Pose Forecasting in Industrial Human-Robot Collaboration
Sapienza University of Rome(罗马第一大学);University of Verona(维罗纳大学)
推回工业环境中的协作机器人的前沿,我们提出了一个新的分离稀疏图卷积网络(SeS-GCN)的位姿预测。SeS-GCN第一次将GCN中空间、时间和通道维度的交互瓶颈化,并通过师生框架学习稀疏邻接矩阵。与最先进的技术相比,它只使用了1.72%的参数,并且速度快了4倍,同时在未来1秒内仍然可以在Human3.6M上执行预测准确性,这使得cobots能够意识到人类操作员。作为第二个贡献,我们提出了一个新的基准协作机器人和人类在工业协同(CHICO)。CHICO包括20个人类操作员和协作机器人的多视图视频,3D姿势和轨迹,参与7个逼真的工业动作。此外,它还报告了226次真正的碰撞,发生在人类与协作机器人的交互过程中。我们在CHICO上测试SeS-GCN在机器人技术中的两个重要感知任务:人类姿势预测,在未来的1秒内达到85.3 mm(MPJPE)的平均误差,运行时间为2.3 msec,以及碰撞检测,通过将预测的人类运动与已知的协作机器人运动进行比较,获得F1分数为0.64。
2022-07-24 cs.CV cs.LG cs.RO
A Confidence-Aware Multimodal Fusion Framework for Industrial Human-Robot Collaboration
提出置信度感知多模态融合框架,融合四种模态并利用动态融合与平衡学习,在UR3平台上实现91.86%的意图识别准确率,支持稳定人机协作。
2026-09-10 cs.HC cs.RO
Enhancing Human-Robot Collaboration: A Sim2Real Domain Adaptation Algorithm for Point Cloud Segmentation in Industrial Environments
University of Zurich(苏黎世大学);Italian Institute of Technology (IIT)(意大利理工学院);Zurich University of Applied Sciences(苏黎世应用科学大学)
针对工业人机协作场景下真实标注点云数据不足的问题,提出结合DGCNN与带残差层CNN的双流FUSION网络作为Sim2Real域适应算法,实现97.76%的分割准确率,性能与鲁棒性均优于现有方法。
2025-06-11 cs.CV cs.RO
Multi-Camera Hand-Eye Calibration for Human-Robot Collaboration in Industrial Robotic Workcells
University of Padova(帕多瓦大学)
本文针对工业机器人工作单元中人机协作的多相机手眼标定问题,提出一种融合标定板到末端执行器变换和相机间相对变换约束的鲁棒标定方法,在 METRIC 数据集和真实工业数据上以少于 10 张图像即可超越现有最先进技术,并开源了算法实现。
2024-06-17 cs.CV cs.RO
MultiPhysio-HRC: Multimodal Physiological Signals Dataset for industrial Human-Robot Collaboration
ARM-Lab, SUPSI(ARM实验室,SUPSI);Faculty of Informatics, USI(信息学院,USI);Bitbrain;Universidad de Zaragoza(萨拉戈萨大学)
本文提出面向工业人机协作的多模态生理信号数据集MultiPhysio-HRC,涵盖多类生理、音频及面部数据,结合多场景采集与心理问卷标注,经基线模型验证可支撑情感计算与人类感知机器人相关研究,目前已公开。
2025-10-01 cs.RO
Applying Ontologies and Knowledge Augmented Large Language Models to Industrial Automation: A Decision-Making Guidance for Achieving Human-Robot Collaboration in Industry 5.0
本文为工业5.0中人机协作提供决策指导,比较LLMs、本体论和知识图谱的适用性,并提出大型知识语言模型架构以优化制造中的语言AI应用。
2025-05-24 cs.HC cs.RO
Human Comfortability Index Estimation in Industrial Human-Robot Collaboration Task
Intel Labs(英特尔实验室);Rochester Institute of Technology(罗切斯特理工学院)
本文提出利用情绪环状模型和ECG、GSR、瞳孔测量等生理信号,在人机协作任务中定量估计人类舒适度与不舒适度指数。
2023-08-28 cs.HC cs.LG cs.RO
Gaze Detection and Analysis for Initiating Joint Activity in Industrial Human-Robot Collaboration
University of Augsburg(奥格斯堡大学);National Research Council of Italy(意大利国家研究委员会);University of Bologna(博洛尼亚大学)
