새로 나온 로봇, 피지컬 AI 논문과, 각 논문이 업계에 갖는 의미.
이 논문은 학습 없이 동작하는 확산 기반 다중 에이전트 경로 계획기 TFDP를 제안했다. TFDP는 신경망 전역 스코어 대신 평활도, 장애물 회피, 에이전트 간 분리, 속도 제약에서 유도한 해석적 로컬 스코어를 사용한다. 표준 벤치마크에서 Dense 18대를 제외한 모든 설정에서 100% 성공률을 보였고, 300대 로봇과 100개 장애물 환경에서 A100 GPU 기준 평균 5.39초 만에 실행 가능 경로를 생성했다. 이 연구는 프리프린트다.
이 논문은 arXiv 프리프린트로, 고충실도 데이터가 부족한 온폴리시 강화학습에서 저충실도 시뮬레이션 데이터를 제어변수로 사용해 정책 기울기 추정의 분산을 줄이는 MFPG-PPO와 예산 인지형 변형을 제안했다. 시뮬레이션 보행 과제에서 MFPG-PPO는 거의 모든 설정에서 고충실도 데이터만 쓴 PPO보다 좋았고, 가장 어려운 과제의 작은 데이터 예산에서는 고충실도 데이터를 16배 더 쓴 PPO와 비슷한 성능을 냈다. 실제 Franka 팔에서는 업데이트당 실제 에피소드 4개만으로 성공률 91.7%를 달성해 데이터 부족 상황의 로봇 학습에 중요하다.
상하이테크대 연구진이 실물 객체의 기하 정보에 접촉 규모 촉각 미세 지형과 동적 온도장을 결합한 시뮬레이션용 자산 생성 프레임워크 TouchTherm을 제안했다. 20개 객체 실험에서 30초와 45초 뒤 표면 온도 예측 오차는 각각 0.465°C와 0.592°C였고, 시뮬레이션 촉각 이미지만으로 학습한 분류기의 실물 촉각 인식 Top-1은 34.0%로 조악한 기하 기반보다 14.0%포인트 높았다. 이 논문은 프리프린트로 공개됐다.
이 프리프린트에서 연구진은 오프라인 데이터에서 조작 능력을 골라 시뮬레이션 연습 과제를 만들고, 실행 피드백으로 공유 기술과 시스템 프롬프트를 고치는 Reconstruct, Practice, Go Real(RPG)을 제안했다. RPG는 22개 조작 과제의 별도 초기화 평가에서 첫 연습 라운드 28.6%에서 15라운드 뒤 95.0%로 성공률을 끌어올렸고, ASPIRE 75.5%와 GPT-6 Astra Pro 기반 CaP-Agent0 60.0%를 넘었다. 같은 보정 절차를 거친 물리 로봇 시험 30회에서도 모두 성공했다.
이 논문은 4대 이상의 UAV가 케이블로 화물을 들 때 장력 분배가 불균형해지는 문제를 해결하는 AFD-CAMLs 프레임워크를 제안했다. 전역 플래너가 실행 가능한 장력 기준을 만들고 이를 중앙 NMPC 비용에 반영하며, 어드미턴스 필터가 온보드 장력 추정으로 각 UAV의 위치, 속도, 가속도 기준을 보정한다. arXiv 프리프린트이며, 시뮬레이션 4대에서 10대와 실물 4대 실험에서 정지 비행과 고기동 궤적 모두 장력 불균형이 줄었고 화물 추적 성능은 유지됐다.
ActiveWAM은 카메라 시점과 양팔 동작을 하나의 World-Action Model에서 함께 생성하는 능동 시각 조작 정책이다. 훈련 중 과제 증거와 시간적 변화를 보존하는 history inversion을 쓰고, 실행 시에는 원본 관측만으로 stay와 재획득 동작을 포함한 머리, 팔 궤적을 만든다. 동료 심사가 확인되지 않은 프리프린트 기준으로 TAVIS 분포 외 성공률을 최대 17.0%p, RoboTwin-AV compound 성공률을 Fast-WAM 대비 20.0%p, 실물 주방 과제에서 26.7%p 높였다.
