Force-Constrained Visual Policy: Safe Robot-Assisted Dressing via Multi-Modal Sensing
Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
提出一种结合仿真训练的视觉策略与真实世界力动力学模型的力约束优化方法，在240次真实试验中显著提升了机器人辅助穿衣的安全性与性能。
2024-04-24 cs.RO
Hybrid Control Strategies for Safe and Adaptive Robot-Assisted Dressing
The University of Manchester（曼彻斯特大学）；The University of Sheffield（谢菲尔德大学）
针对机器人辅助穿衣中的衣物钩挂与用户不适风险，提出融合力监测、聊天机器人干预、轨迹调整和速度/中止控制的混合策略，实体试验表明其提升了安全性与任务连续性。
2025-05-12 cs.RO
Self-Wearing Adaptive Garments via Soft Robotic Unfurling
Robotics Program, KAIST（韩国成均馆大学机器人计划）；Department of Mechanical Engineering, Stanford University（斯坦福大学机械工程系）；Department of Civil and Environmental Engineering, KAIST（韩国成均馆大学土木与环境工程系）
本文提出一种基于展开机制的软体机器人穿衣系统SWAG，通过消除皮肤摩擦实现安全高效的自主穿衣，为行动不便者提供替代方案。
2025-07-09 cs.RO
Development of a Compliant Gripper for Safe Robot-Assisted Trouser Dressing-Undressing
Taylor & Francis（泰勒弗朗西斯集团）
本文提出一种可变刚度抓取器，用于安全协助老年人和半身瘫痪者完成裤子穿脱任务，通过机器人系统实现高成功率的穿脱操作。
2025-12-10 cs.RO
Force-Modulated Visual Policy for Robot-Assisted Dressing with Arm Motions
Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）；Department of Engineering Design, Indian Institute of Technology, Madras（印度理工学院Madras分校工程设计系）
本研究提出一种力调制视觉策略，通过少量数据和多模态反馈微调仿真策略，使机器人能适应穿衣过程中的手臂运动，在任务完成度和用户反馈上显著优于基线方法。
2025-09-16 cs.AI cs.LG cs.RO
Learning to Collaborate from Simulation for Robot-Assisted Dressing
Georgia Institute of Technology（佐治亚理工学院）；Facebook Artificial Intelligence Research（脸书人工智能研究院）；Stanford University（斯坦福大学）
我们研究了触觉反馈控制和深度强化学习（DRL）在机器人辅助敷料中的应用。我们的方法使用DRL同时训练人类和机器人的控制策略作为单独的神经网络，使用物理模拟。此外，我们模拟了与敷料相关的人类损伤的变化，包括单侧肌肉无力、手臂不自主运动和活动范围受限。我们的方法导致控制政策，成功地合作，在各种模拟穿衣任务，涉及医院的长袍和T恤。此外，我们的方法导致了在模拟中训练的策略，使真正的PR 2机器人能够用医院的长袍给人形机器人的手臂穿上衣服。我们发现，针对特定损伤的训练策略显著提高了性能;控制器执行速度可以在训练后缩放，以降低机器人的速度，而不会大幅降低性能;课程学习可以用于降低施加的力;多模态传感，包括模拟电容传感器，提高了性能。
2019-12-18 cs.AI cs.RO
Multidimensional Capacitive Sensing for Robot-Assisted Dressing and Bathing
Georgia Institute of Technology（佐治亚理工学院）
机器人辅助为许多身体残疾者的生活带来了机会，但准确感知人体和跟踪人体运动对机器人来说仍然很困难。我们提出了一种多维电容传感技术，估计局部姿态的人的肢体在实时的。这种传感方法的一个关键好处是，它可以通过不透明的材料（包括织物和湿布）来感知肢体。我们的方法使用安装到机器人的末端执行器的多电极电容传感器。神经网络模型估计人的肢体上的最近点的位置和肢体的中心轴相对于传感器的参考系的取向。这些姿态估计使得机器人能够使用反馈控制相对于肢体移动其末端执行器。我们证明，PR2机器人可以使用这种方法与自定义的六电极电容传感器，以协助两个活动的日常生活穿衣和洗澡。这个机器人在跟踪人类运动的同时，把医院长袍的袖子拉到身体健全的参与者的右臂上。当帮助洗澡时，机器人会移动一条柔软的湿毛巾，以跟随身体健全的参与者的四肢轮廓，清洁他们的表面。总的来说，我们发现多维电容传感为机器人在需要物理人机交互的辅助任务中感知和跟踪人体提供了一种很有前途的方法。
2019-05-24 cs.RO
One Policy to Dress Them All: Learning to Dress People with Diverse Poses and Garments
