ROBOTNESS
Forschung

Studien

Neue Studien zu Robotik und Physical AI, jeweils mit ihrer Bedeutung für die Branche.

1 Studien
ThemaAlleManipulation 18VLA 15Navigation 14Perception 9Robotics 9Learning 6Humanoid 5Safety 3Simulation 3Aerial Manipulation 1Co-speech Humanoid 1Distributed Manipulation 1Floorplan SLAM 1Grounding 1Humanoid control 1Locomotion 1Memory-centric VLA 1Model-based RL 1Multi-UAV State Estimation 1Policy 1Real-time VLA 1Safe RL-MPC 1Safe VLA 1Soft Pneumatic Actuators 1Tactile 1Terrain traversability 1Text-to-3D Policy 1Tool Co-Design 1UAV Navigation 1UAV traffic monitoring 1Visual Grounding 1World models 1World-action model 1
NiveauAlleEinstiegFortgeschrittenExperten
arXiv
Model-based RLExperten

PL-MPC erweitert TD-M(PC)2 um Multi-Step-TD, adaptive Terminalwerte und returngewichtete Aktordestillation

Kowndinya Boyalakuntla, Yuhan Liu, Abdeslam Boularias

Das Preprint stellt PL-MPC vor, eine Erweiterung des policy-constrained TD-M(PC)2-Rückgrats, die Critic-Supervision, MPPI-Terminalwertbewertung und Planer-zu-Policy-Transfer verändert. Auf HumanoidBench steigt der Total Average Return bei balance-hard von 98±18 auf 387±255 und bei hurdle von 199±13 auf 466±200; auf vier DMControl-Aufgaben bleibt die Methode konkurrenzfähig. In einem Sim-to-Real-Transfer mit einem KUKA IIWA14 erreicht PL-MPC höhere Erfolgsraten als TD-M(PC)2 auf der Trainingsgröße und zwei ungesehenen Objektgrößen.

Weltmodelle
Vollständige Studie lesen (PDF)

Die Studien stammen aus den Robotik-Feeds von arXiv. Solange unsere Zusammenfassung fehlt, erscheinen die ersten Zeilen des Abstracts.