Anomaly Detection in Smart Manufacturing with an Application Focus on Robotic Finishing Systems: A Review
Western University(韦仕敦大学)
随着智能制造系统变得越来越复杂,产生大量数据,生产故障的可能性越来越大。出现了需要最小化或消除生产故障,其中之一是通过异常检测。然而,随着异常检测系统的部署,有许多方面需要考虑。本文概述了智能制造和机器人精加工系统中异常检测的组成部分、优点、挑战、方法和未决问题。
2021-07-13 cs.RO
A review of robotics taxonomies in terms of form and structure
Naval Research Laboratory(海军研究实验室)
识别和分类特定的机器人任务,行为和资源是跨实验室和平台复制和评估机器人实验的重要前提。如果没有一些方法来捕捉一个环境、平台或行为与另一个环境、平台或行为的差异,我们就无法开始确定这些变化对性能的影响,也无法预测机器人在新环境中的性能。作为实验重现性的第一步,现有的分类在机器人领域进行审查和结构和形式的共同模式提取,确定他们与传统分类和必要的结构元素,从其他分类和归类系统共享的属性。注意到分类学主题的多样性和随后在协调概念基础方面的困难。机器人分类法在结构和形式上是非常分散的,需要能够支持复杂关系的符号。
2021-01-07 cs.RO
Review of control algorithms for mobile robotics
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA(国家开放大学);UNIVERSIDAD PEDAGOGICA Y TECNOLOGICA DE COLOMBIA(哥伦比亚教育与技术大学)
本文综述了移动机器人控制算法,涵盖经典PID及现代深度学习等方法,聚焦导航、定位、建图与路径规划挑战,并讨论实际应用与挑战,为研究者提供全面参考。
2023-10-09 cs.RO
Distributed Robotic Systems in the Edge-Cloud Continuum with ROS 2: a Review on Novel Architectures and Technology Readiness
University of Turku(图尔库大学)
机器人系统比以往任何时候都更加连接,网络化和分布式。最近出现了符合\textit{de facto}机器人中间件标准ROS\2的新架构,以填补从边缘到云部署的混合系统方面的空白。本文回顾了使容器化机器人应用程序能够在边缘或云中无缝运行的新架构和技术。我们还概述了包括从扩展到ROS\,2工具到Kubernetes和ROS\,2集成的解决方案的系统。另一个重要的趋势是机器人学习,以及新的模拟器和云模拟如何实现,例如,大规模强化学习或分布式联邦学习解决方案。这也使机器人系统开发的持续交互和持续部署(CI/CD)管道能够更深入地集成,超越了标准软件单元测试,通过模拟测试自动构建和验证代码。我们讨论了当前的技术准备情况,并列出了可能出现的新应用场景。最后,我们讨论了分布式机器人系统目前面临的挑战,并列出了该领域的开放研究问题。
2022-11-02 cs.RO
Robotic Process Automation -- A Systematic Literature Review and Assessment Framework
Institute of Databases and Information Systems, Ulm University(乌尔姆大学数据库与信息系统研究所)
机器人流程自动化(RPA)是基于规则的常规流程的自动化,以提高效率并降低成本。由于过程自动化在工业中的重要性,RPA在科学领域也引起了越来越多的关注。本文通过系统性文献综述(SLR)介绍了RPA领域的最新进展。在本SLR中,根据明确定义的研究问题识别、分类和分析了63篇出版物。此外,从SLR的调查结果,系统地分析,评估和比较现有的以及即将到来的RPA工程的框架。所发现的专题组建议进一步调查,以制定一个更详细的结构研究方法的RPA。
2020-12-22 cs.RO
Accelerating Surgical Robotics Research: A Review of 10 Years With the da Vinci Research Kit
Imperial College London(伦敦帝国理工学院);University of Leeds(利兹大学);Johns Hopkins University(约翰斯·霍普金斯大学);Worcester Polytechnic Institute(伍斯特理工学院);Intuitive Surgical Inc(直觉外科公司)
机器人辅助手术现已在临床实践中得到广泛应用,并已成为多种临床适应症的金标准临床治疗选择。机器人辅助手术领域预计将在未来十年内大幅增长,一系列新的机器人设备将出现,以满足不同专业未满足的临床需求。一个充满活力的手术机器人研究社区对于概念化这种新系统以及开发和培训工程师和科学家将其转化为实践至关重要。达芬奇研究套件(dVRK)是一项学术和行业合作项目,旨在重新利用退役的达芬奇手术系统(Intuitive Surgical Inc,CA,USA)作为手术机器人研究的研究平台,一直是解决障碍的关键举措手术机器人领域新研究小组的进入。在本文中,我们提出了一个广泛的审查出版物,促进了dVRK在过去的十年。我们将研究工作分为不同的类别,并概述了机器人社区维护这一倡议并在此基础上建立的一些主要挑战和需求。
2021-11-17 cs.RO
Affective Robotics For Wellbeing: A Scoping Review
University of Cambridge(剑桥大学)