Carnegie Mellon University（卡内基梅隆大学）
本研究提出一种基于强化学习和策略蒸馏的机器人穿衣系统，利用部分点云观测为不同姿态和服装的人群穿衣，经510次试验平均覆盖手臂86%长度。
2023-06-21 cs.RO
Evaluating the Pre-Dressing Step: Unfolding Medical Garments Via Imitation Learning
Institut de Robòtica i Informàtica Industrial, CSIC-UPC（机器人与信息技术工业研究所，CSIC-UPC）
本文通过模仿学习研究预穿衣步骤，利用操作原语和视觉分类器提高医疗服装展开效率。
2025-07-24 cs.RO
Deep Haptic Model Predictive Control for Robot-Assisted Dressing
Georgia Institute of Technology（佐治亚理工学院）
机器人辅助穿衣为许多残疾人（如一些老年人）的生活提供了一个机会。然而，机器人目前缺乏关于其行为对人类的物理影响的常识。非刚性服装使着装的物理含义变得复杂，这可能导致机器人间接地对人体施加很大的力。我们提出了一个深度循环模型，当机器人给出一个建议的动作时，预测服装将施加到人体上的力。我们还表明，机器人可以提供更好的穿衣援助，通过使用此模型与模型预测控制。我们的模型所作的预测只使用触觉和运动学观察机器人的末端执行器，这是很容易实现的。从真实世界的物理人机交互中收集训练数据可能是耗时的，昂贵的，并使人处于危险之中。相反，我们训练我们的预测模型，使用从基于物理的模拟中以完全自我监督的方式收集的数据。我们用PR2机器人评估了我们的方法，该机器人试图将医院的长袍拉到10名人类参与者的手臂上。在0.2秒的预测范围内，我们的控制器成功地以高速率和降低施加的力，同时在人的拳头和肘部周围导航服装而不会被抓住。较短的预测范围导致参与者的拳头和肘部的袖子明显减少，这证明了我们模型预测的价值。这些减轻捕获的行为来自我们的深度预测模型和控制器目标函数，该目标函数主要惩罚高力量。
2019-05-24 cs.AI cs.RO stat.ML
Close-Fitting Dressing Assistance Based on State Estimation of Feet and Garments with Semantic-based Visual Attention
Creative Science and Engineering Faculty, Waseda Univ.（早稻田大学创意科学与工程学部）；Future Robotics Organization, Waseda Univ.（早稻田大学未来机器人组织）；Faculty of Science and Engineering, Waseda Univ.（早稻田大学科学与工程学部）；The National Institute of Advanced Science and Technology（日本国家先进科学与技术研究院）
本研究提出基于语义信息的穿衣辅助方法，通过多模态数据融合实现对足部和衣物状态的精准估计，成功帮助10名受试者穿袜子，优于其他方法。
2026-01-26 cs.RO
Off-line Programming and Simulation from CAD Drawings: Robot-Assisted Sheet Metal Bending
University of Coimbra（科英布拉大学）
工业机器人越来越多地用于生产系统。这是因为它们是高度灵活的机器，在经济上与人类劳动力竞争。问题是它们很难编程。因此，制造系统设计人员正在寻找更直观的方法来编程机器人，特别是使用他们开发的生产系统的CAD图纸。本文介绍了一种新的基于CAD的离线机器人编程（OLP）和仿真系统，其中用于单元设计的CAD软件包也用于OLP和机器人仿真的工业应用。因此，OLP对于任何具有CAD和机器人基础知识的人来说都变得更加容易。该系统在一个机器人辅助金属板弯曲单元进行了测试。实验允许识别所提出的解决方案的优点和缺点。
2013-11-18 cs.RO
DREAM Lite: Simplifying Robot Assisted Therapy for ASD
SoftBank Robotics Europe（软银机器人欧洲公司）；Babes-Bolyai University（巴比什-博雅伊大学）
机器人辅助治疗（RAT）已成功用于改善自闭症谱系障碍（ASD）儿童的社交技能。DREAM项目探索如何在用于控制机器人代理的supervisedautonomy框架内向ASD儿童提供有效的RAT干预，这可以减轻提供此类干预的临床医生的负担。在本文中，我们描述了如何在现实生活中使用的实验协议，开发和广泛测试的梦想项目，以及他们的部署和临床医生进行的新的生态研究验证。
2021-04-16 cs.RO
A Collaborative Robot-Assisted Manufacturing Assembly Process
University of Coimbra（科英布拉大学）；CEMMPRE（CEMMPRE研究院）；ARISE（ARISE研究院）
针对工业中协作机器人落地难的问题，研究对比人工与机器人辅助装配流程，验证其在三种运行模式下的效能，证实其能改善工效与操作便捷性且不显著增加装配时长，还具备工序引导功能。
2024-03-08 cs.RO