本研究针对工业人机协作中联合活动的启动触发问题,通过奥兹巫师实验分析37名装配任务参与者的视线行为,证实84.88%的联合活动前有看向协作机器人的视线,为基于自然视线优化协作机器人交互提供了首个实证依据。
2024-02-01 cs.AI cs.CV cs.HC
Semantic-based Loco-Manipulation for Human-Robot Collaboration in Industrial Environments
Leonardo(莱昂纳多公司);Inria(法国国家信息与自动化研究所)
本研究提出一种基于语义理解的移动操作框架,使机器人通过几何与语义感知执行“Bring Me”任务,在模拟环境中验证,旨在提升工业与家庭场景的辅助自主性。
2023-12-22 cs.RO
Joint Prediction of Human Motions and Actions in Human-Robot Collaboration
University of Genoa(热那亚大学)
本文提出MA-HERP框架,通过层次递归概率模型联合估计和预测人类动作与连续运动,结合Allen区间关系、统一概率因子分解及贝叶斯过滤启发的递归推理,实现鲁棒的动作推断和在线协作。
2026-04-03 cs.RO
Safe Physical Human-Robot Interaction through Variable Impedance Control based on ISO/TS 15066
Faculty of Mechanical Engineering(机械工程学院);K.N. Toosi University of Technology(霍加·纳赛尔·丁·图西理工大学)
本文提出一种基于ISO/TS 15066功率和力限制模式的变阻抗控制器,在保证人机协作安全的同时提升协作机器人运行速度,并在两个机器人平台上验证了其优于传统方法的效果。
2023-11-23 cs.RO cs.SY eess.SY
Early Prediction for Physical Human Robot Collaboration in the Operating Room
Purdue University(普渡大学)
为了实现自然流畅的人类机器人协作流程,机器人理解其人类同伴的正在进行的动作,预测其在不久的将来的行为,并相应地规划其动作是至关重要的。具体地,进行早期预测的能力是重要的,使得机器人可以预见到轮位转换事件的精确定时,并且足够早地开始运动规划和执行以平滑轮位转换。这种主动行为可以减少人的等待时间,提高效率,增强协作任务的自然性。为此,本文提出了一种早期轮换预测算法的设计和实现,迎合物理人类机器人协作场景。具体而言,机器人擦洗护士(RSN)系统,它可以理解外科医生的多模态通信线索,并执行轮采取预测。所开发的算法进行了测试,在一个外科医生护士串联的模拟手术程序的收集的数据集。所提出的话轮预测算法被发现是显着优于其算法同行,是更准确的比人类基线时,很少的部分输入(小于30%的全部行动)。在观察到更多信息后,该算法可以达到与人类相当的性能,F1得分为0.90。
2017-09-26 cs.RO
SERoCS: Safe and Efficient Robot Collaborative Systems for Next Generation Intelligent Industrial Co-Robots
University of California at Berkeley(加州大学伯克利分校)
人机协作已被认为是未来工厂的重要组成部分。正确设计这些协作机器人的行为仍然具有挑战性。这些机器人工作在动态不确定环境中,计算能力有限。设计目标是在保证安全的同时最大限度地提高任务效率。本文讨论了一套设计原则的安全和有效的机器人协作系统(SERoCS)的下一代合作机器人,它包括强大的认知算法的环境监测,有效的任务规划算法的参考代,安全的运动规划和控制算法的安全人机交互。拟议的SERoCS将解决设计挑战,并显着扩展协作机器人的技能,使它们能够安全有效地与人类同行一起工作。SERoCS的开发将为各行业采用协作机器人带来重大进步。实验验证了SERoCS的有效性。
2018-09-21 cs.RO
Communicating Through Avatars in Industry 5.0: A Focus Group Study on Human-Robot Collaboration
University of Augsburg Augsburg Germany;Centrum Wiskunde \& Informatica Amsterdam The Netherlands;Fraunhofer Institute for Telecommunications, Heinrich Hertz Institute, HHI Berlin Germany;National Research Council of Italy, Institute of Intelligent Industrial Technologies;German Research Center for Artificial Intelligence Saarbrücken Germany;University of Augsburg;Fraunhofer Institute for Telecommunications, Heinrich Hertz Institute, HHI;German Research Center for Artificial Intelligence
