Distributed Resilience-Aware Control in Multi-Robot Networks
University of Michigan（密歇根大学）
针对多机器人系统中异常智能体导致的弹性共识难题，提出一种基于控制屏障函数的分布式控制律，仅用局部信息在时变网络中同时保证弹性共识与碰撞避免，并通过仿真验证。
2025-09-10 cs.RO cs.SY eess.SY
Decentralized LLM-Driven Coordination of Acoustic Robots for Contactless Object Manipulation
Department of Computer Science, University College London（计算机科学系，伦敦大学学院）；Department of Artificial Intelligence, University of Malaya（人工智能系，马来大学）
提出一种去中心化框架，利用Whisper语音识别和LLM语义解析将自然语言指令转换为多机器人任务计划，实现声学机器人的非接触式物体操控，实验验证了顺序、并行和同步协作任务的有效性。
2026-05-28 cs.RO
CARE: Cooperative Autonomy for Resilience and Efficiency of Robot Teams for Complete Coverage of Unknown Environments under Robot Failures
本文提出了一种分布式算法CARE，用于解决未知环境中多机器人覆盖率路径规划问题，该算法在机器人故障情况下提供鲁棒性并提高整体效率，通过事件驱动的重新规划实现任务重新分配，实验结果表明其在故障情况下能够实现完全覆盖、减少覆盖时间和加快目标发现。
2019-05-29 cs.MA cs.RO cs.SY
Tessellated Biomes: Distributed Robotic Assemblies for Architectural Resilience
MIT（麻省理工学院）；UCL（伦敦大学学院）
提出一种融合本地微工厂制造、多材料离散优化与分布式机器人装配的框架，实现模块化建筑的自适应重构与韧性提升。
2026-06-23 cs.MA cs.RO
Byzantine Resilience at Swarm Scale: A Decentralized Blocklist Protocol from Inter-robot Accusations
Boston University（波士顿大学）；Northeastern University（东北大学）
W-MSR（Weighted-Mean Subsequence Reduced）算法是分散多机器人系统拜占庭弹性设计的一种最新方法，该算法基于线性一致协议（Linear Consensus Protocol，LCP）中的离群值丢弃。虽然W-MSR提供了很好理解的理论保证，将强大的网络连接与底层共识的收敛联系起来，但该方法存在一些限制，无法大规模使用：（1）要容忍的拜占庭机器人的数量F应该是先验已知的，（2）每个机器人维护2F+1个邻居的要求对于大F是不切实际的，（3）信息传播受到F+1机器人独立地对共识属性进行局部测量以改变群决策的要求的阻碍，以及（4）W-MSR是特定于LCP的，并且不能推广到不在LCP上实现的应用。在这项工作中，我们提出了一个分散的块列表协议（DBP）的基础上，机器人之间的指控。指控是基于对不当行为的本地观察而做出的，一旦被整个网络中的合作机器人共享，就被用作计算阻止列表的图匹配算法的输入。DBP推广到不通过LCP实现的应用程序，是自适应的拜占庭机器人的数量，并允许通过多机器人系统的快速信息传播，同时减少所需的网络连接相对于W-MSR。在LCP类型的应用中，DBP减少了W-MSR的最坏情况下的连接要求从（2F+1）-连接到（F+1）-连接和传播新信息所需的合作观察者的数量从F+1到只有1个观察者。我们的经验表明，我们的方法拜占庭弹性规模数百机器人的合作目标跟踪，…
2023-01-17 cs.MA cs.RO
SyncSBC: Decentralized Swarm Behavior Prediction for Synchronized Autonomous Control
Kahlert School of Computing, University of Utah（犹他大学卡勒特计算学院）
SyncSBC 是一种去中心化方法，结合机器学习与分布式共识实现群体行为分类及决策同步，准确率高、延迟低，可用于机器人异常识别与行为协同。
2026-08-10 cs.AI cs.RO
Bio-inspired Multi-robot Autonomy
Nagasaki University（长崎大学）；Heriot-Watt University（赫瑞-瓦特大学）
越来越多的高价值工业市场正在推动居民自治系统功能和弹性的改善趋势。这导致多机器人车队的增加，旨在利用不同平台的互补属性。在本文中，我们介绍了一种新的生物启发的共生系统的系统方法（SSOSA）设计的多机器人车队组成的地面四足和轮式平台的操作管理。SSOSA将MR车队与居民基础设施监控系统耦合到一个协作数字共享中。通过延迟双向通信网络实现的集成分布式系统的超可见性支持跨集成系统的协作、协调和确证（3C）。在我们的实验中，我们演示了操作员如何激活预先确定的自主任务，并利用SSOSA来克服自主任务的内在和外部风险。我们展示了如何弹性可以提高SPOT和赫斯基之间的本地合作，其中我们检测更换电池，并利用SPOT的机械臂，以支持Clearpath赫斯基A200轮式机器人平台。这允许增加自主任务的弹性，因为机器人可以协作以确保赫斯基机器人的电池状态。总的来说，这些初步结果证明了SSOSA方法在解决可扩展自主性的关键运营障碍方面的价值，即弹性。
2022-03-15 cs.RO eess.IV
Multi-Robot Collaborative Perception with Graph Neural Networks
