MEKAWIRE
Forschung

Studien

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

408 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
Articulation EstimationFortgeschritten

QueryArt schätzt Gelenkparameter aus einem RGB-Bild und Abfragepunkt

Abdelrhman Werby, Fabio Scaparro, Kai O. Arra

Der Preprint stellt QueryArt vor, ein Modell, das aus einem einzelnen kalibrierten RGB-Bild, einem 2D-Abfragepunkt und Kameraintrinsik Gelenktyp, Bewegungsachse und Achsversatz schätzt. Auf vier gehaltenen Datensplits und zwei Out-of-Distribution-Datensätzen übertrifft es frühere Single-Image-Ansätze bei den meisten Artikulationsmetriken; in 57 realen Manipulationsversuchen auf einem mobilen Manipulator erreicht es eine Erfolgsquote von 70,2 %. Die tiefennormalisierte Formulierung macht die Schätzung skalenkonsistent und ohne vorherige Exploration für Roboterinteraktionen nutzbar.

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
VLA RobustnessFortgeschritten

Erfolgsrate allein genügt nicht: Verhaltensrobustheit von VLA-Modellen in Tabletop-Manipulation

Sophie Higham, Riccardo Andrea Izzo, Matteo Matteucci, Alessandro Suglia

Das Preprint schlägt ein benchmark-agnostisches Evaluierungsframework vor, das die Behavioural Robustness von Vision-Language-Action-Modellen über die Task Success Rate hinaus anhand von Trajektorienmetriken misst. Die Analyse auf LIBERO und LIBERO-Plus mit drei State-of-the-Art-Modellen zeigt, dass Eingabeperturbationen das Verhalten erfolgreicher Trajektorien erheblich verändern können, obwohl die TSR ähnlich bleibt. Das verdeutlicht, dass TSR allein die Auswirkungen von Störungen auf die Ausführungsqualität maskieren kann.

VLA
Vollständige Studie lesen (PDF)
arXiv
Multi-Robot ExplorationFortgeschritten

OpenSpace Lab: Budgetbewusste Exploration für IROS 2026 Indoor Exploration Competition

Yuxuan Zhang, Dong Li, Zezhou Sun, Yuxuan Xu, Siyu Teng, Yuchen Li, Jianjian Yang, Long Chen

In einem Preprint beschreibt OpenSpace Lab seine Lösung für den Indoor Exploration Competition auf der IROS 2026. Die Einzelroboterstrategie nutzt vortrainierte Kartenvervollständigung und eine an das Restbudget angepasste Zielauswahl, die Rückkehr zum Basislager einplant. Im öffentlichen Einzelroboter-Track erreichte das Team mit 61,04 % Abdeckung Platz 1, in den privaten Tracks jeweils Platz 3.

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
Endoscopic navigationFortgeschritten

ColoACT: RGB-D-E-Aktions-Chunking für glatte autonome Navigation eines selbstfahrenden Endoskopieroboters

Jian Hu, Shujing He, Leixin Chang, Zongze Li, Ding Huang, Chaoyang Shi, Chengzhi Hu

Das Paper stellt ColoACT vor, ein autonomes Navigationssystem für den kompakten selbstfahrenden Endoskopieroboter BGER. Es kombiniert RGB, relative Tiefe und eine gradientenbasierte Pseudo-Elevationskarte mit einer Action-Chunking-Transformer-Policy und Temporal Ensembling. In Ex-vivo-Schweinekolons erreicht das System Erfolgsraten von 85,4 % in geraden und 72,5 % in gekrümmten Abschnitten; die Arbeit ist ein Preprint auf arXiv und nicht begutachtet.

RL
Vollständige Studie lesen (PDF)
arXiv
Video world modelsFortgeschritten

PhysicsLENS: Diagnose von Blindheit gegenüber physikalischen Eigenschaften in Videogenerierungsmodellen

Isaiah Milkey, Som Sagar, Aditya Taparia, Xinyuan Liu, Jiqing Wen, Ransalu Senanayake

PhysicsLENS ist ein Preprint, der einen Benchmark und Datensatz vorstellt, um zu prüfen, ob generierte Robotervideos textuell vorgegebene, aus dem Startbild nicht erkennbare physikalische Eigenschaften umsetzen. Die Evaluation über 439 Clips von vier Videogenerierungsmodellen zeigt, dass 34 von 47 als plausibel bewerteten Clips die genannte Eigenschaft ignorieren. Damit wird klar, dass visuelle Plausibilität und physikalische Eigenschaftsbindung getrennt bewertet werden müssen, was für den Einsatz solcher Modelle als prädiktive Umgebungen im Roboterlernen zentral ist.

Weltmodelle
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
PlanningFortgeschritten

TierCEM: Prioritätsgesteuerte Constraint-Relaxation für die Cross-Entropy-Optimierung

Francisco Roldan Sanchez, Pau de las Heras Molins, David Fridovich-Keil, Georgios Bakirtzis

Das Preprint stellt TierCEM vor, eine Variante der Cross-Entropy-Methode, die eine strikte Prioritätsreihenfolge von Constraints direkt in die Elite-Auswahl integriert und ohne per-Constraint-Gewichte auskommt. In Simulationen mit 2D-Navigation und Push-T zeigt die Methode, dass sich beim Umkehren der Prioritätsreihenfolge gezielt die verletzte Constraint ändert und dass die Aufgabenpriorität Fortschritt erzwingen kann, wenn Constraints sonst zum Stillstand führen. Damit adressiert sie das Problem, dass gewichtete Strafformulierungen höher priorisierte Verletzungen durch niedrigere kompensieren können.

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)
arXiv
World-action modelFortgeschritten

SkeleWAM: Sparse 3D-Skelette als Zustandsraum für Weltaktionsmodelle in der Robotermanipulation

Juyi Sheng, Hua Wang, Mengyuan Liu

SkeleWAM ist ein Preprint, das ein kompaktes Weltaktionsmodell vorstellt, bei dem eine Manipulationsszene als spärliches 3D-Skelett aus Roboter-Gelenken, Objektzentren und Interaktionspunkten repräsentiert wird. Das Modell lernt gemeinsam Aktionsgenerierung und Vorhersage künftiger Skelette und erreicht auf LIBERO-Plus eine Gesamterfolgsrate von 85,9 Prozent mit 57,1 Millionen Parametern, 3,7 Prozentpunkte über Cosmos-Policy. Die Ergebnisse zeigen, dass explizite Roboter-Objekt-Geometrie einen robusten und parametereffizienten Weg für Weltaktionslernen darstellt.

Vollständige Studie lesen (PDF)
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
GraspingFortgeschritten

Kontinuierliches Lernen für 6-DoF-Greifsynthese durch Erfahrung und Demonstrationen

Giulio Schiavi, Andrei Cramariuc, Michael Pantic, Roland Siegwart

Der Preprint stellt ein kontinuierlich lernendes Framework für die 6-DoF-Greifsynthese mit Parallelbackengreifer in unstrukturierten Szenen vor. Das System nutzt einen speicherbasierten Bewerter in einem gelernten Embedding-Raum sowie die Rückgewinnung von Nutzerdemonstrationen, um sich während des Einsatzes aus Greifergebnissen anzupassen; die Netzwerkgewichte bleiben unverändert. In Simulation und über 1500 realen Greifversuchen erreicht die Methode nach nur 50 Online-Versuchen auf mehreren schwierigen Objektkategorien Erfolgsquoten über 90 % und übertrifft nach Anpassung alle evaluierten Baselines.

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)

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.