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
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)
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)

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.