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
Federated 3D PerceptionFortgeschritten

FedCKA: Dynamische Layer-Personalisierung für föderierte 3D-Objekterkennung über Fahrdomänen

Jolle Verhoog, Ali Burak Ünal, Holger Caesar

Das Paper stellt FedCKA vor, eine Methode zur dynamischen Layer-Personalisierung im föderierten Lernen für multimodale 3D-Objekterkennung. FedCKA nutzt Centered Kernel Alignment, um schichtweise Repräsentationsähnlichkeiten zwischen lokalen Client-Modellen und dem globalen Modell zu messen und daraus client-spezifische Aggregationsmasken abzuleiten. Auf einem nuScenes-basierten Benchmark mit fünf heterogenen Fahrdomänen verbessert FedCKA den durchschnittlichen NDS um 7 Prozentpunkte gegenüber der stärksten föderierten Baseline. Das Paper ist ein Preprint und nicht begutachtet.

Vollständige Studie lesen (PDF)
arXiv
Event-camera VOExperten

Echtzeit-Stereo-VO für Eventkameras durch Keytime-GP-Regression

Nikan Nobari, Jonathan D. Gammell

Das Paper stellt als Preprint eine kontinuierliche Stereo-Visual-Odometry-Pipeline für Eventkameras vor, die mit Keytime-Interpolation und einem WNOA-GP-Prior die asynchronen Messzeitpunkte erhält und dennoch Echtzeit erreicht. Auf MVSEC und DSEC liefert sie Schätzungen mit 22 Hz beziehungsweise 6 Hz und reduziert die relativen RMS-Fehler gegenüber ES-PTAM um Faktor 11 bei Translation und Faktor 15 bei Rotation. Damit zeigt der Ansatz, dass die volle zeitliche Auflösung von Eventkameras nicht mit hohem Rechenaufwand verbunden sein muss.

Vollständige Studie lesen (PDF)
arXiv
World Action ModelsExperten

ProWAM: Progressive visuelle Teilziele verbessern Effizienz und Robustheit von Weltaktionsmodellen

Fei Zhang, Zhaochong An, Duncan Frost, Yikai Wang, Pengfei Liu, Ya Zhang, Michal Drozdzal, Amir Bar

ProWAM ist ein als Preprint veröffentlichter World Action Model, das Aktionsblöcke und eine geordnete Folge spärlicher visueller Teilziele gemeinsam vorhersagt. In Simulationen erreicht es neue Spitzenwerte auf LIBERO-Plus mit 85,8 % und auf randomisiertem RoboTwin mit 75,7 %; in realen Zero-Shot-Versuchen auf einem Franka-Roboter erzielt es 70,0 % Erfolg und übertrifft die stärkste Baseline DreamZero um 15,0 Prozentpunkte. Durch das Zwischenspeichern von Teilziel-Merkmalen reduziert ProWAM die Rechenlast des Video-Experten deutlich und zeigt einen günstigen Kompromiss zwischen Effizienz und Generalisierung.

Vollständige Studie lesen (PDF)
arXiv
Humanoid Tool UseFortgeschritten

HumanoidToolBench: Benchmark für menschenähnliche Werkzeugnutzung von Auswahl bis mobiler Ausführung

Kyochul Jang, Seohyeon Park, Ohchul Kwon, Sangjun Park, Junhyeok Choi, Seungyeop Yi, Chaeyun Kim, Sangkyu Lee, Idan Szpektor, Avi Caciularu, Jongmin Park, Youngjae Yu

Der Preprint stellt HumanoidToolBench vor, einen Benchmark mit 18 Aufgaben, der Werkzeugauswahl, stationäre Nutzung und mobile Ausführung auf einem humanoiden Roboter prüft. Dazu gehört ToolBook, ein Datensatz mit 3.094 Teleoperations-Demonstrationen, davon 3.003 in Simulation und 91 auf einem realen Unitree G1. Erste Evaluierungen von sieben Policies in Simulation und drei auf dem realen Roboter zeigen deutliche Lücken zwischen der Auswahl eines geeigneten Werkzeugs und dem erfolgreichen Abschluss der Aufgabe.

