새로 나온 로봇, 피지컬 AI 논문과, 각 논문이 업계에 갖는 의미.
Open concrete canals play a vital role in water transportation, serving as primary water infrastructure for millions of people across the Phoenix, Arizona, metro area. Over time, the concrete canals can experience a range of issues, including canal lining deformation, cracked concrete, and sediment buildup on the canal floor.
DiffWAM은 동결된 비디오 기초 모델의 중간 예측 표현을 첫 프레임 기하 정보와 결합해 연속 카메라 궤적으로 직접 변환하는 내비게이션 세계-행동 모델이다. DiffWAM-1000 1,000개 평가에서 궤적 RMSE 0.3492m, 엔드포인트 성공률 74.40%를 기록했고, DiffWAM-Flash는 Jetson AGX Thor에서 모델 파이프라인 지연 1.080초를 보였다. 이 연구는 arXiv 프리프린트이며, 미래 비디오 생성과 다중 프레임 복원 없이 예측 표현만으로 구조적 UAV 비행을 수행할 수 있음을 보였다.
Vision-language-action (VLA) models can exceed 90% success on in-distribution tasks and withstand nuisance changes that preserve the required action, yet fail under counterfactual changes that demand a different action. Aggregate robustness scores can therefore conceal a more specific failure, in which a policy responds to both language and vision yet does not combine them to select the action the task requires.
We focus on legible robot motion generation in social navigation settings. Legibility in human-robot interaction (HRI) is often described as the property of robot motion that enables an observer to confidently infer the robot's intent.
Voluntary movements have long been hypothesised to be comprised of discrete primitives called submovements, as a descriptive model of human motor behaviour. However, existing methods scale poorly, and no principled method exists to determine whether a decomposition is informative.
Egocentric human data provides a scalable source of experience for robot learning, but varies substantially in human-robot alignment, behavioral coverage, and available supervision. Existing work shows favorable scaling with increasing human data, but it remains unclear which data properties drive downstream robot gains and how to use such data throughout the training pipeline.
Continuum robots are well suited for gentle manipulation because of their inherent compliance and ability to adapt to complex environments. However, their continuously deformable structure makes accurate configuration estimation challenging, particularly when external vision systems are unavailable or obstructed.
Video generation models (VGMs) offer strong spatiotemporal priors for embodied observation--action modeling. However, joint-space action vectors lack explicit image-space structure and vary in dimensionality and semantics across embodiments, making it challenging to directly leverage the rich spatiotemporal priors of VGMs.
이 논문은 Darcy 법칙과 3필드 강건 토폴로지 최적화를 이용해 여러 방향으로 굽힐 수 있는 소프트 공압 액추에이터 mdiSPA의 챔버 구조를 설계했다. 최적화된 챔버는 기존 사각형 챔버와 다른 형상을 보였고, Abaqus 시뮬레이션에서 세 개의 암을 조합한 그리퍼가 입력 압력 조합에 따라 다양한 방향으로 변형했다. 다만 아직 동료 심사를 거치지 않은 프리프린트이며, 실물 제작과 실험 검증은 남아 있다.
Marine litter is a growing threat to the underwater ecosystem, driving demand for autonomous survey methods that can locate debris efficiently over large areas. Existing survey methods typically follow predefined paths or operate with a single sensing modality, typically a camera (with image quality suffering in poor-visibility conditions) or sonar (usually noisy and low-resolution).
World-action models (WAMs) augment robot policies with action-conditioned environment dynamics, yet existing approaches largely rely on future observation reconstruction or generic latent prediction and lack structured, control-oriented world representations tightly coupled with action generation. We introduce Magic-W0, a world-action foundation model that jointly models structured physical state evolution and continuous actions.
XPeng 등 공동 연구진이 점과 박스를 공용 어휘의 양자화 좌표로 생성하는 4B 파라미터 그라운딩 기반 모델 GroundingPI를 공개했다. 이 프리프린트는 34개 벤치마크 평균 73.68%로 GPT-6 Astra(71.54%)를 넘었고, RoboTwin 2.0의 네 가지 OOD 설정 모두에서 비교 백본 중 1위를 기록했으며, RoboCasa-GR1에서는 50% 데모만으로 다른 모델의 75% 성능을 웃돌았다. 범용 VLM의 정밀 지각 한계를 줄여 실행 계층을 위한 지각 기반 모델의 가능성을 보였다.