本文系统回顾了过去十年HRI文献,分析了面向福祉的情感机器人的目标、平台、形状、能力与自主性等特征,并提出未来研究议程与建议。
2023-04-04 cs.RO
A systematic literature review on Robotic Process Automation security
University of Guelph(圭尔夫大学)
技术官僚时代充斥着新技术,这些尖端设施伴随着风险和陷阱。机器人流程自动化是另一项创新,它使大容量,手动,可重复,日常实践,基于规则和无动力的人类差事计算机化。机器人过程自动化的主要目标是用虚拟劳动力或计算机化专家来代替单调的人类差事,他们从事与人类劳动者过去所做的类似工作。这使得人类劳动者能够专注于棘手的任务和批判性思维。机器人流程自动化工具被认为是直接和强大的明确的业务流程计算机化。机器人过程自动化包括决定是否应该发生过程的智能。它能够分析呈现的数据,并根据开发人员设置的逻辑参数提供决策。此外,它不像其他形式的自动化那样需要系统集成。尽管如此,由于创新尚未出现,机器人过程自动化在执行过程中面临一些困难。
2022-12-11 cs.RO
A Systematic Literature Review of Experiments in Socially Assistive Robotics using Humanoid Robots
University of Tsukuba(筑波大学)
我们进行了系统的文献综述,以发现人形机器人是如何被应用于社会辅助机器人实验。我们检索了24篇论文,其中16篇被纳入进行更深入的分析。为了进行这种分析,我们使用了一个受基于行为的机器人启发的概念框架。我们想知道是哪个机器人(大多数使用机器人NAO),应用程序的目标是什么(教学,协助,演奏,指导),如何控制机器人(在大多数实验中手动),机器人表现出什么样的行为(对触摸做出反应,指向身体部位,唱歌,跳舞,等等),机器人使用了什么样的执行器(总是电机,有时扬声器,几乎没有任何其他类型的致动器)和机器人使用什么类型的传感器(在许多研究中,机器人根本不使用任何传感器,在其他研究中,机器人经常使用相机和/或麦克风)。本研究的结果可用于设计针对类人社会辅助机器人的软件框架,特别是在软件产品线工程项目的背景下。
2017-11-15 cs.RO
Deep Causal Learning for Robotic Intelligence
Rochester Institute of Technology(罗切斯特理工学院)
这篇特邀评论讨论了机器人智能背景下的因果学习。本文首先介绍了人类认知中因果学习的心理学研究成果,然后介绍了因果发现和因果推理的传统统计方法。本文回顾了最近的深度因果学习算法,重点介绍了它们的架构和使用深度网络的好处,并讨论了深度因果学习与机器人智能需求之间的差距。
2022-12-23 cs.RO
Robotics Applications in Neurology: A Review of Recent Advancements and Future Directions
Kariadi Hospital(卡里亚迪医院);Indonesia Center for Technology Empowerment (ICTE)(印度尼西亚技术赋能中心);Diponegoro University(迪波内戈罗大学);UNDIP(迪波内戈罗大学);UNS(塞贝拉斯马雷特大学);Syiah Kuala University(锡亚库阿拉大学);RS Permata Cirebon(佩尔马塔井里汶医院)
本综述聚焦神经病学领域机器人技术在诊断、治疗、康复三大方向的最新进展,分析现有技术的挑战与局限,并展望其与神经假体、AI、VR等技术融合的未来方向,凸显其革新领域、改善患者生活的潜力。
2023-12-12 cs.RO
Robotic Non-Destructive Testing of Manmade Structures: A Review of the Literature
Indian Institute of Technology(印度理工学院);Aachen University(亚琛大学)
这篇文献综述探讨了机器人如何用于维护人造结构,如管道,钢筋混凝土甲板和空间站作为一个样本的广泛的机器人无损检测(NDT)的应用。机器人NDT可用于发现管道中的斑块、钢结构建筑中的腐蚀以及空间站中的冲击损伤,这些通常是肉眼看不到的。检查后,被检查的材料被保存在其原始状态。本文的结构如下:首先,阐述了无损检测的定义,并讨论了将用于上述结构的检测的具体方法。其次,解释为什么机器人适合于检查,特别是机器人相对于人类的优势。第三,三个现实世界的例子通知读者在机器人无损检测的当前进展。最后,机器人问题的总结提醒人们,测试和开发必须继续机器人无损检测成为主流。
2020-07-12 cs.RO
3D ToF LiDAR in Mobile Robotics: A Review
Northwestern Polytechnical University(西北工业大学);RENAULT S.A.S(雷诺集团);University of Oxford(牛津大学);NIO Inc.(蔚来汽车);Czech Technical University(捷克技术大学);Univ. Bourgogne Franche-Comté(勃艮第-弗朗什-孔泰大学);UTBM(贝尔福-蒙贝利亚尔技术大学)
在过去的十年中,3D飞行时间(ToF)LiDAR在移动机器人中的使用迅速增长。本文在积累相关研究成果的基础上,对3D ToF LiDAR在科研和工业应用中的应用进行了系统的回顾和分析。前者包括目标检测、机器人定位、长期自主、恶劣天气条件下的LiDAR数据处理以及传感器融合。后者包括服务机器人、辅助和自动驾驶,以及最近为应对公共卫生危机而进行的应用。我们希望我们的努力能够有效地为读者提供相关参考,并促进现有成熟技术在现实系统中的部署。