New York University（纽约大学）
多机器人系统，如成群的空中机器人自然适合于提供额外的灵活性，弹性，和鲁棒性相比，在几个任务中的单个机器人，使代理之间的合作。为了提高自主机器人的决策过程和态势感知能力，多机器人系统必须协调它们的感知能力，以有效和有意义的方式收集、共享和融合环境信息，以准确地获得上下文相关的信息或获得对传感器噪声或故障的恢复能力。在本文中，我们提出了一个通用的图神经网络（GNN）的主要目标是增加，在多机器人感知任务，单机器人的推理感知精度以及传感器故障和干扰的弹性。我们表明，该框架可以解决多视图视觉感知问题，如单目深度估计和语义分割。几个实验都使用照片般真实的和真实的数据收集从多个空中机器人的观点表明，所提出的方法在具有挑战性的推理条件，包括图像损坏的严重噪声和相机遮挡或故障的有效性。
2022-01-23 cs.CV cs.RO
Resilience in multi-robot multi-target tracking with unknown number of targets through reconfiguration
University of Southern California（南加州大学）
我们解决的问题，保持资源的可用性在一个网络化的多机器人团队进行分布式跟踪未知数量的目标在感兴趣的环境。基于我们的模型，机器人配备了传感和计算资源，使他们能够合作跟踪一组目标的环境中使用分布式概率假设密度（PHD）过滤器。我们使用机器人的传感器测量噪声协方差矩阵的轨迹来量化其传感质量。在执行跟踪任务时，如果机器人经历传感器质量降级，则机器人团队的通信网络被重新配置，使得具有故障传感器的机器人可以与其他机器人共享信息，以提高团队的目标跟踪能力，而无需强制执行活动通信链路的数量的大的变化。一个监控团队的中央系统执行所有的网络重新配置计算。我们考虑两种不同的PHD融合方法在本文中，并提出了四种不同的混合半定规划（MISDP）配方（两个配方为每个PHD融合方法），以实现我们的目标。所有四个MISDP配方进行了验证模拟。
2020-04-15 cs.MA cs.RO cs.SY
Robofleet: Open Source Communication and Management for Fleets of Autonomous Robots
University of Texas at Austin（德克萨斯大学奥斯汀分校）
长期部署移动机器人车队需要在单个机器人和远程操作员之间建立可靠安全的双向通信通道，以进行监督和任务分配。现有的开源解决方案在具有挑战性的现实世界的情况下，如间歇性和低带宽的连接性能下降，不提供安全控制选项，并可以在硬件受限的移动机器人平台上计算昂贵。在本文中，我们提出了Robofleet，一个轻量级的开源系统，它提供了机器人间的通信，远程监控，远程任务的一个舰队的ROS启用服务移动机器人的设计与实际目标的弹性网络的变化和安全控制在心中。Robofleet通过中央服务器支持多用户、多机器人通信。这种架构消除了机器人之间的重复网络流量，与原生ROS通信相比，显著降低了整体网络负载。该服务器还充当系统的单一入口点，支持安全控制和用户身份验证。单个机器人运行轻量级的Robofleet客户端，该客户端负责与Robofleet服务器交换消息。它通过背压监控和主题级优先级控制自动适应不利的网络条件，确保安全关键消息成功传输。最后，该系统还包括一个基于网络的可视化工具，可以在任何连接互联网的浏览器设备上运行，以监控和控制车队。我们将Robofleet与现有的机器人通信方法进行了比较，并证明它对网络变化提供了卓越的弹性，同时保持了超过广泛使用的系统的性能。
2021-09-02 cs.RO
Confidence Boosts Trust-Based Resilience in Cooperative Multi-Robot Systems
Delft Center for Systems and Control, Delft University of Technology（代尔夫特系统与控制中心，代尔夫特理工大学）；Department of Computer Science, Harvard University（计算机科学系，哈佛大学）；Faculty of Engineering, Bar-Ilan University（工程学院，巴伊兰大学）
针对多机器人系统面临的网络攻击，本文利用物理信道的可信性指示和置信参数 λt 设计弹性协作协议，证明其可在任意多个恶意机器人存在时保持协调，并通过自动驾驶汽车队列实验验证有效性。
2025-06-10 cs.MA cs.RO cs.SY
Exploiting Redundancy for UWB Anomaly Detection in Infrastructure-Free Multi-Robot Relative Localization
University of Turku（图尔库大学）
针对多节点UWB相对定位抗干扰研究不足的问题，提出利用多机器人定位数据冗余、通过不同数据子集计算节点位置的异常检测方法，可识别并消除异常节点影响，鲁棒性强且计算开销可忽略。
2023-10-09 cs.RO
Loosely Synchronized Search for Multi-agent Path Finding with Asynchronous Actions
Carnegie Mellon University（卡内基梅隆大学）；Texas A&M University（得克萨斯农工大学）
多智能体路径查找（MAPF）确定多个智能体在其各自的起始位置和目标位置之间的无冲突路径的集合。在现有的MAPF规划器的工作空间建模为一个图，A* 为基础的方法已被广泛研究，由于其保证的完整性和解决方案的最优性，并已证明其效率在许多情况下。然而，几乎所有这些基于A* 的方法都假设每个代理同时执行一个操作，因为所有代理都一起启动和停止。本文提出了一种带有异步操作的MAPF（MAPF-AA）的自然概括，其中代理不一定同时启动和停止。的主要贡献的工作是一个建议的方法称为松散同步搜索（LSS），扩展A* 为基础的MAPF规划器处理异步动作。我们表明LSS是完整的，并找到一个最佳的解决方案，如果存在。我们还将LSS与其他现有的MAPF方法相结合，旨在权衡计算效率的最优性。数值结果证实了LSS的性能和所提出的方法的适用性进行了验证，在Robotarium，一个远程访问的群体机器人研究平台。
