ROBOTNESS
Forschung

Studien

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

1 Studien
ThemaAlleManipulation 16VLA 15Navigation 11Perception 9Robotics 9Learning 6Humanoid 5Safety 3Simulation 3Adaptive action horizons 1Aerial Manipulation 1Co-speech Humanoid 1Continuum sensing 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 1Trajectory Correction 1UAV Navigation 1UAV traffic monitoring 1Underwater active mapping 1Vision-Language Navigation 1Visual Grounding 1World models 1World-action model 1
NiveauAlleEinstiegFortgeschrittenExperten
Gefiltert nach Technologie Vision-Language-Action-Modelle, zurücksetzen
arXiv
Safe VLAExperten

FailBank: Self-Evolution von Vision-Language-Action-Modellen durch Laufzeit-Feedback

Mingyue Cui, Zheyuan Liu, Yihan Zhu, Zheyuan Zhang, Meng Jiang

FailBank ist ein vierstufiges Self-Evolution-Framework, das Laufzeit-Feedback einer CBF-basierten Sicherheitskomponente in persistente Policy-Verbesserungen für Vision-Language-Action-Modelle umwandelt. Ein Preprint auf arXiv berichtet, dass FailBank die Aufgabenerfolgsrate gegenüber den Basispolicies um 8,5 bzw. 6,9 Prozentpunkte steigert und die policy-induzierten kumulativen Kosten um 35,6 bzw. 23,8 Prozent senkt. Damit wird gezeigt, dass Laufzeitkorrekturen nicht nur temporäre Eingriffe, sondern auch Trainingssignal für künftiges Verhalten sein können.

VLA
Vollständige Studie lesen (PDF)

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