2022-02-22 cs.RO
Parallel Computing Architectures for Robotic Applications: A Comprehensive Review
North South University(南北大学)
本文综述了并行计算架构(多核CPU、GPU、FPGA、分布式系统)在机器人应用中提升实时处理、传感器融合和路径规划性能的潜力,并讨论了实际案例、比较、挑战及解决方案。
2025-09-07 cs.RO
Smart Driver Monitoring Robotic System to Enhance Road Safety : A Comprehensive Review
University of Tennessee(田纳西大学)
本综述梳理了从传统生理监测到人脸识别等的驾驶员监测技术现状,探讨现有系统挑战,研究集成AI与传感器的智能机器人系统实现实时人机互动的方案,为人机交互与汽车安全交叉领域研究奠定基础并指明新方向。
2024-01-28 cs.RO
Immuno-inspired robotic applications: a review
University of Texas at Austin(德克萨斯大学奥斯汀分校)
人工免疫系统主要模仿生物免疫功能的适应性。它们适应不同病原体的能力使这种系统成为各种机器人应用的合适选择。通常,基于AIS的机器人应用根据表示模式的选择将局部瞬时感觉信息映射到抗原或共刺激信号中。然后,算法使用相关的免疫功能来输出进化的抗体或树突细胞的成熟度(根据驱动信号)。据观察,研究人员在试图解决手头的问题时,不试图复制生物免疫,而是选择必要的免疫功能,从而导致这些应用被报道的特设方式。因此,作者提出了一个全面的审查免疫启发的机器人应用程序,试图将它们根据基本的免疫定义进行分类。实施细节以相应的数学表达式及其表示模式(包括二进制、实数或混合数据)的形式列成表格。根据现代免疫学解释,也确定了报告的应用的局限性。作为这项研究的结果,作者建议重新关注先天免疫,并强调免疫表征应该受益于机器人的体现,必须扩展到包括现代趋势。
2012-02-20 cs.RO
Active Learning in Robotics: A Review of Control Principles
Northwestern University(西北大学)
主动学习是一个决策过程。无论是在抽象的环境中还是在实际的环境中,主动学习都需要分析和行动。这是一个机器人学中的主动学习的综述,主要关注符合具身学习系统要求的方法。机器人必须能够通过持续的在线部署来高效灵活地学习。这提出了一组独特的控制导向的挑战-必须选择合适的措施作为目标,综合实时控制,并产生分析,以保证性能和安全性与环境或机器人本身的有限知识。在这项工作中,我们调查的机器人主动学习系统的基本组成部分。我们讨论类的学习任务,机器人通常遇到的措施,他们衡量的信息内容的意见,并生成行动计划的算法。此外,我们提供了各种例子-从环境映射到非参数形状估计-突出学习任务,信息措施和控制技术之间的质的差异。最后,我们讨论了面向控制的开放式挑战,包括安全约束学习和分布式学习。
2021-06-25 cs.RO
Autonomous Robotic Pruning in Orchards and Vineyards: a Review
Politecnico di Torino(托斯尼亚理工学院)
本文综述2014—2024年果园与葡萄园自主机器人修剪研究,梳理机器视觉、感知、骨架化与控制等技术进展,并指出开放挑战与未来方向。
2025-05-12 cs.RO
Foundation Model Driven Robotics: A Comprehensive Review
School of Mechanical and Aerospace Engineering, Nanyang Technological University(南洋理工大学机械与航空航天工程学院);J. Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University(德克萨斯农工大学J. Mike Walker ’66机械工程系)
本综述全面回顾了大型语言模型和视觉语言模型在机器人学中的应用,系统分析了仿真设计、开放世界执行等集成策略与瓶颈,并提出了通过更鲁棒的具身模型弥合语义推理与物理智能的未来路线图。
2026-11-16 cs.RO
Raven: Open Surgical Robotic Platforms
Rochester Institute of Technology(罗切斯特理工学院);University of Washington(华盛顿大学);University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
Raven I和Raven II手术机器人作为开放式研究平台,已经为机器人手术研究界服务了十年。本文简要介绍了Raven I和Raven II机器人,综述了基于Raven机器人的、旨在应用于Raven机器人的、或与Raven机器人直接比较的最新出版物,并以Raven机器人为例讨论了当前研究界的热点问题和机器人手术研究的趋势。本文并没有进行全面的文献综述,而是仅回顾了近三年来正式发表的著作,并利用这些最新出版物分析了机器人手术主题的研究兴趣、热门开放研究问题和机会。
2019-06-27 cs.RO
Secure Robotics: A Definition and a Brief Review from a Cybersecurity Control and Implementation Methodology Perspective