Co-Optimization of Tool Orientations, Kinematic Redundancy, and Waypoint Timing for Robot-Assisted Manufacturing
提出一种并发可扩展的轨迹优化方法，同时优化工具朝向、运动学冗余和路径点定时，利用基于分解的核外并行数值方案提升机器人辅助制造的平滑度与效率。
2024-12-20 cs.RO
Robot-Assisted Nuclear Disaster Response: Report and Insights from a Field Exercise
University of Birmingham（伯明翰大学）；University of West Attica（西阿提卡大学）；Kerntechnische Hilfdienst GmbH (KHG)（核技术援助服务有限公司（KHG））
本文报道了机器人研究人员的见解，他们参加了由Kerntechnische Hilfdienst GmbH（KHG）在德国卡尔斯鲁厄进行的为期5天的机器人辅助核灾难响应现场演习。德国核工业成立了KHG，为核事故提供机器人辅助应急响应能力。我们提出了一个系统的描述所使用的设备;机器人操作员的培训计划;现场演习和机器人任务;以及在演习过程中遵循的协议。此外，我们还根据这些观察结果为推进灾难响应机器人技术提供了见解和建议。具体而言，性能的主要退化来自对操作员的认知和注意力要求。此外，机器人平台和模块除了易于使用外，还应力求坚固可靠。最后，由于应急响应的利益相关者往往对使用自主系统持怀疑态度，我们建议采用可变的自主模式，逐步将自主机器人的能力与人在回路中。这种遥操作和自主之间的中间地带可以增加最终用户的接受度，同时直接减轻操作员的机器人控制负担，并保持人在回路中的弹性。
2022-07-01 cs.RO
Magnetic-Assisted Initialization for Infrastructure-free Mobile Robot Localization
Nanyang Technological University（南洋理工大学）
大多数现有的移动机器人定位解决方案要么严重依赖于预先安装的基础设施，要么难以在高度重复的环境中工作，这些环境没有足够的独特功能。为了解决这个问题，我们提出了一种磁辅助初始化方法，提高了重复的无特征环境中的无基础设施的移动机器人定位的性能。该系统采用由粗到精的结构，主要由磁场匹配和激光扫描匹配两部分组成。首先，插值磁场地图建立和移动机器人的初始位姿的部分确定的k-近邻（k-NN）算法。其次，融合先验初始位姿信息，通过激光扫描匹配对机器人进行更精确、更高效的定位。在我们的实验中，移动机器人被成功地定位在一个没有特征的矩形走廊与88%的成功率和平均正确定位时间为6.6秒。
2019-11-21 cs.RO
Personalised Robot Behaviour Modelling for Robot-Assisted Therapy in the Context of Autism Spectrum Disorder
Hochschule Bonn-Rhein-Sieg（波恩-莱茵-锡格应用技术大学）
在自闭症谱系障碍患者的机器人辅助治疗中，如果治疗师必须手动控制机器人，则治疗期间治疗师的工作量会增加。为了让治疗师专注于与人的互动，机器人应该更加自主，即它应该能够解释人的状态并根据他们的行为不断调整其行动。在本文中，我们开发了一个个性化的机器人行为模型，可用于机器人的决策过程中的活动;该行为模型的训练与用户模型的帮助下，已从真实的交互数据中学习。我们使用Q学习来完成这项任务，结果表明该策略需要大约10，000次迭代才能收敛。因此，我们研究政策转移，以提高收敛速度，我们表明，这是一个可行的解决方案，但不适当的初始政策可能会导致一个次优的最终回报。
2022-07-25 cs.RO
Design, Modeling and Control of a Quadruped Robot SPIDAR: Spherically Vectorable and Distributed Rotors Assisted Air-Ground Amphibious Quadruped Robot
The University of Tokyo（东京大学）
多模态运动能力是机器人领域的一个新兴课题，各种新型的移动机器人已经被开发出来，使地面和空中的域的机动。在这些混合机器人中，几个国家的最先进的双足\robots，使复杂的步行运动，这是交织在一起的飞行。这些机器人还希望具有操纵能力;然而，由于中心\ized转子布置，当前形式难以在半空中保持关节运动的稳定性。因此，在这项工作中，我们开发了一种新的空地两栖四足机器人称为SPIDAR，它是由球形矢量转子分布在每个链接，使步行运动和变形飞行的协助。F \irst，我们提出了一种独特的机械设计的四足机器人，使地面和空中运动。然后，我们揭示了这种混合机器人平台的建模方法，并进一步开发了一个集成的控制策略，步行和fl \ying与关节运动。最后，我们证明了所提出的混合四足机器人的可行性，通过执行一个无缝的运动，涉及静态行走和随后的飞行。据我们所知，这项工作是第一次实现一个\quadruped机器人具有多模态运动能力，这也表明在多个领域的操纵潜力。
2023-01-10 cs.RO
Computer- and robot-assisted Medical Intervention
UJF-CNRS；TIMC-IMAG Laboratory（TIMC-IMAG实验室）；IN3S – School of Medicine（IN3S医学院）
