SVan: A Mobile Hub as a Field Robotics Development and Deployment Platform
Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所（MIRMI））；Technical University of Munich (TUM)（慕尼黑工业大学（TUM））
本文提出移动枢纽 SVAN 原型，从机械、软件、硬件与部署经验等方面支撑多领域机器人团队在环境监测保护中的高效可扩展部署。
2024-05-06 cs.RO
A Survey of Behavior Learning Applications in Robotics -- State of the Art and Perspectives
German Research Center for Artificial Intelligence (DFKI) GmbH（德国人工智能研究中心）
本综述针对机器学习成功引发的对机器人行为学习的过高预期，梳理复杂机器人已实现的学习行为并分类，总结可学习与应学习的行为方向，展望未来可解决的难题，提出融合多方法构建自主系统的思路。
2024-09-12 cs.LG cs.RO
A Survey of FPGA-Based Robotic Computing
Georgia Institute of Technology（佐治亚理工学院）；Harvard University（哈佛大学）；PerceptIn Inc（佩塞普特因公司）；South China University of Technology（华南理工大学）；University of Rochester（罗切斯特大学）；Tsinghua University（清华大学）
最近的机器人研究已经取得了显着的进步，从算法，机械到硬件架构。包括机械手、足式机器人、无人机和自动驾驶汽车在内的机器人技术现在广泛应用于各种场景。然而，机器人算法的高计算量和数据复杂度对其应用提出了很大的挑战。一方面，CPU平台灵活，可以处理多个机器人任务。GPU平台具有较高的计算能力和易于使用的开发框架，因此在许多应用中被广泛采用。另一方面，基于FPGA的机器人加速器正在成为越来越有竞争力的替代方案，特别是在延迟关键和功率受限的场景中。通过专门设计的硬件逻辑和算法内核，基于FPGA的加速器可以在性能和能效方面超越CPU和GPU。在本文中，我们概述了以前的工作，基于FPGA的机器人加速器涵盖不同阶段的机器人系统管道。分析了软件和硬件优化技术和主要技术问题，以及一些商业和空间应用，作为未来工作的指导。
2021-03-05 cs.AI cs.AR cs.RO
Models of robotic feeding, choice, and the survival mechanism
Cartheur Robotics（Cartheur机器人公司）
喂食选择的图解模型揭示了机器人的基本行为。成功的选择会受到积极反馈的强化，而不成功的选择则会受到消极反馈的强化。本文将讨论机器人喂养的偶然相关的后果行为所涵盖的强烈依赖于生存。
2014-12-25 cs.RO
Joint Communication-Motion Planning in Wireless-Connected Robotic Networks: Overview and Design Guidelines
State Key Laboratory of High Performance Computing (HPCL)（高性能计算国家重点实验室）；School of Computer, National University of Defense Technology（国防科技大学计算机学院）
近年来，机器人技术蓬勃发展，为了支持多机器人系统的共识和协作，机器人之间的无线通信和网络以及基础设施已变得不可或缺。在本技术说明中，我们首先概述了在设计无线连接机器人网络（WCRN）时通信感知运动规划（CAMP）的研究贡献，其中机器人所包含的运动和通信能力所提供的自由度（DoF）尚未得到充分利用。因此，我们提出了联合通信运动规划（JCMP）的框架，以及将JCMP纳入WCRN的架构。所提出的架构是由机器人运动控制和认知无线电中普遍采用的面向对象的决策行动（OODA）模型的动机。然后，我们提供了一个概述的定向模块，量化的连通性评估。之后，我们突出了JCMP模块，并将其与传统的通信规划，其中JCMP的必要性进行了验证，通过理论分析和仿真结果的说明性的例子。最后，一系列的开放性问题进行了讨论，这图片之间的差距，国家的最先进的和一个实用的WCRN。
2015-11-07 cs.RO
Machine Vision in the Context of Robotics: A Systematic Literature Review
Dresden University of Applied Sciences（德累斯顿应用技术大学）
机器视觉对机器人技术至关重要，因为机器视觉有很多应用依赖于视觉传感器的输入，例如自主移动机器人和智能生产系统。为了创造未来的灵巧家庭和系统，对研究领域当前挑战的概述将有助于以系统和可复制的方式确定进一步的可能方向。在这项工作中，进行了系统的文献综述，涵盖了过去10年的研究。我们从四个数据库中筛选了172篇论文，并选择了52篇相关论文。虽然鲁棒性和计算时间都有了很大的提高，但遮挡和光照变化仍然是面临的最大问题。从最近的出版物的数量，我们得出结论，所观察到的领域是相关的和感兴趣的研究界。在该领域的许多领域出现了进一步的挑战。