本研究通过德国制造企业员工的焦点小组与实验室HRC演示,考察工业5.0中化身支持人机协作的潜在角色、行为改进与部署考量。
2025-06-10 cs.HC cs.RO
Enhancing team performance with transfer-learning during real-world human-robot collaboration
University of Piraeus(比雷埃夫斯大学)
具有社会意识的机器人应该能够在需要相互依赖的行动才能解决的任务中支持流畅的人机协作。为了提高相互性能,协作机器人应配备适应和学习能力。然而,共同学习可能是一个耗时的过程。因此,从专家那里转移知识可能会提高团队的整体绩效。在本研究中,迁移学习集成在深度强化学习(dRL)代理。在实时和真实世界的设置中,两组参与者必须在两种不同的dRL代理条件下与cobot合作;一种是转移知识,另一种则不是。将概率策略重用方法用于迁移学习(TL)。结果表明,两组的表现有显着差异; TL将新参与者训练任务所需的时间减半。此外,目标语还影响了团队的主观表现,并提高了知觉流畅性。最后,在许多情况下,客观的性能指标与主观指标并不相关,这为透明和可解释的协作机器人行为的设计提供了有趣的见解。
2022-11-23 cs.AI cs.HC cs.RO
Vision-Based Safety System for Barrierless Human-Robot Collaboration
University of Luxembourg(卢森堡大学)
本文提出一种基于深度学习视觉的速度与分离监控系统,通过定义安全区并实时检测操作人员3D位置来动态控制工业机器人速度或停止,确保无屏障人机协作的安全性。
2022-08-03 cs.CV cs.LG cs.RO
Anticipating many futures: Online human motion prediction and synthesis for human-robot collaboration
KTH Royal Institute of Technology(瑞典皇家理工学院)
人类和机器人之间流畅而安全的互动需要双方都能预测到对方的行动。人类意图推断的一种常见方法是使用监督分类器对朝向已知目标的特定轨迹进行建模。然而,这些方法没有考虑到未来可能的运动,也没有利用运动学线索,如清晰和可预测的运动。这些方法的瓶颈是缺乏一般人体运动的精确模型。在这项工作中,我们提出了一个有条件的变分自编码器,它被训练来预测一个窗口的未来人类运动给定的窗口过去的帧。使用从RGB深度图像获得的骨架数据,我们展示了这种无监督的方法可以用于在线运动预测长达1660毫秒。此外,我们演示了在线目标预测后的第一个300-500毫秒的运动发作,而不使用目标特定的训练数据。我们的概率方法的优点是可以抽取未来可能运动的样本。最后,我们研究如何运动和运动学线索表示的学习低维流形。
2017-02-27 cs.CV cs.HC cs.RO
Co-speech gestures for human-robot collaboration
Tampere University(坦佩雷大学)
本文提出一种结合语音与手势的多模态模型,用于人机协作中的任务分配,并在真实工业场景中验证其比单一模态工具更易实现且协作效果更优。
2023-11-30 cs.RO
Effect of Active and Passive Protective Soft Skins on Collision Forces in Human-robot Collaboration
Czech Technical University in Prague(布拉格捷克理工大学);Blue Danube Robotics GmbH(蓝多瑙河机器人有限公司)
软电子皮肤是将工业机械手转变为协作机器人的手段之一。对于已经适合物理人机协作的操纵器,软皮肤可以使它们更安全。在这项工作中,我们研究了两个协作机械手(UR 10 e和KUKA LBR iiwa)和一个经典的工业机械手(KUKA Cybertech),在存在或不存在的工业防护皮肤(AIRSKIN)的影响后的行为。此外,我们隔离的被动填充和主动贡献的传感器对机器人的反应的影响。我们提出了总共2250碰撞测量和研究的冲击力,接触时间,夹紧力,和脉冲。数据集是公开的。我们总结我们的结果如下。对于瞬态碰撞,被动蒙皮特性使碰撞力降低了约40%。在准静态接触期间,皮肤覆盖物的效果-主动或被动-不能与协作机器人的碰撞检测和反应隔离。我们系统地比较了不同的设置和经验确定的安全速度与ISO/TS 15066的处方。在某些情况下,高达ISO/TS 15066规定速度的四倍可以符合冲击力限制,因此被认为是安全的。我们提出了一个扩展的公式有关的冲击力和允许的速度,考虑到刚度和可压缩厚度的保护罩,导致更好的预测碰撞力。同时,这项工作强调了现场测量的必要性,因为我们研究的所有因素-主动/被动皮肤的存在,安全停止设置,机器人碰撞反应,冲击方向,当然还有速度-都会影响冲击后的力演变。
2022-05-19 cs.RO
Insights from an Industrial Collaborative Assembly Project: Lessons in Research and Collaboration
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Carnegie Mellon University(卡内基梅隆大学)
