Bridging Intelligence and Instinct: A New Control Paradigm for Autonomous Robots
Shanghai Hrstek Co., Ltd（上海赫斯特克有限公司）
本文提出一种分层控制范式，将大语言模型智能与机器人本能结合，以抑制幻觉并保障安全关键任务，从而提升自主机器人的安全性与通用性。
2024-04-30 cs.RO
Egocentric Visual Self-Modeling for Autonomous Robot Dynamics Prediction and Adaptation
Columbia University（哥伦比亚大学）；Duke University（杜克大学）
本文提出一种仅用单目第一视角相机、自监督学习的任务无关动力学自模型，在12自由度机器人上验证了运动能力、异常检测与行为适应，并展示了跨配置的泛化性，为自主、适应和韧性机器人系统奠定基础。
2024-03-15 cs.RO
MengeROS: a Crowd Simulation Tool for Autonomous Robot Navigation
The Graduate Center（纽约市立大学研究生中心）；Hunter College of The City University of New York（纽约市立大学亨特学院）
虽然在大型拥挤的环境中有效导航对于自主机器人至关重要，但支持它的算法的初步测试需要在广泛的人群场景中进行模拟。大多数可用的仿真工具提供没有机器人的真实人群或没有真实人群的真实机器人。本文介绍了MengeROS，一个2-D模拟器，逼真地集成了多个机器人和人群。MengeROS提供了广泛的设置，用于测试为大型拥挤环境设计的导航算法的功能和性能。
2018-01-26 cs.RO
Discretization and fitting of nominal data for autonomous robots
University of Coimbra（科英布拉大学）
本文提出了从三维CAD图纸中提取的机器人标称路径的离散化方法。机器人路径离散化的背后是机器人调整遍历路径的能力，使得机器人工具和工件之间的接触得到适当的保持。此外，提出了一种基于模糊PI控制的混合力/运动控制系统，以调整机器人路径与外部传感器反馈。所有这些功能都可以促进机器人编程过程并提高机器人的自主性。
2013-09-09 cs.RO
SARAL-Bot: Autonomous Robot for Strawberry Plant Care
University of Nevada Reno（内华达大学里诺分校）
针对草莓种植劳动力密集问题，SARAL团队开发参赛自主机器人SARAL-Bot，融合导航与基于视觉的病叶检测、摘除能力，以降低成本并推动智能可持续农业。
2025-06-07 cs.RO
Assessing Pedestrian Behavior Around Autonomous Cleaning Robots in Public Spaces: Findings from a Field Observation
Ulm University（乌尔姆大学）；Johannes-Gutenberg University of Mainz（约翰内斯·古腾堡-美因茨大学）
本研究通过实地观察498名行人，发现行人分心与否对绕行自主清洁机器人的行为无显著影响，而机器人类型和运动模式显著影响横向避让次数与距离，为公共空间人机交互设计提供实证依据。
2025-08-19 cs.RO
Towards Preference Learning for Autonomous Ground Robot Navigation Tasks
CCDC Army Research Laboratory（CCDC陆军研究实验室）
我们感兴趣的自主机器人行为的设计，学习用户的偏好，在持续的互动，以有效地执行导航行为的方式，用户期望的目标。在本文中，我们讨论了我们正在进行的工作，以修改一个通用模型的机器人导航行为的探索任务，在每个用户的基础上，使用基于偏好的强化学习。这种方法的新颖贡献在于，它结合了强化学习、运动规划和自然语言处理，允许自主智能体从与人类队友的持续对话中学习，而不是一次性的指令。
2020-11-05 cs.RO
The Analysis of Discrete-Event System in Autonomous Package Delivery using Legged Robot and Conveyor Belt
National University of Singapore（新加坡国立大学）
在本文中，离散事件系统（DES）的监督控制分析的状态和事件，构建一个自治的包裹递送系统。配送系统包括一个用于在不平坦的室内地形中自主行走的足式机器人和一个用于将包裹运送到足式机器人的传送带，目的是利用DES的监督控制理论对机器的状态和事件进行监督控制，保证机器人自主协作。通过应用该理论，我们展示了两个单独的机器人在多楼层环境中运送货物的协作。在仿真环境中实现和验证了从监督控制理论得到的结果。
2021-01-29 cs.RO
Managing a Fleet of Autonomous Mobile Robots (AMR) using Cloud Robotics Platform
