새로 나온 로봇, 피지컬 AI 논문과, 각 논문이 업계에 갖는 의미.
FedCKA는 연합 학습 기반 3D 객체 인지에서 클라이언트별 도메인 편차를 다루기 위해 CKA(Centered Kernel Alignment)로 층별 표현 유사성을 측정하고, 유사성이 낮은 층만 개인화하는 동적 마스킹 전략이다. nuScenes 기반 5개 도메인 벤치마크에서 가장 강력한 기존 연합 방식 대비 평균 NDS를 7퍼센트포인트 높인 0.63을 기록했다. 이 논문은 아직 동료 심사를 거치지 않은 프리프린트다.
이 논문은 이벤트 카메라의 비동기 측정 시각을 유지하면서 실시간으로 스테레오 시각 주행 기록계(VO)를 추정하는 파이프라인을 제안했다. WNOA 사전 분포를 쓰는 Gaussian Process 회귀에서 상태를 희소 키타임(keytime)으로 줄이고 각 측정을 해당 시각으로 보간해 계산량을 낮췄다. MVSEC와 DSEC 데이터셋 평가에서 MVSEC 22Hz, DSEC 6Hz로 실행됐고, 유효 시퀀스 전체의 상대 이동/회전 RMS 오차는 각각 46×10^{-2} cm, 3.8×10^{-2}도로 ES-PTAM 대비 11배, 15배 우수했다. 아직 동료 심사를 거치지 않은 프리프린트다.
arXiv에 공개된 프리프린트에서 연구진은 진행형 시각 하위 목표를 예측하는 세계 행동 모델 ProWAM을 제안했다. ProWAM은 LIBERO-Plus에서 85.8%, 무작위 RoboTwin에서 75.7%를 기록했고, 실물 로봇 제로샷 평가에서는 70.0% 성공률로 DreamZero보다 15.0%포인트 높았다. 이는 밀집 비디오 롤아웃 없이 중간 시각 지침을 제공해 장기 조작 과제의 일반화를 끌어올린 결과다.
서울대 연구팀이 휴머노이드의 도구 선택부터 정지, 이동 실행까지 평가하는 HumanoidToolBench와 3,094개 시연 데이터셋 ToolBook을 내놓았다. 시뮬레이션 7개 정책과 실물 Unitree G1 3개 정책을 평가한 결과 도구 선택과 작업 완료 사이에 큰 격차가 나타났고, GR00T N1.7 프로브에서는 처음 보는 도구의 선택 정확도가 떨어지고 무관한 지시에도 작업 실행이 이어졌다. 아직 동료 심사를 거치지 않은 arXiv 프리프린트다.
IEEE Transactions on Industrial Informatics 게재 확정 논문으로, 시연 중 작업자-로봇 상호작용 강성과 궤적 변동성을 결합해 단계 중요도를 추론하고 Dynamic Movement Primitives(DMPs)의 기저 중심과 대역폭을 재배치하는 SC-DMPs를 제안했다. 필기 궤적과 실물 로봇 3개 과제에서 DMPs, ProMPs, ProDMP, GP-MP, KMP 대비 중요 구간 정밀도와 일반화 성능이 개선됐고, 온라인 모델 크기는 고전 DMP와 비슷한 약 1kB를 유지했다. 이 방법은 정밀 삽입처럼 국소 구간 오차 허용이 작은 작업에서 표현 용량을 효율적으로 배분하는 데 의미가 있다.
이 논문은 아직 동료심사를 거치지 않은 프리프린트다. PROMO는 추적, 안정성, 효율이라는 의미적 목표에 대한 선호를 실행 시 입력으로 받는 단일 사족로봇 보행 정책이다. 시뮬레이션 100개 선호 평가에서 평균 선호-목표 상관 0.8434, 낙상률 7.50%를 기록했고, 같은 정책을 Unitree Go2에 제로샷 전이해 선호만으로 단위 거리당 에너지를 최대 30.4%, 위치 오차를 38.7%, 최대 자세 편차를 59.0% 줄였다.
Recova는 재구성한 디지털 트윈에서 태스크 실행과 장면 복구를 함께 개발하고 실물 로봇 경험으로 검증, 개선하는 에이전트 안내 프레임워크다. LIBERO-Pro와 MolmoSpaces에서 평균 성공률 78.8%와 64.9%를 기록해 가장 강한 기준 모델 대비 각각 7.1%p, 26.9%p 높았고, 실물 로봇 4개 과제에서는 DAgger 미세조정과 복구 스킬을 더해 평균 87.5%를 달성했다. 이 연구는 arXiv 프리프린트로, 동료 심사 여부는 확인되지 않았다.