机器人技术的重大进展揭示了推进制造业发展的新机遇。下一代工业自动化将需要集成不同的机器人技术,并将其应用于具有挑战性的工业环境。本文介绍了三个学术研究小组和一个工业合作伙伴之间的协作装配项目的经验教训。该项目的目标是开发一种灵活、安全和高生产率的制造单元,用于亚厘米级的精密装配。在高混合、小批量生产线中解决这个问题激发了机器人技术的多项研究。这项工作确定了协作机器人技术在工业应用中的新方向,并为加强学术界和工业界机构在新技术开发方面的合作提供了见解。
2022-05-28 cs.RO cs.SY eess.SY
Challenges in the Safety-Security Co-Assurance of Collaborative Industrial Robots
University of York(约克大学);University of Sheffield(谢菲尔德大学)
本研究围绕协作工业机器人的安全与安保协同保障难题,梳理了相关保障方法,分析了制造业人机协作的技术现状与挑战,并指出了待解决的流程与技术问题。
2020-07-17 cs.CR cs.RO cs.SE
Intelligent Framework for Human-Robot Collaboration: Dynamic Ergonomics and Adaptive Decision-Making
Politecnico di Milano(米兰理工大学);Istituto Italiano di Tecnologia (IIT)(意大利技术研究院)
针对工业人机协作中操作员安全与工效学挑战,提出集成视觉感知、动态工效学监测和自适应行为树决策的框架,实验显示其多维度性能优于现有方案,为人机协作提供稳健平台。
2025-04-14 cs.CV cs.HC cs.LG
Language-Grounded Control for Coordinated Robot Motion and Speech
Massachusetts Institute of Technology(麻省理工学院);Harvard Medical School(哈佛医学院);Spaulding Rehabilitation Hospital(斯波尔丁康复医院)
针对人机接触协作中机器人运动与言语难以随人类行为实时协同的问题,该研究从治疗师行为提炼原则,提出可根据用户协作度同步调节运动与言语的Language Controller,经12人实验验证效果优于基线,为人机流畅协作提供框架。
2023-10-10 cs.RO
The Critical Role of Effective Communication in Human-Robot Collaborative Assembly
University of Modena and Reggio Emilia(摩德纳与雷焦艾米利亚大学);Department of Sciences and Methods of Engineering(科学与工程方法系)
针对人机协同装配中传统请求-响应沟通系统自然度不足、效率受限的问题,提出基于自然对话的类人语音交互方法,经对比实验验证可提升任务表现、协作效率与用户体验。
2024-09-11 cs.RO
Seamless Interaction Design with Coexistence and Cooperation Modes for Robust Human-Robot Collaboration
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Carnegie Mellon University(卡内基梅隆大学)
机器人需要多种交互模式来与人类在复杂的工业任务中进行鲁棒协作。我们开发了一个共存与合作(CoCo)的人机协作系统。共存模式使机器人能够与人类在共享空间中独立地完成不同的子任务。合作模式使机器人能够遵循人类的指导和恢复故障。人类意图跟踪算法将人类和机器人运动测量值作为输入,并提供交互模式上的开关。我们证明了CoCo系统的有效性,在一个用例类似于现实世界中的多步组装任务。
2022-06-09 cs.RO
Gestural and Touchscreen Interaction for Human-Robot Collaboration: a Comparative Study
University of Genoa(热那亚大学)
近距离人机交互(HRI),特别是在工业场景中,已经被广泛研究了人类和机器人技能相结合的优势。为了有效的HRI,目前可用的人机通信媒介或工具的有效性应受到质疑,并应探索新的通信模式。本文提出了一种模块化架构,允许人类操作员通过不同的方式与机器人进行交互。特别是,我们实现的架构来处理手势和触摸屏输入,分别使用智能手表和平板电脑。最后,我们对这两种模式进行了比较用户体验研究。
2022-07-08 cs.RO
Task Adaptation in Industrial Human-Robot Interaction: Leveraging Riemannian Motion Policies
ETH Zurich(苏黎世联邦理工学院)
针对工业人机交互需求,提出基于黎曼运动策略的模块化运动控制框架,实现免手动控制、复杂任务组合及意图识别与运动规划无缝集成,并在受现实工业场景启发的实验中验证了其有效性。
2024-06-25 cs.RO
ARDIE: AR, Dialogue, and Eye Gaze Policies for Human-Robot Collaboration
本文提出ARDIE智能体,融合增强现实、对话与眼动注视,基于决策理论制定联合策略,通过AR渲染可视化未来交互,提升人机协作效率。