TCS Research, Tata Consultancy Services（TCS研究部，塔塔咨询服务公司）
在本文中，我们提供的细节，实现一个系统，用于管理一个车队的自主移动机器人（AMR）在工厂或仓库的前提下运行。虽然机器人本身是自主的运动和避障能力，每个机器人的目标目的地是由一个全局规划器。全局规划器和地面车辆（机器人）构成一个多智能体系统（MAS），通过无线网络相互通信。探讨了三种不同的实施办法。前两种方法利用基于分布式计算的网络机器人架构和机器人操作系统（ROS）本身的通信框架，而第三种方法则使用Rapyuta Cloud Robotics框架来实现。这些方法的比较性能进行了分析，通过仿真以及现实世界的实验与实际的机器人。与通常的ROS框架相比，这些分析提供了对Cloud Robotics Platform内部工作的深入理解。通过这个练习获得的见解将是有价值的学生以及有兴趣在其他地方实现类似系统的实践工程师。在此过程中，我们还确定了当前Rapyuta平台的一些关键限制，并提供了克服这些限制的建议。
2017-06-27 cs.RO
Stinger Robot: A Self-Bracing Robotic Platform for Autonomous Drilling in Confined Underground Environments
Department of Electrical and Photonics Engineering, DTU（电气与光子工程系，丹麦技术大学）
本文提出Stinger Robot，一种用于受限地下环境自主钻探的自支撑机器人平台，通过机械自锁三足支撑机构和力感知闭环控制策略，实现稳定锚固与高力钻探，为模块化协作采矿奠定基础。
2025-07-31 cs.RO
The role of successful human-robot interaction on trust -- Findings of an experiment with an autonomous cooperative robot
KUKA（库卡）；Ulm University（乌尔姆大学）
本文的基础是一个实验，15名参与者直接与自主机器人进行交互。参与者的任务是在两种不同的设置中携带一张桌子，以及一个机器人，该机器人旨在支持老年人完成繁重的任务。通过收集和分析观察，定量和定性数据的相互作用进行了调查，特别强调在机器人的信任。总体目标是更好地理解人们在日常场景中与功能机器人接触时的情感和评价反应。这项研究表明，成功的合作任务完成有积极的影响信任和其他相关的评价，如感知适应性关于机器人的行为。
2021-04-14 cs.RO
Accurate Crop Spraying with RTK and Machine Learning on an Autonomous Field Robot
University of Moratuwa（莫拉图瓦大学）；Cornell University（康奈尔大学）
本文提出一种自主田间机器人，结合机器视觉识别植物与RTK-GPS导航，实现精准喷洒农用化学品，并在盆栽植物田中验证成功。
2023-10-25 cs.RO
Design and Operation of Autonomous Wheelchair Towing Robot
Seoul National University of Science and Technology（首尔国立科技大学）；Seoul National University（首尔国立大学）
本研究提出一种新型自主轮椅牵引机器人，通过麦克纳姆轮驱动和新型对接机构连接手动轮椅，并利用摄像头传感器和图像处理技术自主跟随医院走廊彩色通道，实现患者安全运输。
2023-05-23 cs.RO
A Realtime Autonomous Robot Navigation Framework for Human like High-level Interaction and Task Planning in Global Dynamic Environment
在本文中，我们提出了一个框架，实时自主机器人导航的基础上云和按需数据库，以解决两个主要问题的类人机器人交互和任务规划在全球动态环境中，这是不知道的先验。我们的框架有助于使人类的大脑GPS地图系统的机器人使用空间信息和独立的机器人导航进行三维视觉语义SLAM。我们将机器人的记忆系统分为长期记忆和短期记忆。通过将这些记忆与自主导航模块（ANM）、学习模块（LM）和行为规划模块（BPM）相连接，形成机器人的行为和知识系统。建议的框架进行评估，通过模拟使用基于ROS的Gazebo模拟移动机器人，RGB-D相机（3D传感器）和激光测距仪（2D传感器）在3D模型的现实室内环境。仿真证实了我们提出的框架的实质性的实际优点。
2019-05-30 cs.RO
Impact-resistant, autonomous robots inspired by tensegrity architecture
Yale University（耶鲁大学）；Rutgers University（罗格斯大学）
受张拉整体结构启发，提出一种由刚性杆和弹性腱构成的抗冲击自主机器人，具备高移动速度、姿态重建和陡坡攀爬能力，在非结构化地形导航中展现了卓越鲁棒性。
2025-01-25 cs.RO