프리프린트로 공개된 이 연구는 3D 소나 반사점에서 다이버의 위치와 전신 방향을 9자유도 3D 바운딩박스로 검출하는 SonarVoxNet과 최초의 3D 소나 다이버 방향 데이터셋 Diver3D를 제안했다. yaw만 예측하던 기존 LiDAR 검출기와 달리 연속 6D 회전 표현으로 full-SO(3) 방향을 예측했고, Diver3D 테스트에서 [email protected] 기준 0.703, 추론 후 기하 정제로 0.774를 기록했다. 이는 3D 소나만으로 자유롭게 기울고 구르는 다이버의 방향을 복원할 수 있음을 보여 수중 인간-로봇 상호작용의 기반을 마련했다.
프리프린트로 공개된 이 논문은 점군 관측을 사용하는 대규모 실외 디지털 트윈에서 동작하는 샘플링 기반 belief space planning 알고리즘 Informed BLT*를 제안했다. RRT*와 Informed RRT*를 2-Wasserstein 거리 기준으로 belief space에 적용했고, 등방성 가우시안 belief 가정 아래 폐형 belief 도달 조건을 도출해 관측 전파를 반복하지 않고 steering과 rewiring을 수행한다. 16개 시뮬레이션, 디지털 트윈 환경 8000회 실험에서 대부분 지도에서 초기 해 발견이 빨랐고 최종 비용도 경쟁력이 있었다.
노스캐롤라이나주립대와 오하이오주립대 연구진이 GPU 병렬 로봇 학습 시뮬레이터 Isaac Lab에 5G NR 상향링크를 배치 단위로 통합하는 Isaac-Net을 arXiv 프리프린트로 공개했다. Isaac-Net은 ns-3 5G-LENA의 중앙값 지연을 경부하부터 포화 부하까지 중앙값 절대 오차 2.5~4.8%로 재현했고, 무작위 정책에서 로봇 1,048,576대를 GPU 1개로 네트워크 없이 돌릴 때의 83% 속도로 시뮬레이션했다. 이는 다중 로봇 정책이 5G 경합과 지연을 실제처럼 경험하며 대규모로 학습할 수 있음을 보인다.
Preprint. The authors introduce GroundAnything, a 4B-parameter visual grounding model that uses bidirectional diffusion with blockwise denoising for parallel spatial decoding instead of sequential autoregressive token generation. Its autoregressive variant, GroundAnything-VLM, reports 72.42% across 30 grounding benchmarks, ahead of GPT-6 Astra at 71.35%. This matters for latency-sensitive robotics and interactive vision systems that need fast, precise localization.
연구진은 로봇 팔이 쓰는 분말 분배 도구의 형태와 강화학습 제어 정책을 함께 최적화하는 Tool-Policy Co-Design 프레임워크를 제안했다. BOHB 기반 외부 루프와 SAC 기반 내부 루프로 도구 깊이, 폭, 림 스파이크 구조를 탐색하고, 유사한 기하 구조의 정책을 재사용해 탐색 속도를 높였다. 실물 로봇 실험에서 공동 설계한 도구는 표준 도구 대비 실제 계량 오차를 45% 줄였고, 이 논문은 동료 심사를 거치지 않은 프리프린트다.
미시간대, 듀크대 연구진이 공개한 프리프린트에서 노변 LiDAR 공격을 교통 장면에 맞춰 계획하는 TACTIC을 제안했다. TACTIC은 다중모달 LLM이 의미론적 장면 그래프를 만들고 push-away와 phantom-braking의 모드와 연속 파라미터를 함께 선택하며, CARLA 무작위 시험 280회에서 100% 충돌률을 기록했다. 고정 규칙 35%, 무작위 선택 60%, 제한적 LLM 75%와 대비되며, 물리, 영상 공동 입력이 100%인 반면 단일 입력은 65%와 75%로 떨어졌다.
DynaHarness는 시맨틱 추론과 물리 실행을 하나의 실행 계약으로 묶고 실패 증거를 재사용 가능한 능력 수정으로 바꾸는 동적 물리 하네스다. LIBERO-Pro의 새 초기 상태 800개에서 75.2%를 기록해 같은 냉동 π0.5 정책의 17.5%보다 57.8%포인트 높았다. arXiv 프리프린트로 공개됐으며, 물리 거버넌스와 자기 진화를 결합했다는 점에서 냉동 로봇 정책 배치에 중요하다.