医疗机器人包括医生使用的辅助设备，以便使他/她的诊断或治疗实践更容易和更有效。本章重点讨论这些系统。它介绍了计算机辅助医疗干预的一般领域，它的目标，它的不同组成部分，并描述了机器人在这种情况下的位置。在医疗机器人的发展一般的设计和控制范例方面的演变，并讨论了具体的应用领域的问题。现有的系统，正在进行的开发和未来的趋势。详细的案例研究。医疗环境中的其他类型的机器人帮助（例如帮助残疾人，患者康复或更换某些受损/受抑制的肢体或器官）不在本章的范围内。
2009-03-26 cs.RO
MORPHeus: a Multimodal One-armed Robot-assisted Peeling System with Human Users In-the-loop
Cornell University（康奈尔大学）
针对机器人辅助削皮任务现有研究不足、双臂部署难度大的问题，提出了名为MORPHeus的单臂机器人辅助削皮系统，结合多模态感知、人在环规划和柔顺控制，在12种特征差异较大的食物上完成了验证。
2024-05-12 cs.RO
Medical Technologies and Challenges of Robot Assisted Minimally Invasive Intervention and Diagnostics
Vanderbilt University（范德堡大学）
新兴的范例进一步深入到人体解剖学的医疗技术的范围提出了独特的建模，控制和传感问题。本文讨论了医疗机器人的简史，导致目前的趋势，微创介入和诊断在密闭空间。自然孔口和单端口接入手术，胶囊和磁驱动机器人和microrobotics的机器人技术进行了讨论，目的是阐明的最先进的状态。工作的建模，传感和控制的机械架构的自然孔口和单端口接入手术的机器人进行了讨论，然后介绍了磁驱动，传感和定位的胶囊机器人和microrobotics的工作。最后，在每一个这些领域的挑战和开放的问题。
2018-07-10 cs.RO
Reality-assisted evolution of soft robots through large-scale physical experimentation: a review
University of Cambridge（剑桥大学）
在这篇综述中，我们介绍了现实辅助进化的框架，总结了一个日益增长的趋势，结合基于模型和无模型的方法，以提高物理体现的软体机器人的设计。在计算机中，数据驱动模型使用真实世界的实验数据来构建、调整和改进目标系统的表示。通过使用这些数据驱动的模型模拟大量的虚拟机器人，优化算法可以照亮多个设计候选人，以转移到现实世界。实际上，大规模的物理实验有利于多个候选设计的制造、测试和分析。自动化装配和可重新配置的模块化系统使现实世界的设计评估数量比以前可能的要高得多。通过物理实验收集的大量地面实况数据可以返回到虚拟环境中，以改进数据驱动模型并指导优化。将设计过程建立在物理实验的基础上，可确保虚拟机器人设计的复杂性不会超过模型限制或可用的制造技术。我们概述了在现实辅助进化的框架下，物理体现的软体机器人的设计的关键发展。
2020-10-16 cs.RO
Real-time Joint Motion Analysis and Instrument Tracking for Robot-Assisted Orthopaedic Surgery
Queensland University of Technology（昆士兰科技大学）；Australian Centre for Robotic Vision（澳大利亚机器人视觉中心）；University of New South Wales（新南威尔士大学）；The Prince Charles Hospital（查尔斯王子医院）
机器人辅助骨科手术需要精确的自动化腿部操作，以提高空间精度，减少医源性损伤。在这项研究中，我们提出了新的刚体设计和光学跟踪体积设置跟踪股骨，胫骨和手术器械。使用计算机断层扫描测量腿部内部的解剖点，精度为0.3mm。结合运动学建模，我们可以表示这些点相对于任何框架和跨关节亚毫米精度。它可以在股骨和胫骨的机械轴上设置矢量，以进行运动学分析。尸体实验用于验证内部解剖结构和关节运动分析的跟踪。所提出的集成解决方案是腿部操作自动化的第一步，可用作未来机器人辅助骨科研究的基础。
2019-09-06 cs.RO
Human-Machine Co-Adaptation for Robot-Assisted Rehabilitation via Dual-Agent Multiple Model Reinforcement Learning (DAMMRL)
Shandong First Medical University（山东第一医科大学）；Shandong Academy of Medical Sciences（山东省医学科学院）；University of Technology Sydney（悉尼科技大学）
本文提出双智能体多模型强化学习（DAMMRL）框架，结合多模型自适应控制与协同自适应策略，用于机器人辅助踝关节康复，并通过13名健康受试者实验验证了其可行性与潜力。
2024-07-31 cs.RO
Bi-Level Optimization for Contact and Motion Planning in Rope-Assisted Legged Robots
Dipartimento di Ingegneria e Scienza dell’Informazione (DISI), University of Trento（工程与信息科学系（DISI），特伦托大学）；Inria, Université de Lorraine, CNRS（法国国家信息与自动化技术研究院（Inria）、洛林大学、法国国家科学研究中心（CNRS））