Humanoid
Vollständige Studie lesen (PDF)
arXiv
Manipulation LfDExperten

SC-DMPs: Interaktionssteifigkeit führt Basisfunktionsallokation für präzises Skill-Lernen

Chan Xu, Silu Chen, Dehao Wang, Xiyu Chen, Dexin Jiang, Chi Zhang, Guilin Yang, Chenguang Yang, Zaojun Fang

Die Autoren stellen Stage-Criticality-Guided Dynamic Movement Primitives (SC-DMPs) vor, die die Verteilung der Basisfunktionen anhand einer aus Bediener-Roboter-Interaktionssteifigkeit und Bahnvariabilität abgeleiteten Kritikalität anpassen. In Handschrift- und realen Roboteraufgaben erzielen SC-DMPs im Vergleich zu DMPs, ProMPs, ProDMP, GP-MP und KMP geringere Reproduktions- und Generalisierungsfehler, insbesondere in aufgabenkritischen Abschnitten, bei kompakter Modellgröße. Der Beitrag ist zur Veröffentlichung in IEEE Transactions on Industrial Informatics angenommen.

Vollständige Studie lesen (PDF)
arXiv
Quadruped locomotionFortgeschritten

PROMO: Präferenzgesteuertes Multi-Objective-RL für Quadrupeden

Amr Mousa, Rifny Rachman, Neil Karavis, Michele Caprio, Richard Allmendinger

PROMO ist ein Preprint-Framework für semantisches präferenzkonditioniertes Multi-Objective-Reinforcement-Learning. Eine einzelne Richtlinie macht die Abwägung zwischen Kommandotreue, Stabilität und Energieeffizienz zur Laufzeiteingabe und trennt diese von festen lokomotionsspezifischen Prioritäten. In Simulation werden über 100 Präferenzen 67 nichtdominierte Verhalten erreicht und eine mittlere Präferenz-Objektiv-Korrelation von 0,843 gemessen; auf einem Unitree Go2 senkt allein die Präferenzänderung die spezifische Energie um bis zu 30,4 Prozent, den Positionsfehler um bis zu 38,7 Prozent und die maximale Körperlageabweichung um bis zu 59,0 Prozent.

RL
Vollständige Studie lesen (PDF)
arXiv
Failure recoveryFortgeschritten

Recova: Agentengeführtes Fehler-Recovery für autonome Robotermanipulation

Isabella Liu, An-Chieh Cheng, Johan Bjorck, Zhiding Yu, Hongxu Yin, Jan Kautz, Linxi Fan, Yuke Zhu, Sifei Liu

Der Preprint beschreibt Recova, ein agentengeführtes Framework, das Aufgabenausführung und Szenen-Wiederherstellung in einem rekonstruierten digitalen Zwilling gemeinsam entwickelt und über echte Robotereinsätze verfeinert. In sechs LIBERO-Pro-Settings und vier MolmoSpaces-Kategorien erreicht das System 78,8 bzw. 64,9 Prozent mittlere Erfolgsrate und übertrifft die stärksten Baseline-Methoden um 7,1 bzw. 26,9 Prozentpunkte. Auf realen Robotern steigt die mittlere Erfolgsrate nach parallelem DAgger-Feintuning von 23,8 auf 77,5 Prozent und mit Recovery-Fähigkeiten auf 87,5 Prozent, während die beobachtete menschliche Eingriffsrate in vier Runden einer Aufgabe von 87,5 auf 0 Prozent fällt.

Vollständige Studie lesen (PDF)
arXiv
Sim-to-real NavigationExperten

EIDA: Execution-Interface Dynamics Adaptation für Real-to-Sim-to-Real-Roboternavigation

Yiwei Qian, Shanze Wang, Qingyuan Hu, Xinming Zhang, Wei Zhang

Der Preprint stellt EIDA vor, ein Verfahren zur Übertragung von Navigationsrichtlinien aus leichtgewichtiger Simulation auf Zielroboter. Es ersetzt die Befehls-Bewegungs- und Geschwindigkeitsrückmeldungsmodelle durch aus Ausführungsdaten gelernte Modelle und ergänzt die Richtlinieneingabe um eine kurze Historie der Geschwindigkeitsrückmeldung. In 100 BARN-Simulationsumgebungen erreicht EIDA die höchste Erfolgsrate unter den verglichenen gelernten Richtlinien; auf einem physischen Unitree Go2 gelingt in allen 20 statischen Versuchen eine kollisionsfreie Zielanfahrt, die Baseline nur in 4 von 20.