Autonomous Mobile Robot Navigation: Tracking problem
本研究针对自主移动机器人导航跟踪问题，研究里程计、目标跟踪、避障三类核心行为，结合仿真与真实环境（含Pioneer、Elegoo机器人平台）完成验证，为鲁棒导航系统开发提供参考。
2024-07-08 cs.RO
Perceptual Distortions and Autonomous Representation Learning in a Minimal Robotic System
Dedan Kimathi University of Agriculture and Technology（德丹·基马蒂农业技术大学）
本文利用配备距离传感器和罗盘的最小双轮机器人系统，研究感知扭曲的本质及其对自主表征学习的影响，发现机器人在无明确空间信息时能自主学会结构化导航表征，为具身认知和人工生命提供新见解。
2025-07-10 cs.RO
Autonomous Aerial Robotic Surveying and Mapping with Application to Construction Operations
University of Nevada, Reno（内华达大学雷诺分校）
在本文中，我们提出了一个概述的方法和系统，产生一个飞行机器人系统能够自主检查，测量，全面的多模式映射和库存跟踪的建筑工地具有高度的系统性。机器人系统可以在假设没有环境的先验知识或通过集成环境的先验模型的情况下操作。在第一种情况下，提供自主探索，其返回与颜色和热视觉信息相关联的高保真度$3\textrm{D}$图。在第二种情况下，可以使用结构的先验模型来提供优化的和重复的覆盖路径。机器人自动提供其映射结果，同时能够检测和定位感兴趣的对象，从而支持库存跟踪任务。该系统已在一系列环境中进行了现场验证，并在一个与公共住房有关的建设项目中进行了测试。
2020-05-09 cs.RO
Towards an Autonomous Minimally Invasive Spinal Fixation Surgery Using a Concentric Tube Steerable Drilling Robot
University of Texas at Austin（德克萨斯大学奥斯汀分校）；The University of Texas Dell Medical School（德克萨斯大学戴尔医学院）；University of Edinburgh（爱丁堡大学）
本文提出一种集成七自由度机械臂的同心管可转向钻孔机器人系统，通过创建精确J形轨迹解决自主微创脊柱内固定手术中刚性器械无法触及椎体区域的问题，并经校准和模拟实验验证了其安全准确性能。
2024-05-29 cs.RO
ARCGym: Benchmarking Deep Reinforcement Learning in Autonomous Robotic Colonoscopy
University of Copenhagen（哥本哈根大学）
ARCGym是用于自主机器人结肠镜检查的强化学习环境与基准，支持多种柔性内窥镜，实验表明自主导航仍具挑战性，近端插入致动是开放问题。
2026-09-22 cs.RO
Predictive Fault Tolerance for Autonomous Robot Swarms
University of York（约克大学）
针对机器人集群故障显现后再处理的低效与安全风险，提出基于预防性维护的预测性容错方法，在故障演变为失效前自主检测并解决，实验表明可提升集群性能并避免机器人失效。
2023-09-17 cs.RO
Autonomous Obstacle Legipulation with a Hexapod Robot
CSIRO（联邦科学与工业研究组织）；University of Technology Sydney（悉尼科技大学）；University of Queensland（昆士兰大学）
足式机器人在受限的环境中行走时，可能会发现它们唯一的路径被障碍物阻挡。在障碍物是可移动的情况下，多足机器人可以操纵障碍物使用它的腿，让它继续在其path. We提出了一种方法，为六足机器人自主生成操作轨迹检测到的障碍物。以RGB-D传感器为输入，从环境中提取障碍物，并进行过滤，为操作算法提供关键接触点，计算出将障碍物移出路径的轨迹，在30自由度六足机器人上的实验表明，该算法能够有效地利用其前腿在三维环境中操作各种障碍物。
2020-11-12 cs.RO
A novel Skill-based Programming Paradigm based on Autonomous Playing and Skill-centric Testing
University of Innsbruck（因斯布鲁克大学）
我们介绍了一种新的范例，机器人编程，我们的目标是使机器人编程更容易为没有经验的用户。为了做到这一点，我们将两个主要组成部分在一个单一的框架：自主技能的机器人演奏和可视化编程。简单的机器人程序骨架解决一个特定情况下的任务，所谓的基本行为，由用户提供。然后，机器人通过自主游戏学习如何在许多不同的情况下解决相同的任务，这减少了没有经验的机器人程序员的障碍。程序员可以混合使用可视化编程和动觉教学，以提供这些简单的程序框架。机器人程序可以通过可视化编程和动觉示教的方式交互地实现。我们进一步整合了基于经验的技能为中心的机器人软件测试的工作，使用户能够不断测试实现的技能，而不必处理特定组件的细节。