Bluerydge Cybersecurity and Technology(布鲁里奇网络安全与技术公司);University of Canberra(堪培拉大学);The Australian National University(澳大利亚国立大学)
安全机器人是一个多学科的努力,以改善机器人和具体的人工智能系统的网络安全态势。本文调查了封装安全机器人概念的新兴概念和想法,并确定了五个安全机器人网络安全控制实施层作为从业人员考虑的关键起点。它还认识到需要进一步研究人机信任与实施既定和新颖的网络安全控制之间的关系。
2022-11-14 cs.CR cs.RO
Underwater Robotic Simulators Review for Autonomous System Development
University College London(伦敦大学学院);Technology Innovation Institute(技术创新研究院)
本文系统综述并比较了五个ROS兼容的开源水下机器人仿真器,从保真度、可扩展性、任务适配性及sim-to-real能力等方面进行评估,为仿真环境选择与未来标准化发展提供指导。
2025-04-08 cs.RO
Predictive Processing in Cognitive Robotics: a Review
Universidad Nacional Autónoma de México(墨西哥国立自治大学);Scuola Superiore Sant’Anna(圣安娜高等研究院);National Research Council(国家研究委员会);Humboldt-Universität zu Berlin(柏林洪堡大学);Universidad Autónoma del Estado de Morelos(莫雷洛斯州自治大学)
预测加工已经成为认知科学中一个有影响力的框架。该框架颠覆了传统的感知观,认为信息处理的主要流程是以自上而下的分层方式实现的。此外,它旨在统一感知,认知和行动作为一个单一的推理过程。然而,在相关文献中,预测处理框架及其相关方案,如预测编码,主动推理,感知推理,自由能量原理,往往是互换使用。在认知机器人领域,没有明确区分哪些方案已经实施,以及在哪些假设下实施。在本文中,工作定义的主要目的是分析在预测处理框架下工作的认知机器人研究的最新发展,以及一些相关的非机器人模型。分析表明,首先,认知机器人实现和非机器人模型的研究需要扩展到研究如何将多个外感受模态集成到预测误差最小化方案中。其次,这里发现的一个相关区别是,认知机器人实现往往强调生成模型的学习,而在非机器人模型中几乎不存在。第三,尽管与主动推理相关,但很少有认知机器人实现研究控制周围的问题,以及它是否应该由本体感受预测的逆模型替代而产生。最后,有限的注意力已经放在精确加权和跟踪预测误差动态。这些机制有助于在预测处理框架下探索认知机器人研究中更复杂的行为和任务。
2021-01-22 cs.RO
Usability Squared: Principles for doing good systems research in robotics
Cornell University(康奈尔大学)
尽管机器人研究最近取得了重大进展,大量资本注入机器人初创公司,以及市场对机器人解决方案的巨大需求,但在重工业和(最近)仓库物流之外,机器人系统的大规模现实部署仍然相对稀缺。在本文中,我们认为,这种稀缺性来自构建即使只是功能性的,第一遍机器人应用程序的困难,没有令人眼花缭乱的广度和深度的专业知识,相比之下,非云计算专家可以相对容易地构建复杂的分布式应用程序,功能合理。我们将应用程序构建中的这一困难追溯到机器人领域缺乏良好的系统研究,并以两种不同的方式通过将可用性集中在系统研究中来实现应用程序构建:为了验证系统研究中定义的抽象的可用性,并确保研究本身可供应用程序开发人员在评估其对目标领域的适用性时使用,遵循现实主义、抽象主义和详尽阐述的原则。此外,我们提出了一些建议,社区层面的变化,激励措施和举措,创造一个更好的环境,系统的工作机器人。
2019-06-16 cs.RO
Accessible Survey of Evolutionary Robotics and Potential Future Research Directions
Bournemouth University(伯恩茅斯大学)
本文综述了应用于进化机器人领域的各种进化方法,旨在解决机器人设计和控制领域的难题。进化机器人是一个快速发展的领域,近年来吸引了大量的研究关注。因此,本文整理了最近的研究结果以及一些预期的应用。所审查的文献有系统地组织起来,对最近的事态发展作了分类概述,并以表格形式提出,以供快速参考。我们从ER的角度讨论了机器人技术中存在的突出潜力和挑战,相信这些将在不久的将来通过应用进化方法得到解决。本研究的主要目的是探讨进化方法在机器人应用程序开发中的适用性。我们相信,这项研究将使研究人员能够利用进化方法来解决机器人技术中复杂的突出问题。
2022-10-21 cs.RO
Robotic Vision for Human-Robot Interaction and Collaboration: A Survey and Systematic Review
Australian Research Council Centre of Excellence for Robotic Vision(澳大利亚研究理事会机器人视觉卓越中心);Queensland University of Technology(昆士兰科技大学);Monash University(莫纳什大学);University of Oxford(牛津大学)
本综述系统性回顾了过去10年310篇文献,全面分析了机器人视觉在人机交互与协作中的应用趋势、方法、数据集及未来挑战,指出该领域在动作识别和物体交接等方面取得进展,但计算机视觉新技术转化不足。
2023-07-28 cs.RO