Vollständige Studie lesen (PDF)
arXiv
Visual Reward ModelsExperten

CriticHack zeigt, wie visuelle Rewards Wrong-Object-Fehler bei steigendem Task-Erfolg verstärken

Jiaxuan Luo, Xingguo Xu, Shanshan Wang, Yuhan Zhou, Zhen Zhang

Das Preprint stellt CriticHack vor, ein Evaluationsframework, das visuelle Belohnungsmodelle unter Roboter-Policy-Optimierung anhand simulatorgemessener Task-Erfolge und Wrong-Object-Fehler prüft. Beim Feintuning einer Diffusion Policy gegen Robometer auf einer Schubladenaufgabe steigen der Task-Erfolg um 10,2 Prozentpunkte und Wrong-Object-Fehler um 10,9 Punkte, während ein Oracle-Signal den Erfolg ohne diese Verstärkung steigert. Damit zeigt die Arbeit, dass übliche Monitoring-Signale wie durchschnittlicher Reward und Erfolgsrate gesund aussehen können, obwohl eine spezifische semantische Fehlerklasse wächst.

Vollständige Studie lesen (PDF)
arXiv
Legged ManipulationExperten

ReCo: Response-Consistent Locomotion und Policy-Aware MPC für mobile Manipulation mit Laufrobotern

Kuankuan Sima, Yichao Gao, Chenxi Gu, Kefan Zhao, Lin Zhao

Das Preprint stellt ReCo vor, ein Framework, das eine gelernte Lokomotionsrichtlinie mit einer modellprädiktiven Regelung koppelt, um Endeffektor-Trajektorien während des Laufens im Weltkoordinatensystem zu verfolgen. Die Richtlinie wird durch Response Shaping darauf trainiert, auf Kommandos konsistent und wiederholbar zu antworten, und ein identifiziertes Closed-Loop-Antwortmodell mit gangperiodischen Anteilen dient der MPC als prädiktive Schnittstelle. In einer MuJoCo-Simulation erreicht ReCo eine um 28,7 % niedrigere Positions-RMSE und eine um 27,4 % niedrigere Orientierungs-RMSE als die jeweils beste Baseline und läuft auf der realen Go2-X5-Plattform vollständig onboard.

RL
Vollständige Studie lesen (PDF)
arXiv
Motion PlanningFortgeschritten

RUL-aware RRT*: Gesundheitsbewusste Bahnplanung für Manipulatoren

Haibo Li, Zhiguo Zeng, Xu Li

Der Preprint stellt RUL-aware RRT* vor, eine Erweiterung des Sampling-basierten RRT*-Algorithmus, die die Restlebensdauer (RUL) einzelner Gelenke in die Kostenfunktion einbezieht und die Gelenkbelastung adaptiv ausgleicht. In Simulationen mit einem UR5-Sechsachsmanipulator erreicht der Ansatz eine ausgeglichenere Degradation und verlängert den Zeitpunkt des ersten Gelenkausfalls um 48 bis 56 Prozent gegenüber Standard-RRT*. Die Ergebnisse zeigen einen Weg, Wartungsinformationen direkt in die Bewegungsplanung zu integrieren und die Zuverlässigkeit von Industrierobotern im Dauerbetrieb zu erhöhen.

Vollständige Studie lesen (PDF)
arXiv
Surgical roboticsFortgeschritten

Leitfähigkeitssensor stoppt Roboterbohrung vor Pedikeldurchbruch: Ex-vivo-Studie mit 100 Prozent Erfolg

Jorge Andrés Pérez Velásquez, François Teyssere, Thibault Chandanson, Quentin Grimal, Brahim Tamadazte

Die Autoren stellen in diesem Preprint einen robotischen Pedikelbohrer mit integriertem elektrischem Bioimpedanzsensor von SpineGuard vor. In Ex-vivo-Versuchen an 51 Schweinewirbeln wurden alle Durchbrüche verhindert, alle Bohrungen blieben innerhalb der klinisch akzeptablen Grade A und B nach Gertzbein-Robbins. Der Ansatz verzichtet auf externe Sensoren und könnte die Strahlenbelastung in der Wirbelsäulenchirurgie reduzieren.

