SFU-Store-Nav: A Multimodal Dataset for Indoor Human Navigation
Simon Fraser University（西蒙弗雷泽大学）；School of Computing Science（计算机科学学院）；Burnaby, BC Canada（加拿大不列颠哥伦比亚省本拿比）
本文描述了在一组涉及人类参与者和机器人的实验中收集的数据集。这组实验是在加拿大卑诗省伯纳比市西蒙弗雷泽大学的计算科学机器人实验室进行的，其目的是收集包含常见手势、运动和其他行为的数据，这些数据可能表明人类与自主机器人导航相关的导航意图。该实验模拟了一个购物场景，其中人类参与者从他/她的购物清单中挑选物品，并与编程为帮助人类参与者的Pepper机器人进行交互。我们收集了108名人类参与者的视觉数据和动作捕捉数据。视觉数据包含实验的实时记录，运动捕捉数据包含人类参与者在世界坐标中的位置和方向。该数据集可能对机器人、机器学习和计算机视觉社区的研究人员很有价值。
2020-10-28 cs.CV cs.RO
Personalized Human-Swarm Interaction through Hand Motion
École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）；Ecole Normale Supérieure Paris-Saclay（巴黎-萨克雷高等师范学校）；Université Paris-Saclay（巴黎-萨克雷大学）
集体机器人系统的控制，如无人机群，往往委托给自主导航算法，由于其高维。然而，与其他机器人实体一样，无人机群仍然可以受益于人类操作员的远程操作，人类操作员的感知和决策能力仍然超出了自主系统的范围。无人机群远程操作只是在黎明，标准的人类群体接口（HRI）是失踪的日期。在这项研究中，我们分析了天真的用户与一群无人机的自发互动策略。我们实现了一个机器学习算法来定义一个个性化的身体-机器接口（BoMI）的基础上，只有一个简短的校准过程。在这个过程中，人类操作员被要求自发地移动，就好像他们在控制一个模拟的无人机群一样。我们评估了手是最常用的身体部分，因此我们选择了LEAP运动控制器来跟踪它们，让用户控制空中无人机群。这种选择使我们的界面便携，因为它不依赖于一个集中的系统来跟踪人体。我们验证了我们的算法来定义个性化的HRI的一组参与者在一个现实的模拟环境中，表现出良好的性能和用户体验的结果。我们的方法给用户留下了前所未有的自由，可以根据他们的身体运动偏好在位置和速度控制之间进行选择。
2021-03-13 cs.HC cs.RO
Personalized Route Recommendation Based on User Habits for Vehicle Navigation
Toyota Motor Engineering & Manufacturing (China) Co., Ltd.（丰田汽车工程与制造（中国）有限公司）；NavInfo Co., Ltd.（四维图新科技股份有限公司）
本文提出基于用户历史导航数据的个性化路线推荐方法，通过构建DCR模型整合DCN-v2和LSTM学习路线排序分数，显著降低了平均不一致率并提升了推荐准确性。
2024-09-21 cs.RO
User-Centric Object Navigation: A Benchmark with Integrated User Habits for Personalized Embodied Object Search
School of Computer Science, Peking University（北京大学计算机学院）；School of Electronics Engineering and Computer Science, Peking University（北京大学电子工程与计算机科学学院）
本文提出User-Centric Object Navigation基准，通过整合用户习惯提升个性化物体导航性能。
2026-02-06 cs.RO
A Framework for Low-Latency, LLM-driven Multimodal Interaction on the Pepper Robot
Institute for Information Systems（信息系统研究所）；University of Applied Sciences and Arts Northwestern Switzerland（西北瑞士应用科学与艺术大学）
本文提出一个开源Android框架，通过端到端语音模型和功能调用能力，实现低延迟多模态交互，提升Pepper机器人的人机交互性能。
2026-01-09 cs.AI cs.LG cs.RO
Personalized Embodied Navigation for Portable Object Finding
University of Maryland, College Park（马里兰大学学院公园分校）；University of Central Florida（中央佛罗里达大学）
本文提出了一种面向动态环境的个性化习惯学习方法，通过引入Transit-Aware Planning算法提升便携物品寻找的性能，在模拟和现实环境中均取得显著效果。
2026-04-21 cs.CV cs.RO
Towards Dialogue-based Navigation with Multivariate Adaptation driven by Intention and Politeness for Social Robots
University of Hamburg（汉堡大学）；SoftBank Robotics Europe（软银机器人欧洲公司）
服务机器人需要表现出适当的社会行为，以便部署在医疗保健，教育，零售等社会环境中，机器人应该具有的一些主要功能是导航和会话技能。如果这个人不耐烦，他可能希望机器人导航得更快，反之亦然。表明礼貌的语言特征可以提供有关一个人的耐心和不耐烦行为的社会线索。本文提出的新颖之处是动态地将礼貌的机器人对话系统导航。理解用户言语中的礼貌可以用来调节机器人的行为和反应。因此，我们开发了一个对话系统，在室内环境中导航，产生不同的机器人的行为和反应的基础上用户的意图和礼貌程度。我们部署和测试我们的系统与胡椒机器人，适应用户的礼貌的变化。