SwarmRob: A Toolkit for Reproducibility and Sharing of Experimental Artifacts in Robotics Research
Bielefeld University of Applied Sciences(比勒费尔德应用科学大学);Otto-von-Guericke-University(奥托-冯-格里克大学)
由于机器人的复杂性,结果和实验的可重复性是机器人研究的基本问题之一。虽然社区已经发现了这个问题,但适当解决这个问题的方法有限。本文提出的工具包试图通过基于操作系统级虚拟化的整体方法来处理机器人研究中实验工件的可再现性和共享问题。一个实验的实验工件被隔离在“容器”中,可以分发给其他研究人员。在此基础上,本文提出了一种新的实验工作流来描述,执行和分发实验软件工件的异构机器人动态。因此,所提出的解决方案支持研究人员执行和复制实验评估。
2018-01-25 cs.RO
Deep Reinforcement Learning for the Control of Robotic Manipulation: A Focussed Mini-Review
ICube Lab Robotics Department Strasbourg University UMR 7357 CNRS(斯特拉斯堡大学ICube实验室机器人系 UMR 7357 CNRS);ICube Lab UMR 7357 Centre National de la Recherche Scientifique CNRS(ICube实验室 UMR 7357 法国国家科学研究中心)
深度学习提供了操纵、处理和分析数据的新方法。它有时可能达到与人类专家表现相当或超过人类专家表现的结果,并已成为人工智能时代的灵感来源。机器学习的另一个子领域称为强化学习,试图通过与环境的交互来找到最佳行为策略。结合深度学习和强化学习可以解决与稀疏奖励信号任务(如机器人操作和控制任务)中数据的维度和可扩展性相关的关键问题,这两种方法都不允许单独应用。本文介绍了深度强化学习算法的最新进展,这些算法试图解决机器人操作控制领域的应用问题,如样本效率和泛化能力。尽管有这些不断的改进,目前,学习强大的和通用的操作技能的机器人与深度强化学习的挑战仍然远远没有解决现实世界的应用。
2021-02-08 cs.RO
Adapting Low-Cost Platforms for Robotics Research
Singapore University of Technology and Design(新加坡科技设计大学)
机器人理论在真实硬件平台上的验证对于证明算法的实际可行性非常重要。本文讨论了一些经验教训,同时适应EvoBot,一个低成本的机器人平台,我们设计和原型,在机器人技术的不同领域的研究。EvoBot平台被设计成一个低成本、开源、通用的机器人平台,旨在测试和验证机器人技术各个子领域的算法。在整个论文中,我们概述并讨论了一些常见的故障,实际限制和理论与实践之间的不一致,人们可能会遇到,而适应这种低成本的平台,机器人研究。我们通过四个具有代表性的常见机器人任务-本地化,实时控制,群体共识和路径规划应用程序,使用EvoBots执行这些方面。我们还提出了一些潜在的解决方案,遇到的问题,并试图概括他们。
2017-05-20 cs.RO
Soft Pneumatic Actuators for Robotics: From Motion Generation to Performance Optimization
本文基于运动类型(直线、弯曲、扭转、全向)分类综述软体气动执行器的设计策略,分析结构特征对运动输出、力产生、空气需求等性能的影响,并讨论选择与比较时的关键条件。
2026-11-13 cs.RO
BenchBot: Evaluating Robotics Research in Photorealistic 3D Simulation and on Real Robots
Queensland University of Technology(昆士兰科技大学)
我们介绍BenchBot,一种新颖的软件套件,用于在逼真的3D模拟和真实的机器人平台上对机器人研究的性能进行基准测试。BenchBot在解决机器人研究问题时为机器人的感觉运动能力提供了一个简单的接口;无论目标平台是模拟的还是真实的机器人,该接口都是一致的。在本文中,我们概述了BenchBot系统架构,并探讨其以用户为中心的设计和理想的研究开发过程中没有切线机器人工程的挑战之间的相似之处。本文介绍了使用BenchBot系统的研究优势,包括:增强的能力,只专注于研究问题,直接定量反馈,以告知研究开发,工具,用于获得综合性能特征,并提交格式,促进研究成果的可共享性和可重复性。BenchBot是公开的(http:benchbot.org),我们鼓励它在研究社区中的使用,以全面评估新型机器人算法的模拟和现实世界的性能。
2020-08-03 cs.RO
Past, Present, and Future: A Survey of The Evolution of Affective Robotics For Well-being
University of Cambridge(剑桥大学);Politecnico di Milano(米兰理工大学);Purdue University(普渡大学);Simon Fraser University(西蒙菲莎大学);Northwestern University(西北大学)
本文系统综述了过去10年面向福祉的情感机器人研究,从技术、设计和伦理三个视角分析其演进,并基于现有空白提出未来研究方向。
2024-08-02 cs.RO
The State of Industrial Robotics: Emerging Technologies, Challenges, and Key Research Directions