벨기에 앤트워프대학교 연구진이 박쥐의 반향정위를 모방한 소나 전용 SLAM 시스템 BatSLAM 2.0을 프리프린트로 공개했다. 에너지 이미지에 방향 단서인 스펙트럼 형태 이미지를 더한 음향 전처리와 시퀀스 검증기, GTSAM 기반 자세 그래프를 결합했으며, 시뮬레이션 12개 주행에서 잘못된 루프 폐쇄 없이 정렬 후 오차 0.18에서 0.53m를 기록했다. 이는 카메라나 라이다가 취약한 어둡거나 먼지가 많은 환경에서 소나만으로 지도 작성과 위치 인식을 가능하게 한다.
FailBank는 런타임 CBF 교정 신호를 관찰 전용으로 수집해 VLA 정책을 LoRA로 반복 개선하는 프레임워크다. VLA-Arena 정적 장애물 평가에서 π0.5 백본 기준 평균 성공률을 66.0%에서 74.5%로 8.5%p 높이고 정책 유발 누적 비용을 35.6% 줄였다. 런타임 차폐 AEGIS와 비교하면 성공률을 25.4%p 높였으며, 이 연구는 프리프린트이고 실물 로봇 실험은 보고되지 않았다.
게임 속 1대1 대결과 자기 대국으로 사람이 직접 조종할 수 있는 로봇 모터 스킬을 찾는 프레임워크 GGSD가 프리프린트로 공개됐다. Ant, Franka 팔, Unitree G1 시뮬레이션에서 5~6개 이산 스킬만으로 의미가 뚜렷한 동작이 나왔고, 사람이 이 스킬을 조합해 미로와 큐브 밀기 같은 본 적 없는 과제를 추가 학습 없이 풀었다. 게임 규칙과 과거 자기 자신과의 경쟁이라는 가벼운 신호만으로 고자유도 로봇까지 확장 가능한 조종 인터페이스를 만들었다는 점이 중요하다.
이 논문은 로봇 안전 요구사항을 해석 가능한 1차 논리 규칙으로 표현하고, 시각 입력에서 안전 관련 술어를 학습하는 NEUPRO를 제안한다. REASON이라는 첫 실물 로봇 해석 가능 안전 벤치마크에서 NEUPRO는 과제 평균 0.92의 안전 분류 정확도를 보였고, 텐서 기반 추론기 대비 학습 9.1배, 추론 1.6배 빠르며 메모리 사용이 14.3배 낮았다. 이 연구는 아직 동료 심사를 거치지 않은 프리프린트다.
TacEx는 모델 예측 불확실성을 시각, 촉각, 잠재 상태로 분해하고 촉각 채널의 불확실성에 가중치를 부여해 로봇이 접촉이 많은 상호작용을 스스로 찾게 하는 프레임워크다. 이 논문은 프리프린트이며, 저자들은 보상 없이 탐색만으로 파지 행동이 나타나고 수집한 데이터로 오프라인 pick-and-place 정책을 학습했으며, 사전학습된 VLA 모델의 후학습에서도 표본 효율이 높아졌다고 보고했다.
SplineWAM은 세계 행동 모델(WAM)의 고정 길이 행동 청크를 B-스플라인 매개변수 창으로 바꿔 움직임 복잡도에 따라 실행 구간과 재계획 주기를 조절한다. LIBERO-Plus와 RoboCasa에서 행동 청크 기반 WAM 대비 성공률을 각각 8.2포인트, 4.4포인트 높이면서 에피소드당 정책 호출을 22%, 26% 줄였고, 실물 양팔 로봇 3개 과제에서도 기준을 대체로 앞서거나 맞먹었다. 이 연구는 아직 동료 심사를 거치지 않은 arXiv 프리프린트다.
Symbotic과 MIT 연구진이 공개한 프리프린트에서 다중 에이전트 경로 탐색(MAPF)용 프레임워크 MAGIC을 제안했다. MAGIC은 가우시안 마르코프 랜덤 필드와 가우시안 신뢰 전파로 관측되지 않은 위치의 주행 가능 확률을 추론하고, 우회 비용을 반영한 간선 비용을 표준 MAPF 플래너에 제공한다. 실험에서는 기존 접근법 대비 실행 총비용(SoC)을 96.3%의 인스턴스에서 낮췄고 최대 800개 에이전트까지 확장됐다.
논문은 arXiv 로봇 피드에서 가져옵니다. 요약이 아직 작성되지 않은 논문은 초록의 첫 부분을 보여줍니다.