2019-05-03 cs.CV cs.LG cs.RO
An Overview of Robotic Grippers
University of Bristol（布里斯托大学）
本文综述机器人夹爪的设计、形态与功能，比较高精度可控手与受生物力学启发的柔顺手，并强调其在自主机器人普及中的重要性。
2023-04-27 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
Autonomy and Safety Assurance in the Early Development of Robotics and Autonomous Systems
The University of Manchester（曼彻斯特大学）；Amentum（安曼顿公司）
本报告概述了CRADLE举办的机器人自主性与安全保证研讨会，通过多领域监管机构与产学代表的研讨，明确了自主巡检机器人安全保证的挑战、证据需求及保证案例差异，并倡导采用“为保证而设计”流程以满足监管期望。
2025-01-30 cs.AI cs.RO
Realizing the Aerial Robotic Worker for Inspection Operations
University of Nevada, Reno（内华达大学里诺分校）
本报告概述了一组最近的贡献，在该领域的路径规划，开发，使实现自主空中机器人工作人员进行检查操作。具体的算法贡献解决了机器人检查和探索的几个基本挑战，特别是那些最佳覆盖规划给定的先验已知模型的结构被检查，全覆盖，优化和快速的检查路径规划，以及完全未知的环境和结构的有效探索。所有开发的路径规划器支持完整和非完整系统，并尊重板上的传感器模型和约束。概述所取得的成果，然后是一个集成架构，以便在已知和未知环境中实现完全自主和高效的基础设施检测。
2017-03-08 cs.RO
Soft Robots Modeling: a Structured Overview
Institut Mines Telecom Atlantique（大西洋矿业电信学院）；Khalifa University of Science and Technology（哈利法科技大学）；Inria（法国国家信息与自动化研究所）；CNRS（法国国家科学研究中心）；Centrale Lille（里尔中央理工学院）；University Lille（里尔大学）
机器人社区已经看到了一个指数级增长的复杂性的理论工具的建模软机器人设备。已经提出了不同的解决方案来克服与软体机器人建模相关的困难，通常利用其他科学学科，例如连续介质力学、计算力学和计算机图形学。这些理论和计算基础往往被视为理所当然，这导致了一个复杂的文献，因此，很少有一个完整的审查的主题。对于第一次，我们在这里提出了一个结构化的概述迄今为止提出的所有方法来建模软体机器人。所选择的分类，这是基于他们的理论和数字的理由，使我们能够提供一个关键的分析，其用途和适用性。这将使机器人研究人员能够学习这些建模技术及其相关数值方法的基础知识，同时也能对它们的使用有一个批判性的视角。
2022-10-04 cs.RO
ROBOPOL: Social Robotics Meets Vehicular Communications for Cooperative Automated Driving
ROBOPOL提出利用社会机器人作为自动驾驶车辆与行人之间的调节器，通过整合先进感知、车辆通信、社会交互和形式化规范，实现协作自动驾驶场景中的安全交互。
2025-12-30 cs.RO cs.SY eess.SY
Using Markov Decision Process to Model Deception for Robotic and Interactive Game Applications
The Pennsylvania State University（宾夕法尼亚州立大学）；Penn State Harrisburg（宾州州立大学哈里斯堡分校）
本文研究欺骗的背景下，使用模拟移动机器人的运动。我们分析了一些以前设计的欺骗性策略的移动机器人模拟器。然后，我们提出了一种新的方法，自适应地选择面向目标的欺骗性轨迹欺骗人类的多次互动。此外，我们提出了一个新的度量来评估欺骗的数据收集时，从用户与移动机器人模拟器进行交互。我们进行了一个用户研究，以测试我们提出的自适应欺骗算法，这表明，我们的算法欺骗人类，甚至多次互动，它是更有效的欺骗策略比随机选择。
2020-12-22 cs.HC cs.MA cs.RO
ROXIE: Defining a Robotic eXplanation and Interpretability Engine
University of León（莱昂大学）
本文提出机器人解释与可解释性引擎ROXIE，阐明其关键特性与要求，并概述配套ROS 2的软件组件库，以提供机器人决策的全面解释，增强人机交互中的信任与协作。
2024-03-25 cs.RO
Using Language Models as Closed-Loop High-Level Planners for Robotics Applications: A Brief Overview and Benchmarks
Ming Hsieh Department of Electrical and Computer Engineering, University of Southern California（南加州大学明希德电气与计算机工程系）；Department of Aeronautics and Astronautics, Stanford University（斯坦福大学航空航天工程系）；Department of Mechanical Engineering, Stanford University（斯坦福大学机械工程系）