本文提出了一种用于绳索辅助机器人垂直表面攀爬的规划框架，采用双层优化方法解决混合整数问题，同时优化绳索张力和腿部力，验证于新型攀爬机器人平台。
2026-10-16 cs.RO
From Decision to Action in Surgical Autonomy: Multi-Modal Large Language Models for Robot-Assisted Blood Suction
University of Alberta（阿尔伯塔大学）
本研究提出了一种用于机器人辅助手术自主吸血的多模态LLM集成方案，通过高层LLM负责推理与优先级划分，底层深度强化学习负责运动执行，构建分布式智能体架构，显著提升了手术中的上下文理解和决策能力。
2025-01-29 cs.RO
Flexible human-robot cooperation models for assisted shop-floor tasks
University of Genoa（热那亚大学）
工业4.0范式强调了协作机器人的关键好处，即，机器人能够与人类一起工作，可以为整个生产过程带来帮助。在这方面，一项尚未实现的使能技术是设计能够在各个层面处理人类内在可变性的灵活机器人，这不仅是人舒适工作体验的必要因素，也是有效处理意外事件的宝贵能力。在本文中，传感，表示，规划和控制架构灵活的人机合作，简称FlexHRC，提出了。FlexHRC依赖于可穿戴传感器进行人类动作识别，与/或图用于表示和推理合作模型，以及任务优先级框架将动作规划与机器人运动规划和控制解耦。
2017-07-09 cs.RO
Simulating Safe Bite Transfer in Robot-Assisted Feeding with a Soft Head and Articulated Jaw
School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航天工程学院）；Singapore-ETH Centre（新加坡-ETH中心）
本文提出在MuJoCo模拟器中利用软体动力学建模人机交互，评估咬合传递参数，发现直进直出策略可最小化作用力并提升舒适度，为机器人辅助喂食提供安全可控的仿真验证方法。
2025-02-26 cs.RO
On the Robot Assisted Movement in Wireless Mobile Sensor Networks
Missouri University of Science and Technology（密苏里科技大学）；Wrocław University of Science and Technology（弗罗茨瓦夫理工大学）
本文研究了随机传感器初始按一般随机过程随机布置在直线上和按两个独立的一般随机过程随机布置在平面上的情况。移动机器人的承载能力$k$放置在原点是移动传感器，以实现一般的调度要求，如覆盖，连接，从而满足所需的通信性能的网络。我们研究了在机器人的运动中的能量消耗，传感器的数量$n$，传感器范围$r$，干扰距离$s$，和机器人容量$k$之间的权衡，直到完成的覆盖范围同时与干扰调度任务。在这项工作中，我们得到的能量消耗的上限在机器人的运动，并获得急剧下降的总运动成本的机器人，以便提供覆盖范围的同时，干扰的要求。
2021-07-07 cs.RO
Robot-Assisted Deployment and Maintenance of Inflatable Modules for Lunar Habitation: A Field Demonstration
Tohoku University（东北大学）；Tokyo University of Science（东京理科大学）
本文提出结合充气模块与模块化可重构机器人MoonBot的系统，通过现场演示验证了部署与维护任务，为未来月球居住提供关键见解。
2026-09-29 cs.RO
Design and Experimental Evaluation of a Haptic Robot-Assisted System for Femur Fracture Surgery
Biomedical Engineering Department, Rowan University（罗文大学生物医学工程系）
本文提出Robossis触觉机器人辅助股骨骨折手术系统，通过单边控制与触觉渲染解决运动传递和运动学不匹配，实验显示平均平移误差0.32 mm、旋转误差0.07度，并在尸体实验中验证了其辅助手术的直观有效性。
2023-10-29 cs.RO
A Novel Robot-Assisted Learning Pedagogy for Children with ASD
Yale Child Study Center（耶鲁儿童研究中心）；Yale School of Medicine（耶鲁医学院）；Yale University（耶鲁大学）；Van Robotics, Inc.（范机器人公司）；Seattle Children's Hospital（西雅图儿童医院）
本研究提出一种融合“通过教学学习”教学法的机器人辅助干预方法，实验表明该法能提升自闭症儿童在社交任务中的参与度和表现。
2026-09-16 cs.RO
CASOG: Conservative Actor-critic with SmOoth Gradient for Skill Learning in Robot-Assisted Intervention