2017-09-18 cs.RO
Enabling Autonomous Navigation in a Snake Robot through Visual-Inertial Odometry and Closed-Loop Trajectory Tracking Control
Electrical and Computer Engineering（电气与计算机工程系）
本研究通过视觉-惯性里程计和闭环轨迹跟踪控制，实现蛇形机器人在无外部跟踪设施环境下的自主导航，验证了多路径点跟踪的准确性。
2025-12-09 cs.RO
Exploring Mechanically Self-Reconfiguring Robots for Autonomous Design
University of Oslo（奥斯陆大学）
进化机器人的目标是优化机器人控制和形态，以生产更好，更强大的机器人。大多数以前的研究只解决控制的优化问题，并且只在仿真中进行。我们已经开发出一种四条腿的哺乳动物启发的机器人，具有自我重构形态。在本文中，我们讨论了能够有效地做实验，在现实世界中不断变化的形态开辟的可能性。我们讨论了这样一个平台和潜在的实验设计，可以解锁新的发现目前面临的挑战。最后，我们把我们的机器人在其背景下，在进化机器人领域的一般发展，并考虑什么进步的未来可能举行。
2018-05-08 cs.RO
Autonomous Visual Assistance for Robot Operations Using a Tethered UAV
Texas A&M University（德州农工大学）
本文提出了一种自主系留空中视觉助手的机器人操作在非结构化或受限的环境。由于缺乏足够的态势感知能力，机器人在远程环境中的遥操作是困难的，这主要是由固定和有限的视场以及缺乏来自机器人机载摄像机的深度感知造成的。实践的新兴状态是使用两个机器人，一个主机器人和一个辅助机器人，作为视觉助手，通过提供外部视角来克服机载传感器的感知限制。然而，使用远程操作的视觉助手时存在的问题：额外的人力，手动选择次优视点，以及初级和次级操作员之间的额外团队合作需求。在这项工作中，我们使用一个自主的系留空中视觉助理，以取代辅助机器人和操作员，减少人类机器人的比例从2：2到1：2。该视觉助手能够以风险感知的方式自主导航通过非结构化或受限空间，同时持续保持良好的视点质量，以提高主操作员的态势感知能力。通过拟议的合作机器人团队，核操作，拆弹小组，灾难机器人和其他具有新任务或高度闭塞环境的领域中的远程操作任务可以从减少人力和团队合作需求中受益，同时提高视觉辅助质量，基于可信赖的风险感知运动在混乱的环境中。
2019-07-10 cs.RO
A Deep Learning-Based Autonomous RobotManipulator for Sorting Application
University of Nevada, Reno（内华达大学雷诺分校）；Swansea University（斯旺西大学）
近年来，机器人操作和抓取机构受到了相当大的关注，导致了广泛的工业应用的发展。本文提出了一种自主机器人抓取系统的对象分类应用的发展。RGB-D数据被机器人用于执行目标检测、姿态估计、轨迹生成和目标分类任务。所提出的方法也可以处理抓住用户选择的某些对象。利用训练好的卷积神经网络进行目标检测，确定待抓取目标对应的点云簇。根据所选择的点云数据，抓取生成器算法输出潜在的抓取。然后，抓取过滤器对这些潜在的抓取进行评分，并选择得分最高的抓取在真实机器人上执行。运动规划器生成无碰撞轨迹以执行所选择的抓取。在AUBO机器人上的实验表明，该方法在自主物体分拣方面具有鲁棒性和快速分拣性能。
2020-09-08 cs.RO
Generating Explanations for Autonomous Robots: a Systematic Review
University of León（莱昂大学）
本文系统性综述了为自主机器人生成解释的策略与XAR趋势，指出可解释性系统虽取得进展但仍无法完全覆盖复杂行为，且在理论概念和评估方法上存在不足。
2025-01-30 cs.RO
Modularis: Modular Underwater Robot for Rapid Development and Validation of Autonomous Systems
University of Florida（佛罗里达大学）
针对现成水下机器人难以兼顾成本、定制性与环境适应性，且定制建造昂贵耗时的问题，本文提出开源模块化水下机器人 Modularis，以加速感知、规划与控制算法的测试与验证。
2024-01-11 cs.RO
Multi-Robot Autonomous Exploration and Mapping Under Localization Uncertainty with Expectation-Maximization
Stevens Institute of Technology（史蒂文斯理工学院）
本研究面向去中心化多机器人团队，提出一种考虑地图与定位不确定性的自主探索算法，通过虚拟地标量化噪声影响、采用期望最大化启发的迭代算法评估行动效果，实验证明其可在地图不确定性抑制与任务分配效率间实现平衡。