本文研究了语言模型在机器人闭环高层规划中的应用，探讨了控制时间跨度和预热启动对性能的影响，并通过实验提供改进建议。
2026-04-26 cs.AI cs.RO
Referencing between a Head-Mounted Device and Robotic Manipulators
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Karlsruhe University of Applied Sciences（卡尔斯鲁厄应用技术大学）
在基于使用盔装显示器（HMD）的增强现实的人机交互（HRI）期间，在机器人坐标系和AR设备坐标系之间具有精确且鲁棒的变换是至关重要的，这既用于直观的信息显示，也用于跟踪人类运动。该领域中的大多数当前解决方案依赖于对视觉标记（例如QR码）的跟踪或者依赖于手动参考，这两者都提供不令人满意的结果。与此同时，在更广泛的机器人和机器视觉社区中存在过多的目标检测和参考方法。参考的精度同样几乎从未被测量过。在这里，我们想解决这个问题，首先介绍了目前使用的机器人和HMD之间的参考方法的概述。接下来是机器人领域中使用的目标检测和参考方法的简要概述。基于这些方法，我们建议三类参考算法，我们打算追求-半自动的，在拍摄;自动，一杆;和自动连续。我们描述了这三个类的一般工作流程，以及描述我们提出的算法在这些类中的每一个。最后，我们提出了第一个实验结果的半自动参考算法，测试工业库卡KR-5机械手。
2019-04-04 cs.RO
On the Implementation of Behavior Trees in Robotics
Istituto Italiano di Tecnologia（意大利技术研究院）
行为树作为一种描述和实现机器人行为的工具越来越受到人们的关注。BT是在视频游戏行业中设计的，它们在机器人技术中的采用导致了ad-hoc库的开发，以设计和执行适合复杂机器人软件架构的BT。虽然对BT的工作方式存在广泛的共识，但某些特性依赖于在所使用的特定软件库中完成的实现选择。在这封信中，我们概述了采用BT的实际方面，以及机器人社区为充分利用BT在真实机器人中的优势而设计的解决方案。我们还概述了在机器人技术中使用的开源库中提出的解决方案，我们展示了BT如何适应机器人软件架构，并给出了一个用例示例。
2021-06-29 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
From Continual Learning to Causal Discovery in Robotics
University of Lincoln（林肯大学）；University of Padua（帕多瓦大学）
从传感器数据的时间序列重建动态系统的精确因果模型是许多现实世界场景中的关键问题。在本文中，我们提出了一个概述，根据我们的经验，因果分析时遇到的实际挑战，应用于自主机器人和持续学习~（CL）如何可以帮助克服这些问题。我们提出了一种可能的方式来利用CL范式，使因果发现可行的机器人应用程序的计算资源是有限的，而在同一时间利用机器人作为一个积极的代理，有助于提高重建的因果模型的质量。
2023-01-10 cs.RO
The Developments and Challenges towards Dexterous and Embodied Robotic Manipulation: A Survey
College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院）
该综述总结机器人操作从机械编程到具身智能、从简单夹具到多指灵巧手的演变及挑战，重点介绍当前具身灵巧操作在数据采集与技能学习框架的进展，并讨论三大限制其发展的关键挑战。
2025-11-18 cs.RO
An Overview of Formulae for the Higher-Order Kinematics of Lower-Pair Chains with Applications in Robotics and Mechanism Theory
本文综述了低副链高阶动力学的公式，提出闭式和递推关系及各向异性动力学关系的泰勒展开，用于机器人和多体系统的运动控制与动力学。
2026-06-28 cs.NA cs.RO math.DS
Sonar-based Deep Learning in Underwater Robotics: Overview, Robustness and Challenges
OceanScan Marine Systems & Technology（OceanScan海洋系统与技术公司）；INESC INOV-Lab（INESC INOV实验室）；ISRC (ISEP/P.PORTO)（ISRC（波尔图高等工程学院/波尔图大学））；Faculty of Engineering, University of Porto (FEUP)（波尔图大学工程学院（FEUP））
本文首次全面综述水下机器人中基于声纳的深度学习，聚焦鲁棒性挑战，涵盖感知任务、数据集与鲁棒性方法，并提出建立基线数据集及弥合模拟-现实差距的未来方向。
2024-12-16 cs.CV cs.RO eess.SP