机器人和相关技术是制造业持续数字化和进步的核心。近年来,世界各地的各种战略举措,包括2011年在德国推出的“工业4.0”,旨在改进和连接制造技术,以优化生产流程。在这项工作中,我们研究了在工业4.0之后的过去7-10年中机器人技术和基于“物联网”(IoT)的连接技术的不断变化的技术格局。我们采访了欧洲机器人生态系统中的关键参与者,包括机器人制造商和集成商,原始设备制造商(OEM)和应用工业研究机构,并在本文中综合了我们的研究结果。我们首先详细介绍了我们观察到的最先进的机器人技术和物联网技术,以及这些公司在采访中讨论的技术。然后,我们描述了公司在决定是否以及如何整合新技术时所遵循的流程,他们在整合这些技术时面临的挑战,以及他们在机器人和物联网领域正在探索的一些近期技术途径。最后,根据我们的研究结果,我们强调了机器人社区的关键研究方向,可以在制造业的背景下提高能力。
2020-10-27 cs.RO
Robotic Computing on FPGAs: Current Progress, Research Challenges, and Opportunities
Georgia Institute of Technology(佐治亚理工学院);PerceptIn(普思英察);Tsinghua University(清华大学);Harvard University(哈佛大学)
机器人计算已经达到了一个临界点,无数的机器人(例如,无人机、自动驾驶汽车、物流机器人)在不同场景中得到广泛应用。然而,机器人技术的持续发展严重依赖于高效的计算基底,这些基底受到实时要求、机器人尺寸重量和功率约束、网络安全考虑以及动态变化的场景的驱动。在所有平台中,FPGA都能够提供具有低功耗、高性能、可重构性、可靠性和自适应特性的软件和硬件解决方案,成为机器人应用的有前途的计算基底。本文重点介绍了目前的进展,设计技术,挑战,并在FPGA上的机器人计算领域的开放式研究的挑战。
2022-05-14 cs.RO
Reservoir Computing in robotics: a review
储备池计算是一个相对较新的框架,它允许使用功能强大但复杂的系统作为计算介质。基本方法包括仅训练读出层,利用先前未经训练的系统提供的固有分离和转换。这种方法已被证明具有强大的计算能力,并成功地用于实现许多任务。这篇评论的目的是代表当前的“国家的最先进的”的使用储备池计算技术在机器人领域。最初给出的框架及其实现的介绍性描述。随后,有趣的应用程序,方法和解决方案的总结和讨论。解释中提出了考虑因素、想法和今后可能的发展。
2022-06-06 cs.ET cs.RO
Multi-agent Collaborative Perception for Robotic Fleet: A Systematic Review
Carnegie Mellon University(卡内基梅隆大学);University of Maryland(马里兰大学);Worcester Polytechnic Institute(伍斯特理工学院)
本综述总结20余篇协同感知研究,探讨测试评估框架,实验证明协同感知较单机器人感知性能提升超200%,并附开源仓库。
2024-03-22 cs.RO
ARDOP: A Versatile Humanoid Robotic Research Platform
BMS College of Engineering(BMS工程学院)
本文介绍了一种名为ARDOP的人形机器人的研制。该项目的目标是提供一种模块化、开源且廉价的人形机器人,使研究人员能够回答与机器人操纵和感知相关的各种问题。ARDOP主要包括两个功能单元,即感知和操纵系统,在这里,我们讨论了这些系统的概念和设计方法,并继续提出他们的性能仿真和各种定制设计的实验结果。
2021-08-18 cs.RO
HeROS: a miniaturised platform for research and development on Heterogeneous RObotic Systems
Warsaw University of Technology(华沙理工大学);Faculty of Electronics and Information Technology(电子与信息技术学院);Institute of Control and Computation Engineering(控制与计算工程研究所)
本文提出HeROS微型化物理平台,通过标准化底座瓦片集成多种移动与操作机器人,以低成本方式支持异构机器人系统的测试与原型开发,并用多个示例应用验证其有效性。
2024-08-30 cs.RO
Robotics in Elderly Healthcare: A Review of 20 Recent Research Projects
University of Oslo(奥斯陆大学);Norwegian University of Life Sciences NMBU(挪威生命科学大学(NMBU))
本文回顾了2008至2021年间20个老年医疗保健机器人研究项目,通过主题分析发现当前研究重功能而轻伦理设计,并提出了未来研究的五个关键方向。
2023-02-09 cs.RO
Technical Design Review of Duke Robotics Club's Oogway: An AUV for RoboSub 2024
Duke Robotics Club(杜克机器人俱乐部)
本文介绍了Duke Robotics Club为2024 RoboSub竞赛升级的AUV机器人Oogway,其基于独立且高度集成的子系统设计,通过升级控制系统、电气架构及声纳集成等,成功获得参赛资格。
2024-10-13 cs.RO
MuSHR: A Low-Cost, Open-Source Robotic Racecar for Education and Research