2023-05-08 cs.RO
Experimental Evaluation of Human Motion Prediction: Toward Safe and Efficient Human Robot Collaboration
Carnegie Mellon University(卡内基梅隆大学);University of California, Berkeley(加州大学伯克利分校)
人体运动预测在现代工业环境中是重要的。准确的人体运动预测不仅可以提高人机协作的效率,而且可以提高人类在机器人附近的安全性。在现有的预测模型中,这些模型的参数化和识别方法各不相同。目前尚不清楚预测模型的必要参数化是什么,模型的在线适应是否必要,以及预测是否有助于提高人类机器人协作期间的安全性和效率。这些问题是由于难以在真实的人机交互环境中以闭环方式定量评估各种预测模型。本文提出了一种方法来评估不同的预测模型的闭环性能。特别是,我们比较了不同的参数化模型和模型,或没有在线参数自适应。在人机协作平台上进行了大量的实验。实验结果表明,人体运动预测显著提高了协作效率和人体安全性。由神经网络参数化的自适应预测模型实现了最佳性能。
2020-01-27 cs.RO
Towards Cognitive Collaborative Robots: Semantic-Level Integration and Explainable Control for Human-Centric Cooperation
Soongsil University(崇实大学)
本文综述了认知型协作机器人实现人本协作所需的语义感知、认知规划、可解释学习控制、安全运动设计和多模态意图识别五大支柱,并提出统一的认知协同架构以克服感知-行动脱节、实时可解释性不足和信任缺失等挑战。
2025-05-02 cs.RO cs.SY eess.SY
Towards human-like kinematics in industrial robotic arms: a case study on a UR3 robot
Bialystok University of Technology(比亚韦斯托克工业大学);University of Las Palmas de G.C.(大加那利岛拉斯帕尔马斯大学);IDeTIC Institute(IDeTIC研究所)
本文以UR3机器人为例,利用快速人类运动的运动学理论及Sigma-Lognormal模型生成钟形速度曲线,使机械臂运动更具类人性,实验证实了该方法的可行性。
2024-09-25 cs.RO cs.SY eess.SY
On the Design of Human-Robot Collaboration Gestures
University of Bristol(布里斯托大学);Loughborough University(拉夫堡大学);Cranfield University(克兰菲尔德大学)
本文调研并整合分散于文献中的HRC手势设计原则与评估方法,指出手势设计研究空白,并提出未来方向。
2024-02-29 cs.HC cs.RO
Safe Multimodal Communication in Human-Robot Collaboration
University of Modena and Reggio Emilia(摩德纳与雷焦艾米利亚大学)
针对人机近距离协作的通信与安全需求,提出融合语音和手势指令、带安全层的多通道通信框架,经对比实验验证可有效提取任务信息并通过调速保障操作员安全。
2023-08-07 cs.AI cs.RO
A novel integrated industrial approach with cobots in the age of industry 4.0 through conversational interaction and computer vision
Innovation Lab, Exprivia S.p.A.(创新实验室,埃克斯普里维亚股份公司);QuestIT S.r.l.(奎斯特信息技术有限责任公司)
针对机器人自动化新趋势对零部件制造商的挑战,提出集成Cobot、AI与人类的新型工业协作方法,通过精准物理作业、信息分析决策与战略眼光实现紧密协作。
2024-02-16 cs.CL cs.CV cs.LG
Achieving Meaningful Collaboration: Worker-centered Design of a Physical Human-Robot Collaborative Blending Task
Delft University of Technology(代尔夫特理工大学);RoboHouse
本文倡导跨学科方法,以工人为中心设计物理人机协作混合任务,探索协作机器人在飞机发动机维修中的潜力,优先考虑工人福祉和工作吸引力。
2025-10-14 cs.RO
Towards Better Human Robot Collaboration with Robust Plan Recognition and Trajectory Prediction
University of California, Berkeley(加州大学伯克利分校);Carnegie Mellon University(卡内基梅隆大学)