이 논문은 아직 동료 심사를 거치지 않은 프리프린트다. EIDA는 로봇의 저수준 제어기 응답을 실행 데이터에서 학습해 경량 시뮬레이터에 반영하는 방법으로, 시뮬레이션에서 훈련한 내비게이션 정책의 실로봇 전이를 개선했다. Jackal과 Go2 검증에서 5초 예측 오차가 최대 71.3% 줄었고, 100개 BARN 환경 평가에서 학습 정책 중 최고 성공률(전역 경로 없이 81.33%, 전역 경로 포함 89.33%)을 보였다. 실물 Unitree Go2 시험에서는 정적 장면 20회 모두 장애물 충돌 없이 목표에 도달해 기준 모델의 4회 성공을 크게 앞질렀다.
CriticHack은 시뮬레이터에서 과제 성공과 잘못된 물체 실패를 보상과 독립적으로 측정해, 로봇 정책 최적화가 시각 보상 모델의 의미적 오류를 증폭시키는지 평가한다. Robometer로 Diffusion Policy 전체 디노이저를 파인튜닝한 결과, 512개 평가 시드에서 과제 성공률이 10.2%p 오르는 동안 잘못된 물체 실패가 10.9%p 증가했고, 시뮬레이터의 완료 보상으로 학습하면 이런 증폭이 없었다. 이 연구는 arXiv 프리프린트다.
이 논문은 프리프린트로, 보행 중 6자유도 팔을 장착한 사족 로봇이 세계 좌표계의 엔드이펙터 궤적을 추적하도록 반응 일관 보행 정책과 정책 인지 모델 예측 제어(MPC)를 결합한 ReCo를 제안한다. 시뮬레이션 벤치마크에서 ReCo는 위치와 자세 RMSE를 각각 최고 기준 모델 대비 28.7%, 27.4% 낮췄고, 실물 로봇에서 온보드 연속 보행 조작을 시연했다. 예측 가능한 보행 응답을 정책 학습 단계에서 강제해 MPC가 팔과 다리를 함께 계획할 수 있게 한 점이 핵심이다.
프랑스 CentraleSupélec 연구팀이 관절별 잔여수명(RUL)을 RRT* 경로 계획의 비용 함수에 통합한 RUL-aware RRT*를 제안했다. UR5 6축 로봇팔 시뮬레이션에서 세 가지 열화 시나리오를 평가한 결과, 특히 국소 열화 시나리오에서 기준 RRT* 대비 첫 고장 작업 지수를 48~56% 늦추고 다른 시나리오에서도 관절 간 열화 불균형을 억제했다. 이 연구는 arXiv 프리프린트로 공개됐으며 동료 심사 여부는 확인되지 않았다.
프리프린트로 공개된 이 연구는 SpineGuard의 전기 생체임피던스 센서를 장착한 드릴 비트와 적응형 임계값 기반 실시간 감지 알고리즘을 결합한 로봇 척추경 드릴링 시스템을 제안했다. 돼지 척추뼈 51개를 대상으로 한 ex vivo 실험에서 모든 드릴링에서 척수관 파열 전에 드릴링을 멈춰 100% 예방했고, Gertzbein-Robbins 분류 기준 A 또는 B 등급을 기록했다. 이 방식은 방사선 영상 없이 드릴링 중 파열을 예방해 기존 내비게이션 시스템의 한계를 보완할 수 있다는 점에서 의미가 있다.
RADMCS는 스쿠버 탱크에 장착하는 웨어러블 수중 로봇으로, 단안 거리 추정과 추력기 차등 작동을 이용해 다이버에게 좌우 회전 햅틱 신호를 준다. 수중 인체 실험 8명을 대상으로 한 시험에서 폐쇄 수역과 해양 모두 최대 추력의 약 10% 수준에서 피험자가 방향 피드백을 인지했고, 안정적인 거리 추정이 유지될 때 벽과의 거리 유지 실험에서 올바른 회전 지시를 보였다. 이 논문은 동료 심사를 거치지 않은 프리프린트이며, 기존 수중 외골격보다 단순하고 약 1000달러에 조립 가능한 플랫폼을 제시한다.
