigkeit einer an Kabeln hängenden Punktlast, die von mehreren Luftfahrzeugen als bewegliche nachgiebige Anker gehalten wird. Zentrales Ergebnis ist, dass sich die Nachgiebigkeit des Luftfahrzeugankers und die transversale geometrische Nachgiebigkeit des Kabels innerhalb eines Beins in Reihe schalten, während die Beinsteifigkeiten parallel wirken; bei isotroper Ankersteifigkeit entspricht jedes Bein exakt einem virtuellen einseitigen elastischen Kabel. Damit wird eine lokale, constraint-erhaltende Steifigkeitsregelung durch Ankerrepositionierung möglich, ohne dass bereits eine experimentelle Validierung berichtet wird.

Vollständige Studie lesen (PDF)
arXiv
Multi-UAV State EstimationExperten

Neigungsbasierte Zustandsschätzung für agile visuelle Multi-UAV-Flüge

Michal Pliska, Matouš Vrba, Ondřej Víta, Martin Jiroušek, Viktor Walter, Martin Saska

Die Autoren stellen in einem Preprint einen neuen Schätzansatz vor, der Neigungsinformationen eines visuellen Detektors in die Zustandsschätzung benachbarter UAVs integriert. Über drei Datensätze sinken die mittleren Schätzfehler für Geschwindigkeit und Beschleunigung um 40 % beziehungsweise 57 % gegenüber positionsbasierten Verfahren. In einem simulierten Leader-Follower-Experiment mit NMPC-Regelung ermöglicht der Ansatz die stabile Verfolgung lateraler Manöver über 2 g, während positionsbasierte Schätzung versagt.

Vollständige Studie lesen (PDF)
arXiv
VLAFortgeschritten

ChunkTrust: Ausführungshorizonte von Roboter-Policies anhand von Signalen des Action-Experts anpassen

Fanding Huang, Jingyan Jiang, Shifeng Bao, Mingkang Pu, Shiwei Li, Jing Xu, Shijia Xu, Guanbo Huang, Chenghao Gu, Yuzhi Huang, Chenxin Li, Faisal Nadeem Khan, Huan Yang, Yan Wang, Cheng Chi, Zhi WangTsinghua University, Beijing Academy of Artificial Intelligence (BAAI), Renmin University of China, Shenzhen Technology University, Hefei University of Technology, Jiangnan University, Chongqing University, The Chinese University of Hong Kong

Roboter-KI-Modelle planen immer einen kurzen Block künftiger Bewegungen, und wie viele davon der Roboter ausführt, bevor er wieder hinschaut, legen Entwickler bislang meist starr fest. Dieser Preprint der Tsinghua-Universität, der Beijing Academy of Artificial Intelligence (BAAI) und weiterer Partner ergänzt ein Zusatzmodul, das diese Zahl im laufenden Betrieb wählt und die Erfolgsquoten vorhandener Modelle von Physical Intelligence und Nvidia in der Simulation und auf einem realen Zweiarmroboter ohne Nachtraining erhöht.

VLARobotik-BasismodelleImitationslernen
Physical IntelligenceNVIDIA
Vollständige Studie lesen (PDF)
arXiv
Autonomous ExplorationExperten

GPU-beschleunigter pfadabhängiger Marginal Information Gain für autonome Exploration

João Félix Mendes, Rodrigo Ventura, Meysam Basiri

Das Preprint stellt eine GPU-beschleunigte Methode vor, die den pfadabhängigen marginalen Informationsgewinn für samplingbasierte Explorationsplaner berechnet. Statt sichtbare Voxel je Knoten zu speichern und zu vereinigen, nutzt der Ansatz Tiefenpuffer der Vorfahren, um Überlappungen auszuschließen; die Baumauswertung erfolgt tiefengeordnet und parallelisiert Knoten und Strahlen innerhalb einer Ebene. In Simulationen erreichte der marginale Gewinn in fünf von sechs Planer-Umgebungs-Kombinationen schneller 95 Prozent Abdeckung, und im realen UAV-Versuch sank die Zeit bis 95 Prozent Abdeckung um 30 Prozent.

Vollständige Studie lesen (PDF)
arXiv
Model-based RLExperten

PL-MPC erweitert TD-M(PC)2 um Multi-Step-TD, adaptive Terminalwerte und returngewichtete Aktordestillation

Kowndinya Boyalakuntla, Yuhan Liu, Abdeslam Boularias

Das Preprint stellt PL-MPC vor, eine Erweiterung des policy-constrained TD-M(PC)2-Rückgrats, die Critic-Supervision, MPPI-Terminalwertbewertung und Planer-zu-Policy-Transfer verändert. Auf HumanoidBench steigt der Total Average Return bei balance-hard von 98±18 auf 387±255 und bei hurdle von 199±13 auf 466±200; auf vier DMControl-Aufgaben bleibt die Methode konkurrenzfähig. In einem Sim-to-Real-Transfer mit einem KUKA IIWA14 erreicht PL-MPC höhere Erfolgsraten als TD-M(PC)2 auf der Trainingsgröße und zwei ungesehenen Objektgrößen.