2024-03-06 cs.RO
Design of an Autonomous Precision Pollination Robot
精确的机器人授粉系统不仅可以填补自然授粉者减少的空白，而且可以在效率和均匀性方面超越它们，帮助养活地球上快速增长的人口。本文介绍了一个自主机器人命名为“BrambleBee”，它的目的是在温室环境中授粉树莓植物的设计和正在进行的开发。部分灵感来自蜜蜂的生态和行为，BrambleBee采用最先进的定位和映射，视觉感知，路径规划，运动控制和操纵技术来创建一个高效和强大的自主授粉系统。
2018-08-29 cs.RO
A Survey of Distributed Optimization Methods for Multi-Robot Systems
Stanford University（斯坦福大学）
分布式优化由多个计算节点共同工作，通过局部计算迭代和网络约束的通信步骤来最小化公共目标函数组成。在机器人技术的背景下，分布式优化算法可以使多个机器人系统在没有集中协调的情况下完成任务。我们提出了一个通用的框架，应用分布式优化作为一个模块，在机器人管道。我们调查了几类分布式优化算法，并评估其实际适用于多机器人应用。我们进一步比较了三种典型多机器人问题场景的模拟中不同类型算法的性能。一致性交替方向乘子法（C-ADMM）是一种多机器人系统分布式优化方法。
2021-03-23 cs.RO
Versatile Multilinked Aerial Robot with Tilting Propellers: Design, Modeling, Control and State Estimation for Autonomous Flight and Manipulation
The University of Tokyo（东京大学）
多连杆空中机器人是空中机器人领域的一个前沿课题，它具有良好的变形能力，对操纵和操纵都有好处。然而，由于可控性的弱点和自主飞行状态估计的缺乏，在户外物理世界的性能尚未得到评估。因此，我们采用倾斜螺旋桨，以提高可控性。本论文针对此一问题，提出了相关的设计、建模与控制方法，以实现稳定的悬停与变形。此外，状态估计，其中涉及传感器之间的时间同步和多链接运动学也提出了这项工作，使完全自主飞行在室外环境中。各种自主室外实验，包括快速机动拦截目标，物体抓取交付，和毯子操作消防进行评估的可行性和通用性的建议机器人平台。据我们所知，这是第一个研究的多连杆空中机器人实现完全自主飞行和操作任务在室外环境。我们亦在2020年穆罕默德·本·扎耶德国际机器人竞赛的所有挑战中应用我们的平台，并在国际上获得挑战一第三名和挑战三第六名，展示了可靠的实地飞行性能。
2020-08-12 cs.RO
Message Expiration-Based Distributed Multi-Robot Task Management
University of Georgia（佐治亚大学）
多代理的分布式任务分配提出了基本的和新的控制理论和机器人问题。一个新的挑战是分布式算法的发展，动态分配任务到多个代理，不依赖于事先分配信息。提出了一种基于消息验证的分布式多机器人任务管理方法。我们的方法通过使用基于距离和基于时间戳的测量值来验证每个机器人的任务分配，从而处理分布式多机器人系统中断开连接所引起的冲突。在Robotarium仿真平台上的仿真实验验证了该方法的有效性。
2022-01-08 cs.RO
Person Following by Autonomous Robots: A Categorical Overview
University of Minnesota（明尼苏达大学）
在制造业、医疗保健、娱乐业和社交互动等不同领域的广泛人机协作应用需要自主机器人跟随其人类同伴。不同的工作环境和应用带来了不同的挑战，增加了对传感器的选择，自主程度和动态的人以下的机器人的约束。研究人员以多种方式应对这些挑战，并为大量文献的发展做出了贡献。本文提供了一个全面的文献综述，通过分类不同方面的人以下的自主机器人。此外，相应的操作挑战，确定基于各种设计选择的地面，水下和空中场景。此外，国家的最先进的感知，规划，控制和互动的方法进行了详细的讨论，并在不同的操作场景中的适用性。然后，一些突出的方法进行了定性比较，说明了相应的实用性，并分析了它们的可行性为各种用例。此外，几个潜在的应用领域被确定，并突出了未来研究的开放问题。
2019-09-17 cs.RO
RMF-Owl: A Collision-Tolerant Flying Robot for Autonomous Subterranean Exploration
NTNU（挪威科技大学）；University of Nevada, Reno（内华达大学里诺分校）
本文介绍了RMF-Owl的设计、硬件实现、自主探测和目标检测能力，它是一种为弹性自主地下探测而设计的新型耐碰撞空中机器人。该系统专为地下勘探而定制，专注于碰撞容限、具有强大定位和映射功能的弹性自主性，以及在受限、充满障碍物和拓扑复杂的地下环境中进行高性能勘探路径规划。此外，RMF-Owl提供搜索、检测和定位感兴趣物体的能力，这在搜索和救援任务中特别有用。一系列的现场实验结果，以证明该系统的自主探索具有挑战性的未知地下环境的能力。
2022-02-22 cs.RO