DuoMind는 각 로봇에 VLM 오케스트레이터와 VLA 행동 모델을 결합하고 로봇 간 의미 통신을 추가한 분산형 계층적 다중 로봇 협업 프레임워크다. RoboPoly와 RoboTwin의 장기 작업에서 기준 모델보다 대부분 높은 성공률을 기록했으며, 통신 제거 실험을 통해 의미 메시지 공유가 부분 관찰 환경의 협업에 중요함을 확인했다. 이 논문은 arXiv 프리프린트로 공개됐으며 동료 심사 여부는 보고되지 않았다.
Honda Research Institute USA와 Johns Hopkins University 연구진이 공동 운반 과제에서 파트너 로봇의 관절 위치, 속도, 이동 방향 등 저수준 물리 제약을 사전 시연만으로 추론하는 프레임워크 Watch, Infer, Coordinate를 제안했다. 시뮬레이션 벤치마크 3종에서 추론 오차가 기존 CE-CM-Div 대비 크게 줄었고, 장애물이 있는 새 과제의 제로샷 협동 성공률은 2D rod 92.6%, 고정 베이스 dual-UR5 85.2%, 이동형 dual-UR5 63.0%로 실제 제약을 아는 Oracle에 근접했다. 이 논문은 arXiv 프리프린트다.
이 논문은 프리프린트로, 잠재 세계 모델 계획에서 후보 행동을 평가하는 잠재 상태가 성공 기준 물리량을 충분히 정밀하게 담지 못하는 문제를 해결하고자 훈련 중에만 성공 기준 물리량을 회귀하는 보조 손실을 제안했다. LeWM에서 PushT는 3.5%포인트, cube는 3.4%포인트, stack은 5.05%포인트의 절대 성공률 상승을 보였고, 동결된 DINOv2 인코더를 쓰는 시스템에서도 stack 기준 최대 7.10%포인트 개선이 재현됐다. 훈련 뒤 선형 헤드를 버려 시험 시간 모델과 입력, 비용이 같아 실용적이다.
이 논문은 프리프린트이며 IEEE CCNC 2027 발표 승인을 받았다. 각 UAV에 독립 소형 언어 모델 에이전트를 두고 원자 노트 기반 컨텍스트 관리와 의미적 새로움과 최신성을 반영한 결정적 Interest-Aware Gossip Engine을 결합했다. 10대 UAV 시뮬레이션 탐색 구조 임무에서 모든 실행을 완료했고, Full Flood 대비 추론 토큰은 약 절반, 전송 데이터는 6~7MB에서 0.5MB 미만으로 줄었다.
ENAC 연구팀이 공개한 프리프린트에서 온보드 LiDAR만으로 미지 환경을 비행하는 초소형 비행체(MAV)용 유도 시스템 LiDARFlow를 제안했다. 이 시스템은 유체역학 기반 PGFlow 패널 장애물 회피와 수렴형 유도 벡터장을 결합해 실내 비행 시험에서 경유점 이동과 방향 추종 두 시나리오 모두 충돌 없이 임무를 완수했다. 지도와 사전 장애물 정보 없이 Raspberry Pi 온보드에서 실시간 동작할 만큼 가볍다는 점이 핵심이다.
KTH 왕립공대 연구팀이 생산물류 실험실에서 wheel.me 자율이동로봇 1대를 9개 8시간 교대조로 운영하며 작업, 디스패치 이벤트, 로봇 상태를 함께 기록한 MoRoOp 데이터셋을 공개했다. 이 프리프린트에 따르면 데이터셋은 1,382개 작업, 4,815개 작업 단위, 19,352개 디스패치 이벤트, 140,386개 로봇 상태 관측을 포함하며 지연, 경로 방해, 실패 같은 실제 운영 이상도 기술적으로 유효하면 보존했다. 계획과 실행을 같은 시스템에서 연결해 AI 에이전트 평가, 이상 탐지, 데이터 기반 시뮬레이션 등에 쓸 수 있다.
연구진은 힘줄 구동 강성-연성 손가락의 작동-동작 관계를 연속 자코비안 필드로 학습하는 Jacobian Flow Matching(JFM)을 제안했다. 단일 단계 예측에서 점별 자코비안 학습 기준 모델 대비 전역 평균 RMSE를 53% 이상 줄였고, 성긴 샘플링(stride=8) ODE 롤아웃에서 RMSE 중앙값을 14.43% 개선했다. 이 연구는 프리프린트로 공개됐으며, 오프라인 궤적 최적화에 활용할 수 있는 국소 모델을 제시한다.
논문은 arXiv 로봇 피드에서 가져옵니다. 요약이 아직 작성되지 않은 논문은 초록의 첫 부분을 보여줍니다.