Vollständige Studie lesen (PDF)
arXiv
Underwater RoboticsFortgeschritten

Tragbares Robotersystem RADMCS hilft Tauchern, Abstand zu Unterwasserstrukturen zu halten

Demetrious T. Kutzke, Junaed Sattar

In einem arXiv-Preprint stellen die Autoren das tragbare Unterwasser-Robotersystem RADMCS vor, das am Scuba-Tank befestigt wird und über zwei Schubdüsen haptisches Feedback gibt, um Taucher bei der Einhaltung eines Sollabstands zu lenken. In Studien mit acht zertifizierten Tauchern lag die Wahrnehmungsschwelle bei etwa 10 Prozent der maximalen Schubkraft, und bei stabiler Distanzschätzung konnte der Roboter korrekte Drehkommandos geben. Das System kostet rund 1.000 US-Dollar und ist damit deutlich günstiger als bisherige starre Exoskelette; es könnte Grundlage für Assistenzsysteme in Höhlen-, Riff- oder Inspektionsszenarien sein.

Vollständige Studie lesen (PDF)
arXiv
Multi-Robot ManipulationFortgeschritten

DuoMind: Verteilte Multi-Roboter-Koordination mit semantischer Kommunikation und Benchmark RoboPoly

Hanchu Zhou, Dechen Gao, Hang Wang, Brendan Lynch, Boqi Zhao, Qiyao Ma, Raman Goyal, Junshan Zhang

Der Preprint stellt DuoMind vor, ein verteiltes hierarchisches Framework, bei dem jede Robotereinheit einen VLM-Orchestrator mit einem VLA-Aktionsmodell kombiniert und strukturierte natürliche Sprache mit anderen Robotern austauscht. In Simulationen auf dem neuen RoboPoly-Benchmark und auf RoboTwin übertrifft DuoMind die Baselines in den meisten Aufgaben, etwa mit 78,00 % gegenüber 52,25 % bei Hang Bag. Der Ansatz zeigt, wie vortrainierte Modelle ohne Neuentwurf für kooperative Manipulation genutzt werden können.

VLA
Vollständige Studie lesen (PDF)
arXiv
Multi-robot manipulationExperten

Watch, Infer, Coordinate: Partnerbeschränkungen aus Kooperationsbeobachtung für Zero-Shot-Koordination

Suyu Ye, Zheyuan Zhang, Vaishnav Tadiparthi, Hossein Nourkhiz Mahjoub, Ehsan Moradi Pari, Tianmin Shu, Homanga Bharadhwaj, Nakul Agarwal

Der Preprint Watch, Infer, Coordinate stellt einen Benchmark und eine Methode vor, mit der ein Helferroboter aus beobachteter Kooperation eines eingeschränkten Roboters mit einem Demonstrator dessen physikalische Aktionsbeschränkungen ableitet. Die Methode nutzt das gemeinsame Verhalten beider Roboter und erreicht in drei Trage-Szenarien mit Hindernissen Erfolgsraten von 92,6 %, 85,2 % und 63,0 % und liegt damit nahe an einem Orakel mit den wahren Beschränkungen (96,3 %, 88,9 %, 70,4 %). Damit zeigt der Preprint, dass übertragbare Fähigkeitsmodelle aus passiver Beobachtung gewonnen werden können, ohne vorherige Interaktion mit dem Partner auf der neuen Aufgabe.

Vollständige Studie lesen (PDF)
arXiv
Latent World ModelsExperten

Erfolgskriterien als Trainingsziele: Hilfsverlust verbessert Planung latenter Weltmodelle

Takumi Hara, Kanata Suzuki

Das vorliegende Preprint schlägt einen kriterienorientierten Hilfsverlust für latente Weltmodelle vor, der die im Erfolgskriterium definierten physikalischen Größen als Regressionsziele nutzt. Auf vier Manipulationsaufgaben verbessert der Ansatz die Erfolgsrate signifikant, etwa auf PushT um 3,5 Prozentpunkte und auf cube um 3,4 Prozentpunkte. Da die linearen Köpfe nach dem Training entfernt werden, bleiben Modell, Eingaben und Inferenzkosten unverändert, was die Integration erleichtert.

