A Novel Approach for Intelligent Robot Path Planning
Andhra University(安得拉大学);National Institute of Science and Technology(国立科学技术学院)
机器人路径规划是机器人技术研究领域中具有挑战性的领域之一。本文提出了一种新的智能系统中的起始位置和结束位置之间的路径搜索算法。智能系统被认为是具有与传感器-检测器系统连接的天线的设备/机器人。该算法是基于神经网络训练的概念。所考虑的神经网络是自适应的知识库。然而,该算法的实现是稍微昂贵的,由于它需要的硬件。通过详细的分析,证明了该算法生成的路径是有效的。
2013-06-19 cs.RO
Intelligent Bug Algorithm (IBA): A Novel Strategy to Navigate Mobile Robots Autonomously
COMSATS Institute of Information Technology(COMSATS信息技术学院)
本研究提出一种智慧型避障演算法,应用于自主式行动机器人之导航。提出的智能错误算法(IBA)在执行和达到目标,在相对较少的时间相比,现有的错误算法。改进算法通过跟踪平滑的短轨迹,提供了一种面向目标的策略。这是通过在避障过程中不断考虑目标位置来实现的。所提出的算法是计算成本低,易于调整。本文还对IBA算法和已有的Bug算法进行了性能比较。机器人在障碍物环境中的导航仿真结果验证了改进算法的性能。
2013-12-22 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
Design and Implementation of A Novel Precision Irrigation Robot Based on An Intelligent Path Planning Algorithm
Hainan University(海南大学);University of Chinese Academy of Sciences(中国科学院大学);Tianjin University(天津大学)
农业灌溉系统与农业生产密切相关。现有的农业灌溉系统存在着机动性差、精度不高、价格昂贵等问题。为了解决这些问题,智能灌溉机器人的设计和实现在这项工作中。机器人通过贝叶斯理论改进的灌溉路径规划算法实现精确灌溉。在该算法中,我们利用尽可能多的信息,以实现在复杂的农业环境中的全覆盖灌溉。此外,我们提出了最大风险,以避免在某些领域缺乏检查的问题。最后,通过仿真实验和现场实验对机器人和算法进行了验证。实验结果表明,该机器人能够满足各种农业灌溉任务的要求。
2020-03-02 cs.RO
Assistive robotic device: evaluation of intelligent algorithms
Université Laval(拉瓦尔大学);Centre for interdisciplinary research in rehabilitation and social integration, CIUSSS de la Capitale-National(首都国家综合卫生与社会服务中心 康复与社会融合跨学科研究中心);Centre for interdisciplinary research in rehabilitation of Greater Montreal, Centre intégré de santé et de services sociaux de Laval(拉瓦尔综合卫生与社会服务中心 大蒙特利尔康复跨学科研究中心);McGill University(麦吉尔大学)
辅助机器人设备可以用来帮助上肢残疾的人在日常生活中获得更多的自主权。虽然基本的运动,如定位和定向在空间中的辅助机器人夹持器允许许多任务的性能,它可能是耗时和繁琐的执行更复杂的任务。为了克服这些困难,可以在不同层次上进行改进,例如机械设计,控制接口和智能控制算法。为了指导解决方案的设计,必须评估不同创新的影响和潜力。因此,本文提出了三个智能算法的评估,旨在提高性能的JACO机械臂(Kinova机器人)。评价的算法有“预设位置”、“流动性过滤器”和“饮用模式”。该算法的评估进行了14电动轮椅的用户,并显示了统计上显着的改善机器人的性能。
2018-12-18 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
HiCRISP: An LLM-based Hierarchical Closed-Loop Robotic Intelligent Self-Correction Planner
Shanghai Jiao Tong University(上海交通大学);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of Oxford(牛津大学)
针对 LLM 机器人系统执行中难以自校正的问题,本文提出分层闭环框架 HiCRISP,可监控并修正高层规划与低层动作错误,虚拟和真实基准实验验证了其优越性能。
2024-04-08 cs.RO
One-Chip Solution to Intelligent Robot Control: Implementing Hexapod Subsumption Architecture Using a Contemporary Microprocessor
