MEKAWIRE
연구

논문

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

논문 4편
주제전체Manipulation 27VLA 22Perception 12Robotics 11Navigation 10Humanoid 9Learning 8Safety 5World Action Models 4Simulation 3Aerial manipulation 2Dexterous manipulation 2Sim-to-Real Manipulation 2Social Navigation 2Vision-Language Navigation 2World models 2World-action model 23D Assembly 13DGS dataset 15G Simulation 1AMR Operations 1Active vision manipulation 1Adaptive MPC 1Adaptive action horizons 1Adaptive intervention 1Aerial 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 1Continuum sensing 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 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 control 1Humanoid loco-manipulation 1Humanoid safety 1Imitation Learning 1JEPA World Models 1Lab automation 1Laboratory Manipulation 1Latent World Models 1Legged Manipulation 1LiDAR Security 1Lifelong RL 1Locomotion 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 1Policy Optimization 1Preference Learning 1Quadruped locomotion 1Real-time VLA 1Real-to-sim 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 robotics 1Tactile 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-Action Models 1
난이도전체입문중급전문가
arXiv
World Action Models전문가

NAVA-WAM, 행동 주석 없이 비디오로 로봇 정책을 직접 사전학습

Zhaochong An, Fei Zhang, Menglin Jia, Duncan Frost, Zijian Zhou, Yikai Wang, Xudong Wang, Aditya Patel, Belinda Zeng, Tao Xiang, Serge Belongie, Amir Bar, Sen He

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.

논문 전문 읽기 (PDF)
arXiv
World Action Models전문가

XGenAct: 교차 태스크 생성으로 기하 정보를 강화한 월드 액션 모델

Tingting Du, Ziyao Wang, Guoheng Sun, Ang Li

이 논문은 arXiv에 공개된 프리프린트다. XGenAct는 RGB 관측, 로봇 행동, 계량 깊이, 표면 법선, 기능 역할 분할을 결정적 코덱으로 RGB 비디오로 변환해 하나의 비디오 확산 트랜스포머와 하나의 목적함수로 학습하는 월드 액션 모델이다. 학습에 포함되지 않은 RLBench 과제 5종에서 평균 폐루프 성공률 52%를 기록해 평가된 외부 정책 중 가장 높은 26%를 크게 웃돌았고, 구조적 인식 생성을 추가하면 RGB 단독 학습 대비 평균 성공률이 최대 28.75%포인트 올랐다.

논문 전문 읽기 (PDF)
arXiv
World Action Models중급

Completion Aware Guidance, 세계 행동 모델의 과제 미완료 상상을 추론 단계에서 줄인다

Seungyeon Kim, Junhoo Lee, Baekseung Kim, Minkyu Kim, Nojun Kwak

서울대, KAIST 연구진이 공개한 프리프린트에서 세계 행동 모델(WAM)이 과제 완료에 필요한 상태 전이를 빠뜨리는 '과제 미완료 상상' 문제를 지적하고, 학습 없이 추론 시점에 안내하는 Completion Aware Guidance(CAG)를 제안했다. DreamZero와 Fast-WAM에 적용했을 때 RoboTwin 2.0 아홉 과제 평균 성공률을 64.4%에서 70.0%로, DreamZero 제로샷 시뮬레이션 평균 성공률을 69%에서 75%로 높였다. 과제 미완료 상상에 기인한 실패 비율은 79%에서 40%로 줄었다.

논문 전문 읽기 (PDF)
arXiv
World Action Models전문가

ProWAM, 진행형 시각 하위 목표로 장기 로봇 제어 성능 높였다

Fei Zhang, Zhaochong An, Duncan Frost, Yikai Wang, Pengfei Liu, Ya Zhang, Michal Drozdzal, Amir Bar

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.

논문 전문 읽기 (PDF)

주제별 논문

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

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