Gaka-chu: a self-employed autonomous robot artist
Massachusetts Institute of Technology（麻省理工学院）；M2M Economy, Inc (“Merklebot”)（M2M Economy公司（Merklebot））
本文提出首个经济自主机器人Gaka-chu，它通过区块链智能合约自主创作并拍卖绘画、购买材料，在6个月实验中售出四幅作品并偿还投资者，验证了机器人经济自主的可行性。
2023-03-13 cs.RO
Autonomous Soil Collection in Environments With Heterogeneous Terrain
Noblis（诺布利斯公司）
本研究开发了一种安装在移动机器人上的通用机械臂原型，用于在异构未开垦地形中自主区分并浸入正确的无定形材料，实现无需人工干预的土壤采集与分析，区别于传统土壤芯样采样器。
2024-07-15 cs.RO
Autonomous Social Distancing in Urban Environments using a Quadruped Robot
City University of Hong Kong（香港城市大学）；University of Maryland, College Park（马里兰大学帕克分校）；Huazhong University of Science and Technology（华中科技大学）；The University of Hong Kong（香港大学）；Southern University of Science and Technology（南方科技大学）
COVID-19疫情已成为全球人民面临的全球性挑战。社交距离已被证明是减少COVID-19传播的有效措施。在这种背景下，我们建议监控机器人不仅可以监控，还可以促进社交距离。机器人可以灵活部署，并采取预防措施，提醒人们保持社交距离。在本文中，我们介绍了一个完全自主的监视机器人的基础上，四足平台，可以促进社会距离在复杂的城市环境。具体来说，为了实现自主性，我们在足式机器人上安装了多个摄像头和一个3D激光雷达。然后，机器人使用车载实时社交距离检测系统来跟踪附近的行人群体。接下来，机器人使用人群感知导航算法在高度动态的场景中自由移动。机器人最终使用了一种人群感知的路由算法，通过使用人类友好的语言提示向过度拥挤的行人发送建议，有效地促进了社交距离。我们证明和验证，我们的机器人可以自主操作，在各种城市场景进行了几次实验。
2020-08-20 cs.RO
An Overview of Federated Learning at the Edge and Distributed Ledger Technologies for Robotic and Autonomous Systems
University of Turku（图尔库大学）
随着计算和通信解决方案的进步，自治系统变得无处不在，从而实现分布式设备的低延迟卸载和实时协作。区块链和分布式账本技术（DLT）的去中心化技术正在发挥关键作用。与此同时，深度学习（DL）的进步显著提高了机器人和自主系统的自主程度和智能水平。在这些技术革命发生的同时，对数据安全和最终用户隐私的担忧已成为不可避免的研究考虑因素。联邦学习（FL）是边缘隐私保护DL的一种有前途的解决方案，通过在孤立的数据岛上学习和仅通信模型更新，具有固有的分布式性质。然而，FL本身并不提供当今分布式自治系统标准所要求的安全性和鲁棒性水平。本调查涵盖了FL在自主机器人中的应用，分析了DLT和FL在这些系统中的作用，并介绍了当前研究中的关键背景概念和考虑因素。
2021-04-21 cs.RO
Perception-Informed Autonomous Environment Augmentation With Modular Robots
Cornell University（康奈尔大学）；University of Pennsylvania（宾夕法尼亚大学）
我们提出了一个系统，使模块化机器人自主构建结构，以完成高层次的任务。建筑结构允许机器人克服大型障碍，扩大它可以执行的任务。这解决了模块化机器人系统的一个共同弱点，即通常难以穿越大型障碍物。本文介绍了硬件，感知和规划工具，包括我们的系统。环境表征算法识别环境中的特征，所述特征可以被增强以在环境的两个断开区域之间创建路径。特别设计的积木使机器人能够创建可以增强环境的结构，使障碍物可以穿越。一个高层次的规划者对任务、机器人运动能力和环境进行推理，以决定是否以及在哪里增强环境，以执行所需的任务。最后通过硬件实验对系统进行了验证
2018-03-01 cs.RO
Towards Computational Awareness in Autonomous Robots: An Empirical Study of Computational Kernels
Purdue University（普渡大学）；Virginia Tech（弗吉尼亚理工大学）；University of Maryland（马里兰大学）