이 프리프린트는 관절형 무인 항공 조작기(UAM)에서 로컬 전신 비전-언어-행동(VLA) 정책을 장면 규모 임무로 확장하는 통합 프레임워크를 제안했다. 합성 데모로 VLA를 훈련하고 측정 진행 정렬(MPAR)로 비동기 행동 청크를 연속 궤적으로 실현하며, Scene Graph로 언어 목표를 실행 가능한 핸드오프 상태로 연결한다. 시뮬레이션 다중 사이트 임무 50회 중 21회(42.0%)를 완료했고 물리 UAM에서도 검증해 합성 데이터 기반 공중 조작 가능성을 보였다.
We present PrefPI (Preference-Guided Policy Iteration), an iterative framework for steering pretrained generative robot policies using only relative preferences over self-generated trajectories. Unlike prior preference-learning methods that primarily sharpen modes already represented by the policy, we study steering beyond the initial effective support, where desired behaviors are rarely or never observed under the initial policy.
Vision-Language Navigation (VLN) requires embodied agents to generate actions based on instructions and observations. General-purpose multimodal agents offer a promising basis for this task, but selecting plausible local actions does not ensure that execution remains consistent with the intended route, particularly in long-horizon tasks.
룩셈부르크대 연구팀이 arXiv 프리프린트로 공개한 MVP-SLAM은 두 대의 반대 방향 어안 카메라와 IMU만으로 실내 건설 현장에서 이동 궤적을 추정하면서, 바닥 평면도의 벽과 매칭해 누적 드리프트를 온라인으로 보정하는 비주얼-관성 SLAM 시스템이다. Hilti–Trimble SLAM Challenge 2026에서 Localization 과제 평균 RMSE 0.29 m로 22개 팀 중 2위, SLAM 과제 0.24 m로 62개 팀 중 5위를 기록했으며, 온라인으로 평면도를 통합하고 평면도 좌표계에서 위치를 추정하는 시스템 가운데 두 과제 모두 1위였다. 평면도를 쓰지 않는 자체 비교군 대비 Localization 오차를 4.9배 줄였다.
연구팀은 3자유도 델타 로봇 64대(8×8)의 끝단을 신축성 원단으로 연결해 192자유도 연속 표면을 만들었다. 이 표면은 중심 간격 43.3mm보다 작은 15mm 물체부터 90mm 물체까지 하나의 플랫폼에서 조작했고, 19개 델타 주변에 저차 DCT 계수로 명령하는 정책이 전체 배열 명령보다 배치 오차를 절반으로 줄였다. 실물 전이 실험에서는 적응 없이 76% 성공률을 보였다. 이 논문은 arXiv 프리프린트다.
Cable-suspended aerial manipulation offers a lightweight architecture for cooperative transportation and physical interaction, yet the passive mechanical response perceived at the load remains insufficiently understood and systematically exploited. This work interprets aerial vehicles as movable compliant anchors and develops a gravity-aware quasi-static theory for predicting and shaping the passive Cartesian stiffness of a suspended load.
체코 프라하 공과대학 연구진이 비전 기반 다중 UAV 비행에서 이웃 기체의 속도와 가속도를 정확히 추정하기 위해 시각 검출기가 제공하는 기울기 정보를 상태 추정에 통합했다. arXiv 프리프린트로 공개된 이 연구는 위치만 쓰는 4종 추정기와 자세 인식 5종 추정기를 실제 데이터 2종과 고충실도 시뮬레이션 데이터 1종에서 비교했으며, 자세 인식 방식이 속도 오차 평균 40%, 가속도 오차 평균 57%를 줄였다. 제안한 선형 추력 구속 칼만 필터가 가장 우수했고, 위치만 쓰는 필터는 약 300ms의 고정 지연을 보인 반면 자세 인식 추정기는 카메라 프레임률 수준의 물리적 응답 한계 근처에서 동작했다.
로봇 AI 모델은 앞으로의 동작을 한 묶음씩 예측하는데, 그중 몇 개를 실행한 뒤 다시 주변을 살필지는 대개 사람이 고정값으로 정해 왔다. 칭화대와 베이징즈위안인공지능연구원(BAAI) 등이 낸 이번 프리프린트는 이 값을 작업 중에 스스로 고르는 부가 모듈을 제안했고, 피지컬인텔리전스와 엔비디아의 기존 모델을 다시 학습시키지 않고도 시뮬레이션과 실제 양팔 로봇에서 성공률을 끌어올렸다.
논문은 arXiv 로봇 피드에서 가져옵니다. 요약이 아직 작성되지 않은 논문은 초록의 첫 부분을 보여줍니다.