Paul G. Allen School of Computer Science \& Engineering University of Washington Seattle, WA, 98195-2355
MuSHR 是华盛顿大学开发的低成本开源机器人赛车平台,通过开放文档和教程支持教育研究,并提供演示与实验作业,旨在推动机器人领域民主化。
2023-12-24 cs.RO
The active visual sensing methods for robotic welding: review, tutorial and prospect
School of Computer Science and Technology, Huaibei Normal University(淮北师范大学计算机科学与技术学院)
本文系统综述了机器人焊接中的主动视觉感知方法,将其按用途分为焊缝跟踪、缺陷检测、三维熔池测量和路径规划四类,并提供三维标定教程及未来展望。
2024-03-06 cs.CV cs.RO
Foundation Models in Robotics: A Comprehensive Review of Methods, Models, Datasets, Challenges and Future Research Directions
Department of Informatics and Telematics, Harokopio University of Athens(信息与电信系,哈罗科比欧大学)
本文综述了机器人中基础模型的发展,涵盖方法、模型、数据集、挑战及未来方向,分析了不同阶段的研究演变及关键方面。
2026-08-25 cs.RO
A Modular Robotic Arm Control Stack for Research: Franka-Interface and FrankaPy
Carnegie Mellon University(卡内基梅隆大学)
我们设计了一个模块化的机器人控制堆栈,为Franka Panda Research机器人提供可定制和可访问的界面。该框架将高级机器人控制命令抽象为技能,并将其分解为轨迹生成器、反馈控制器和终止处理程序的组合。低级控制在C++中实现,并以$1$ kHz运行,高级命令在Python中公开。此外,外部传感器反馈,如估计的物体姿态,可以实时的流到低级控制器。这种模块化方法使我们能够快速原型化新的控制方法,这对于研究应用至关重要。我们已经在超过$5$发表的研究论文中将此框架应用于各种真实世界的机器人任务。该框架目前在卡内基梅隆大学的其他机器人实验室内部共享,我们计划在不久的将来公开发布。
2020-11-04 cs.RO
Taxonomy and Trends in Reinforcement Learning for Robotics and Control Systems: A Structured Review
本文综述了强化学习原理、深度强化学习算法及其在机器人和控制系统中的应用,探讨了核心算法策略及现代DRL技术,旨在连接理论进展与实际应用。
2026-03-15 cs.LG cs.RO
Design and Development of a Research Oriented Low Cost Robotics Platform with a Novel Dynamic Global Path Planning Approach
CSIRO(澳大利亚联邦科学与工业研究组织);University of Moratuwa(莫拉图瓦大学)
基于计算机视觉传感器的自主导航系统通常需要非常昂贵的复杂机器人平台。这对机器人应用中至关重要的复杂定位、映射和导航算法的实现和测试构成了障碍。为了解决这个问题,在这项工作中,机器人操作系统(ROS)支持的移动机器人平台进行了比较,并提出了基于低成本教育机器人平台AlphaBot2的自主导航系统的端到端实现,同时集成了英特尔实感D435摄像头。此外,提出了一种新的方法来实现动态路径规划器的全局路径规划器在ROS框架。我们评估这种方法的性能,并强调通过动态的全球路径规划可以实现的改进。这种低成本的改进AlphaBot2机器人平台以及提出的动态全局路径规划方法将有助于研究人员和学生获得基于计算机视觉的导航系统的实践经验。
2022-03-19 cs.RO
Robotic Tactile Perception of Object Properties: A Review
University of Leeds(利兹大学);Istituto Italiano di Tecnologia(意大利理工学院);University of Glasgow(格拉斯哥大学)
触摸传感可以帮助机器人了解他们周围的环境,特别是他们与之交互的物体。为此,在过去的几十年里,机器人专家已经开发了几种触觉感知解决方案,在文献中广泛报道。近年来,对所传达的触觉信息的解释的研究也开始引起越来越多的关注。然而,关于这一专题的全面研究报告尚未提出。为了收集和总结该领域的主要科学成果,本调查广泛回顾了当前机器人触觉感知物体属性的趋势。在对物体属性的触觉识别进行广泛综述之前,简要介绍了现有的触觉感知技术。本次审查的目标对象属性是形状,表面材料和对象姿态。还讨论了触摸传感与其他传感源结合的作用。在这篇评论中,公开的问题,并提出了未来的方向应用触觉感知在不同的任务。
2017-11-10 cs.CV cs.RO
Advances in Transformers for Robotic Applications: A Review
University of California, Los Angeles(加州大学洛杉矶分校);Northeastern University(东北大学)
本文综述Transformer架构在机器人领域的应用,涵盖感知、规划、控制及与深度强化学习的集成,并讨论其提升人机交互、长时域决策和泛化的潜力,最后指出局限与未来方向。
2024-12-13 cs.AI cs.RO
