새로 나온 로봇, 피지컬 AI 논문과, 각 논문이 업계에 갖는 의미.
Translating language into humanoid motion requires coordinating body parts, determining motion duration, and producing references suitable for robot execution. We introduce PartiGen, a part-aware latent diffusion framework that incorporates anatomical structure into a shared whole-body motion representation.
End-to-end planning in complex scenes must model diverse driving intentions and select the most appropriate trajectory using scene context and future risks. However, multi-query regression may collapse to one mode, while anchor-based and generative planners share a scaling bottleneck: small candidate sets limit maneuver coverage or discovery of high-quality trajectories, whereas large sets increase generation and scoring costs.
Robot policies often convert sensing and control into fixed-rate observation-action sequences, leaving physical time implicit in sequence position. This assumption breaks when observation rates or delays vary, or when inference latency changes.
A user who brings a generalist manipulation policy into their home or office wants it to pick up their objects from their shelves, counters, and tables. Yet even a strong generalist like $π_{0.5}$ achieves 0% pickup success in our captured deployment scenes without adaptation, and collecting real demonstrations in every user's environment is prohibitively expensive.
Nearly every autonomous or semi-autonomous flipper controller assumes access to an elevation map of the terrain under and in front of the robot. The terrain beneath the chassis is occluded in the sensors, so the map is remembered through odometry integration, whose drift corrupts it.
Autonomous landing of unmanned aerial vehicle (UAV) on unmanned surface vehicle (USV) is difficult in high sea states. Existing hierarchical landing methods often infer future USV motion only implicitly from short observation histories, which limits their ability to adapt to severe and rapidly changing sea conditions.
Humanoid tennis requires reactive whole-body coordination under rapidly changing ball dynamics, yet collecting task-specific motion-capture demonstrations that cover diverse approach states, contact locations, and timing conditions is costly. Inspired by how humans acquire new skills by combining reusable motor experience with task-specific demonstrations, we present ATHLETE, a framework for learning reactive humanoid tennis from generic locomotion data and ordinary tennis videos.
Generating edge case scenarios is crucial for training, testing and safety assuring autonomous systems. This identifies hazardous failures to increase system reliability and robustness, ensures the system can still function safely on the boundaries of its operational design domain and learns the expected system behaviour for these edge cases.
Scaling generalist robotic policies is limited by the high cost of collecting embodied interaction data. Large-scale egocentric human videos offer a rich alternative, but they lack robot action labels, and existing action annotation methods are often noisy under real-world visual complexity and diverse manipulation dynamics.
World Action Models (WAMs) inherit powerful priors from pretrained video generation models, but their variational autoencoder (VAE) representations are optimized for visual reconstruction rather than manipulation. External visual representations can improve manipulation, but existing methods couple representation choices with different integration mechanisms, obscuring their individual effects.
이 논문은 생성형 플래너가 전체 궤적을 한 번에 샘플링하면서 안전 제약을 반복 적용하던 구조를 버리고, 물리 시간에 맞춰 한 스텝씩 상태를 생성하는 SafeStreamingFlow를 제안했다. Maze2D, F1TENTH, 호퍼, 창고 내비게이션 시뮬레이션에서 실행 단계 안전 위반과 지연 시간을 크게 줄이면서 목표 도달 성공률을 유지했다. 동료 심사 없이 공개된 프리프린트다.
텍사스텍대 연구진은 탐색과 실행을 하나의 행동 분포로 통합한 Empowerment 기반 MPC 프레임워크를 제안했다. 이 프리프린트는 희소 목표 비용만으로는 실패하는 단진자, 카트폴, 이중진자 과제에서 임파워먼트와 목표 비용을 결합해 최고 100% 성공률을 기록했고, 넘어진 호퍼가 별도 회복 목표 없이 스스로 일어나는 행동도 보였다. 2차 미분 없이 1차 민감도만으로 임파워먼트를 추정해 표준 샘플링 MPC 솔버와 결합할 수 있다는 점이 실용적 의미다.
NAVA-WAM은 행동 라벨이 없는 관찰 비디오에서 미래 프레임 예측만으로 Action-DiT를 직접 사전학습하는 세계 행동 모델이다. LIBERO 99.0%, LIBERO-Plus 83.5%, RoboTwin 2.0 Clean 88.5%, Random 73.6%를 기록했고, 실물 Franka FR3에서 93.3% 성공률로 DreamZero 66.7%, π0.5 53.3%를 앞섰다. arXiv 프리프린트이며, 행동 주석 데이터 의존을 줄이는 확장 경로를 제시한다.