本文介绍了一个六足自主机器人管理的一个单一的控制器和一个软件内核的包容架构建模。我们首先讨论IsoPod的特性和功能,IsoPod是一种新的机器人处理器,它使我们的项目得以简化实施。我们认为,该处理器提供了一套独特的硬件和软件功能,使其成为一个实用的开发平台,机器人一般,特别是基于包容的控制架构。接下来,我们总结了包容架构实现的六条腿的机器人足式机器人,其发明者罗德尼布鲁克斯在20世纪80年代提出的原始想法。比较,然后作出一个最近的例子,一个六足控制架构的基础上包容。分析了这两种系统的优点,并提出了一种新的包容体系结构布局。最后,我们对该项目的发展提出了一些意见,暗示了智能机器人设计的新潜力,这是由嵌入式控制器市场的最新发展开辟的。
2004-12-11 cs.RO
Intelligent Collision Management in Dynamic Environments for Human-Centered Robots
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
在此背景下,本论文的一个主要重点是无意碰撞,其中一个直接的目标是消除伤害的用户和路人的通过实时传感和控制系统。一个不太明显的重点是将碰撞响应与运动规划中的工具相结合,以产生智能安全行为,确保多个人或物体的安全。然而,一个更具挑战性的问题是预测未来机器人外部物体之间的碰撞,并让机器人进行干预以防止即将发生的事故。在这篇论文中,我们研究了所有这些复杂的碰撞反应和干预。我们深入研究了与移动机器人和机器人操纵器在人类环境中操作的碰撞和安全相关的多个关键和有趣的主题。总的来说,我们从许多角度深入研究碰撞,并开发技术,借用和有助于机电设计,传感器处理,反馈控制,运动规划和概率推理方法的领域。这项研究的结果是一套关键的实验和指导方针,以处理碰撞的移动机器人和机器人机械手。这项研究旨在影响未来对机器人现场操作的研究,并在不影响我们安全的情况下,加速先进机器人在我们日常环境中的应用。
2017-11-07 cs.RO
How Intelligent is your Intelligent Robot?
Bristol Robotics Lab(布里斯托机器人实验室)
机器人A和机器人B相比有多聪明?与动物(或植物)X和Y相比,机器人A和B有多聪明?这些问题既有趣又极具挑战性。在本文中,我们解决的问题“如何智能是你的智能机器人?通过提出具身智能是从四种不同的、截然不同的智能的相互作用和整合中产生的。然后,我们提出了一个简单的图示,在这个图示上,这些类型的智能被显示为星形图中的四个轴。对动物和机器人的智力图进行粗略的定性比较,既暴露了智能机器人的长期智力缺陷,也有助于解释这一问题。最后,我们研究了确定四种智力的数值的选择,以努力走向一个可量化的智力矢量。
2017-12-24 cs.AI cs.RO
From Woofs to Words: Towards Intelligent Robotic Guide Dogs with Verbal Communication
本文提出了一种新型对话系统,通过LLM实现导航计划和场景的言语化,以提升导盲犬在动态环境中的空间感知与人类操作者的协作决策能力。
2026-03-13 cs.RO
Intelligent flat-and-textureless object manipulation in Service Robots
National Autonomous University of Mexico(墨西哥国立自治大学);Tamagawa University(玉川大学)
这项工作介绍了我们的方法,平面和无纹理的物体抓取问题。特别是,我们解决餐具和餐具的操作问题,服务机器人必须清理桌子。我们的解决方案集成了颜色和2D和3D几何信息来描述对象,并将此信息提供给机器人动作规划器,以根据对象类别找到最佳抓取轨迹。此外,我们使用视觉反馈作为验证步骤,以确定抓取过程是否成功发生。我们在开放式和标准服务机器人平台上评估我们的方法,遵循RoboCup@Home国际比赛规则。
2018-09-10 cs.RO
Ludi${}_{\scriptscriptstyle 0.1}$: An Agentic System for Socially Intelligent Robots
Ludo Robotics(乐动机器人)
该研究提出Ludi₀.₁智能体系统,集成多技能与微调视觉语言模型,为社交智能机器人提供可行的人机协作方案,还可生成相关交互轨迹用于开发更融合的机器人基础模型。
2026-08-25 cs.RO
Intelligent Physical Attack Against Mobile Robots With Obstacle-Avoidance
Shanghai Jiao Tong University(上海交通大学);Ministry of Education of China(中国教育部);Shanghai Engineering Research Center of Intelligent Control and Management(上海智能控制与管理工程技术研究中心)
近年来,移动机器人的安全问题引起了人们的广泛关注。在本文中,我们提出了一个智能物理攻击,以陷阱移动机器人到一个预设的位置,通过学习避障机制,从外部观察。我们工作的突出新颖性在于揭示了具有智能和先进设计的基于物理的攻击可能会带来真正的威胁,而无需事先了解系统动态或访问内部系统。这种攻击是传统网络空间安全对策无法应对的。在实践中,所提出的攻击的基石是积极探索受害机器人与环境的复杂交互特性,并学习避障知识,表现在其行为的有限观察。然后,我们提出了最短路径和放手攻击算法,以找到有效的攻击路径,从巨大的运动空间,实现驱动到陷阱的目标,以低成本的路径长度和活动周期,分别。证明了算法的收敛性,并进一步推导了攻击性能界。大量的模拟和真实实验说明了所提出的攻击的有效性,这预示着未来对机器人系统新的物理威胁和防御的研究。
