Assisted Robust Reward Design
University of California, Berkeley(加州大学伯克利分校)
现实世界的机器人任务需要复杂的奖励功能。当我们定义机器人需要解决的问题时,我们假设设计者精确地指定了这个复杂的奖励,从那时起,它就被固定下来了。然而,在实践中,奖励设计是一个迭代的过程:设计者选择了一个奖励,最终遇到了一个“边缘案例”环境,在这个环境中,奖励激励了错误的行为,修改了奖励,然后重复。重新思考机器人问题,正式解释奖励设计的这种迭代性质,这意味着什么?我们建议机器人不要把指定的奖励视为理所当然,而是对它有不确定性,并将未来的设计迭代作为未来的证据。我们贡献了一种辅助奖励设计方法,通过预测和影响未来的证据来加快设计过程:而不是让设计师最终遇到失败的情况并修改奖励,该方法在开发阶段主动将设计师暴露在这样的环境中。我们在一个简化的自动驾驶任务中测试了这种方法,发现它通过提出当前奖励的“边缘情况”环境,更快地改善了汽车在保持环境中的行为。
2021-11-18 cs.AI cs.LG cs.RO
Towards Very Low-Cost Iterative Prototyping for Fully Printable Dexterous Soft Robotic Hands
Carnegie Mellon University(卡内基梅隆大学)
软体机器人手的设计与制作仍是一个费时费力的过程。快速成型技术的进步大大加快了制造过程,同时为设计过程引入了新的复杂性。在这项工作中,我们提出了一种利用新型低成本制造技术与设计工具相结合的方法,帮助软手设计师系统地利用多材料3D打印来创建灵巧的软机器人手。虽然非常低的成本和重量轻,我们表明,生成的设计是非常耐用,令人惊讶的强大,并能够灵巧的把握。
2022-04-16 cs.RO
Control- & Task-Aware Optimal Design of Actuation System for Legged Robots using Binary Integer Linear Programming
针对足式机器人高性能驱动系统设计难题,提出一种结合二进制整数线性规划的控制与任务感知设计框架,可通过优化组件选型与结构配置,在满足任务需求的同时提升驱动系统性能,并经双足机器人实验验证了有效性。
2023-07-21 cs.RO
Multi-Agent Systems for Robotic Autonomy with LLMs
Imperial College London(伦敦帝国学院)
本文提出一个基于LLMs的多智能体框架,集成任务分析、机械设计与路径生成,实验表明其能设计可行机器人并提升开发效率。
2025-05-09 cs.AI cs.RO
Exploring the Design Space of Extra-Linguistic Expression for Robots
University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
本文受图像小说和动画图形修辞启发,探索烟雾、水滴等非语言线索以增强社交机器人表现力,通过8位设计师对22个方案的探索与分析,开发了可增强任意机器人平台表达能力的EmoPack模块。
2023-06-27 cs.HC cs.RO
A Framework for Robot Manipulation: Skill Formalism, Meta Learning and Adaptive Control
Technische Universität München(慕尼黑工业大学)
在本文中,我们介绍了一种新的框架表示和学习力敏感的机器人操作技能。它是基于一种形式主义,扩展了我们以前的工作,自适应阻抗控制与Meta参数学习和兼容的技能规范。通过这种方式,系统还能够通过结合过程描述和质量评估指标来利用抽象的专家知识。我们评估各种国家的最先进的方案的Meta参数学习和实验比较选定的。我们的研究结果清楚地表明,我们的自适应阻抗控制器与精心定义的技能形式主义的结合显着降低了操作任务的复杂性,即使是学习钉孔亚毫米级工业公差。总的来说,所考虑的系统能够在20分钟内学习这种技能的变化。事实上,在实验中,该系统能够比人类更快地执行学习任务,从而实现了第一个基于学习的复杂装配解决方案。
2018-05-22 cs.RO
Design, Mechanical Simulation and Implementation of a New Six- Legged Robot
Faculty of Mechanical Engineering, University of Tabriz(大不里士大学机械工程学院);School of Engineering Emerging Technologies(新兴技术工程学院)
蚂蚁是六条腿的昆虫,可以携带比体重重十倍的货物。由于有六条腿,它们本质上是稳定的。它们很强大,可以携带重物。基于这些原因,本文提出了一种新的并联运动学结构的六足蚂蚁机器人。在Solidworks中对机械结构进行了设计和优化。该机构有六个腿,只有两个直流电机驱动的六个腿,所以从机械的角度来看,设计是一个最佳的。由于使用无线模块,机器人重量轻,半自主。这一特点使该机器人适合用于社会机器人和救援机器人应用。变送器程序在上位机中采用LabVIEW实现,以单片机作为主控制器。电子板在Proteus Professional中设计和测试,PCB板在Altium Designer中实现。微控制器编程在Code Vision中完成。
2020-04-08 cs.RO
An Educational Fuzzy-based Control platform using LEGO Robots