System-Level Development of a User-Integrated Semi-Autonomous Lawn Mowing System: Problem Overview, Basic Requirements, and Proposed Architecture
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
这篇概念论文从系统工程的角度概述了最近的一些努力，这些努力是为了设计和开发用户集成的半自主家用草坪修剪系统。这是机器人和系统工程界一个重要的新兴研究领域。提出的工作包括审查目前的进展，这个问题，从系统工程的角度来讨论这个问题，作者开发的一般系统架构，和一套初步的设计要求。这项工作旨在为系统工程和机器人社区内这些系统的进一步开发和改进提供基线和动力，并且与学术和商业研究相关。
2019-07-12 cs.RO cs.SE
Evaluation of Position and Velocity Based Forward Dynamics Compliance Control (FDCC) for Robotic Interactions in Position Controlled Robots
University of Luxembourg（卢森堡大学）；PPRIME Institute（PPRIME研究所）；CNRS（法国国家科学研究中心）；ENSMA（国立高等机械与航空技术学院）；University of Poitiers（普瓦捷大学）
在机器人操作中，末端执行器的顺应性是执行接触丰富的任务，如加工，装配和人机交互的必要前提。大多数机器人手臂是硬件级别的位置控制刚性系统。因此，增加合规性变得至关重要。在这些系统中的合规性最近已经实现了使用前向动力学合规性控制（FDCC），这是由于其虚拟的前向动力学模型，可以实现的位置和速度控制的机器人。本文评估了控制接口（因此控制域）的选择，这虽然被认为是微不足道的，是必不可少的，由于其特性的差异。在某些情况下，选择仅限于可用的硬件接口。然而，考虑到可选择的选项，基于速度的控制接口使顺应性控制成为更好的候选者，因为更平滑的顺应性行为、减少的交互力和所做的功。为了证明这些点，本文FDCC上UR10e六自由度机械手速度和位置控制模式进行评估。该评估基于使用3D打印工件的力控制基准测试指标。真实的实验倾向于选择速度控制而不是位置控制。
2022-10-24 cs.RO
Commentaries on "Learning Sensorimotor Control with Neuromorphic Sensors: Toward Hyperdimensional Active Perception" [Science Robotics Vol. 4 Issue 30 (2019) 1-10
Research Institutes of Sweden（瑞典研究机构）；University of California, Berkeley（加州大学伯克利分校）；Luleå University of Technology（吕勒奥理工大学）
这封信件评论了Mitrokhin等人最近发表在Science Robotics文章中的发现[1]。本评注的主要目的是进一步阐述该条所涉及的一些问题。我们的经验是，超维计算与其他计算方法非常不同，在获得实际有用的理解之前，它可能需要相当多的接触。因此，为了向第一次阅读[1]的读者提供该领域的概况，评注包括一个简短的历史概述，并将该条款的调查结果与该领域现有的大量文献联系起来。
2020-03-25 cs.AI cs.CV 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
An Overview of Artificial Intelligence-based Soft Upper Limb Exoskeleton for Rehabilitation: A Descriptive Review
ASDC Solutions（ASDC解决方案公司）；NIT Patna（帕特那国立理工学院）
本文综述了基于人工智能的软性上肢康复外骨骼，指出刚性外骨骼的局限和软性外骨骼的优势与不足，强调智能外骨骼需具备学习患者数据、理解意图和自主决策能力，并应兼顾人体工学与便携性以推动临床应用。
2023-01-28 cs.AI cs.RO
Validating Robotics Simulators on Real-World Impacts
University of Pennsylvania（宾夕法尼亚大学）
逼真的仿真环境是每个机器人专家工具包中的重要工具，其用途从规划和控制到强化学习的训练策略。尽管仿真在现代机器人技术中处于中心地位，但很少有人将机器人仿真器的性能与真实世界的数据进行比较，特别是对于涉及高速冲击事件的动态运动的场景。处理动态接触是大多数模拟的计算瓶颈，因此围绕冲击和摩擦的建模和算法选择形成了流行工具之间的最大区别。在这里，我们评估的能力，几个模拟器再现现实世界的轨迹，涉及影响。使用实验数据，我们确定流行的模拟器德雷克，MuJoCo和子弹系统特定的接触参数，分析这些参数周围的建模选择的影响。举一个简单的例子，把一个立方体扔到桌子上，模拟器可以很好地捕捉非弹性冲击，但无法捕捉弹性冲击。对于Cassie从跳跃中着陆的高维情况，模拟器很好地捕捉了大量运动，但准确性受到真实机器人和模拟器之间众多模型差异的限制。
2022-07-14 cs.RO
Are Foundation Models the Route to Full-Stack Transfer in Robotics?