2022-08-20 cs.RO
Deep Learning based Quasi-consciousness Training for Robot Intelligent Model
School of Chemical and Pharmaceutical Engineering, Changsha University of Science and Technology(长沙理工大学化学与制药工程学院)
本文提出一种基于深度学习的机器人智能模型准意识训练方法,通过环境因子矩阵网络、参数粗细调及1~3年拟人化行为训练,使机器人具备泛化推理与初级意识决策能力。
2025-01-31 cs.AI cs.RO
The Emotionally Intelligent Robot: Improving Social Navigation in Crowded Environments
University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校);Google(谷歌);University of Maryland at College Park(马里兰大学帕克分校)
我们提出了一个实时算法的情感感知导航的机器人之间的行人。我们的方法使用贝叶斯推理,基于CNN的学习和心理学的PAD(Pleasure-Arousal-Dominance)模型的组合,从行人的面部和轨迹中估计行人随时间变化的情绪行为。这些PAD特征用于长期路径预测,并为每个行人生成里程限制。我们使用多通道模型将行人特征分为四个情感类别(快乐,悲伤,愤怒,中性)。在我们的验证结果中,我们观察到85.33%的情感检测准确率。我们制定基于情感的情感约束,以执行社会意识的机器人导航在低到中密度的环境。我们证明了我们的算法在模拟环境中的好处,数十名行人,以及在现实世界中的设置与辣椒,社会人形机器人。
2019-03-07 cs.RO
Bi-directioal Motion Detection: A Neural Intelligent Model For Perception of Cognitive Robots
K. N. Toosi University of Technology(卡托斯理工大学)
本文提出了一种基于脉冲神经网络模型的新的神经元电路,用于检测认知机器人周围漫游的动态物体的运动方向。我们的新方法在双向运动检测中的能力归功于所提出的电路的对称配置。随着对神经元网络(如癫痫)中阻滞问题处理的重视,兴奋性和抑制性刺激的安装也被考虑在内。在PIONEER认知机器人上应用上述策略的研究表明,该策略导致感觉网络中的潜在水平的缓解。此外,对电路的固有延迟的研究表明,不仅可以获得显着的开关速率,但与其他高速电路的高效耦合。
2014-07-06 cs.RO
Constrained Bandwidth Observation Sharing for Multi-Robot Navigation in Dynamic Environments via Intelligent Knapsack
Massachusetts Institute of Technology(麻省理工学院);Carnegie Mellon University(卡内基梅隆大学)
本文提出最优通信方案Intelligent Knapsack (iKnap),将多机器人通信建模为推理智能体图中的置信度传播,并将观测共享表述为0/1背包问题,有效解决了动态环境带宽约束下的多机器人导航观测共享难题。
2025-03-03 cs.RO
New Intelligent Transmission Concept for Hybrid Mobile Robot Speed Control
本文提出了一种利用二自由度齿轮传动实现移动机器人速度控制的新概念。所开发的智能速度控制器利用齿轮箱,其中包括周转齿轮训练与两个输入,一个耦合到发动机轴和另一个变速直流电动机的轴。净输出速度是两个输入速度的组合,并且由行星齿轮训练的传动比控制。这种新方法消除了变矩器的使用,而变矩器是所有可用的自动变速器的不可或缺的部分,从而减少了液力偶合器过程中在箱体中发生的功率损失。通过逐渐改变直流电动机的速度,实现了无级变速。所开发的控制器的其他优点是靠边停车和倒车,通过智能混合直流电动机和发动机的速度来实现。这种方法在整车设计中消除了传统的制动系统。使用两个动力源,内燃机和电池驱动的直流电动机,利用混合动力汽车的现代理念。新的移动机器人速度控制器即使在内燃机故障的极端情况下也能够驱动车辆,例如,由于气体耗尽。
2006-01-14 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
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
Robotic Agentic Platform for Intelligent Electric Vehicle Disassembly
Department of Computer Science, University of Colorado, Boulder(科罗拉多大学博尔德分校计算机科学系)
本文提出RAPID平台,通过感知驱动操作、灵活自动化和AI辅助机器人编程,解决电动汽车电池包拆解的自动化问题,实验评估了三种快拆策略并引入代理AI规范以提升人机协作效率。