Weltmodelle
Vollständige Studie lesen (PDF)
arXiv
Trajectory CorrectionFortgeschritten

MaDE: Ein Post-hoc-Operator zur Durchsetzung dynamischer Machbarkeit bei neuronalen Trajektorien

Kevin Yu, Tao Guo, Constantinos Antoniou, Panagiotis Angeloudis

Die Autoren stellen mit dem Markovian Dynamics Enforcer (MaDE) einen zeitinvarianten, nachgelagerten Korrektur-Operator für neuronale Trajektorienvorhersagen vor. Der Operator lernt aus zulässigen Zustandsübergängen ohne Ground-Truth-Steuerungen eine Dynamik-Mannigfaltigkeit und korrigiert dann vorgeschlagene Übergänge so, dass sie dynamisch konsistent und möglichst constraint-konform sind. In Simulationen erreicht MaDE nahezu verschwindende Dynamikresiduen und auf realen Fahrzeugdaten reduziert es das Residuum gegenüber einem kinematischen Fahrradmodell von etwa 0,17 auf 0,007, allerdings auf Kosten einer um den Faktor 1,57 bis 1,83 erhöhten Positionsabweichung. Das Paper ist ein Preprint und wurde noch nicht begutachtet.

Vollständige Studie lesen (PDF)
arXiv
Terrain traversabilityExperten

Erfahrungsgetriebenes Continual Learning für Terrain-Traversabilität bei Quadruped-Robotern mit Validierungs-Gate

Luca Bricarello, João Carlos Virgolino Soares, Alberto Sanchez-Delgado, Fulvio Mastrogiovanni, Claudio Semini

Das Preprint stellt eine Pipeline vor, die für einen Unitree Go2 aus Bildern vor dem Kontakt mit einem eingefrorenen DINOv3-Backbone fünf propriozeptive Interaktionsindikatoren vorhersagt und deren Unsicherheit über eine evidentiale Regression schätzt. In einem sequenziellen Hardware-Versuch über drei unbekannte Untergründe senkt das Validierungs-Gate die finale Anchor-NLL-Verschlechterung um 23,1 Prozent gegenüber Replay ohne Gate bei ähnlicher Anpassung an neue Terrains. Damit wird ein Weg gezeigt, kontinuierliches Lernen aus Robotererfahrung mit kontrollierter Beibehaltung früherer Terrain-Modelle zu verbinden.

Vollständige Studie lesen (PDF)
arXiv
Real-time VLAExperten

Echtzeit-VLA-Inferenz: Nicht-uniformes Zwei-Stufen-Denoising spart 64 Prozent Rechenzeit

Di Wu, Rongtian Shen, Ping Liu, Yan Shen, Zhenhan Yin, Shun Zuo, Xuhua Chen, He Zheng, Lingfeng Zhang, Jianglin Zhang, Tao Zhang

Das Paper stellt ein zweistufiges, nicht-uniformes Denoising für Flow-Matching-basierte Vision-Language-Action-Modelle vor; es reduziert die Modellinferenzzeit von 61,557 ms auf 21,956 ms, eine 2,804-fache Beschleunigung, bei vergleichbarer Aktionsfehlergröße. Zusätzlich wird ein verteiltes Echtzeit-Framework mit entkoppelten Raten für Inferenz, Aktionspublikation und Robotersteuerung entwickelt. In physischen Langzeit-Faltversuchen mit π0.5 erzielt Legato 96,7 Prozent Erfolg; die kombinierte Zwei-Stufen-Methode senkt die Erfolgsrate von Legato auf 86,7 Prozent, liefert aber deutliche Effizienzgewinne. Der Preprint motiviert die gemeinsame Optimierung von Modellinferenz und System-Timing.

VLA
Vollständige Studie lesen (PDF)
arXiv
Text-to-3D PolicyFortgeschritten

T3DP: Feingranulare Sprach-Verhaltens-Ausrichtung für Text-to-3D-Policies

Xinhao Yang, Wenhao Wu, Ning Lv, Yanshen Ding, Zhenhong Sun, Daoyi Dong, Chunlin Chen, Zhi Wang

Der Preprint stellt T3DP vor, ein Framework, das feingranulare Sprach-Verhaltens-Ausrichtung nutzt, um textgesteuerte 3D-Diffusionsrichtlinien für ungesehene Verhaltensspezifikationen zu verbessern. In Simulationen (Meta-World, ManiSkill, RoboTwin) erreicht T3DP durchschnittlich 11,0 bis 14,2 Prozentpunkte mehr Erfolg als globale Ausrichtung; auf einem realen PiPer-X-Roboter steigt der Durchschnitt von 47,5 auf 65,0 Prozent. Die lokale Zuordnung von Instruktionstoken zu Verhaltenssegmenten erhält spezifikationsrelevante Unterschiede, die globale Verfahren oft verwischen.