2018-11-14 cs.AI cs.CL cs.RO
Personalized Dynamics Models for Adaptive Assistive Navigation Systems
Carnegie Mellon University（卡内基梅隆大学）
考虑一个辅助系统，它通过语音和触觉反馈引导视障用户到达目的地。现有的机器人和无处不在的导航技术（例如，便携式、地面或可穿戴系统）通常以通用的、用户不可知的方式操作。然而，为了最大限度地减少混乱和导航错误，我们的现实分析揭示了一个关键的需要，以适应不同的最终用户与不同的移动技能的指导。为了解决可扩展系统设计中的这一实际问题，我们提出了一种新的基于基于模型的强化学习框架，用于个性化系统-用户交互体验。当系统逐渐适应新用户时，我们建议使用加权专家模型来解决深度模型迁移学习中的数据效率限制。盲人用户导航的真实数据集被用来表明，所提出的方法允许（1）更准确的长期人类行为预测（最多20秒到未来），通过改进对个人移动特性的推理，与周围障碍物的交互，以及当前的导航目标，以及（2）在学习开始时，当数据有限时，快速适应。
2018-10-08 cs.CV cs.HC cs.LG
A Survey of Robotic Harvesting Systems and Enabling Technologies
Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）；Centre for Research and Technology Hellas（希腊研究与技术中心）
本文对地面农业机器人系统和应用进行了全面的回顾，特别关注跨越研究和商业产品和成果的收获，以及它们的使能技术。大多数文献关注作物检测的发展，通过视觉的田间导航及其相关的挑战。健康监测、产量估计、水状况检查、播种和除草是经常遇到的任务。关于机器人收割，苹果、草莓、西红柿和甜椒主要是出版物、研究项目和商业产品中考虑的作物。所报道的收割农业机器人解决方案通常由移动平台、单个机械臂/机械手和各种导航/视觉系统组成。本文回顾了特定功能和硬件的发展，通常需要由一个操作的农业机器人收割机，它们包括（a）视觉系统，（b）运动规划/导航方法（机器人平台和/或手臂），（c）人机交互（HRI）战略与三维可视化，（d）系统操作规划和抓取策略和（e）机器人末端执行器/抓手设计。显然，自动化农业，特别是通过机器人系统进行自动收割是一个仍然开放的研究领域，提供了一些可以做出新贡献的挑战。
2023-02-01 cs.RO
EmbodiedSplat: Personalized Real-to-Sim-to-Real Navigation with Gaussian Splats from a Mobile Device
Georgia Tech（佐治亚理工学院）；Toyota Research Institute（丰田研究院）
本文提出EmbodiedSplat，利用手机捕获场景并通过3D高斯溅射重建网格，在Habitat-Sim中微调导航策略，显著提升真实世界导航成功率。
2025-09-23 cs.CV cs.RO
GenMRP: A Generative Multi-Route Planning Framework for Efficient and Personalized Real-Time Industrial Navigation
Amap, Alibaba Group（阿里的地图公司）；Southern University of Science and Technology（南方科技大学）
GenMRP通过生成式多路径规划框架实现高效且个性化的实时工业导航，结合骨架到毛细血管方法和校正增强策略，提升路径规划的效率与多样性。
2026-02-04 cs.GR cs.IR cs.RO
COOL: Curiosity-Driven Object Ownership Learning for Personalized Robotic Assistance
Kiel University（基尔大学）
提出COOL框架，通过好奇心驱动的数据收集从日常观察中学习物体所有权，维护长时空间记忆，实现个性化机器人辅助的导航与任务执行。
2026-10-08 cs.RO
USER-VLM 360: Personalized Vision Language Models with User-aware Tuning for Social Human-Robot Interactions
Sorbonne University（索邦大学）；International University of Rabat（拉巴特国际大学）
提出User-VLM 360°框架，通过用户感知调优和偏见缓解，实现个性化社交人机交互，在八个基准上取得最先进性能，并开源模型与伦理验证框架。
2025-02-28 cs.AI cs.HC cs.RO
Intelligent Navigation and Obstacle-Aware Fabrication for Mobile Additive Manufacturing Systems
The Pennsylvania State University（宾夕法尼亚州立大学）；Arizona State University（亚利桑那州立大学）
本文提出一种结合导航与制造的移动打印平台，通过实时控制框架实现安全运动和路径稳定性，提升动态制造环境中的灵活性和适应性。
2026-03-26 cs.RO
Guide-LLM: An Embodied LLM Agent and Text-Based Topological Map for Robotic Guidance of People with Visual Impairments
Guide Dogs New South Wales / Australian Capital Territory（新南威尔士州/澳大利亚首都领地导盲犬协会）
本文提出Guide-LLM，一种结合基于文本拓扑地图的具身LLM智能体，通过全局路径规划、危险检测和个性化偏好，为视障人士提供高效自适应的室内导航辅助。