2026-10-28 cs.RO
An Intelligent Robotic System for Perceptive Pancake Batter Stirring and Precise Pouring
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)
提出一种集成触觉感知与控制算法的煎饼制作机器人系统,可自主搅拌面糊、估计水-面粉比例和液位,并精确倾倒成指定复杂形状。
2024-07-01 cs.RO
MSSP : A Versatile Multi-Scenario Adaptable Intelligent Robot Simulation Platform Based on LIDAR-Inertial Fusion
Institute of Information and Communication Engineering, University of Electronic Science and Technology of China (UESTC)(电子科技大学信息与通信工程学院);XGRIDS
提出基于激光雷达-惯性融合的多场景仿真平台MSSP,支持多种传感器与SLAM定位评估,克服真实环境限制,实验验证其广泛适用性。
2024-07-19 cs.RO
Verification-Gated Agentic Mission-State Governance for Intelligent Industrial Multi-Robot Systems
Beijing University of Posts and Telecommunications(北京邮电大学)
提出验证门控任务状态治理框架,通过同步任务森林与黑板状态,经确定性验证后原子提交,减少无效提交和冲突,提升工业多机器人系统安全与效率。
2026-07-01 cs.RO
Recognition of Pyralidae Insects Using Intelligent Monitoring Autonomous Robot Vehicle in Natural Farm Scene
Hainan University(海南大学);University of Chinese Academy of Science(中国科学院大学)
螟蛾科害虫如玉米螟、稻纵卷叶螟等是经济作物的主要害虫。螟蛾科害虫的及时发现和鉴定是农业工作者和农民的一项重要任务。然而,传统的由人类识别害虫是劳动密集型和效率低下的。针对这一挑战,本文提出了一种害虫监测机器人自主车和一种螟蛾科害虫识别方法。首先,自主车上的机器人在自然农场场景中通过执行摄像机传感来采集图像。其次,利用直方图逆映射得到总概率图像,再利用约束Otsu法快速准确地提取螟蛾科害虫的目标轮廓。最后,利用Hu矩和周长、面积特征,绘制出目标的正确轮廓,并与螟蛾科害虫的参考模板进行比对,得到识别结果。此外,车辆上的机械臂的移动速度可以通过与识别算法交互来自适应地调整。实验结果表明,机器人小车能够自动采集害虫图像,在自然农田种植场景下,$\%$识别准确率达到94.3。
2019-03-26 cs.RO
Intelligent Magnetic Inspection Robot for Enhanced Structural Health Monitoring of Ferromagnetic Infrastructure
Santa Catalina School(圣卡塔利娜学校);Toronto Metropolitan University(多伦多都会大学)
本文提出一种配备磁性轮和MobileNetV2深度学习模型的智能磁力检测机器人,用于铁磁基础设施的缺陷检测,在六种缺陷类型上达到85%精确率,提高了检测精度与安全性。
2024-11-04 cs.RO
Intelligent Hotel ROS-based Service Robot
随着人工智能(AI)技术的进步,许多研究和工作都在研究机器人如何取代人类劳动。在本文中,我们提出了一个基于ROS的智能酒店机器人,它简化了登记入住的过程。我们使用先锋3dx机器人,并考虑了不同的环境设置。该机器人结合了Hokuyo激光雷达和Kinect Xbox摄像头,可以准确地规划路线并到达不同楼层的房间。此外,我们还增加了智能语音系统,为客户提供了一个助手。
2020-09-01 cs.RO cs.SY eess.SY
NOIR: Neural Signal Operated Intelligent Robots for Everyday Activities
Stanford University(斯坦福大学)
本文提出脑-机器人接口系统 NOIR,通过 EEG 传递目标对象与动作意图,并结合机器人学习适应用户,在20项日常家庭任务中验证了直接神经控制机器人的有效性。
2023-11-02 cs.AI cs.RO
Hands-on experiments on intelligent behavior for mobile robots
Universidad de Guadalajara, CUCEI(瓜达拉哈拉大学);Freie Universität Berlin(柏林自由大学)