本文提出离线强化学习算法CASOG，通过保守Q函数估计、平滑卷积梯度和高TD误差优先采样，从人类演示中学习血管机器人操作技能，实验成功率达94.00%，优于现有离线强化学习方法。
2023-04-19 cs.RO
Lessons from Robot-Assisted Disaster Response Deployments by the German Rescue Robotics Center Task Force
University of Applied Science, Gelsenkirchen (WHS)（盖尔森基兴应用科学大学）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）；TU Darmstadt (TUDA)（达姆施塔特工业大学）；TU Dortmund (TUDO)（多特蒙德工业大学）；University of Bonn (UBO)（波恩大学）；German Rescue Robotics Center (DRZ)（德国救援机器人中心）
地震、火灾和洪水经常造成建筑物的结构性倒塌。然而，对受损建筑物的检查对紧急部队来说风险很高，甚至是不可能的。我们介绍了德国救援机器人中心机器人工作队最近选定的三个任务，地面和空中机器人都被用来探索被摧毁的建筑物。我们描述和反映了这些任务以及从中吸取的经验教训。为了使研究实验室的机器人适合实际操作，为室外和室内使用建立了逼真的测试环境，并在研究人员和应急部队的定期演习中进行测试。基于这些经验，机器人及其控制软件得到了显著改进。此外，还组建了由研究人员和第一反应人员组成的顶级团队，每个团队都对机器人系统的操作和实际适用性进行了现实的评估。
2022-12-19 cs.RO
An Adaptable, Safe, and Portable Robot-Assisted Feeding System
University of Washington（华盛顿大学）；Cornell University（康奈尔大学）
本研究研发了一款兼具安全性、便携性与用户可控性的机器人辅助喂食系统，采用多模态在线学习适配新食物、实时口腔感知控制送食，可安装于电动轮椅、支持用户用自身辅助设备操控，经终端用户研究验证有效。
2024-03-07 cs.RO
A Taxonomy of Semantic Information in Robot-Assisted Disaster Response
University of Birmingham（伯明翰大学）
本文提出了一种机器人辅助灾难响应中的语义信息分类法。机器人越来越多地用于危险环境行业和应急响应团队，以执行各种任务。在这样的应用中的操作决策需要对远离人类操作员的环境进行复杂的语义理解。来自机器人的低级别感知数据被转换为感知和信息认知。目前，这种认知主要由人类专家执行，他们监视远程传感器数据，如机器人视频馈送。这就需要机器人本身具有AI生成的语义理解能力。目前关于语义和人工智能的工作相对来说是学术性的，因此与第一响应团队的实际情况相对无关。我们的目标是使本文件成为弥合这一分歧的一个步骤。我们首先回顾了灾难响应中常见的机器人任务以及这些机器人必须收集的信息类型，然后将可能在灾难操作中有用的语义特征和理解的类型组织成语义信息的分类。我们还简要回顾了当前最先进的语义理解技术。我们强调潜在的协同作用，但我们也确定了需要弥合的差距，以应用这些想法。我们的目标是刺激所需的研究，以适应，鲁棒性，并在灾难和第一响应场景的挑战性条件下实施最先进的人工智能语义方法。
2022-09-30 cs.RO
Robotic-assisted Ultrasound for Fetal Imaging: Evolution from Single-arm to Dual-arm System
King’s College London（伦敦国王学院）；Xtronics Ltd.（Xtronics有限公司）；Guy’s & St Thomas’ NHS Foundation Trust（盖伊和圣托马斯NHS基金会信托）；Evelina Children’s Hospital（伊芙琳娜儿童医院）；Queen Mary University of London（伦敦玛丽女王大学）
机器人辅助体外超声系统的开发有着悠久的历史，自20世纪90年代以来，已经提出了许多项目，侧重于不同的技术方面。这些旨在解决手持式超声探头现场手动操作的不足。本文介绍了最近正在进行的一系列定制机器人系统的开发，包括单臂和双臂版本，用于一个名为智能胎儿成像和诊断（iFIND）的项目。在简要回顾了用于胎儿和腹部检查的体外超声机器人系统的发展历史之后，介绍了iFIND机器人的具体目标、设计演变、每个版本的实施细节以及iFIND机器人系列的初步临床反馈。基于42名志愿者对这些新提出的机器人进行的初步测试，验证了机电一体化系统的成功和可靠的工作。参与者问卷的分析表明，一个舒适的扫描体验的志愿者和良好的接受率被扫描的机器人。
2019-04-10 cs.RO
Learning Human Body Motions from Skeleton-Based Observations for Robot-Assisted Therapy
Hochschule Bonn-Rhein-Sieg（波恩-莱茵-锡格应用技术大学）