随着制造业从大规模生产向大规模定制的转变,人机协作变得越来越重要。HRC的引入可以显著提高自动化的灵活性和智能性。然而,由于人类合作者的随机性和时变性,这是具有挑战性的机器人,以有效和准确地识别人类的计划,并以安全的方式作出反应。为了解决这一挑战,我们提出了一个集成的人类机器人协作框架,在本文中,它包括计划识别和轨迹预测。这样的框架使机器人能够感知、预测并根据人类的计划调整其行动,并根据预测的人类轨迹智能地避免与人类发生碰撞。此外,通过明确地利用计划和轨迹之间的分层关系,可以实现更鲁棒的计划识别性能。在工业机器人上进行了实验验证,实验结果表明,该框架不仅能保证安全的HRC,还能提高HRC团队的时间效率,且计划识别模块对噪声不敏感。
2020-02-17 cs.RO
Understanding Entrainment in Human Groups: Optimising Human-Robot Collaboration from Lessons Learned during Human-Human Collaboration
University of Nottingham(诺丁汉大学);Massachusetts Institute of Technology(麻省理工学院);Cornell University(康奈尔大学)
本文通过混合方法研究双人和三人快节奏重复任务中的夹带特征,提出五项成功夹带特征与三项人机协作设计考量。
2024-02-23 cs.AI cs.HC cs.RO
From Production Logistics to Smart Manufacturing: The Vision for a New RoboCup Industrial League
本文提出 RoboCup 智能制造联赛的愿景,通过扩展涵盖装配、人机协作和仿人机器人等新赛道并保留生产物流,构建反映现代工厂全貌的大型竞赛场景,以应对工业机器人当前与未来的挑战。
2025-07-15 cs.RO
Deployment and Evaluation of a Flexible Human-Robot Collaboration Model Based on AND/OR Graphs in a Manufacturing Environment
University of Genoa(热那亚大学)
工业4.0范式承诺在制造环境中缩短开发时间,提高工效学,提高灵活性和资源效率。协作机器人是实现这种模式的重要有形技术。有效地将协作机器人部署到制造业的一个主要瓶颈是开发任务规划算法,使它们能够识别并自然适应变化甚至不可预测的人类行为,同时确保生产周期时间方面的整体效率。在这种情况下,一个架构,包括任务表示,任务规划,传感和机器人控制的设计,开发和评估在一个真实的工业环境。研究了一个需要人与机器人协作的取放机器人任务。该体系结构使用AND/OR图在线表示和推理人机协作模型。此外,客观措施的整体计算性能和主观措施的自然人与机器人协作进行了评估,通过实验与生产线操作员。这项用户研究的结果展示了我们提出的人机协作模型如何利用工作场所操作员的灵活性和舒适性。在这方面,对最近的模式进行了广泛的比较研究。
2020-07-13 cs.AI cs.HC cs.RO
Digital Shadows of Safety for Human Robot Collaboration in the World-Wide Lab
RWTH Aachen University(亚琛工业大学)
本研究扩展了全球实验室(WWL)中人机协作(HRC)的行为树(BTs)表示,提出将安全功能标准化并直接集成到BTs中,利用WWL平台促进工业与学术从业者对安全要求和解决方案的交换、重用与试验。
2023-04-04 cs.HC cs.RO
AR-based interaction for safe human-robot collaborative manufacturing
Tampere University of Technology(坦佩雷理工大学)
工业标准定义了工业制造中人机协作(HRC)的安全要求。这些标准特别要求实时监控和确保机器人与操作员之间的最小保护距离。在这项工作中,我们提出了一个基于深度传感器的工作空间监测模型和一个交互式增强现实(AR)用户界面(UI)安全HRC。AR UI在两种不同的硬件上实现:投影镜设置和可穿戴AR设备(HoloLens)。我们实验的工作空间模型和用户界面的一个现实的柴油发动机装配任务。与没有交互和工作空间共享的基线相比,基于AR的交互式UI分别减少了21-24%和57-64%的任务完成和机器人空闲时间。然而,主观评估显示,基于HoloLens的AR还不适合工业制造,而投影镜设置在安全性和工作人体工程学方面有明显的改进。
2019-09-06 cs.RO
Uncertainty Estimation for Safe Human-Robot Collaboration using Conservation Measures
Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院)
我们提出了一种在线和数据驱动的不确定性量化方法,以实现安全的人机协作应用程序的开发。系统的安全性和风险评估与测量的准确性密切相关:独特的参数通常无法通过已知模型直接访问,因此必须进行测量。然而,由于传感器的有限性能,甚至未知的环境干扰或人类,测量通常会受到不确定性的影响。在这项工作中,我们量化这些测量的不确定性,利用守恒措施,这是定量的,系统特定的属性是恒定的,随着时间的推移,空间,或其他状态空间维度。我们的方法的关键思想在于在运行时参考守恒方程的传入数据的即时数据评估。特别是,我们估计违反先验已知的,特定领域的守恒性质,并考虑它们作为测量不确定性的后果。我们在人机协作的背景下验证了我们的方法,从而突出了我们对在真实世界条件下成功开发安全机器人系统的贡献的重要性,例如,在工业环境中。此外,我们展示了如何获得的不确定性值可以直接映射到任意的安全限制(例如,ISO 13849),允许在运行时监控安全标准的遵守情况。