2021-08-02 cs.AI cs.RO
Constraint-Driven Coordinated Control of Multi-Robot Systems
Georgia Institute of Technology（佐治亚理工学院）
在本文中，我们提出了一个重新制定-框架作为一个约束优化问题-多机器人的任务，通过编码的成本函数，是要最小化。这种方法的优点是多方面的。基于约束的公式提供了一种自然的方式，使长期的机器人自主应用，其中弹性和适应性不断变化的环境条件是必不可少的。此外，在一定的假设下的成本函数，所得到的控制器是分散的。此外，可以实现有限时间收敛，同时仅使用局部信息，因此保持了算法的分散性。已开发的控制框架进行了测试的一个团队的地面移动机器人实施长期的环境监测。
2019-09-02 cs.RO
CAST: Collision-Aware Assembly with Construction Robots using Simultaneous Trajectory Estimation and Planning
Georgia Institute of Technology（佐治亚理工学院）
本文提出CAST框架，利用单一因子图同时进行轨迹估计与规划，处理施工多机器人系统中的碰撞避免和缆绳约束，并在柱梁结构建造中验证了其有效性。
2026-09-22 cs.RO
Beyond Robustness: A Taxonomy of Approaches towards Resilient Multi-Robot Systems
University of Cambridge（剑桥大学）；University of Pennsylvania（宾夕法尼亚大学）；Massachusetts Institute of Technology（麻省理工学院）；University of Southern California（南加利福尼亚大学）；Amazon（亚马逊）；Army Research Laboratory（陆军研究实验室）
鲁棒性是工程、自动化和整个科学的关键。然而，鲁棒性的属性通常是由昂贵的需求支撑的，例如过度配置，已知的不确定性和预测模型以及已知的对手。这些条件都是理想化的，而且往往是不能满足的。另一方面，弹性是承受意外中断的能力，从负面事件中迅速恢复并恢复正常。在这篇调查文章中，我们分析了如何实现弹性网络的代理和多机器人系统，能够克服逆境，利用系统范围内的互补性，多样性和冗余-通常涉及机器人功能的重新配置，以提供一些关键的能力，是不存在于系统的先验。随着社会越来越依赖于连接的自动化系统来提供关键的基础设施服务（例如，物流、运输和精准农业），提供实现弹性多机器人系统的手段至关重要。通过列举一个系统，是没有弹性（脆弱）的后果，我们认为，弹性必须成为一个中心的工程设计考虑。为了实现这一目标，社区需要明确如何定义、度量和维护它。我们在基础机器人领域解决这些问题，涵盖感知，控制，规划和学习。我们的主要贡献之一是方法的正式分类，这也有助于我们讨论弹性系统的定义因素和压力源。最后，这篇调查文章提供了如何实现弹性的见解。重要的是，我们强调了仍有待解决的开放性问题，以获得弹性机器人系统的好处。
2021-09-25 cs.LG cs.MA cs.RO
Distributed Collision-free Protocol for AGVs in Industrial Environments
在本文中，我们提出了一个分散的协调算法的安全和有效的管理一组移动机器人在动态的工业环境中的预定义的路径。该算法是基于一个共享资源协议和重新规划策略。它被证明是保证有序的流量避免碰撞，死锁（失速情况）和活锁（代理移动，而不到达最终目的地）。该方法证明了资源的相互访问，同时给出了最大AGV数量的条件，以确保在系统演化过程中没有死锁。最后给出了验证局部活锁的条件。与分布式机器人系统（DRS）的模型一致，不需要集中式机制，同步时钟，共享内存或地面支持。一个本地机器人间的通信，基于标志牌，被认为是在一个小数目的空间相邻的机器人单元。
2011-01-12 cs.RO
Failure-Resilient Coverage Maximization with Multiple Robots
University of Maryland College Park（马里兰大学帕克分校）
使用多个机器人最大化覆盖范围的任务有几个应用，如监视，探索和环境监测。在实际场景中部署这种多机器人系统的主要挑战是确保对机器人故障的弹性。最近的一项工作介绍了弹性覆盖最大化（RCM）问题，其目标是最大限度地提高子模块覆盖效用时，机器人受到对抗攻击或失败。RCM问题是一个NP难问题。本文提出了两种求解RCM问题的近似算法，即有序贪婪算法（OrG）和局部搜索算法（LS）。这两种算法在准确性和运行时间方面都优于最先进的解决方案。为了证明我们提出的解决方案的有效性，我们经验比较我们提出的算法与现有的解决方案和蛮力最优算法。我们还进行了持续监测问题的案例研究，以显示我们提出的算法在实际环境中的适用性。
2021-03-04 cs.RO
Multi-Robot Task Allocation using Global Games with Negative Feedback: The Colony Maintenance Problem
Old Dominion University（老道明大学）
本文提出一种基于全局博弈的负反馈机制，解决多机器人殖民地维护任务分配问题，避免正反馈导致的级联故障，并通过仿真验证其韧性。
2024-12-17 cs.RO
