MEKAWIRE
연구

논문

새로 나온 로봇, 피지컬 AI 논문과, 각 논문이 업계에 갖는 의미.

논문 2편
주제전체매니퓰레이션 76VLA 65내비게이션 35로봇 일반 32로봇 학습 27인지 22휴머노이드 21시뮬레이션 15보행 13안전 11World Action Models 4World-action model 3Aerial 2Aerial manipulation 2Dexterous manipulation 2Sim-to-Real Manipulation 2Social Navigation 2Vision-Language Navigation 23D Assembly 13DGS dataset 15G Simulation 1AMR Operations 1Active vision manipulation 1Adaptive MPC 1Adaptive action horizons 1Adaptive intervention 1Aerial Manipulation 1Aerial navigation 1Agricultural Robotics 1Articulation Estimation 1Autonomous Driving 1Autonomous Exploration 1Battery-aware RL 1Belief-space planning 1Bimanual Manipulation 1Byzantine localization 1Canal inspection 1Co-speech Humanoid 1Compositional Manipulation 1Construction navigation 1Contact-Rich Manipulation 1Contact-rich Manipulation 1Continual reinforcement learning on top of robot foundation models 1Continuum sensing 1Cross-embodiment transfer of humanoid whole-body controllers 1Curriculum RL 1Dexterous Manipulation 1Distributed Manipulation 1Distribution Shift 1Driving Simulation 1Efficient VIO 1Egocentric data 1Egocentric video 1Embodied Agents 1Embodied policy 1Empowerment MPC 1Endoscopic navigation 1Endovascular robotics 1Evaluating robot world models against real executions 1Event-camera VO 1Exoskeletons 1Failure recovery 1Federated 3D Perception 1Fisheye detection 1Floorplan SLAM 1Geometry-aware manipulation 1Grasping 1Grounding 1Humanoid Control 1Humanoid RL 1Humanoid Tool Use 1Humanoid loco-manipulation 1Humanoid safety 1Humanoid whole-body control 1Imitation Learning 1JEPA World Models 1Lab automation 1Laboratory Manipulation 1Latent World Models 1Legged Manipulation 1LiDAR Security 1Lifelong RL 1MAPF 1MAV guidance 1Manipulation LfD 1Manipulation Safety 1Marine simulation 1Memory-centric VLA 1Miniature Locomotion 1Mining Perception 1Mobile manipulation 1Model-based RL 1Monocular SSC 1Motion Planning 1Multi-Agent RL 1Multi-Robot Exploration 1Multi-Robot Manipulation 1Multi-UAV Exploration 1Multi-UAV State Estimation 1Multi-agent RL 1Multi-agent motion planning 1Multi-camera odometry 1Multi-fidelity RL 1Multi-robot manipulation 1Multi-skill Manipulation 1Multi-view perception 1Multimodal simulation 1Navigation & Mapping 1Object Pose Estimation 1Object Search 1Panoramic 3D Detection 1Panoramic segmentation 1Pedestrian tracking 1PersonNav 1Planning 1Policy Optimization 1Preference Learning 1Quadruped locomotion 1Real-time VLA 1Real-to-sim 1Reinforcement learning for industrial assembly 1Representation alignment 1Robot-Use Agents 1Runtime Verification 1Safe Generative Planning 1Safe RL-MPC 1Safe VLA 1Safety monitoring 1Safety-critical control 1Sim-to-real Navigation 1Sim-to-real manipulation 1Simulation geometry 1Skill Discovery 1Social navigation 1Soft Pneumatic Actuators 1Soft manipulation 1Sonar SLAM 1Streaming 3D reconstruction 1Submovement decomposition 1Surgical 1Surgical robotics 1Tactile Exploration 1Tactile VLA 1Temporal manipulation 1Terrain traversability 1Text-to-3D Policy 1Tool Co-Design 1Trajectory Correction 1Traversability 1UAV Navigation 1UAV Swarms 1UAV traffic monitoring 1Underwater Robotics 1Underwater active mapping 1Underwater perception 1Unified world-action model 1VLA Conditioning 1VLA Defense 1VLA Robustness 1VLA evaluation 1VLA manipulation 1VLA robustness 1Video world models 1Visual Generalization 1Visual Grounding 1Visual Reward Models 1Visuomotor Fusion 1Visuotactile manipulation 1World Models 1World models 1World-Action Models 1
난이도전체입문중급전문가
기술 필터 적용 중: 모방 학습, 해제
arXiv
World-action model전문가

월드 액션 모델에는 어떤 시각 표현이 필요한가, 갤봇과 중국과학원의 비교 연구

Kai Liu, Jiangran Lyu, Tingyu Deng, Yixin Zheng, Jingtian Wan, Wenbo Cui, Mi Yan, Yizhou Zhou, Haoran Li, Dongbin Zhao, Zhizheng Zhang, He WangInstitute of Automation, Chinese Academy of Sciences; Galbot; Peking University; University of Science and Technology of China

중국 휴머노이드 기업 갤봇(Galbot)과 중국과학원 연구진이 영상 생성 기반 로봇 두뇌에 어떤 기성 이미지 인코더를 붙여야 성능이 오르는지 비교한 프리프린트를 공개했고, 강력한 범용 인코더 하나가 개선 효과의 대부분을 낸다는 결론을 얻었다. 이를 바탕으로 만든 조합은 휴머노이드 탁상 작업 벤치마크 RoboCasa GR1에서 84.7%로 최고 기록을 냈고 갤봇 실물 로봇 과제 3개에서 성공률을 10%포인트씩 끌어올렸다.

월드 모델VLA로봇 파운데이션 모델모방 학습
GalbotNVIDIAPhysical Intelligence
논문 전문 읽기 (PDF)
arXiv
World-action model중급

Magic-W0: 물리 지능을 위한 구조화된 월드 액션 파운데이션 모델

Xuhua Chen, Zhenhan Yin, Yuan Zhang, Lingfeng Zhang, He Zheng, Tong Mu, Shun Zuo, Dian Zhou, Di Wu, Xuan Zhou, Shaojie Wan, Rongtian Shen, Qiulong Xu, Yiduo Li, Yinglong Wang, Yanqian Wang, Kun Wang, Tao ZhangMagiclab Robotics Inc. (Magic-Lab Team)

로봇 기업 매직랩(MagicLab)이 동작을 고르는 동안 장면의 3D 구조가 어떻게 움직이고 동작 뒤 장면이 어떤 모습이 될지를 함께 예측하는 34억 파라미터 로봇 모델 Magic-W0를 프리프린트로 공개했다. 10월 3일 개정판에서 RoboDojo-Sim 순위표 평균 36.75점으로 1위에 올랐지만 2위와 차이는 0.48점에 그쳤고, 실제 로봇 5개 과제에서는 피지컬인텔리전스의 π0.5를 94.6% 대 91.8%로 앞섰다.

월드 모델VLA로봇 파운데이션 모델모방 학습
Physical IntelligenceMagicLabAgiBotNVIDIA
논문 전문 읽기 (PDF)

주제별 논문

매니퓰레이션 8VLA 4World Action Models 5World-action model 3Aerial manipulation 3Dexterous manipulation 3Sim-to-Real Manipulation 3Social Navigation 3

논문은 arXiv 로봇 피드에서 가져옵니다. 요약이 아직 작성되지 않은 논문은 초록의 첫 부분을 보여줍니다.