Weltmodelle
Vollständige Studie lesen (PDF)
arXiv
UAV SwarmsExperten

Strukturierte Kontextverwaltung und Interest-Aware Gossip für verteilte SLM-basierte UAV-Schwärme

Andrea Iannoli, Ivan Zyrianoff, Angelo Trotta, Lorenzo Gigli, Marco Di Felice

Die Autoren stellen eine vollständig verteilte Architektur für UAV-Schwärme vor, bei der jede Drohne einen eigenen Small-Language-Model-Agenten sowie einen Context Manager und eine Interest-Aware Gossip Engine besitzt. In simulierten Such- und Rettungsmissionen mit zehn UAVs erreicht der Ansatz eine Missionsabschlussrate von 100 Prozent, während uneingeschränktes Flooding nur 70 bis 85 Prozent und SLM-gesteuertes Forwarding 0 Prozent erreichen. Die Methode reduziert außerdem den Inferenz-Tokenverbrauch etwa um die Hälfte und senkt das übertragene Datenvolumen von 6 bis 7 MB auf unter 0,5 MB pro Mission. Die Arbeit wurde zur Präsentation auf der 24th IEEE Consumer Communications & Networking Conference 2027 angenommen.

Vollständige Studie lesen (PDF)
arXiv
MAV guidanceFortgeschritten

LiDARFlow: Echtzeit-Panel-Guidance für MAVs in unbekannten Umgebungen

João Machado, Zeynep Bilgin, Matthieu Verdoucq, Murat Bronz

Das Preprint LiDARFlow stellt ein vollständig onboard integriertes Führungssystem für Mikro-Luftfahrzeuge vor, das mit einem Livox MID-360 LiDAR Hindernisse erkennt und über die Panel-Methode PGFlow kollisionsfreie Geschwindigkeitskommandos erzeugt. In zwei realen Indoor-Flugszenarien, Wegpunktnavigation und Richtungsvorgabe, erreichte das Fahrzeug bei maximal 0,5 m/s alle Ziele und wich allen Hindernissen aus. Die Implementierung auf einem Raspberry Pi 5 zeigt die Machbarkeit einer leichtgewichtigen Echtzeitführung, auch wenn die Punktwolkenverarbeitung als Hauptlimitierung identifiziert wird.

LiDAR
Vollständige Studie lesen (PDF)
arXiv
AMR OperationsEinstieg

MoRoOp: Ein Datensatz für autonome mobile Roboter in der Produktionslogistik mit Aufträgen, Dispatch-Events und Roboterzuständen

Jan-Felix Klein, Yongkuk Jeong

Der Preprint beschreibt MoRoOp, einen Datensatz aus neun Achtstundenschichten eines Labor-Szenarios, in dem ein autonomer mobiler Roboter Kit-Bereitstellung, Leergut- und Ladefahrten ausführt. Er verknüpft 1.382 Aufträge, 4.815 Operationen, 19.352 Dispatch-Events und 140.386 Roboterzustandsbeobachtungen und enthält bewusst auch Störungen wie blockierte Navigation und Timeouts. Damit stellt er eine einheitliche Grundlage bereit, um Planungs- und Ausführungsdaten für KI-Agenten, Anomalieerkennung und datengetriebene Simulation gemeinsam zu nutzen.

Vollständige Studie lesen (PDF)
arXiv
Soft manipulationExperten

Jacobian Flow Matching: Auflösungskonsistentes Jacobifeld für bio-inspirierte starre-weiche Finger

Tianyou Liang, Haisen Zeng, Shanjun Chen, YiMing Zhu, Zhongyue Lu, Zirong Luo

Die Autoren stellen Jacobian Flow Matching (JFM) vor, ein Trainingsverfahren auf Basis von Conditional Flow Matching, das die Aktuator-Bewegungs-Beziehung eines sehnengetriebenen, starr-weichen Fingers als kontinuierliches Jacobifeld lernt. Der Preprint berichtet für einstufige Vorhersagen eine Reduktion des globalen mittleren RMSE um mehr als 53 Prozent gegenüber einer punktweisen Baseline; bei spärlicher Abtastung (Schrittweite 8) verbessert ODE-Integration den RMSE-Median um 14,43 Prozent und senkt die Varianz um 24,87 Prozent. Das Verfahren liefert damit ein lokales Modell für Offline-Trajektorienoptimierung in nichtlinearen, nachgiebigen Systemen.

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.