D-VLC: Decentralized Vision-Language Collaboration for Heterogeneous Embodied Multi-Robot Systems in Unknown Environments
本文提出D-VLC框架，结合去中心化异步推理等技术，让通用VLM生成机器人特定动作，多场景实验显示其任务成功率超70%，完成时间较几何贪心基线最多缩短55.8%。
2026-08-04 cs.RO
AMP2026: A Multi-Platform Marine Robotics Dataset for Tracking and Mapping
McGill University（麦吉尔大学）；MILA - Quebec AI Institute（魁北克人工智能研究所）；Université Paris-Saclay, CentraleSupélec（巴黎-萨克雷大学，中央超导学院）；University of Minnesota（明尼苏达大学）；Texas A&M University（德克萨斯阿姆斯特朗大学）；Woods Hole Oceanographic Institution（伍兹霍尔海洋研究所）；Binghamton University（宾厄姆顿大学）
AMP2026数据集通过多平台传感器采集，用于支持海洋环境中的多视角跟踪与制图研究。
2026-03-04 cs.RO
Source-Seeking Problem with Robot Swarms
Universidad Complutense de Madrid（马德里康普顿斯大学）
提出一种仅依赖场强测量、适用于通用编队几何的机器人群体源搜索算法，可应对复杂动力学与动态成员变化，并经数值模拟验证。
2024-08-19 cs.RO
Fully distributed and resilient source seeking for robot swarms
University of Granada（格拉纳达大学）；Hunan University（湖南大学）
针对现有机器人群体源搜索算法灵活性与故障恢复能力不足的问题，提出一种完全分布式的源搜索方案，通过局部测量与分布式估计实现无需中央协调的运动控制，经大规模仿真验证有效。
2026-08-18 cs.RO cs.SY eess.SY
Distributed Resilient Submodular Action Selection in Adversarial Environments
Virginia Polytechnic Institute and State University（弗吉尼亚理工学院与州立大学）；University of Pennsylvania（宾夕法尼亚大学）；University of Maryland（马里兰大学）
在这封信中，我们考虑一个分布式子模块最大化问题的多机器人系统时，受到对手的攻击。多机器人系统面临的主要挑战之一是增加对故障或攻击的弹性。这对于受到攻击的分布式系统尤其重要，因为没有中央指挥点可以检测、减轻攻击并从攻击中恢复。相反，分布式多机器人系统必须有效地协调以克服对抗攻击。在这项工作中，我们的分布式子模块动作选择问题模型的情况下，每个机器人在一个多机器人系统有多个动作选择，可以满足一个全球性的目标，如探索或目标跟踪广泛的集合。为了在这种情况下增加弹性，我们提出了一个完全分布式的算法来指导每个机器人的动作选择时，系统受到攻击。所提出的算法保证在最坏情况下的性能，其中多达一部分的机器人故障，由于攻击。重要的是，所提出的算法也是一致的，因为它被证明是收敛到相同的解决方案作为一个集中式的方法。最后，一个分布式弹性多机器人探索问题，以确认所提出的算法的性能。
2021-05-15 cs.DS cs.GT cs.MA
Multi-Robot Coordination with Adversarial Perception
University of Maryland（马里兰大学）；Stevens Institute of Technology（史蒂文斯理工学院）
本文针对依赖学习感知模块的安全关键型多机器人应用，研究其在对抗感知攻击下的韧性，提出集成VIO和学习感知模型的分析框架，量化系统性能退化并通过实验验证其在资源受限平台的适用性。
2025-04-12 cs.RO cs.SY eess.SY
Decentralized Control of a Hexapod Robot Using a Wireless Time Synchronized Network
Berkeley Sensor & Actuator Center（伯克利传感器与执行器中心）；University of California, Berkeley（加州大学伯克利分校）
机器人和控制系统依赖于传感器和执行器的精确定时，以便智能操作。我们提出了一个功能齐全的六足机器人，走双三脚架步态，每个三脚架驱动使用自己的本地控制器上运行一个单独的无线节点。我们比较和报告使用两种不同的分散控制方案的机器人操作的结果。对于第一种方案，每个控制器依赖于其自身的本地时钟来为其控制的三脚架生成控制信号。对于第二种方案，每个控制器依赖于一个变量，该变量对于其自身是本地的，但是作为其主机节点是时间同步的IEEE802.15.4e网络的一部分的副产品，该变量在控制器之间必然是相同的。当控制器使用它们的本地时钟时，步态同步误差（两个控制器认为是步态周期开始的时间之间的时间差）线性增长，但是当控制器使用它们的节点的时间同步本地变量时，步态同步误差保持在112微秒内。
2018-08-23 cs.RO
Distributed Fault-Tolerant Multi-Robot Cooperative Localization in Adversarial Environments
School of Computing, University of Georgia（佐治亚大学计算机学院）
针对对抗环境中的多机器人协同定位，提出分布式容错框架，采用自适应事件触发通信策略，提升定位精度与通信效率，具有良好扩展性和容错性。
2025-07-09 cs.MA cs.RO cs.SY