Institute of Robotics and Mechatronics, German Aerospace Center (DLR)（机器人与机电研究所，德国航空航天中心（DLR））；Stanford AI Lab, Stanford University（斯坦福大学人工智能实验室）
本文探讨基础模型在机器人全栈迁移中的作用，分析其对不同迁移层次的影响及面临的挑战。
2026-02-25 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
Creative Action at a Distance: A Conceptual Framework for Embodied Performance With Robotic Actors
University College Dublin（都柏林大学学院）；Massachusetts Institute of Technology（麻省理工学院）；Buckinghamshire New University（白金汉郡新大学）
表演、单口相声和舞蹈都是创造性的、具体的表演，但都是按照剧本进行的。除非是实验性的或即兴的，否则表演者的动作都是从基本相同的具身图式中提取出来的。对剧本的盲从没有给创造力留下任何空间，但对剧本的积极解释却给了创造力。正是人们对语言和行动的选择，使表演具有创造性。在这篇理论和假设文章中，我们提出了一个机器人讲故事的表现和解释框架。性能框架是建立在运动理论，并定义了一个分类的基本示意图运动和最重要的手势类型。对于解释框架，我们假设，情绪接地的选择可以通知隐喻和混合的行为，提升到一个创造性的表演脚本。理论和假设都基于实证研究，旨在为其他机器人创造性地使用运动和手势的研究提供资源。
2021-04-30 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
RoboKit-MV: an Educational Initiative
Team Starkit；Moscow Institute of Physics and Technology（莫斯科物理技术学院）
在本文中，我们提出了一个机器人模型和代码库，在人形机器人领域的负担得起的教育。我们概述了在2019-2021年与RoboKit团队一起赢得多项比赛的机器人的软件和硬件，分析了当代机器人教育市场，并强调了某些设计解决方案之外的推理。
2021-11-22 cs.RO
Design and Evaluation of a Modular Robotic Plum Harvesting System Utilising Soft Components
The Australian Center for Field Robotics（澳大利亚现场机器人中心）；The University of Sydney（悉尼大学）
果树收获所需的人力是水果生产的主要成本，而且还在增加。为了解决这个问题，许多现有的研究工作都试图证明商业上可行的树木作物机器人收获，虽然从这些成功的商业产品已经很少。为甜椒或苹果等特定作物开发的系统已显示出前景，但绝大多数品种类型仍未得到解决，为每种作物开发特定系统的效率低下。在这项工作中，一个灵活的和模块化的开发平台，这可以用来测试特定的设计选择不同的水果和生长条件。该系统在商业李园进行评估，没有作物的修改。一些现有的技术被发现是适得其反的李子，而软机器人和持续的目标跟踪显着提高性能。观察到的收获成功率为42%，低于基于先前苹果测试的预期效果。李子型和生长风格带来了独特的挑战，在系统模块设计选择的背景下进行了研究。
2020-07-13 cs.RO
Bioinspired soft robotics: How do we learn from creatures?