自主机器人对日常生活的潜在影响在精准农业、搜索和救援以及基础设施检查等新兴应用中显而易见。然而，这样的应用需要在未知的和非结构化的环境中操作，具有广泛而复杂的目标集，所有这些都在严格的计算和功率限制下。因此，我们认为，使机器人自主的计算内核必须进行调度和优化，以保证及时和正确的行为，同时允许重新配置调度参数在运行时间。在本文中，我们认为这是必要的第一步，在自主机器人的计算意识的目标：从资源管理的角度来看，计算内核的基础集的实证研究。具体来说，我们进行了数据驱动的研究的时间，功率和内存性能的内核定位和映射，路径规划，任务分配，深度估计，和光流，在三个嵌入式计算平台。我们配置文件和分析这些内核提供洞察调度和动态资源管理的计算感知自主机器人。值得注意的是，我们的研究结果表明，内核性能与机器人的操作环境之间存在相关性，证明了计算感知机器人的概念以及为什么我们的工作是实现这一目标的关键一步。
2021-12-20 cs.RO
Accurate Pouring with an Autonomous Robot Using an RGB-D Camera
University of Freiburg（弗莱堡大学）
家庭环境中的机器人助理预计将为其用户执行各种复杂的任务。一项特别具有挑战性的任务是将饮料倒入杯中，为了成功完成这项任务，需要在倒入过程中检测和跟踪液位，以确定何时停止。在本文中，我们提出了一种新的方法来自主浇注，跟踪液位使用RGB-D相机和适应浇注速度的基础上的液位反馈。我们在不同的条件下对我们的系统进行了全面的评估，使用PR 2机器人进行了250多次浇注。结果表明，我们的方法能够将液体倾倒到目标高度，精度为几毫米。
2018-10-08 cs.RO
Enhanced Decentralized Autonomous Aerial Robot Teams with Group Planning
Academy for Engineering and Technology, Fudan University（复旦大学工程与技术研究院）；Huzhou Institute of Zhejiang University（浙江大学湖州研究院）；Zhejiang University（浙江大学）
设计自主式空中机器人团队系统仍然是机器人领域的一个重大挑战。这一领域的现有工作可分为集中式和分散式。集中式方法面临规模困境，而分散式方法往往导致规划质量低下。在本文中，我们提出了一个增强的分散式自主空中机器人团队系统的群体规划。根据Agent的空间分布，系统动态地将团队划分为若干组和孤立的Agent。对于每个组内的冲突，我们提出了一种新的协调机制命名为组规划。群规划由高效的多智能体寻路（MAPF）和轨迹联合优化组成，可以显著提高规划质量和成功率。我们通过模拟和真实世界的实验表明，我们的方法不仅适用于大规模的团队，但也有顶级的规划质量
2022-10-19 cs.RO
Digital Twin Enabled Runtime Verification for Autonomous Mobile Robots under Uncertainty
Aarhus University（奥胡斯大学）
针对不确定环境下自主移动机器人的可靠运行问题，提出基于数字孪生的运行时验证方法，通过TeSSLa生成监视器、云端数字孪生实时监测干预，有效提升机器人可靠性并将速度差异最多降低41%。
2024-12-13 cs.RO
Semantic Belief Behavior Graph: Enabling Autonomous Robot Inspection in Unknown Environments
Stanford University（斯坦福大学）；Field AI（菲尔德人工智能公司）
针对复杂未知环境下自主机器人巡检的适配难题，提出语义信念行为图SB2G框架，通过封装多类语义策略的行为节点与行为转换边，结合主动语义搜索降低不确定性，经仿真和真实足式机器人城市场景验证，巡检效率与人工操作水平相当。
2024-07-09 cs.RO
VascularPilot3D: Toward a 3D fully autonomous navigation for endovascular robotics
United Imaging Research Institute of Intelligent Imaging（联影智能影像研究院）；United Imaging（联影集团）；University of Michigan（密歇根大学）
VascularPilot3D是首个三维全自主血管内机器人导航系统，结合感知与规划模块，在离体实验中达到100%成功率，并减少18.38%人工控制。
2024-09-18 cs.RO
Autonomous Monitoring of Pharmaceutical R&D Laboratories with 6 Axis Arm Equipped Quadruped Robot and Generative AI: A Preliminary Study
Takeda Pharmaceutical Company Limited（武田药品工业株式会社）
本研究初步验证了配备六轴机械臂的四足机器人与生成式AI在制药实验室自主监控中的可行性，通过多模态模型和VFM实现异常检测与自动报告，以提升合规性和安全性。
2024-03-15 cs.RO
Autonomous social robot navigation in unknown urban environments using semantic segmentation
Monash University（莫纳什大学）