Music-Driven Legged Robots: Synchronized Walking to Rhythmic Beats
Academy for Engineering and Technology, Fudan University（复旦大学工程技术研究院）；School of Information and Communication Engineering, Hainan University（海南大学信息与通信工程学院）
本文提出一种集低层相位跟踪器、振荡器与高层相位调制器于一体的分层架构，使四足机器人能生成多种步态并与外部音乐节奏实现实时同步行走。
2025-03-06 cs.RO
Real-Time Synchronized Interaction Framework for Emotion-Aware Humanoid Robots
Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学）
本文提出一种实时框架，通过双通道情感引擎、动态时间规整和闭环验证，实现人形机器人的情感同步交互，提升在医疗、教育等动态场景中的应用能力。
2026-01-24 cs.RO
Onboard Mission Replanning for Adaptive Cooperative Multi-Robot Systems
The Alan Turing Institute（艾伦·图灵研究所）；Department of Aerospace Engineering（航空航天工程系）；Auburn University（阿伯丁大学）
针对多机器人系统机载重规划的现有方法缺陷，本文定义了协作任务重规划问题的新TSP变体，提出基于图注意力网络的编解码模型，实现低算力设备上的高效快速重规划。
2025-11-13 cs.LG cs.RO
Planning and Control of Multi-Robot-Object Systems under Temporal Logic Tasks and Uncertain Dynamics
Uppsala University（乌普萨拉大学）；Washington University（华盛顿大学）；KTH Royal Institute of Technology（KTH皇家理工学院）
我们开发了一个算法的运动和任务规划的系统，由多个机器人和未驱动的对象表示为线性时序逻辑（LTL）的约束下的任务。机器人和物体在障碍物杂乱的环境中受到不确定动力学的影响。所提出的解决方案的关键部分是一个耦合的过渡系统，编码的机器人和对象的运动和任务的智能化建设。我们实现了这样一个结构，通过设计适当的自适应控制协议在较低的水平，保证安全的机器人导航/物体运输的环境中，同时补偿动态的不确定性。过渡系统通过基于采样的算法有效地与时序逻辑规范接口，以输出离散路径作为机器人的同步动作序列;这些动作满足机器人以及对象的规范。机器人执行此离散路径通过使用派生的低级别控制协议。仿真结果验证了所提出的框架。
2022-04-25 cs.RO cs.SY eess.SY
MRPilot: Supervising and Intervening LLM-Based Multi-Robot Teams through Mixed Reality
North Carolina State University（北卡罗来纳州立大学）；Google（谷歌）；Purdue University（普渡大学）
MRPilot通过混合现实系统，在四个阶段（形成、审查、跟随、修复）监督和干预LLM驱动的多机器人团队，显著降低用户工作负载并提升情境意识、信任和控制感。
2026-10-07 cs.HC cs.RO
Relational Q-Functionals: Multi-Agent Learning to Recover from Unforeseen Robot Malfunctions in Continuous Action Domains
University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）
提出 Relational Q-Functionals (RQF) 框架，利用关系网络增强多智能体在连续动作域中对不可预见机器人故障的适应与恢复能力。
2024-07-27 cs.MA cs.RO
Increasing Resilience of Continuum Robots via Motion Planning Algorithms
IHP – Leibniz-Institut für innovative Mikroelektronik（莱布尼茨创新微电子研究所）；BTU Cottbus-Senftenberg（科特博斯-塞芬堡工业大学）；Technical Center, National Academy of Sciences of Ukraine（乌克兰国家科学院技术中心）
本文实验研究运动规划算法对连续体机器人韧性的影响，通过改进遗传算法和A*算法，结合层次分析法评估路径质量，发现遗传算法生成更多样化路径，提升机器人韧性。
2026-06-19 cs.RO
GNN-based Decentralized Perception in Multirobot Systems for Predicting Worker Actions
Ecole de technologie supérieure（高等技术学院）；Polytechnique Montréal（蒙特利尔理工学院）
本文提出基于 GNN 的去中心化多机器人感知框架，通过共享空间图、融合时序信息和群体共识决策预测工人动作，提升了预测准确率与系统可靠性。
2025-01-08 cs.AI cs.MA cs.RO
MR-SPITE: Accelerating Multi-Robot Conflict Scans via Hierarchical Swept-Volume Approximations
University of Illinois（伊利诺伊大学）；Instituto Tecnológico Autónomo de México (ITAM)（墨西哥自治技术学院）