近年来,人工智能技术已经成为解决各种工程问题的有用工具,这些问题是不可能或不方便用传统方法处理的。人工智能直接影响了计算机科学的许多领域,并成为工程课程的重要组成部分。然而,由于缺乏通用方法,确定一个学期人工智能课程的重要主题是一项不平凡的任务。人工智能概念通常与许多其他学科重叠,涉及广泛的学科,包括更正式的数学问题的应用方法。本文介绍了使用一个简单的机器人平台来帮助学习基本的AI概念。这项研究是通过一些简单的实验,使用自主移动机器人。核心算法是学习自动机。使用LA,每个机器人动作被应用到一个环境中,通过一个健身值进行评估。环境的响应被自动机用来选择它的下一个动作。此过程将一直保持,直到达到目标任务。该提案通过在洛杉矶提供一个统一的背景来解决人工智能研究问题,以汇集人工智能的几个主题,并激励学生通过在实验室练习中动手来学习。所介绍的材料已成功地在瓜达拉哈拉大学机器人组作为人工智能教学助手进行了测试,因为它激励了学生,提高了入学率和保留率,同时培养了更好的计算机工程师。
2014-06-30 cs.RO
Intelligent LiDAR Navigation: Leveraging External Information and Semantic Maps with LLM as Copilot
ShanghaiTech University(上海科技大学)
本研究提出以osmAG语义拓扑度量分层地图为桥梁,将LLM作为机器人导航副驾驶,在保持move_base鲁棒性的同时整合外部信息,提升导航智能水平。
2025-07-19 cs.RO
Intelligent Agent-Based Stimulation for Testing Robotic Software in Human-Robot Interactions
University of Bristol(布里斯托大学);University of the West of England(西英格兰大学)
机器人软件测试的挑战超出了传统的软件测试。需要为并发运行的多个程序和硬件生成有效、真实和有趣的测试,并将其部署到有人员的动态环境中。我们调查使用的信念-欲望-意图(BDI)代理作为测试生成模型,在域中的人-机器人交互(HRI)的模拟。这些模型提供了合理的代理,因果关系和推理机制,用于规划,模拟智能和自适应机器人,以及由人类指导的智能测试环境。我们引入了强化学习(RL),使用基于覆盖反馈的奖励函数来自动探索BDI模型。我们的方法进行评估,使用协同制造的例子,在测试中的机器人软件是间接刺激通过一个模拟的人类同事。我们得出结论,BDI代理提供了直观的模型,在HRI域的测试生成。我们的研究结果表明,RL可以完全自动化BDI模型探索,导致非常有效的覆盖导向测试生成。
2016-07-13 cs.RO cs.SE
MOSAIC: Modular Scalable Autonomy for Intelligent Coordination of Heterogeneous Robotic Teams
FZI Forschungszentrum für Informatik, Karlsruhe, Germany(弗赖堡信息研究中心,卡尔斯鲁厄,德国);Robotic Systems Lab (RSL), ETH Zürich, Zürich, Switzerland(机器人系统实验室(RSL),苏黎世联邦理工学院,苏黎世,瑞士);Machine Intelligence and Robotics Lab (MaiRo), Karlsruhe Institute for Technology (KIT), Karlsruhe, Germany(机器智能与机器人实验室(MaiRo),卡尔斯鲁厄技术学院(KIT),卡尔斯鲁厄,德国);European Space Agency (ESA), Noordwijk, Netherlands(欧洲航天局(ESA),诺德威克,荷兰)
研究针对多机器人科学探索,提出MOSAIC框架,基于兴趣点统一任务抽象与多层自主性,依机器人能力动态分配任务,经模拟月球探测实验验证,可实现强鲁棒性、可扩展的多机器人科学探索。
2026-07-07 cs.RO
Generating Quality Grasp Rectangle using Pix2Pix GAN for Intelligent Robot Grasping
Indian Institute of Information Technology Allahabad(阿拉哈巴德印度信息技术学院)
智能机器人抓取是一个非常具有挑战性的任务,由于其固有的复杂性和不提供足够的标记数据。由于为任何基于深度学习的模型(包括深度强化学习)提供合适的标记数据对于成功的抓取学习至关重要,因此在本文中,我们提出使用Pix 2 Pix生成对抗网络(Pix 2 Pix GAN)来解决生成抓取姿势/矩形的问题,该网络将对象的图像作为输入,并生成标记有对象的抓取矩形作为输出。在这里,我们提出了一个端到端的抓取矩形生成方法,并将其嵌入到一个适当的位置的对象被抓住。我们已经开发了两个模块,以获得最佳的抓取矩形。在第一个模块的帮助下,从Pix 2 Pix GAN的输出中提取所生成的抓取矩形的姿势(位置和方向),然后将提取的抓取姿势转换为对象的质心,因为在这里我们假设像人类抓取规则形状对象的方式一样,质心/质心是稳定抓取的最佳位置。对于其他不规则形状的物体,我们允许生成的抓取矩形,因为它是要喂给机器人的把握执行。利用有限数量的Cornell抓取数据集生成抓取矩形的准确率显著提高,达到87.79%。实验表明,我们提出的基于生成模型的方法给出了有希望的结果,在执行成功的把握,以及看不见的对象。
2022-02-20 cs.RO
A ROS2 based communication architecture for control in collaborative and intelligent automation systems