对于在城市环境中导航的自主机器人，重要的是机器人保持在指定的行进路径上（即，人行道），并避免区域，如草地和花园床，为安全和社会的一致性考虑。提出了一种结合语义分割和LiDAR数据的城市未知环境自主导航方法。所提出的方法使用分割的图像掩模来创建环境的3D障碍图，从该障碍图中计算人行道的边界。与现有方法相比，我们的方法不需要预先构建的地图，并提供了对安全旅行区域的3D理解，使机器人能够规划通过人行道的任何路径。将我们的方法与仅使用LiDAR或仅使用语义分割的两种替代方案进行比较的实验表明，总体而言，我们提出的方法在室外的成功率超过91%，室内的成功率超过66%。我们的方法使机器人能够始终保持在安全的行驶路径上，并减少了碰撞次数。
2022-09-12 cs.RO
Applications of UWB Networks and Positioning to Autonomous Robots and Industrial Systems
University of Turku（图尔库大学）
超宽带（UWB）技术是一种成熟的技术，在物联网出现时与其他无线技术竞争，但没有达到同样的广泛采用水平。然而，近年来，凭借其作为无线测距和定位解决方案的潜力，它重新获得了动力。在机器人领域内，UWB定位系统正越来越多地被用于定位自主地面或空中机器人。在工业物联网（IIoT）领域，其ad-hoc网络和同步定位的潜力也在探索中。这项调查概述了国家的最先进的超宽带网络和机器人和自主系统的定位。我们还涵盖了新的技术，重点是更具可扩展性的系统，协作的本地化方法，特设网络和解决方案，涉及机器学习，以提高准确性。据我们所知，这是第一次将机器人技术和IIoT观点结合在一起，并强调新颖的测距和定位模式。我们完成了对当前趋势和开放的研究问题的讨论调查。
2021-03-28 cs.RO
AdVENTR: Autonomous Robot Navigation in Complex Outdoor Environments
University of Maryland, College Park（马里兰大学帕克分校）
提出AdVENTR系统，利用多传感器与场景感知切换算法，实现轮式和腿式机器人在复杂户外地形中的自主导航，并在Husky和Spot机器人上验证性能。
2023-11-15 cs.RO
A Novel Navigation System for an Autonomous Mobile Robot in an Uncertain Environment
Anhui Polytechnic University（安徽工程大学）；Wuhu HIT Robot Technology Research Institute Co. Ltd（芜湖哈工大机器人技术研究院有限公司）；Cranfield University（克兰菲尔德大学）
本文提出了一种新的导航系统，该系统采用自适应阈值聚类算法在滑动窗口中检测障碍物，利用决策树对检测到的障碍物进行分类，并采用简化的Mophin算法对潜在碰撞进行预测和最优路径搜索。与现有的机器人导航方法相比，该系统具有最优无碰撞路径、存储空间小、计算复杂度低等优点。仿真实验和八种场景下的机器人实验表明，该机器人能够有效地避免与周围环境中的任何静态或动态障碍物发生碰撞。
2020-06-08 cs.RO
Towards Lifelong Federated Learning in Autonomous Mobile Robots with Continuous Sim-to-Real Transfer
University of Turku（图尔库大学）
深度学习（DL）在机器人技术中的作用在过去十年中得到了显著的深化。今天的智能机器人系统是高度连接的系统，依赖DL进行各种感知，控制和其他任务。与此同时，自主机器人越来越多地被部署为车队的一部分，机器人之间的协作成为一个更加相关的因素。从协作学习的角度来看，联邦学习（FL）能够以分布式、隐私保护的方式对模型进行连续训练。本文主要研究基于视觉的移动机器人避障导航方法。在此基础上，我们探讨了FL的移动机器人分布式系统的潜力，使机器人在模拟和现实世界的情况下，通过参与持续学习。我们通过研究FL的不同图像分类器的性能来扩展以前的工作，与使用先验聚合数据的集中式基于云的学习相比。我们还介绍了一种方法，从移动机器人与扩展的传感器套件能够提供自动标记的数据，而他们正在完成其他任务的持续学习。我们表明，通过在模拟和现实中训练模型，可以实现更高的准确性，从而能够持续更新部署的模型。
2022-05-31 cs.RO
ARC Nav -- A 3D Navigation Stack for Autonomous Robots
PES University（PES大学）
流行的导航栈在开源框架之上实现，如ROS（机器人操作系统）和ROS 2使用离散化的2D占用网格表示机器人工作空间。这种方法，虽然需要较少的计算，限制了使用这样的导航栈轮式机器人在平面上导航。在本文中，我们提出了一个导航堆栈，使用体积表示的机器人工作空间，因此可以扩展到空中和足式机器人通过不平坦的地形导航。此外，我们提出了一种新的基于采样的运动规划算法，该算法引入了一个双向的方法，批量通知树（BIT*）运动规划算法，同时包装它与策略切换的方法，以减少初始时间，找到一条路径，除了所需的时间，找到最短路径。
2021-11-12 cs.RO
