MEKAWIRE
研究

論文

ロボティクスとフィジカルAIの最新論文と、それぞれが産業にもたらす意味。

論文9本
テーマすべてManipulation 41VLA 28Navigation 16Perception 16Learning 13Robotics 13Humanoid 12Safety 7Simulation 7Locomotion 5World Action Models 4Aerial 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 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
難易度指定なし入門中級上級
日本語版は未提供のため、英語原文で表示しています。
技術「巧緻操作」で絞り込み中、解除
arXiv
Manipulation上級

AutoBio+: Benchmarking Dexterous Manipulation with Dynamic Experimental Phenomena in Realistic Laboratories

Xuanye Wu, Yue Shi, Yongcan Yang, Yiqun Wang, Zhaoqi Wan, Dayu Xia, Jiezhang Cao, Xiangfei Li, Yao Mu, Guangtao Zhai

Automating biological laboratories requires robots to perform dexterous tool interactions under realistic visual conditions while handling dynamic experimental phenomena, presenting significant challenges for robotic manipulation. To enable systematic evaluation under these conditions, we introduce AutoBio+, a simulation benchmark and framework for dexterous manipulation in realistic biological laboratory environments.

巧緻操作
論文全文を読む（PDF）
arXiv
Manipulation上級

Human2Dex: Dexterous Robot Learning from Wrist-Centric Human Demonstrations

Jiachen Zhang, Yuanyuan Li, Shaqi Luo

Collecting dexterous manipulation demonstrations for each robot hand requires repeated task-specific data acquisition. We ask whether one shared corpus of natural human demonstrations can instead serve as a reusable data interface for different dexterous hands, without collecting task demonstrations on each target robot.

巧緻操作
論文全文を読む（PDF）
arXiv
VLA上級

Beyond Actions: Learning Future Operation Targets for Vision-Language-Action Models

Min Lin, Bokai Zhou, Jianqi Lin, Kaiyuan Yang, Yicheng Chang, Junjie Yu, Xiaofan Liu, Jianhua Han, Rui Li, Shen Zhao, Xiaodan Liang

Actions specify what a robot should execute, but do not describe what those commands will achieve. Vision-language-action (VLA) policies nevertheless learn primarily by predicting action chunks from images, language, and state.

巧緻操作VLA
論文全文を読む（PDF）
arXiv
Dexterous manipulation上級

3D世界行動モデルPointWAM、DexJoCo器用操作で平均成功率69.0%を達成

Chunghyun Park, Beomjun Kim, Seungcheol Park, Heeseung Kwon, Yashu Shukla, Seunghoon Sim, Jinwoo Shin, Minsu Cho

本論文はプレプリントである。PointWAMはシーン点群と手のキーポイントを共通の時空間座標で3D点軌跡として同時予測する世界行動モデルである。人間動画による事前学習でDexJoCo平均成功率が56.9ポイント向上し、シーン軌跡の教師信号が10.9ポイントの追加効果を示し、GR00T N1.6を11.7ポイント上回り、実機でも最大25ポイントの差をつけた。

巧緻操作
論文全文を読む（PDF）
arXiv
Dexterous Manipulation中級

DexJoCo-X、7ハンド6タスクで行動表現を比較しFAASとNativeが拮抗

Xiangwei Jiang, Yao Mu, Lixin Duan, Wen Li

本論文（プレプリント）は、7種類の器用ハンドと6タスク、2100件のデモンストレーションからなるベンチマークDexJoCo-Xを構築した。同一条件でNative、FAAS、DexLatentの3つの行動表現をBeing-H0.5で比較し、FAASが平均47.7%、Nativeが47.0%、DexLatentが33.1%の成功率を報告した。行動表現の効果は事前学習やアーキテクチャと一体で評価すべきだと示した。

巧緻操作
論文全文を読む（PDF）
arXiv
Dexterous manipulation上級

FlashDexRetargetが多動作リターゲティングで器用操作データ生成を加速、成功率90%と計算コスト100分の1を実現

Kyungmin Lee, Sibeen Kim, Dongyoon Hwang, Yoonsang Oh, Donghu Kim, Youngdo Lee, I Made Aswin Nahrendra, Jaegul Choo, Hojoon Lee

FlashDexRetargetは、人間の手と物体のデモンストレーションからロボットの器用な操作データを生成するRLベースのフレームワークである。50モーションのベンチマークで90%の成功率を達成し、評価したサンプリングベース手法の約2.5倍、RLベースのCHORDより約100倍少ない計算コストで済むと報告した。本論文はプレプリントであり、査読済みではない。

巧緻操作
Sharpa
論文全文を読む（PDF）
arXiv
World-Action Models上級

WAMの展開後学習DEWO、成功と失敗の視覚的将来から世界モデルを更新し器用操作を改善

Xiangcheng Zhan, Zirui Chen, Yicheng Zhao, Ziteng Gao, Shuo Yang

World-Action Model（WAM）の展開後学習手法Direct Experience World-Model Optimization（DEWO）を提案した。インタラクションの分岐点で成功継続と失敗継続を収集し、視覚的未来の条件付き学習と進捗ゲート付きガイダンスを組み合わせる。5つのDexJoCoタスクで3種のWAMすべての平均成功率を改善し、実機の2つのハンドと4物体の把持配置タスクで展開学習2回により初期成功セルでの成功率が51.0%から71.7%に向上した。本論文はプレプリントである。

巧緻操作
論文全文を読む（PDF）

テーマ別ページ

マニピュレーション 8VLA 4World Action Models 5Aerial manipulation 3Dexterous manipulation 3Sim-to-Real Manipulation 3Social Navigation 3

論文は arXiv のロボティクス分野から取得しています。当社の要約が未作成の場合は、要旨の冒頭を表示します。