在治疗场景中应用的机器人，例如在患有自闭症谱系障碍的个体的治疗中，有时用于模仿学习活动，其中人需要通过机器人重复动作。为了简化结合机器人可以执行的新类型的运动的任务，期望机器人具有通过观察来自人类（诸如治疗师）的演示来学习运动的能力。在本文中，我们研究了一种方法，用于从人体的骨骼观察，这是由机器人为中心的RGB-D相机收集的运动。给定各种关节的观测序列，在由PID位置控制器执行之前映射关节位置以匹配机器人的配置。我们评估的方法，特别是再现误差，通过执行一项研究，其中QTrobot的机器人获得不同的上身舞蹈动作，从多个参与者。结果表明，该方法的整体可行性，但也表明，再现质量受到噪声的骨架观测。
2022-07-25 cs.RO
Teleoperation in Robot-assisted MIS with Adaptive RCM via Admittance Control
Stevens Institute of Technology（史蒂文斯理工学院）
本文提出并评估了一种用于机器人辅助微创手术的遥操作框架，通过自适应RCM和导纳控制实现精确操作，并演示了穿线、拾放和轨迹跟踪等任务。
2024-07-17 cs.RO
On the Fly Robotic-Assisted Medical Instrument Planning and Execution Using Mixed Reality
Johns Hopkins University（约翰斯·霍普金斯大学）；Johns Hopkins School of Medicine（约翰斯·霍普金斯医学院）
本文提出一种基于混合现实的机器人辅助医疗系统框架，通过三维解剖叠加、碰撞检测和机器人编程接口实现器械实时规划与执行，降低操作学习成本，并在经颅磁刺激和股骨成形术中验证可行性。
2024-04-08 cs.RO
Robust Robot-assisted Tele-grasping Through Intent-Uncertainty-Aware Planning
Colorado School of Mines（科罗拉多矿业学院）；Duke University（杜克大学）
在遥操作中，研究主要集中在目标接近，我们处理更具挑战性的对象操作任务，通过推进共享控制技术。由于特定操作任务的精细运动约束要求，适当地操作对象是具有挑战性的。虽然这些运动约束是任务成功的关键，但在观察模糊的人体运动时，它们往往是微妙的。非具体化问题和人类和机器人手之间的物理差异带来了额外的不确定性，进一步夸大了对象操作任务的复杂性。此外，还缺乏规划和建模技术，可以有效地结合人类和机器人代理的运动输入，同时考虑人类意图的模糊性。为了克服这一挑战，我们建立了一个多任务机器人抓取模型，并开发了一个意图不确定性感知的抓取规划器，以生成鲁棒的抓取姿势，给出了模糊的人类意图推理输入。有了这些经过验证的建模和规划技术，预计将扩展远程操作机器人的功能和采用实际的远程操作场景。
2020-05-19 cs.RO
Sclera Force Control in Robot-assisted Eye Surgery: Adaptive Force Control vs. Auditory Feedback
Johns Hopkins University（约翰斯·霍普金斯大学）；Beihang University（北京航空航天大学）；Johns Hopkins Hospital（约翰斯·霍普金斯医院）
外科医生的手震颤限制了人类在显微外科手术中的能力，例如那些治疗眼睛的手术。相比之下，通过引入显微外科机器人来消除手震颤会减少外科医生对有用和熟悉的工具到巩膜力的触觉感知。虽然眼科手术机器人的大质量和惯性防止了外科医生的微震颤，但对小巩膜力的感知的丧失可能使巩膜处于受伤的风险中。在本文中，我们应用并比较了两种不同的方法，以确保巩膜组织的安全性，在机器人辅助眼科手术。在主动控制方法中，一个自适应力控制策略的稳定手眼机器人上实现，以控制巩膜力的大小时，他们超过安全边界。然后将该自主力补偿与被动力控制方法进行比较，在被动力控制方法中，外科医生响应于所提供的与巩膜力的大小成比例的音频反馈来执行手动调节。三个用户的试点研究表明，主动控制方法可能是更有效的。
2019-01-10 cs.RO
Kiri-Spoon: A Kirigami Utensil for Robot-Assisted Feeding
Virginia Tech（弗吉尼亚理工大学）；Cornell University（康奈尔大学）
本文提出Kiri-Spoon软体剪纸餐具，通过机械智能使机器人手臂更易包裹、运送并顺应性释放食物，实验证明其能跨食物、平台和算法提升机器人辅助喂食能力。
2025-01-02 cs.RO
Kiri-Spoon: A Soft Shape-Changing Utensil for Robot-Assisted Feeding
Virginia Tech（弗吉尼亚理工大学）
针对机器人用传统餐具运送食物易掉落的问题，研究人员设计了结合传统餐具外形与软质夹爪功能的可变形餐具Kiri-Spoon，通过剪纸结构调整曲率提升取送稳定性。
2024-03-09 cs.RO
Multimodal Sensing for Robot-Assisted Sub-Tissue Feature Detection in Physiotherapy Palpation
Stanford University（斯坦福大学）；Symbiokinetics Inc（Symbiokinetics公司）
本研究提出多模态传感器用于机器人辅助物理治疗中亚组织特征的检测，结合触觉成像与力矩传感器以提高检测精度和触诊控制。
2026-03-02 cs.RO
Hall Effect-Based Tactile Force Detection Sensor for Robot-Assisted Minimally Invasive Surgery