本文提出MR-SPITE，一种基于运动段保守边界的过滤器，通过层次化扫掠体近似加速多机器人路径冲突扫描，在ARC中集成后实现7.18倍扫描加速和57%规划时间减少。
2026-09-22 cs.CG cs.MA cs.RO
BEAVR: Bimanual, multi-Embodiment, Accessible, Virtual Reality Teleoperation System for Robots
Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（航空与航天系，麻省理工学院）
提出BEAVR，一个开源的双手多形态VR遥操作系统，通过零拷贝流式架构和异步“思考-行动”控制循环，实现低延迟、多机器人实时控制与数据记录，并兼容多种视觉运动策略。
2025-08-13 cs.RO cs.SY eess.SY
A Resilient and Energy-Aware Task Allocation Framework for Heterogeneous Multi-Robot Systems
Institute for Robotics and Intelligent Machines, Georgia Institute of Technology（乔治亚理工学院机器人与智能机器研究所）；GRASP Laboratory, University of Pennsylvania（宾夕法尼亚大学GRASP实验室）；Combat Capabilities Development Command, Army Research Laboratory (CCDC ARL)（陆军研究实验室作战能力发展司令部（CCDC ARL））
在异构的多机器人团队部署执行多个任务的背景下，本文开发了一个能源感知的框架分配任务的机器人在网上的方式。我们主要关注长期自治应用程序，因此选择了以生存性为中心的方法。为此，任务的优先级和执行-通过它的任务分配给机器人是有效地实现-被编码为一个优化问题内的约束，旨在最大限度地减少机器人在每个时间点消耗的能量。在这种情况下，分配被解释为每个机器人对任务的优先级高于所有其他任务。此外，我们提出了一种新的框架来表示机器人的异构能力，通过区分机器人上可用的功能，以及这些功能所支持的功能。通过将这些描述嵌入到优化问题中，我们使框架能够适应环境条件使某些功能不适合支持功能以及机器人上发生组件故障的情况。我们证明了所提出的方法在各种用例场景中的有效性和弹性，包括模拟和真实的机器人实验。
2021-05-12 cs.RO cs.SY eess.SY
On Enhancing Structural Resilience of Multirobot Coverage Control with Bearing Rigidity
School of Aeronautics and Astronautics, Purdue University（普渡大学航空航天学院）
针对多机器人覆盖控制中机器人丢失或偏离编队导致的结构脆弱问题，提出结合Voronoi划分与分散式MPC的分层框架，通过轴承维护增强结构韧性，仿真验证有效性。
2025-02-23 cs.RO
REAL: Resilience and Adaptation using Large Language Models on Autonomous Aerial Robots
MIT（麻省理工学院）
本文提出REAL方法，将大语言模型集成到自主空中机器人的任务规划与控制回路中，利用其先验知识、自然语言理解和推理能力提升机器人在控制器参数误差、未建模动力学及危险场景下的韧性与自适应能力。
2023-11-02 cs.RO
Distributed Artificial Intelligence as a Means to Achieve Self-X-Functions for Increasing Resilience: the First Steps
IHP – Leibniz-Institut für innovative Mikroelektronik（IHP – 莱布尼茨创新微电子研究所）；BTU Cottbus-Senftenberg（科特布斯-森夫滕贝格勃兰登堡工业大学）
本文探讨将分布式人工智能与仿生机器人结合以实现 Self-X 功能、增强系统韧性，并介绍分布式控制的初步研究。
2024-04-09 cs.RO
WaveSync: Constrained Wavefront Optimization for Synchronized Co-Speech Gestures in Humanoid Robots
University of Engineering and Technology, Vietnam National University（越南国立大学工程与技术大学）；School of Information Science, Japan Advanced Institute of Science and Technology（日本先端科学技术大学院大学信息科学学院）；School of Electronics and Computer Science, University of Southampton（南安普顿大学电子与计算机科学学院）；Department of Robotics, Hanyang University（汉阳大学机器人学系）
提出WaveSync框架，利用大语言模型分解语义并构建重要性波，通过动态运动基元生成手势轨迹，再经波前优化实现手势与语音的峰值同步，同时满足运动学约束，在五组对话场景中优于基线方法。
2026-09-03 cs.RO
Talk, Render, Act: Integrating Social Gesture and Digital Face with Synchronized Speech for Conversational Humanoid Robot
United Arab Emirates University (UAEU)（阿联酋大学）