Chalmers University of Technology(查尔姆斯理工大学);Volvo Group Trucks Operations(沃尔沃集团卡车运营公司)
协作机器人正在成为现代工业智能自动化系统的一部分。这些系统的开发和控制不同于传统的自动化方法,因此带来了新的挑战。值得庆幸的是,机器人操作系统(ROS)提供了一个通信平台和各种各样的工具和实用程序,可以帮助开发。然而,由于分布式设置中的通信问题,很难在大型自动化系统中使用ROS,因此开发了ROS2。在本文中,一个基于ROS2的通信体系结构的协同和智能自动化系统的工业用例一起。
2019-05-23 cs.RO
From Biological Synapses to Intelligent Robots
Strasbourg University(斯特拉斯堡大学)
这篇综述探讨了生物启发学习作为智能机器人控制和传感技术的基础上的具体例子模型。赫布突触学习被讨论为机器学习和智能的功能相关模型,如在无脊椎动物和脊椎动物的高度可塑性生物神经网络的示例的基础上所解释的。它的自适应学习和控制的潜力,没有监督,功能复杂性的产生,和控制架构的基础上自组织提出。基于兴奋性和抑制性神经机制的无先验知识的学习解释了生存或任务相关表征被强化或抑制的过程。无监督生物学习的基本机制驱动突触可塑性和适应性,以在具有不同复杂程度的活体大脑中实现行为成功。这里收集的见解指向Hebbian模型作为智能机器人和传感器系统的选择解决方案。关键词:赫布学习,突触可塑性,神经网络,自组织,脑,强化,感觉处理,机器人控制
2022-02-25 cs.NE cs.RO
Spatially Intelligent Patrol Routes for Concealed Emitter Localization by Robot Swarms
本文提出一种设计空间智能机器人群行为的方法,用于定位隐蔽的无线电发射机。通过微分进化生成几何巡逻路线,实现独立于发射机参数的定位。巡逻形状和天线类型影响信息增益,从而决定三角测量覆盖效果。实验显示,全向天线的定位成功率主要受源位置影响,而定向天线通过更高增益和方向性提高成功率。
2025-10-15 cs.RO
Dynamic Collaborative Material Distribution System for Intelligent Robots In Smart Manufacturing
School of Advanced Technology, Xi’an Jiaotong-Liverpool University(西安交通大学利物浦大学先进科技学院)
针对智能制造多机器人物料配送的实时动态多源到单目的地导航问题,提出轻量级深度强化学习方法,通过目标引导奖励函数实现高效训练与快速收敛,计算速度较枚举法提升最高100倍,可部署于低算力轻量设备。
2025-06-13 cs.RO
Development of a ROS-based Architecture for Intelligent Autonomous on Demand Last Mile Delivery
Johannes Kepler University Linz(约翰内斯·开普勒大学林茨分校);UAS Technikum Wien(维也纳技术高等专业学院)
本文开发了JKU-ITS最后一英里配送机器人,在坡地割草机平台上融合3D激光雷达、RGB-D相机、IMU和GPS,并通过ROS1嵌入式计算机实现2D/3D SLAM、2D定位与CNN物体检测。
2023-05-29 cs.RO
Vision-Based Intelligent Robot Grasping Using Sparse Neural Network
Indian Institute of Information Technology Allahabad(阿拉哈巴德印度信息技术学院)
针对深度学习模型参数量大、难以适配实时机器人抓取的问题,本研究提出两种整合Edge-PopUp算法的轻量级稀疏抓取网络,在基准数据集和实物机器人上均以极低参数量实现了优于现有方法的抓取精度。
2023-08-22 cs.RO
Proactive Interaction Framework for Intelligent Social Receptionist Robots
Baidu(百度);Baidu Research(百度研究院);Baidu AI Interaction Design Lab(百度AI交互设计实验室);Baidu Natural Language Processing Department(百度自然语言处理部)
主动式人机交互(HRI)允许接待员机器人主动迎接人们并提供基于视觉的服务,这已被发现可以提高可接受性和客户满意度。现有的方法要么基于多阶段决策过程,要么基于端到端的决策模型。然而,基于规则的方法需要勤奋的专家努力,只处理最小的预定义的情况。另一方面,现有的端到端模型仅限于非常一般的问候或很少的行为模式(通常少于10个)。为了应对这些挑战,我们提出了一个新的端到端框架,Transformer与视觉令牌的人机交互(TFVT-HRI)。该框架首先从RGB相机中提取相对对象的视觉标记。为了确保正确的解释的情况下,一个Transformer决策模型,然后处理的视觉令牌,这是增强的时间和空间信息。它预测在每种情况下采取的适当行动,并确定正确的目标。我们的数据是从办公楼的在职接待员机器人那里收集的,然后由专家进行注释,以确定适当的主动行为。动作集包括1000+种不同的模式,结合语言,表情符号表达和身体动作。我们将我们的模型与其他SOTA端到端模型进行比较,在现实的办公楼环境中进行离线测试集和在线用户实验,以验证此框架。结果表明,该决策模型实现了SOTA性能的动作触发和选择,导致更多的人性化和智能相比,以前的反应式接收政策。
