새로 나온 로봇, 피지컬 AI 논문과, 각 논문이 업계에 갖는 의미.
PEWAM은 시연에서 객체의 3D 키포인트 궤적, 접촉점, 최종 상태만 뽑아 행위자를 제거한 효과 프로그램을 조건으로 실행을 생성하는 71.5M 파라미터 세계-행동 모델이다. 이 프리프린트는 LIBERO-Goal 비공개 과제 90개 중 한 시연 프로그램으로 40개(44.4%)를 성공시켰고, 같은 백본에 목표 이미지나 언어를 준 경우는 0%, 공개된 데모 조건 방식은 최고 21.1%였다고 보고한다. 같은 프로그램이 네 로봇 팔에서 재학습 없이 실행됐고 실제 Franka 팔에서 인간 비디오 프로그램이 40개 중 36개를 성공해, 편집 가능하고 로봇 간 전이 가능한 작업 인터페이스의 가능성을 보였다.
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.
Dream4ACT는 목표 관절 구성을 네 대의 고정 가상 카메라로 렌더링한 'action views'를 공용 행동 표현으로 쓰는 비디오 행동 세계 모델이다. arXiv 프리프린트이며 동료 심사 기록은 확인되지 않았다. RoboTwin 2.0에서 평균 성공률 88.98%, TriWorldBench에서 전체 점수 65.66을 기록했고, 공동 학습 체크포인트 하나로 시뮬레이션 로봇 5종과 실물 로봇 4종을 제어했다. 관절 구조가 다른 로봇에서 학습된 행동 디코더 없이 실행 가능한 관절 목표를 복원한 점이 핵심이다.
World-Action Models (WAMs) couple visual dynamics with action prediction, bringing the rich priors of pretrained video models to robotic manipulation. However, their multi-view interfaces typically tile images or concatenate tokens, leaving the geometric relationships among synchronized cameras implicit.
Robot policies are frequently trained from human corrections, yet teleoperating a robot to provide corrections is burdensome, and human demonstrators are not always optimal. We propose Blended DAgger (BlenDAgger), an approach for collecting data to train imitation learning policies by using shared control to blend the policy's and demonstrator's actions during interventions.
Real-world robot learning is constrained by the cost of collecting experience and evaluating candidate behaviors. Video generation models offer a scalable foundation for visual simulators that predict action outcomes before physical execution.
We study robotic in-context learning (ICL), an emerging paradigm that enables robots to infer and execute tasks from visual demonstrations. Despite its growing promise, the problem itself remains under-defined: a visual demonstration simultaneously conveys action trajectories, object semantics, manipulation affordances, spatial relations, and task goals, making it unclear what information the robot is actually expected to follow.
While contact-rich manipulation requires deliberate regulation of interaction forces, recent approaches to robot manipulation learning predominantly represent actions as target positions or poses. Even methods that incorporate force sensing either use it solely as an observation or, when predicting forces as part of the output, rely on a hybrid force controller.
Vision-language models can coordinate long-horizon robot manipulation, yet successful task reasoning still depends on whether local physical interactions produce the intended effects. We study how repeated interaction can improve this capability without updating the base model.
When interacting with an unfamiliar deformable material, a robot lacks prior knowledge of its physical properties and how it will respond to applied forces and motion. Rapid online identification is therefore essential for reliable manipulation.
Robotic foundation models (RFMs) are increasingly capable of general-purpose manipulation, yet reliable physical interaction remains challenging in contact-rich settings. We present FP2, a lightweight downstream interface that equips task-adapted RFMs with explicit force control while preserving their action-generation capability.
논문은 arXiv 로봇 피드에서 가져옵니다. 요약이 아직 작성되지 않은 논문은 초록의 첫 부분을 보여줍니다.