2025-03-11 cs.AI cs.CL cs.RO
RoboFind: Multi-Agent Personalized Object Search for People Who Are Blind or Have Low Vision
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Hunan University（湖南大学）；Mercedes-Benz（梅赛德斯-奔驰）
RoboFind提出多智能体框架，结合智能手机教学与四足机器人搜索，通过目标教授、导航、验证和协调智能体，实现盲人个性化物体搜索，成功率85%，显著优于基线。
2026-09-21 cs.RO
CANINE: Coaching Visually Impaired Users for Interactive Navigation with a Robot Guide Dog
School of Computing（computing 学院）；Smart Systems Institute（智能系统研究所）
本文提出CANINE系统，通过个性化适应性语音反馈帮助视觉障碍者学习与机器人导盲犬的交互导航，通过分解复杂协调任务并分层训练提升学习效率和最终导航性能。
2026-05-19 cs.AI cs.RO
CARIS: A Context-Adaptable Robot Interface System for Personalized and Scalable Human-Robot Interaction
Department of Systems and Computing Engineering, Mathematics, Universidad de los Andes（系统与计算工程系、数学系，Universidad de los Andes大学）；Department of Information Science, Cornell Tech（信息科学系，Cornell Tech）
针对现有WoZ机器人控制工具场景适配性差的问题，提出整合多类先进能力的上下文自适应机器人接口系统CARIS，经两类场景试点验证有效，为HRI研究提供公开可用的适配工具。
2025-08-31 cs.HC cs.RO
CurricuVLM: Towards Safe Autonomous Driving via Personalized Safety-Critical Curriculum Learning with Vision-Language Models
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Purdue University（普渡大学）；Google（谷歌公司）
CurricuVLM利用视觉语言模型分析自动驾驶车辆行为，识别性能弱点并动态生成个性化安全关键训练场景，在Waymo数据集上超越基线，提升导航成功、驾驶效率与安全性。
2025-02-21 cs.AI cs.CV cs.RO
Few-Shot Inference of Human Perceptions of Robot Performance in Social Navigation Scenarios
Yale University（耶鲁大学）；Google DeepMind（谷歌DeepMind）
本文提出利用大语言模型的少样本学习能力，通过社交导航任务实验，提升机器人预测用户对其表现感知的准确性，验证了方法的可扩展性与有效性。
2025-12-17 cs.AI cs.RO
PulseRide: A Robotic Wheelchair for Personalized Exertion Control with Human-in-the-Loop Reinforcement Learning
University of Tennessee Knoxville（田纳西大学基洛纳分校）
PulseRide轮椅通过人在回路强化学习结合实时生理数据提供个性化推动辅助，使用户心率维持在中等活动区的时间延长71.7%，肌肉收缩平均减少41.86%，实现健康与舒适的自适应移动。
2025-06-05 cs.HC cs.RO
Promptable Behaviors: Personalizing Multi-Objective Rewards from Human Preferences
Allen Institute for AI（艾伦人工智能研究所）；Massachusetts Institute of Technology（麻省理工学院）；Korea Advanced Institute of Science and Technology（韩国高等科学技术院）
针对具身AI中机器人行为适配多样人类偏好的难题，提出Promptable Behaviors框架，用多目标强化学习训练通用策略，通过三类交互推断偏好，在导航任务中验证了个性化效果。
2023-12-14 cs.AI cs.CV cs.RO
Integrating Reinforcement Learning and AI Agents for Adaptive Robotic Interaction and Assistance in Dementia Care
Worcester Polytechnic Institute（伍斯特理工学院）；University of Tennessee（田纳西大学）；University of North Carolina（北卡罗来纳大学）；Tennessee State University（田纳西州立大学）
本研究提出一种整合强化学习与大语言模型的框架，在模拟环境中动态模拟痴呆症患者状态，使人形机器人或计算机智能体能根据患者认知与情绪提供个性化自适应护理辅助。
2025-01-28 cs.AI cs.RO
Redefining Robot Generalization Through Interactive Intelligence
针对主流范式将机器人视为单一自主决策者、难以适配半自主人机交互场景的问题，本文提出受神经科学启发的四模块交互多智能体架构，强调机器人基础模型需转向该视角以提升泛化能力与性能。
2025-02-09 cs.AI cs.LG cs.RO