University of Leeds（利兹大学）
针对机器人微创手术中触觉反馈缺失的问题，本文提出一种基于霍尔效应的毫米级紧凑力传感器，可检测法向和剪切力，平均RMSE为2.133 kPa，并在体模和离体猪组织上验证了牵拉与滑动感知能力。
2026-10-08 cs.RO
RABBIT: A Robot-Assisted Bed Bathing System with Multimodal Perception and Integrated Compliance
Cornell University（康奈尔大学）
本文提出RABBIT机器人辅助卧床洗浴系统，结合多模态感知与软硬件柔顺性，实现安全舒适的人机交互，并通过用户研究验证其有效性与舒适度。
2025-04-23 cs.RO
Haptic-Enhanced Virtual Reality Simulator for Robot-Assisted Femur Fracture Surgery
Rowan University（罗文大学）；Virtua Health（维克托健康医疗系统）；Rowan-Virtua School of Osteopathic Medicine（罗文-维克托 osteopathic 医学院）
本文开发了用于Robossis机器人辅助股骨骨折手术的触觉增强VR模拟器，集成Sigma-7触觉控制器、RSR机器人和Meta Quest头显，验证了6自由度跟随和防骨段重叠能力，为未来系统实施提供基础。
2023-10-29 cs.RO
Humanoids for Robot-Assisted Surgery: Bimanual Base Placement and Tool-Mount Optimization via Capability Maps
本研究提出基于能力图的人形机器人基座与工具安装联合优化框架，在三种手术中评估可达性，证明其优于基线方法，并揭示近端应用潜力与局限。
2026-09-29 cs.RO
Laser-Tracker-Assisted Camera-to-Robot Calibration for Mobile Robots
Institute of Photogrammetry and Remote Sensing (IPF), Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院摄影测量与遥感研究所）
提出一种激光跟踪仪辅助的移动机器人相机标定方法，通过链接多个标定目标放宽配置假设，实现更通用的相机位姿标定。
2026-09-24 cs.CV cs.RO
Partial Computing Offloading Assisted Cloud Point Registration in Multi-robot SLAM
University of Science and Technology Beijing（北京科技大学）；Nazarbayev University（纳扎尔巴耶夫大学）；University of Jordan（约旦大学）
多机器人视觉同时定位与地图构建（SLAM）系统通常由多个配备摄像机或其他视觉传感器的移动机器人组成。网络化机器人在未知场景中独立或协作工作，以解决自主定位和地图绘制问题。多机器人视觉SLAM中最关键的问题之一是密集的计算，这通常需要但压倒性的廉价移动机器人有限的板载资源。为了解决这个问题，本文提出了一种新的任务卸载策略和密集点云图构建方法。首先，我们开发了一种新的策略来远程卸载计算密集型任务到云中心，使原本无法在本地资源有限的机器人系统上完成的任务成为可能。其次，提出了一种改进的迭代最近点算法（ICP），即适应度分数分层ICP算法（FS-HICP），用于加速点云配准。理论分析和实验模拟的正确性，效率和所提出的策略的可扩展性进行了评估。实验结果表明，该方法能有效降低多机器人视觉SLAM系统的能耗，提高系统的计算能力和速度，尤其是在室内环境下。
2019-05-30 cs.RO
Repeated Robot-Assisted Unilateral Stiffness Perturbations Result in Significant Aftereffects Relevant to Post-Stroke Gait Rehabilitation
University of Delaware（特拉华大学）
本文提出了一种通过重复单侧刚性扰动的机器人辅助疗法，以改善中风后步态问题。
2022-03-01 cs.RO
Ontology-Assisted Generalisation of Robot Action Execution Knowledge
Hochschule Bonn-Rhein-Sieg（波恩-莱茵-锡格应用技术大学）；RWTH Aachen University（亚琛工业大学）
当一个自主机器人学习如何执行动作，它是感兴趣的，知道是否以及何时执行策略可以推广到学习场景的变化。这可以通知机器人额外学习的必要性，因为使用不完整或不合适的策略可能导致执行失败。当机器人必须在不同的环境中处理各种各样的物体时，泛化尤其重要。在本文中，我们提出并分析了一种策略，概括参数化的执行模型的操作动作在不同的对象的基础上的对象本体。特别是，机器人根据本体将已知的执行模型转移到相关类的对象，但只有在没有其他证据表明该模型可能不合适的情况下。这允许使用本体论知识作为先验信息，然后通过机器人自己的经验进行细化。我们验证了我们的算法的两个动作-抓住和存放日常物品-这样，我们表明，机器人可以推断的情况下，现有的政策可以概括为其他对象，当额外的执行知识必须获得。
2021-07-20 cs.RO