2021-03-24 cs.RO
Intelligent logistics management robot path planning algorithm integrating transformer and GCN network
Washington University in St. Louis(圣路易斯华盛顿大学);Duke University(杜克大学);Stevens Institute of Technology(史蒂文斯理工学院);University of Michigan(密歇根大学);Northeastern University(东北大学)
本文提出一种融合Transformer、GNN和GAN的智能物流机器人路径规划算法,在真实数据集上实现行驶距离减少15%、时间效率提升20%、能耗降低10%。
2025-03-12 cs.AI cs.RO
A Nascent Taxonomy of Machine Learning in Intelligent Robotic Process Automation
TU Dortmund University(多特蒙德工业大学)
本文通过文献综述提出智能RPA分类法,以RPA-ML集成与交互为元特征,涵盖八个维度,为机器学习增强RPA能力提供系统化框架。
2025-09-19 cs.AI cs.RO
An Intelligent Personal Robot Assistant
近年来,人形机器人的发展对人机交互通信提出了新的挑战。一个主要的挑战是开发能够以最自然的方式表现得像人类并与人类互动的机器人。本文提出了一个系统,开发一个机器人,可以接受命令,并与人交谈的自然语言。此外,机器人还可以被“训练”成为特定领域的专家,为人类提供专家建议。最重要的是,机器人可以通过面部表情,语音和手势来表达情感,使交互过程变得更加全面和引人注目。
2014-12-02 cs.AI cs.HC cs.RO
Intelligent architectures for robotics: The merging of cognition and emotion
University of Maryland(马里兰大学)
情感在智能机器人中的地位是什么?在过去的二十年里,研究人员一直主张在自主智能体的一般信息处理架构中包含一些与情感相关的组件,比如为了更好地与人类沟通,或者灌输一种行动的紧迫感。这里提出的框架超越了这些方法,并提出情感和动机需要与建筑的各个方面相结合。因此,认知情感整合是一个关键的设计原则。情感不是赋予机器人“感觉”的“附加物”(例如,报告或表达其内部状态)。它允许感知、计划和行动的重要性成为其所有计算的组成部分。据推测,一个复杂的人工智能不能建立在独立的认知和情感模块。一个假设的测试灵感来自图灵测试,称为多洛雷斯测试,提出来测试这一论断。
2019-02-01 cs.AI cs.RO
Future Intelligent Autonomous Robots, Ethical by Design. Learning from Autonomous Cars Ethics
Mälardalen University(梅拉达伦大学);University of Gothenburg(哥德堡大学)
智能自主机器人技术的发展以其对个人和社会产生预期的有益影响为前提。在这种颠覆性的新兴技术的情况下,不仅如何构建的问题,而且为什么要构建以及会产生什么后果的问题都很重要。智能自动驾驶机器人汽车的道德领域是具有可操作实用价值的研究的一个很好的例子,其中包括法律系统和其他社会和政府行为者以及公司和企业在内的各种利益相关者进行合作,带来对技术的道德和社会方面的共同看法。它可以作为一般智能自主机器人开发方法的起始平台,考虑技术生存周期不同阶段的人机界面-开发、实施、测试、使用和处置。从我们对自主智能机器人汽车伦理的研究以及现有的机器人伦理文献中,我们的贡献包括一套价值观和伦理原则,以及确定的挑战和应对挑战的建议方法。这可能有助于智能自主机器人领域的利益相关者将伦理原则与其应用联系起来。我们对自动驾驶汽车道德要求的建议可用于其他类型的智能自动驾驶机器人,但对于社交机器人需要进行更多有关与用户交互的研究。我们强调,现有的道德框架需要以一种对背景敏感的方式加以应用,通过多学科、多能力团队的评估,通过多标准分析。此外,我们认为,需要不断发展的道德原则,指导方针和法规,通过技术的进步和相关利益相关者的参与。
2021-07-16 cs.AI cs.CY cs.RO
Toward Intelligent Biped-Humanoids Gaits Generation
National School of Engineering of Sfax, University of Sfax(斯法克斯国家工程学院,斯法克斯大学)
在本章中,我们将重点介绍我们的实验研究自然人步行分析和介绍一个生物启发设计的简单的双足运动系统的人形机器人。灵感直接来自于对人体行走的分析和人体肌肉的运动机理与控制。提出了一种混合步态生成算法,用于解决传统的运动学和动力学方程,步态包括膝关节、踝关节和髋关节轨迹。该算法是一种基于粒子群优化范式的智能进化算法。这个建议可以用于小型人形机器人,膝盖,脚踝和臀部和至少六个自由度(DOF)。
2012-12-08 cs.RO
Y-BotFrame: An Extensible Embodied Agent Framework for Quadruped Robot Assistants
