새로 나온 로봇, 피지컬 AI 논문과, 각 논문이 업계에 갖는 의미.
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.
이 논문은 기존 단일 UAV 표본 기반 탐사 플래너를 중앙 집중형 다중 UAV 시스템에서 그대로 쓸 수 있게 하는 프레임워크를 제안한 프리프린트다. voxblox를 확장해 여러 UAV의 깊이 측정을 하나의 전역 TSDF 지도에 실시간으로 융합하고, UAV 간 충돌 회피와 상호 재구성 방지 필터를 통합했다. 시뮬레이션에서 3대 UAV로 네 가지 플래너를 평가한 결과, 같은 플래너라도 UAV를 서로 다른 지점에서 시작하는 Separated Start 배치가 한곳에서 시작하는 Joint Start보다 탐사 속도와 커버리지가 일관되게 빨랐다.
StreamRig는 캘리브레이션된 다중 카메라 리그를 위한 인과적 스트리밍 오도메트리 프레임워크다. 이 프리프린트는 고정된 멀티뷰 3D 기반 모델 위에 경량 백엔드만 학습시켜 NCLT, TartanGround, KITTI-360, 자체 수집한 휴머노이드 데이터셋 ZJH에서 비오라클 기준 모델 중 가장 낮은 병진, 회전 드리프트를 달성했다. 5대 카메라 리그를 26.2ms, 2.6GiB로 처리해 단일 카메라 스트리머 CUT3R보다 빠르고 메모리 효율적이다.
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.
이 논문은 음성 오디오와 시간 정렬된 대본을 함께 조건으로 사용해 휴머노이드 로봇의 전신 코스피치 동작을 생성하는 ECHO-G를 제안한다. BEAT2 기반 로봇 데이터셋에서 기존 인간 동작 생성 후 리타게팅 파이프라인보다 코스피치 지표와 처리 시간이 우수했고, Unitree G1 실물 로봇 배포를 시연했다. 프리프린트다.
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.
arXiv 프리프린트로 공개된 이 연구는 사전학습된 VLA 정책을 재학습 없이 보호하는 런타임 안전 필터를 제안했다. 그리퍼, 손목, 전완을 5개 타원체로 감싸고 희소 광학 흐름으로 위험 물체의 타원체 중심을 이동시키는 방식으로, 시뮬레이션 이동 위험물 벤치마크에서 충돌률을 65.62%에서 27.27%로 낮추고 안전 성공률을 29.35%에서 50.43%로 높였다. 물리 SO-101 팔에서는 16회 중 위험물 접촉이 비차폐 11회에서 차폐 3회로 줄었으며, 엣지 CPU에서 배리어가 99백분위 2.2ms로 실행됐다.
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.
STARS는 인간-로봇 상호작용 장면의 물리적 시공간 역학을 그래프 오토인코더로 압축해 사회적 의미를 담는 노드 표현을 학습하는 프리프린트 연구다. SEAN-T와 SocialNav-SUB에서 동결된 표현에 선형 프로브만 얹어 평가한 결과, 특히 행동 분류 과제에서 STARS-He가 라벨 1%로 macro F1 0.362, 100%로 0.503을 기록해 비정형 기준을 크게 앞섰다. 이는 HRI 데이터 부족 문제를 구조적 귀납 편향으로 완화할 가능성을 보여준다.
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.
arXiv 프리프린트인 이 논문은 범용 에이전트가 렌더링된 2D 뷰와 포즈 편집 도구만으로 3D 부품을 조립하는 환경 AssemblyWorld와 벤치마크 AssemblyWorldBench를 제안했다. 80개 객체에서 뽑은 100개 과제로 8개 에이전트를 평가한 결과, 가장 강한 GPT-6 Astra가 부품 정확도 80.9%를 기록했지만 완전 조립 성공률은 59.4%에 그쳤고, 평가된 오픈소스 시스템은 실행 신뢰성과 조립 정확도에서 크게 뒤처졌다. 이는 범용 추론과 정밀 기하 복원 사이의 격차를 보여주며, 조립 에이전트 비교를 위한 공통 시험대가 된다.
드론 편대가 교차로를 순찰하며 정체를 감지하고 예측해 교통 신호를 적응 제어하는 시뮬레이션을 수행했다. 드론 수가 교차로 수에 가까워지면 감지율과 예측율이 정체됐고, 예측 기반 신호 조정은 감지 기반보다 정체 지속 시간 감소 효과가 약 2배 컸다. 이 논문은 arXiv 프리프린트다.
하얼빈공업대학(선전)과 Pengcheng Laboratory 연구팀이 공개한 프리프린트에서 VLA 모델의 새 작업 적응을 메모리 중심으로 바꾼 Optimus-R을 제안했다. Optimus-R은 학습 가능한 메모리 토큰을 VLA prefix 스트림에 삽입해 제어 관련 쿼리와 스킬 표현을 추출하고, 이를 쿼리-스킬 메모리 뱅크에 저장해 재사용한다. 실험에서 30% 학습 데이터만으로 LIBERO 평균 성공률을 16.5%p, CALVIN 평균 완료 길이를 0.42, RoboTwin 2.0 Hard 성공률을 5.0%p 높였고, 실물 로봇 20개 데모 크로스도메인 적응에서 33.3% 성공률로 π0.5 대비 13.9%p 우위를 보였다.
PhasePlan은 로봇 두뇌 모델이 고정 길이 행동 청크에서 미래 작업 단계를 위치별로 예측하고, 각 행동 토큰을 조건화하는 프레임워크다. π0.5 기반 컨베이어 조작 평가에서 오프라인 관절 행동 오차를 원본 대비 약 22.5% 줄였고, 단계 전환 모델링도 개선했다. 이 연구는 arXiv 프리프린트로 동료 심사를 거치지 않았다.
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.
논문은 arXiv 로봇 피드에서 가져옵니다. 요약이 아직 작성되지 않은 논문은 초록의 첫 부분을 보여줍니다.