针对人形机器人交互中语音、面部和手势不协调的问题，提出TRABot框架，通过语义运动原子和组合规划器实现同步，实验证明其在自然性、表现力和多模态连贯性上最优。
2026-10-12 cs.RO
Towards Generation and Evaluation of Comprehensive Mapping Robot Datasets
ShanghaiTech University（上海科技大学）
本文提出了一种全硬件同步映射机器人与硬件同步外部跟踪系统的支持，超精确的定时和定位。我们还采用专业的静态3D扫描仪进行地面实况地图收集。生成三个数据集以评估房间内和房间之间的映射算法的性能。基于这些数据集，我们生成地图和轨迹数据，然后将其输入评估算法。绘图和评估程序以非常容易再现的方式进行，以实现最大的可比性。最后，我们可以得出一些关于测试SLAM算法的结论。
2019-08-24 cs.RO
SurgSync: Time-Synchronized Multi-Modal Data Collection Framework and Dataset for Surgical Robotics
Department of Robotics Engineering, Worcester Polytechnic Institute（机器人工程系，沃斯特理工学院）；Laboratory for Computational Sensing and Robotics（计算感知与机器人实验室）；Department of Computer Science, Johns Hopkins University（计算机科学系，约翰霍普金斯大学）；Robotics and Control Laboratory, the University of British Columbia（机器人与控制实验室，不列颠哥伦比亚大学）；Department of Electronics, Information and Bioengineering, Politecnico di Milano（电子、信息与生物工程系，米兰理工学院）
SurgSync提出了一种时间同步的多模态数据采集框架和数据集，用于手术机器人中的高阶控制与训练，通过多传感器和后处理工具提升数据质量与实用性。
2026-03-06 cs.RO
Collaborating for Success: Optimizing System Efficiency and Resilience Under Agile Industrial Settings
Irish Manufacturing Research Company Ltd（爱尔兰制造研究公司）；Shutterfly（舒特弗莱公司）；KineticAI INC.（动能人工智能公司）
针对敏捷工业人机协作中效率与韧性兼顾的难题，提出融合2D激光与3D视觉的分层控制方案，通过扩展安全监测区与速度调节，经实验验证可有效缩短任务时长与响应延迟。
2024-09-12 cs.RO
Fast Damage Recovery in Robotics with the T-Resilience Algorithm
ISIR, Université Pierre et Marie Curie-Paris 6, CNRS UMR 7222（智能机器人与系统研究所，巴黎第六大学皮埃尔与玛丽·居里大学，法国国家科学研究中心 UMR 7222）
损伤恢复对于需要在没有辅助的情况下长时间运行的自主机器人至关重要。目前的大多数方法都是复杂和昂贵的，因为它们需要预测每一个潜在的损害，以便有一个应急计划准备。作为替代方案，我们引入了T-弹性算法，这是一种新的算法，允许机器人在意外情况下快速自主地发现补偿行为。该算法为机器人配备了一个自我模型，并通过学习来发现新的行为，以避免那些在自我模型和现实中表现不同的行为。因此，我们的算法不会识别损坏的部分，但它隐式地搜索不使用它们的有效行为。我们评估的T-弹性算法的六足机器人，需要适应腿切除，断腿和电机故障，我们比较随机局部搜索，策略梯度和Bongard等人提出的自建模算法。机器人的行为进行评估板上感谢RGB-D传感器和SLAM算法。在机器人上只进行了25次测试，总运行时间为20分钟，T-Resilience始终比其他方法产生更好的结果。
2013-02-02 cs.AI cs.LG cs.RO
Advanced Mapping Robot and High-Resolution Dataset
School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院）
本文提出了一种全硬件同步映射机器人与硬件同步外部跟踪系统的支持，超精确的定时和定位。9台高分辨率相机和2台32光束3D激光雷达与专业静态3D扫描仪一起用于地面实况地图收集。在地图绘制机器人上校准所有传感器的情况下，收集三个数据集以评估房间内和房间之间的地图绘制算法的性能。基于这些数据集，我们生成地图和轨迹数据，然后将其输入评估算法。我们提供数据集供下载，并以非常容易重现的方式进行映射和评估程序，以实现最大的可比性。我们还对可用的机器人相关数据集进行了调查，并编制了一个包含这些数据集及其一些属性的大表。
2020-07-23 cs.RO
MAVFI: An End-to-End Fault Analysis Framework with Anomaly Detection and Recovery for Micro Aerial Vehicles
Harvard University（哈佛大学）；Georgia Institute of Technology（佐治亚理工学院）；Peking University（北京大学）