Xidian University(西安电子科技大学)
提出Y-BotFrame框架,集成多模态感知与大语言模型认知核心,将自然语言指令映射为可执行任务单元,实现无遥控器的人机协作,支持模块化扩展。
2026-06-12 cs.RO
Nadine: An LLM-driven Intelligent Social Robot with Affective Capabilities and Human-like Memory
Centre Universitaire d’Informatique(大学信息中心);University of Geneva(日内瓦大学)
本研究为Nadine社交机器人平台提出由LLM驱动的SoR-ReAct智能体框架,通过集成多模态输入处理、类人长期记忆与情感评估模块,实现了具备类人情感与认知能力的社交机器人系统,提升了人机交互质量。
2024-05-30 cs.AI cs.RO
Neural Signal Operated Intelligent Robot: Human-guided Robot Maze Navigation through SSVEP
Qingdao Academy(青岛研究院)
本文提出一种基于 SSVEP 的人类引导迷宫求解机器人导航系统,通过离线训练分类模型并在线部署,结合人类全局视觉与机器人自导航算法显著缩短求解时间,验证了其帮助老年人完成日常任务的可行性。
2024-10-08 cs.HC cs.RO
A Glimpse into Long-term Physical Coexistence with Intelligent Robots
Astribot Team(Astribot团队)
研究与智能机器人长期物理共存问题,提出基于机器人网关抽象的多机器人代理PHILIA,解耦代理推理与机器人执行,实现即插即用集成,在Astribot S1机器人上验证架构,展示用例,强调人机交互流程对有效协助的重要性。
2026-07-14 cs.AI cs.RO
Likable or Intelligent? Comparing Social Robots and Virtual Agents for Long-term Health Monitoring
TH Köln - University of Applied Sciences(科隆应用技术大学);Cologne Cobots Lab(科隆协作机器人实验室)
本研究通过八周家庭实验比较社交机器人与虚拟代理在老年人长期健康监测中的表现,发现机器人更可爱而虚拟代理更智能,为相关研究奠定基础。
2025-02-21 cs.HC cs.RO
DRL: Deep Reinforcement Learning for Intelligent Robot Control -- Concept, Literature, and Future
结合机器学习(用于生成机器智能),计算机视觉(用于更好的环境感知)和机器人系统(用于受控环境交互),促使这项工作朝着提出一个基于视觉的学习框架智能机器人控制作为最终目标(基于视觉的学习机器人)。这项工作特别引入了深度强化学习作为学习框架,这是一个通用的AI框架(AGI),意味着独立于应用程序和平台。在机器人控制方面,该框架特别提出了一种独立于低级控制的高级控制架构,这意味着这两个所需的控制级别可以相互独立地开发。在这方面,高级控制使用由训练者生成的来自同一平台的记录的低级控制数据来创建用于平台控制的所需智能。所记录的低级控制数据仅仅指示成功和失败的经验或由训练者使用相同的机器人平台进行的实验序列。记录数据的序列由观察数据(输入传感器)、生成的奖励(反馈值)和动作数据(输出控制器)组成。对于实验平台和实验,视觉传感器用于感知环境,不同的运动控制器基于平台应用创建所需的运动命令,深度学习方法生成所需的智能,最后强化学习技术逐步改进生成的智能,直到机器人完成任务。
2021-04-20 cs.AI cs.RO
Development of a robust cascaded architecture for intelligent robot grasping using limited labelled data
Indian Institute of Information Technology Allahabad(印度信息技术学院阿拉哈巴德分校)
即使对人类来说,智能地抓住物体也是一项具有挑战性的任务,我们在童年时期花了相当多的时间来学习如何正确地抓住物体。在机器人的情况下,我们不能花那么多时间来学习如何有效地抓住物体。因此,在本研究中,我们提出了一个有效的学习架构的基础上VQVAE,使机器人可以教有足够的数据对应于正确的把握。然而,在机器人抓取领域,获得足够的标记数据是非常困难的。为了帮助解决这个问题,一个半监督学习为基础的模型,具有更大的泛化能力,即使有限的标记数据集,已被调查。与现有的最先进的模型,包括我们的早期模型相比,其性能显示出6\%的改善。在实验过程中,已经观察到,我们提出的模型,RGGCNN2,执行显着更好,无论是在抓住孤立的对象,以及在一个混乱的环境中的对象,相比现有的方法,不使用未标记的数据生成抓取矩形。据我们所知,开发一个智能机器人抓取模型,(基于半监督学习)通过表示学习训练,并利用GGCNN2架构的高质量学习能力,具有有限数量的标记数据集以及学习的潜在嵌入,可以作为一种事实上的训练方法,已建立,并通过严格的硬件实验验证本文使用Baxter(Anukul)研究机器人。
2021-11-06 cs.AI cs.RO