Vollständige Studie lesen (PDF)
arXiv
Safe RL-MPCExperten

RL-geführte PAC-NMPC kombiniert stochastische MPC und Actor-Critic-Lernen für sichere Navigation

Adam Polevoy, Dillon Capalongo, Katherine Tang, Mark Gonzales, Marin Kobilarov, Joseph Moore

Das Preprint beschreibt eine Methode, die stochastische modellprädiktive Regelung (PAC-NMPC) mit durch Reinforcement Learning trainierten Actor-Critic- und Sensorprädiktionsmodellen kombiniert, um in unbekannten Umgebungen mit lokaler Wahrnehmung probabilistisch sicher zu navigieren. In Simulation und Hardwareversuchen auf einem Fixed-Wing-UAV erreicht der Ansatz höhere Erfolgsraten als die Einzelkomponenten und Baselines, in der Simulation 90 Prozent, in Hardware 80 Prozent. Er verbessert damit die Sicherheit von RL-Policies und die Langzeitleistung von NMPC durch statistische Garantien.

RL
Vollständige Studie lesen (PDF)
arXiv
Embodied policyExperten

EWAM: Tiefenweise Spezialisierung in einem vereinheitlichten Embodied Model

Hao Wang, Jiajun Wen, Jingzhi Liu, Shuoshuo Xue, Zhiliang Chen, Min Lin, Yicheng Chang, Xiaoyu Guo, Yukang Zhuo, Zheng Chong, Yunshuang Nie, Jian Zhang, Weijia Liufu, Qingman Wu, Heming Xu, Bingchang Song, Dantong Wu, Zhiyuan Wang, Hang Xu, Jianhua Han

EWAM ist ein einheitliches Embodied Model, dessen Aktionsstrom in jeder Schicht auf semantische, visuelle und Aktions-Repräsentationen zugreifen kann. Laut dem Preprint bildet sich ohne explizite Schicht-Supervision eine tiefenweise Arbeitsteilung heraus: flache Schichten nutzen Vision-Language-Merkmale, mittlere Schichten vorhergesagte Zukunftsframes, tiefe Schichten Aktions-Selbstaufmerksamkeit. In Simulation und auf realen Robotern übertrifft EWAM bestehende VLA-, WAM- und Hybrid-Baselines; menschliche Egozentrik-Daten verbessern Transfer und Robustheit.

VLA
Vollständige Studie lesen (PDF)
arXiv
Social NavigationFortgeschritten

Social-WM: Sicherheitsbewusste latente Weltmodelle für soziale Roboternavigation

Zhihao Zheng, Mooi Choo Chuah

Social-WM ist ein latentes Weltmodell-Framework, das bei der Navigation zwischen nominalen Roboteraktionen und tatsächlich realisierbaren Aktionen unterscheidet und die Differenz als Sicherheitssignal nutzt. In Simulationen auf Social-HM3D erreicht das Preprint eine Erfolgsquote von 63,77 % und reduziert Kollisionen mit Menschen auf 21,67 %, ohne explizites Tracking oder privilegierte Zustände. Die Methode überträgt sich ohne Nachtraining auf Social-MP3D und zeigt, dass Aktionsrealisierbarkeit ein belastbares Sicherheitskriterium sein kann.

Weltmodelle
Vollständige Studie lesen (PDF)
arXiv
ManipulationFortgeschritten

RoboCoach: Weltmodelle als aktive Coaches für kompositionale Roboterfähigkeiten

Jiajun Liu, Yifan Chen, Yichao Liu, Jiayi Zhang, Ruoqu Chen, Shaoxuan Xie, Guocai Yao, Mengdi Xu, Sen Cui, Changshui Zhang

RoboCoach ist ein Preprint und beschreibt ein Framework, das mit dem aktionskonditionierten Weltmodell CoachWorld imaginierte Fehlschläge in langfristigen Manipulationsaufgaben lokalisiert und daraus gezielte Demonstrationsanfragen sowie LoRA-Updates für die zuständigen Skill-Experten ableitet. In Simulation und auf zwei echten Roboterplattformen steigt die Erfolgsrate mit 150 zusätzlichen Teilaufgaben-Demonstrationen von 13,3 % auf 75,0 % beim Franka und von 40,0 % auf 83,8 % beim AgileX, während eine gleichmäßige Datenerfassung mit gemeinsamem Adapter nur 30,0 % bzw. 47,5 % erreicht. Die Arbeit zeigt, dass Weltmodelle nicht nur simulieren, sondern als aktive Coaches entscheiden können, welche wiederverwendbare Fähigkeit als Nächstes gelernt werden soll.

Weltmodelle
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.