프리프린트 논문에서 제안된 SimpleTouch는 사전학습된 VLA pi0.5에 동결된 촉각 인코더와 촉각 전문가를 더해, 과제별 시연 50개만으로 촉각 정책 사전학습이나 별도 정렬 없이 접촉 풍부 조작을 학습한다. UniVTAC 시뮬레이션 6개 과제 평균 성공률 77.5%로 기존 사전학습 촉각 정책 FTP-1의 66.7%를 10.8%포인트 앞서고, 실제 로봇 4개 과제 평균 71.3%로 FTP-1 대비 8.8%포인트 높았다. 이는 강한 사전학습 표현이 있으면 대규모 촉각 정책 사전학습 없이도 접촉 중심 조작이 가능함을 보여준다.
이 논문은 arXiv 프리프린트로, LiDAR 기반 쿼드로터가 바람이나 매달린 하중 같은 외란 속에서도 안전하게 비행하도록 계획과 제어를 한 번에 푸는 DR-IPC를 제안했다. EKF와 비선형 외란 관측기를 연결해 상태를 필터링하고 외란을 재구성해 NMPC 예측에 넣었으며, 안전비행구역 위반을 하드 제약 대신 소프트 페널티로 처리했다. Gazebo에서 외란이 있는 멀티골 임무 완료 횟수가 IPC의 1/10에서 DR-IPC는 9/10으로 늘었고, 실험에서는 고도 RMSE가 0.34 m에서 0.01 m로 줄었다.
RoboBridge는 사전 학습된 비전-언어-행동 정책을 재사용 가능한 행동 도구로 활용하면서, 작업 지식을 절차적 기술로 저장하고 실행 피드백으로 수정, 검증하는 자기 진화 에이전트 프레임워크다. LIBERO-PRO 시뮬레이션에서 전체 성공률 74.4%를 기록해 비교 기준인 Harness VLA의 72.1%를 넘었고, 실물 로봇 3개 과제에서 시뮬레이션 기술을 직접 이전했을 때 성공률이 향상됐으며, 실물 피드백으로 추가 적응해 최대 15/15 성공을 달성했다. 이 논문은 프리프린트이며, 시뮬레이션 경험을 실물 적응의 초기 지식으로 삼아 상호작용과 토큰 비용을 줄이는 경로를 제시한다.
이 논문은 실물 로봇 온라인 강화학습에서 자율 실행과 자동 보조 행동 사이의 제어를 학습하는 UniIntervene++를 제안한다. 다섯 가지 실물 조작 과제에서 평균 성공률 89.67%를 기록해 최고 기준 모델보다 6%포인트 높았고, 인간 개입률은 0.77%로 가장 낮은 기준 모델 대비 94.6% 줄었다. 아직 동료 심사를 거치지 않은 프리프린트이며, 개입 시점과 방식을 정책의 역량 변화에 맞춰 조정한다는 점에서 중요하다.
이 논문은 arXiv 프리프린트다. SceneFactory-3D는 GPU 배치 기반 물리 접지형 다중 에이전트 주행 시뮬레이터로, 휠 접촉점별 타이어 힘과 3D 지형을 반영해 같은 교통 시나리오와 제어기에서 도로 마찰과 경사만 바꾼 반사실 평가를 병렬로 실행한다. 마찰계수가 1.0에서 0.18로 떨어지면 학습 정책의 안전 통과율이 6~90%p 하락했고, 모든 학습 정책에서 근접 충돌 상황이 더 잦아졌다.
OmniAct3D는 원근 영상으로 학습한 비전 기반 모델(VFM) 3D 검출기를 단일 등장방형 영상(ERP) 파노라마에 적응시키는 프레임워크다. Spheriverse에서 기존 최고 NDS를 2.96포인트, PanoMMOcc에서 비적응 VFM 기준선 대비 mAP를 24.87포인트 개선했다. 이 논문은 아직 동료 심사를 거치지 않은 프리프린트다.
이 논문은 스테레오 관성 오도메트리(VIO)의 시각 전면부를 상용 스마트폰의 Hexagon DSP로 오프로드하는 HexVIO를 제안한 프리프린트다. 삼성 갤럭시 S23에서 Basalt 전면부를 DSP에서 실행해 CPU 대비 전력 67% 절감 또는 같은 전력에서 처리량 86% 증가를 보였고, 30fps 실시간 추적을 0.83W로 유지해 15Wh 배터리 기준 약 18시간 추적이 가능하다. 스테레오 관성 추적에 Hexagon DSP를 적용한 첫 오픈소스 구현이다.
논문은 arXiv 로봇 피드에서 가져옵니다. 요약이 아직 작성되지 않은 논문은 초록의 첫 부분을 보여줍니다.