2022-09-01 cs.RO
Updating Industrial Robots for Emerging Technologies
Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院);Karlsruhe University of Applied Sciences(卡尔斯鲁厄应用科学大学)
工业武器需要超越其标准形态,以拥抱新的和新兴的技术。在本文中,我们将首先执行四个流行的,但不同的现代工业机器人手臂的分析。通过看到共同的趋势,我们将尝试推断和扩展这些趋势的未来。在这里,特别关注的是通过盔装显示器(HMD)以及智能手机基于增强现实(AR)的交互。还将考虑长期的人机交互和所述交互的个性化。在人机交互中使用AR已被证明可以增强通信和信息交换。工业手臂设计的一个基本补充是在机器人上集成QR标记,用于访问信息和添加跟踪功能,以更容易地显示AR叠加。在最近的一个信息访问的例子中,梅赛德斯-奔驰在他们的汽车上添加了QR标记,以帮助救援人员在车祸后估计切割和疏散人员的最佳位置。人们还必须在一个越来越注重协作的环境中处理安全问题。因此,QR标记可以与欧盟项目SafeLog中开发的基于RF的测距模块相结合,该模块既可以用于安全,也可以用于在与工业臂进行近距离交互时跟踪人类位置。未来的工业武器也应该是直观的编程和交互。这将通过AR和盔装显示器以及已经提到的基于RF的人员跟踪来实现。最后,机器人和人类之间更个性化的互动可以通过终身学习的人工智能和无实体的个性化代理来实现。我们提出了一种设计,不仅存在于物理世界中,而且部分存在于混合现实的数字世界。
2023-03-28 cs.RO
Robots and COVID-19: Challenges in integrating robots for collaborative automation
目的:回顾了装配应用中人机协作的现状,并提出了研究界和从业人员当前面临的主要挑战。背景:随着COVID-19疫情开始浮出水面,制造商面临应对需求挑战的压力。社会距离措施使得能够工作的人更少。在这种情况下,机器人被指向支持人类解决供应短缺。在制造业价值链中需要人工的一项重要活动是装配。HRC装配系统应该保护共存的人类,执行一系列动作,并且经常需要重新配置以处理产品多样性。这就要求它们在使用寿命期间具有弹性并能适应各种配置。除了使用机器人的潜在优势外,在工业装配中使用机器人的挑战也是巨大的。方法:这篇小型综述总结了装配应用中协作机器人工业部署的挑战。应用:记录的挑战突出了工业应用中人机交互的未来研究方向。
2020-06-01 cs.RO
Dynamic Risk Assessment for Human-Robot Collaboration Using a Heuristics-based Approach
University of Stuttgart(斯图加特大学);Proximity Robotics & Automation GmbH(普罗克西姆机器人与自动化有限公司);Federal Institute for Occupational Safety and Health (Bundesanstalt für Arbeitsschutz und Arbeitsmedizin, BAuA)(联邦职业安全与健康研究所)
本文提出一种基于启发式函数的动态风险评估方法,通过监测人机距离、机器人速度及人类头部朝向等参数并聚合为危险指标,以客观评估人机协作场景中的总危险水平。
2025-03-11 cs.RO
Media Framing Moderates Risk-Benefit Perceptions and Value Tradeoffs in Human-Robot Collaboration
RWTH Aachen University(亚琛工业大学)
本研究探讨了媒体框架如何调节人类-机器人协作中风险与收益的感知及价值权衡,发现积极框架支持加性评价,而消极框架产生更强但相互依赖的效果。
2026-02-13 cs.HC cs.RO
Evaluating Pointing Gestures for Target Selection in Human-Robot Collaboration
Cognitive Robotics group, Unit of Automation Technology and Mechanical Engineering, Tampere University(认知机器人组、自动化技术与机械工程单位、塔尔库大学)
本研究提出一种基于姿态估计和肩腕几何模型从RGB-D流中定位指向目标的方法,并集成多模态概念验证系统,全面评估了人机协作中指向手势的目标选择性能。
2025-06-27 cs.CV cs.RO
Tactile Gesture Recognition with Built-in Joint Sensors for Industrial Robots
Dep. of Informatics, University of Zurich(苏黎世大学信息学系);Institute of Mechatronics systems, Zurich University of Applied Science(苏黎世应用科技大学机电系统研究所)
本文研究了仅依赖机器人内置关节传感器的深度学习方法,通过实验发现基于频谱图的表示方法显著提升识别准确率,展示了无外部传感器触觉识别的可行性。
2026-06-29 cs.AI cs.RO