安全性和弹性对于自主无人机（UAV）至关重要。我们引入MAVFI，微型飞行器（MAVs）的弹性分析方法，以评估无声数据损坏（SDC）对无人机的任务指标，如飞行时间和成功率的影响，以准确测量系统的弹性。为了提高机器人系统的安全性和弹性约束的大小，重量和功率（SWaP），我们提供了两个低开销的基于异常的SDC检测和恢复算法的基础上高斯统计模型和自编码器神经网络。我们的异常错误保护技术在许多模拟环境中得到验证。我们证明了基于自动编码器的技术可以恢复到我们研究的场景中的所有故障情况，计算开销不超过0.0062%。我们的应用程序感知弹性分析框架MAVFI可用于全面测试其他基于机器人操作系统（ROS）的应用程序的弹性，并可在https://github.com/harvard-edge/MAVBench/tree/mavfi上公开获取。
2023-01-30 cs.RO
Breathe with Me: Synchronizing Biosignals for User Embodiment in Robots
University of Bremen（不莱梅大学）；University of Haifa（海法大学）；Cognitive Systems Lab（认知系统实验室）；The Digital Media Lab（数字媒体实验室）
通过实时呼吸信号同步提升机器人中用户具身体验，探索生理信号作为新型内脏通路在人机交互中的应用。
2025-12-16 cs.HC cs.RO
Probabilistically Resilient Multi-Robot Informative Path Planning
Virginia Polytechnic Institute and State University（弗吉尼亚理工学院暨州立大学）
在本文中，我们解决了多机器人信息路径规划（MIPP）任务的影响下，不确定的通信和对抗性攻击。我们的目标是创建一个多机器人系统，可以学习和统一的知识，一个未知的环境，尽管存在的损坏的机器人共享恶意信息。我们使用高斯过程（GP）来模拟我们的未知环境，并使用互信息的度量来定义信息量。我们的MIPP任务的目标是最大限度地提高团队收集的信息量，同时最大限度地提高抵御攻击的可能性。不幸的是，这些目标是不一致的，特别是在探索大型环境时，需要断开机器人之间的连接。因此，我们施加了一个概率通信约束，允许机器人间歇性地和弹性地共享信息，然后采取行动，以最大限度地收集信息在所有其他时间。为了解决我们的问题，我们选择具有最高弹性概率的会议地点，并使用顺序贪心算法来优化机器人探索的路径。最后，我们通过比较行为良好的机器人应用弹性与非弹性MIPP算法的学习能力，证明了我们的结果的有效性。
2022-06-23 cs.RO
A Soft-Bodied Aerial Robot for Collision Resilience and Contact-Reactive Perching
Polytechnic School, Ira A. Fulton Schools of Engineering, Arizona State University（亚利桑那州立大学艾拉·A·富尔顿工程学院理工学院）；Imperial College London（伦敦帝国理工学院）；Toyota InfoTech R&D Labs（丰田信息技术研发实验室）；Hellenic Mediterranean University（希腊地中海大学）
提出一种轻量级可充气软体空中机器人SoBAR，通过气动调节刚度实现内在抗碰撞能力，并配备混合双稳态抓取器实现接触反应式抓取，显著提升了碰撞恢复、停歇成功率及操作性能。
2023-01-04 cs.RO cs.SY eess.SY
Millimeter-wave Foresight Sensing for Safety and Resilience in Autonomous Operations
Heriot-Watt University（赫瑞-瓦特大学）；Nagasaki University（长崎大学）
机器人平台具有高度可编程性、可扩展性和通用性，可完成多种任务，包括检查、维护和维修（IMR）。移动机器人减少了操作环境中的限制，从而提高了灵活性;在高空、危险区域和重复性任务中操作。网络物理基础设施已被英国机器人增长伙伴关系确定为我们如何通过虚拟和物理世界利用传感器和机器并与之交互的关键推动因素。网络物理系统（CPS）允许机器人和人工智能适应和重新调整，从而解决CPS中的新挑战。机器人技术面临的一个挑战是在广泛的领域建立有效的合作伙伴关系，其中包括共享机器人和超视距（BVLOS）。机器人操纵能力通过打开门口的能力提高了机器人的可访问性，然而，机器人如何决定进入新的工作空间是否安全存在挑战。目前的传感方法仅限于视线范围，无法捕获门口或墙壁以外的数据，因此，机器人无法感知开门是否安全。另一个限制是机器人无法检测人类是否在共享工作空间内。因此，如果检测到人类，则可以采取扩展的安全预防措施以确保机器人的安全自主操作。这些挑战表现为安全、信任和弹性，阻碍了CPS的成功推进。本文评估了使用调频连续波雷达感应人体检测和穿墙检测，以提高态势感知。结果验证了传感器的使用，以检测人和基础设施之间的差异，并通过前瞻性监测通过墙壁提高导航的态势感知。
2022-03-24 cs.RO eess.SP
Synchronized Multi-Arm Rearrangement Guided by Mode Graphs with Capacity Constraints
Rutgers University（罗格斯大学）
解决涉及多个对象和多个机器人手臂的任务规划问题带来了可扩展性的挑战。这些问题不仅涉及协调多个高自由度手臂，而且还涉及搜索可能的动作序列，包括对象放置和翻转。目前的工作确定了一个有用的多臂重排和最近的结果之间的连接，在多体路径规划的图与顶点容量约束。解决一个同步的多臂重排在一个高层次涉及推理的模态图，其中节点对应于稳定的对象放置和对象转移状态的武器。该图的边缘对应于拾取、放置和切换操作。对象可以被看作是在这个图上移动的鹅卵石，它具有容量限制。例如，每个臂可以携带单个对象，但是放置位置可以累积许多对象。已提出了相应的卵石问题的有效整数线性规划为基础的求解器。目前的工作提出了一个启发式的任务规划过程中，指导同步多臂重排。结果表明，良好的可扩展性，多个武器和对象，和算法，可以找到高质量的解决方案快速和表现出理想的任何时候的行为。
2020-05-18 cs.RO