The Chinese University of Hong Kong（香港中文大学）；National University of Singapore（新加坡国立大学）；Zhejiang University（浙江大学）；Hainan Institute, Zhejiang University（浙江大学海南研究院）
软机器人开辟了一条通往灵活性和环境适应性的独特道路，从自然中学习并复制生物行为。大自然暗示了如何将机器人应用于现实生活的答案。为了找出我们如何学习生物来设计和应用软体机器人，在这篇综述中，我们提出了一种分类方法，根据生物系统的不同功能来总结软体机器人：自我生长，自我修复，自我响应和自我循环。提出了基于生物功能的分类逻辑来解释我们为什么要向生物学习。国家的最先进的技术，特点，优点，缺点，挑战，以及这些类别的潜在应用进行了分析，以说明我们从生物学。通过交叉这些类别，现有的和潜在的生物启发的应用进行了概述和展望，最终找到答案，即我们如何从生物学习。
2023-02-24 cs.RO
Eye-tracking-Driven Shared Control for Robotic Arms: Wizard of Oz Studies to Assess Design Choices
Offenburg University of Applied Sciences（奥芬堡应用科学大学）；University of Siegen（锡根大学）
本文通过巫师奥兹研究评估了基于眼动追踪的共享控制设计，旨在提升残疾人与机器人手臂的交互体验和可用性。
2026-02-20 cs.HC cs.RO
Advanced Intelligent Systems for Surgical Robotics
Graduate School of Biomedical Engineering, Faculty of Engineering, UNSW（新南威尔士大学工程学院生物医学工程研究生院）；Prince of Wales Hospital（威尔士亲王医院）；Faculty of Medicine, UNSW（新南威尔士大学医学院）
自20世纪90年代中期以来，外科手术机器人已投入临床使用。机器人辅助手术与传统手术相比具有许多优点，包括感染和失血风险较低，恢复时间较短，以及对患者整体更安全的手术。在过去的几十年里，已经出现了许多新兴的手术机器人平台，它们可以在人体内部器官的复杂和受限的通道中工作，并在手术过程中提高外科医生的认知和身体技能。用于感测、致动和智能控制的先进技术使得多个手术装置能够以低成本和更高效率在人体内同时操作。尽管取得了进步，但目前的手术干预系统无法执行自主任务并做出类似于人类的认知决策。本文将概述从传统的开放式手术到机器人辅助手术的历史发展，并讨论目前在现有手术机器人系统中实施的先进智能系统和设备的能力。它还将重新审视可用的自主手术平台，并对基本技术，现有挑战以及智能机器人辅助手术系统未来发展的建议进行评论，以实现完全自主操作。
2020-01-02 cs.RO
A Survey on Integration of Large Language Models with Intelligent Robots
Korea Advanced Institute of Science and Technology（韩国科学技术院）
该综述梳理GPT-3.5后大语言模型在机器人通信、感知、规划、控制领域的应用，提供提示工程指南与实践示例，为LLM与智能机器人的融合研究提供路线图与实操参考。
2024-08-15 cs.RO
Team CERBERUS Wins the DARPA Subterranean Challenge: Technical Overview and Lessons Learned
ETH Zurich（苏黎世联邦理工学院）；Norwegian University of Science and Technology（挪威科技大学）；University of Nevada, Reno（内华达大学雷诺分校）；University of Oxford（牛津大学）
本文介绍了CERBERUS机器人系统，该系统在2021年赢得了DARPA地下挑战赛决赛。地下挑战赛由DARPA组织，其愿景是促进可靠地探索各种地下环境所需的新技术，尽管它们对机器人自主性提出了严峻的挑战。由于其几何复杂性，感知条件恶化加上缺乏GPS支持，严峻的导航条件和拒绝通信，地下环境使自主操作特别苛刻。为了应对这一挑战，我们开发了CERBERUS系统，该系统利用腿和飞行机器人的协同作用，加上鲁棒控制，特别是为了克服危险的地形，多模态和多机器人感知传感器退化条件下的定位和映射，以及通过统一的探索路径规划和反映机器人特定限制的局部运动规划的弹性自主性。基于其探索各种地下环境的能力以及由一名人类主管进行的高级别指挥和控制，CERBERUS展示了高效的勘探、感兴趣物体的可靠检测和准确的绘图。在这篇文章中，我们报告了DARPA地下挑战赛的初步运行和最后一轮比赛的结果，并讨论了亮点和面临的挑战，以及为社区利益而吸取的经验教训。
2022-07-11 cs.RO
Learning Robotic Manipulation Policies from Point Clouds with Conditional Flow Matching