A proxemics game between festival visitors and an industrial robot
Austrian Research Institute for Artificial Intelligence(奥地利人工智能研究所);Joanneum Research(乔安娜姆研究院);Johannes Kepler University(约翰内斯·开普勒大学)
随着协作机器人(cobots)在工业工作场所的应用越来越多,人与cobot交互的行为影响需要进一步研究。这是特别重要的,因为在人类-机器人团队中协作伙伴的非语言行为显著影响人类交互伙伴的体验和协作任务的成功。在Ars Electronica 2020艺术、技术和社会节(奥地利林茨)期间,我们邀请参观者探索性地与工业机器人互动,展示了有限的互动能力:根据志愿者的动作,伸展和缩回手臂。出于安全原因,手臂的运动是预先编程和遥控的(这对参与者来说并不明显)。我们记录了这些互动的视频数据,并调查了人类与机器人互动的一般非语言行为,以及观众中的非语言行为。我们的研究结果表明,人们更感兴趣的是探索机器人的行动和感知能力,而不仅仅是复制的互动游戏介绍的教练。我们还发现,与机器人互动的大多数参与者接近它的距离,如果它是人类互动伙伴,则会被视为威胁或恐吓。关于旁观者,我们发现人们做出动作的例子,好像在尝试当前参与者行为的变体。
2021-05-28 cs.AI 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
Exploiting the Power of Human-Robot Collaboration: Coupling and Scale Effects in Bricklaying
University of Michigan(密歇根大学)
作为GDP增长的重要贡献者,建筑业因人口老龄化、COVID-19疫情和恶劣环境而面临劳动力短缺。考虑到施工环境的复杂性和动态性,开发全自动机器人仍然具有挑战性。在未来很长一段时间内,工人和机器人将共存并相互协作,以有效地建造或维护设施。作为一个新兴的领域,人机协作(HRC)仍然面临着各种开放的问题。为此,这项先驱性的研究引入了基于代理的建模方法来调查的耦合效应和规模效应的人力资源委员会在砌砖过程中。通过大量仿真实验,从两个方面说明了HRC的动态性和复杂性:1)由于工人的人为因素、机器人的特性及其协作行为,HRC中的智能体是相互依赖的; 2)HRC的不同参数是相互关联的,并对施工生产率(CP)有显著影响。意外和有趣的是,它被发现,HRC对CP有规模效应,这意味着增加合作的人机团队的数量将导致更高的CP,即使人机比例保持不变。总的来说,有人认为,需要在人权委员会进行更多的调查,以提高建筑效率,职业安全等;这项研究可以作为开发和评估新机器人,优化HRC过程,甚至培训建筑行业未来工业工人的基石。
2022-12-10 cs.MA cs.RO
Fast human motion prediction for human-robot collaboration with wearable interfaces
University of Padova(帕多瓦大学)
在本文中,我们的目的是提高人类运动预测在工业设施中的人机协作过程中,利用物理和生理信号的贡献。改善人机协作可能在几个领域被证明是有用的,而交互机器人尽快了解人类运动以避免事故和伤害至关重要。从这个角度来看,我们提出了一种新的人机界面,能够预测用户的意图,同时在工作台上执行达到运动,以规划协作机器人的行动。拟议的接口可以在工业4.0框架中找到许多应用,其中自主和协作机器人将成为创新设施的重要组成部分。已经开发了运动意图预测和运动方向预测级别以提高检测速度和精度。高斯混合模型(GMM)已训练与IMU和肌电信号数据的证据积累的方法来预测到达方向。新的动态停止标准已被提出来灵活地调整早期预测和准确性之间的权衡,根据应用。两个预测器的输出已被用作外部输入到有限状态机(FSM),以控制物理机器人的行为,根据用户的行动或不作为。结果表明,我们的系统优于以前的方法,实现了实时分类精度的$94.3\pm2.9\%$后,$160.0msec\pm80.0msec$从运动开始。
2019-05-28 cs.HC cs.RO
Motion Priority Optimization Framework towards Automated and Teleoperated Robot Cooperation in Industrial Recovery Scenarios
Industrial Cyber-Physical Systems Research Center at National Institute of Advanced Industrial Science and Technology (AIST)(日本国家先进工业科学技术研究院工业闭环系统研究中心)
本研究提出运动优先级优化框架,通过协作式远程恢复和动态优先级分配,在可配置风险限制内实现制造与恢复机器人避碰,减少生产损失。
2024-01-24 cs.RO
Extended Reality for Enhanced Human-Robot Collaboration: a Human-in-the-Loop Approach
University of Victoria(维多利亚大学)
针对自动化制造灵活性不足的问题,提出融入人在回路原则、结合XR的自主机器学习机械臂实现框架,回顾相关现有方案并讨论挑战与未来方向。
2024-10-31 cs.HC cs.LG cs.RO