ROBOTNESS
Forschung

Studien

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

5 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
Noch nicht auf Deutsch verfügbar: Anzeige im englischen Original.
Gefiltert nach Technologie Weltmodelle, zurücksetzen
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)
arXiv
NavigationExperten

Social-WM: Safety-Aware Latent World Models for Robot Social Navigation

Zhihao Zheng, Mooi Choo Chuah

Safe social navigation requires a robot to anticipate not only the future consequences of its actions, but also whether a nominal action can actually be executed under surrounding physical and social constraints. We present Social-WM, an efficient latent world-model planning framework trained from egocentric RGB video sequences.

Weltmodelle
Vollständige Studie lesen (PDF)
arXiv
ManipulationFortgeschritten

RoboCoach: Weltmodelle als aktive Coaches für kompositionale Roboterfähigkeiten

Jiajun Liu, Yifan Chen, Yichao Liu, Jiayi Zhang, Ruoqu Chen, Shaoxuan Xie, Guocai Yao, Mengdi Xu, Sen Cui, Changshui Zhang

RoboCoach ist ein Preprint und beschreibt ein Framework, das mit dem aktionskonditionierten Weltmodell CoachWorld imaginierte Fehlschläge in langfristigen Manipulationsaufgaben lokalisiert und daraus gezielte Demonstrationsanfragen sowie LoRA-Updates für die zuständigen Skill-Experten ableitet. In Simulation und auf zwei echten Roboterplattformen steigt die Erfolgsrate mit 150 zusätzlichen Teilaufgaben-Demonstrationen von 13,3 % auf 75,0 % beim Franka und von 40,0 % auf 83,8 % beim AgileX, während eine gleichmäßige Datenerfassung mit gemeinsamem Adapter nur 30,0 % bzw. 47,5 % erreicht. Die Arbeit zeigt, dass Weltmodelle nicht nur simulieren, sondern als aktive Coaches entscheiden können, welche wiederverwendbare Fähigkeit als Nächstes gelernt werden soll.

Weltmodelle
Vollständige Studie lesen (PDF)
arXiv
LearningExperten

Anisotropic Representations Improve Planning in JEPA World Models

Mingu Kang, Yoori Oh, Sookyung Kim, Joonseok Lee

Latent world models learn action-conditioned dynamics in representation space and often score candidate actions by Euclidean distance to a goal representation. Joint training typically regularizes the representation to prevent collapse, but the resulting representation geometry also determines how terminal errors are weighted during planning.

Weltmodelle
Vollständige Studie lesen (PDF)

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