University of Freiburg（弗莱堡大学）
该研究将条件流匹配（CFM）应用于机器人模仿学习，结合点云输入提出PointFlowMatch方法，在RLBench的8项任务上取得67.8%的最优平均成功率，性能达次优方法两倍。
2024-09-11 cs.RO
Visuo-Haptic Object Perception for Robots: An Overview
Advanced Robotics at Queen Mary (ARQ), School of Engineering and Materials Science, Queen Mary University of London（伦敦女王大学工程与材料科学学院先进机器人研究中心）
本文综述了机器人视觉-触觉物体感知的现状，探讨了生物基础、传感技术、计算方法及未来研究方向，强调多模态学习的挑战与应用进展。
2023-03-15 cs.AI cs.RO
Rethinking Camera Choice: An Empirical Study on Fisheye Camera Properties in Robotic Manipulation
Shanghai Jiao Tong University（上海交通大学）；Southeast University（东南大学）；USTC（中国科学技术大学）；Shanghai Innovation Institute（上海创新研究院）；Noematrix Ltd.（Noematrix有限公司）
本文通过实证研究发现鱼眼相机在机器人操作中需考虑视场角、环境复杂性和随机尺度增强策略以提升性能。
2026-03-02 cs.CV cs.RO
From the Desks of ROS Maintainers: A Survey of Modern & Capable Mobile Robotics Algorithms in the Robot Operating System 2
Samsung Research（三星研究院）；Locus Robotics（Locus机器人公司）；Metro Robots（Metro机器人公司）；Cobalt Robotics（Cobalt机器人公司）
本文由核心 ROS Navigation 维护者撰写，全面回顾并分析了 ROS 2 中最先进的机器人导航算法与系统，涵盖新框架、方法对比及专家见解，并对该生态系统的未来发展进行了展望。
2023-07-31 cs.RO
From Human Bias to Robot Choice: How Occupational Contexts and Racial Priming Shape Robot Selection
The University of Tennessee（田纳西大学）；University of Kentucky（肯塔基大学）
研究探讨职业背景和种族刻板印象如何影响人机选择，发现浅肤色机器人在医疗和教育领域更受青睐，而深肤色机器人在建筑和体育领域更受欢迎，揭示了社会偏见在机器人选择中的传递机制。
2026-01-16 cs.HC cs.RO
Robots and Social Sustainability
Jagiellonian University（雅盖隆大学）
本文探讨了机器人技术对社会可持续性的影响，通过识别六种不同的作用方式，分析了机器人在社会可持续性领域中的关键角色。
2024-01-07 cs.RO
Challenges and Opportunities of Evolutionary Robotics
Navy Center for Applied Research in Artificial Intelligence（海军人工智能应用研究中心）；Naval Research Laboratory（海军研究实验室）
随着机载传感器的种类和数量的增加，以及机载机器人在越来越小的封装中提供更大的计算能力，机器人硬件设计变得越来越复杂。然而，硬件的这些进步并不能自动转化为控制复杂机器人的更好的软件。进化技术有可能解决机器人技术中的许多难题，这些难题与简单的传统方法相悖，但也带来了许多挑战。包括人工生命、认知科学和神经网络、基于规则的系统、基于行为的控制、遗传算法和其他形式的演化计算在内的众多学科都对形成进化机器人的当前状态做出了贡献。本文概述了进化机器人技术这一新兴领域的发展，并讨论了该领域从业人员目前面临的一些机遇和挑战。
2007-06-04 cs.NE cs.RO
Efficient Robot Learning for Perception and Mapping
University of Freiburg（弗莱堡大学）
本研究针对机器人整体场景理解，提出利用持续学习并减少人工标注，以最小化部署感知系统到新环境的人力投入，实现高效学习。
2024-05-23 cs.RO
An Overview of Perception Methods for Horticultural Robots: From Pollination to Harvest