Koopman Operators for Modeling and Control of Soft Robotics
University of California, Riverside(加州大学河滨分校)
审核目的:我们回顾了利用Koopman算子理论的软体机器人建模和控制算法开发和验证的最新进展。最近的研究结果:我们确定了以下趋势,在最近的研究工作在这一领域。(1)提升函数的设计用于数据驱动近似的Koopman算子是软体机器人的关键。(2)强调了稳健性考虑。针对建模和控制过程中的不确定性和噪声的影响,提出了相应的改进措施。(3)Koopman算子被嵌入到不同的基于模型的控制结构中来驱动软体机器人。摘要:由于它们的顺应性和非线性,软体机器人的建模和控制面临着关键的挑战。为了解决这些挑战,已经提出了基于Koopman算子的方法,试图以线性方式表达非线性系统。Koopman算子使得全局线性化能够减少非线性和/或用作软体机器人的基于模型的控制算法中的模型约束。软机器人系统中的各种实现进行了说明和总结的审查。
2023-02-07 cs.RO
Robotic Grasping from Classical to Modern: A Survey
Xi’an Jiaotong University(西安交通大学)
机器人抓取一直是机器人学中的一个活跃的话题,因为抓取是机器人最基本但最具挑战性的技能之一。它要求协调机器人的感知,规划和控制的鲁棒性和智能性。然而,目前的解决方案仍然远远落后于人类,特别是在面对非结构化场景时。在本文中,我们调查的机器人抓取的进展,从经典的配方和解决方案的现代。通过回顾机器人抓取的历史,我们希望提供一个完整的视图,这个社区,也许启发不同的想法的组合和融合,我们认为这将有助于触摸和探索机器人抓取问题的本质。详细地,我们首先给出了机器人抓取的分析方法的概述。在此之后,我们提供了一个最新的国家的最先进的数据驱动的抓取方法,近年来兴起的讨论。随着计算机视觉的发展,语义抓取得到了广泛的研究,并有望成为未来自主机器人系统智能操作和技能学习的基础。因此,在我们的调查中,我们也简要回顾了这一主题的最新进展。最后,我们讨论了开放的问题和未来的研究方向,可能是重要的人类水平的鲁棒性,自主性和智能的机器人。
2022-02-08 cs.RO
UAIbot: Beginner-friendly web-based simulator for interactive robotics learning and research
Graduate Program in Electrical Engineering - Universidade Federal de Minas Gerais - Av. Antônio Carlos 6627, 31270-901, Belo Horizonte, MG, Brazil(巴西米纳斯吉拉斯联邦大学电气工程研究生项目);Comenius University, Bratislava, Slovakia(斯洛伐克布拉迪斯拉发康门纽斯大学)
本文提出免费开源的网页端机器人模拟器UAIbot,通过Python和JavaScript接口免安装提供交互式学习体验,帮助用户探索数学与物理原理,以深化教育理解并促进研究与实验。
2025-06-26 cs.RO
Technical Design Review of Duke Robotics Club's Oogway & Crush: AUVs for RoboSub 2026
Duke Robotics Club(杜克大学机器人俱乐部)
杜克机器人俱乐部为2026年RoboSub设计的自主水下航行器Oogway和Crush,通过对机械、电气、软件子系统的改进及测试设施投资,扩展策略覆盖RoboSub四个设计目标,实现更广泛任务尝试并保持可靠性。
2026-07-21 cs.RO
From Bench to Bedside: The First Live Robotic Surgery on the dVRK to Enable Remote Telesurgery with Motion Scaling
University of California San Diego(加利福尼亚大学圣地亚哥分校);Kyung Hee University(庆熙大学)
手术机器人研究的创新很少转化为现场手术,因为实验室和现场环境之间存在显着差异。活体环境需要考虑在研究的早期阶段经常被忽视的因素,例如手术人员,手术程序以及使用活体组织的挑战。其中一个例子是达芬奇研究套件(dVRK),它被40多个机器人研究小组使用,代表了达芬奇手术系统的开源版本。尽管dVRK已经有近十年的历史,并且是将研究转化为实践的理想候选人,在世界各地的医院中使用了5,000多台达芬奇系统,但没有一台手术用它进行过。在本文中,我们讨论了将手术机器人研究从工作台转化为床边的挑战,考虑因素和解决方案。这是从远程手术场景的角度来解释的,在该场景中,先前在实验室环境中实验的运动缩放解决方案被转换为生猪手术。本研究介绍了首次在活体动物中使用dVRK的结果,并讨论了外科机器人社区如何将他们的研究转化为实践。
2021-09-24 cs.RO
Unfolding the Literature: A Review of Robotic Cloth Manipulation
KTH Royal Institute of Technology(瑞典皇家理工学院);Carnegie Mellon University(卡内基梅隆大学);Institut de Robòtica i Informàtica Industrial, CSIC-UPC(西班牙国家研究委员会-加泰罗尼亚理工大学机器人与工业自动化研究所);University of Copenhagen(哥本哈根大学)
本综述系统梳理机器人布料操作领域,聚焦纺织品差异在建模、感知、基准测试和操作中的处理程度,并指出关键开放问题与未来重大挑战。
2024-07-16 cs.RO