University of Auckland（奥克兰大学）；Queensland University of Technology（昆士兰科技大学）；ETH Zurich（苏黎世联邦理工学院）
随着目标作物范围的扩大，园艺企业正变得越来越复杂。对提高效率和生产力的要求推动了对现场操作自动化的需求。然而，各种问题仍然有待解决，其可靠，安全的部署在现实世界的情况。本文探讨了园艺机器人的主要研究趋势和当前面临的挑战。具体来说，我们的工作集中在三个主要的园艺程序：授粉，产量估计和收获的传感和感知。对于每一项任务，我们暴露的主要问题所产生的非结构化，杂乱，和崎岖的野外环境，包括可变的照明条件和水果特定的检测困难，并突出有前途的当代研究。
2018-06-26 cs.CV cs.RO
Robotic Tankette for Intelligent BioEnergy Agriculture: Design, Development and Field Tests
Norwegian University of Life Sciences（挪威生命科学大学）；Pontifical Catholic University of Rio de Janeiro（里约热内卢天主教大学）
近年来，机器人在农业中的使用一直在增加，主要是由于对生产力，精度和效率的高需求，这与气候变化和世界人口增长有关。与传统农业不同，甘蔗农场通常是植被茂密，面积巨大的地区，并受到极端天气条件的影响，如酷热，潮湿和降雨。TIBA --智能生物能源农业的机器人--是一个研发项目的第一个成果，该项目致力于开发一种自主移动机器人系统，用于在甘蔗田执行一些农业任务。拟议的概念包括一个半自主、低成本、防尘和防水的小油罐型车辆，能够渗透种植隧道中的茂密植被，并携带几个传感系统，以便对难以进入的地区进行测绘和收集样本。本文概述了机器人的机械设计，嵌入式电子和软件架构，以及第一个原型的建设。在现场测试中获得的初步结果验证了所提出的概念设计，并带来了几个挑战和潜在的应用机器人自主导航，以及建立一个新的原型具有额外的功能。
2019-01-03 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
Lessons Learned: The Evolution of an Undergraduate Robotics Course in Computer Science
Brandeis University（布兰戴斯大学）
本文分享了将机器人学整合入计算机科学课程的七年经验，探讨了课程设计、实验室建设及平台选择等关键问题，并总结了一系列实用经验教训，为新机器人学项目的构建提供参考。
2024-04-27 cs.RO
Scanning the Internet for ROS: A View of Security in Robotics Research
Brown University（布朗大学）
由于机器人可以直接感知和影响物理世界，因此安全问题尤为重要。在本文中，我们描述了我们的工作扫描整个IPv4地址空间的互联网的机器人操作系统（ROS），广泛使用的机器人平台的研究实例的结果。我们的研究结果表明，许多支持ROS的主机暴露在公共互联网上，从而允许任何人访问机器人传感器和执行器。作为概念验证，在征得同意的情况下，我们能够读取图像传感器信息，并移动美国一所大学研究小组的机器人。本文概述了我们的研究结果，包括公共访问平台的地理分布，可用的传感器和执行器数据的种类，以及我们扫描发现的不同类型的机器人和传感器。此外，我们还提供了有关最佳实践的建议，以在未来缓解这些安全问题。
2018-07-23 cs.CR cs.RO
Design and Control Co-Optimization for Automated Design Iteration of Dexterous Anthropomorphic Soft Robotic Hands
Carnegie Mellon University（卡内基梅隆大学）；Robotics Institute（机器人研究所）
本研究提出设计与控制协同优化的自动化设计迭代方法，结合遗传算法与策略迁移，在仿真中优化软体机械手设计，并经现实遥操作验证，性能优于现有软体手。
2024-06-25 cs.RO
A MATLAB Toolbox for Hybrid Rigid Soft Robots Based on the Geometric Variable Strain Approach
近二十年来，软机器人一直是机器人社区的热门话题。然而，用于软体机器人建模和分析的工具仍然有限。本文介绍了一个用户友好的MATLAB工具箱，软体机器人模拟器（SoRoSim），它集成了几何变应变（GVS）模型的Cosserat杆，以方便静态和动态分析的软，刚性，或混合机器人系统。我们提出了一个简要的概述工具箱的设计和结构，并通过比较其结果与文献中发表的结果进行验证。为了突出工具箱的潜力，有效地建模，模拟，优化和控制各种机器人系统，我们展示了四个示例应用程序。演示的应用程序探索不同的执行器和外部负载条件的单，分支，开放和封闭的机器人系统。我们认为软机器人研究社区将从SoRoSim工具箱中受益匪浅，用于各种应用。
2022-09-26 cs.RO physics.app-ph