模糊控制器在过去的几十年里已经得到了普及,在许多领域的成功实施,使设计人员能够控制复杂的系统,通过基于语言的规则,与传统的方法相比。本文介绍了一种基于LEGO \c{opyright} NXT的教学平台,通过提供一个简单易行的教学设置,辅助本科生学习模糊逻辑控制原理。建议的模糊控制研究的目的是陪同学生学习模糊控制的基本原理,通过建立动手机器人实验。建议的教育平台已成功地应用到几个本科课程在瓜达拉哈拉大学电子系。机器人实验的描述和他们在学生表现的影响的评估都提供了文件。
2014-06-13 cs.RO
Formalisms for Robotic Mission Specification and Execution: A Comparative Analysis
本文比较了四种机器人任务规范形式化方法,分析其在任务描述中的适用性、表达能力和工具支持,为设计鲁棒且适应性强的机器人任务提供指导。
2026-08-18 cs.RO cs.SE
Design Optimization for Large High-Force Soft Robot Manipulators Under Gravitational Loads
Boston University(波士顿大学)
针对大型高力软机器人机械臂设计难题,提出带抗屈曲约束的几何优化方法,通过闭式解预测满足约束且力最大的构型,可预先判断大尺寸软机械臂是否适用于物理交互。
2026-08-18 cs.RO
Shaping Expressiveness in Robotics: The Role of Design Tools in Crafting Embodied Robot Movements
CHArt Laboratory, Department of Psychology, University Paris8(巴黎第八大学心理学系CHArt实验室);Lab of INIT Robots, Department of Mechanical Engineering, École de technologie supérieure(École de technologie supérieure机械工程系INIT机器人实验室);Department of Dance, Université du Québec à Montréal(魁北克大学蒙特利尔分校舞蹈系);Costech Laboratory, Department of Humanities and Social Sciences, Université technologique de Compiègne(Compiègne技术大学人文与社会科学系Costech实验室)
本文提出一种以运动为中心的设计教学法,通过跨学科方法和定制工具,帮助工程师创建更具表现力的机器人手臂运动。
2026-02-04 cs.RO
Robotic capabilities framework: A boundary object and intermediate-level knowledge artifact for co-designing robotic processes
Politecnico di Torino(都灵理工大学);TU Delft(代尔夫特理工大学);RoboHouse
本文提出机器人能力框架,通过跨学科协作设计,促进人机协作的公正与协作未来。
2025-12-02 cs.RO
A systems design approach for the co-design of a humanoid robot arm
Technical University of Munich(慕尼黑工业大学)
传统上,人形机器人的发展一直是顺序和迭代的。这种自下而上的设计过程严重依赖于直觉,并且经常受到设计师经验的影响。利用机器人的非线性耦合设计空间是不平凡的,需要一个系统的探索过程。我们采用自上而下的设计策略,V模型,用于汽车和航空航天工业。我们的协同设计方法从设计空间中识别非直观设计,并获得设计变量的最大允许范围作为解决方案空间,以物理实现所获得的设计。我们表明,通过构建的解决方案空间,可以(1)分解到子系统级的要求与公差,减轻“鸡或蛋”的问题,在设计过程中,(2)解耦的机器人的形态从其控制器,使更大的设计灵活性,(3)获得独立的子系统级的要求,减少开发时间的并行开发过程。
2022-12-29 cs.RO
Designing Robots to Help Women
Halmstad University(哈尔姆斯塔德大学);Linköping University(林雪平大学);Swedish Police Authority(瑞典警察当局)
针对女性在机器人领域代表性不足的问题,本研究采用推测性原型设计方法,通过草图和开发检测隐藏摄像头的无人机原型,探索专为女性设计的机器人方案,以促进更安全包容的未来。
2025-03-03 cs.HC cs.RO
Magic in Human-Robot Interaction (HRI)
School of Information Technology, Halmstad University(哈尔姆斯塔德大学信息技术学院)
本文探讨“魔法”概念在人机交互设计中的意义,通过理论讨论与原型开发实践,表明魔法在体验、超自然和幻觉意义上对各类机器人设计具有参考价值。
2025-03-04 cs.RO
Positioning Modular Co-Design in Future HRI Design Research
Luddy School of Informatics, Computing, and Engineering, Indiana University Bloomington(信息学、计算与工程学院,印第安纳大学布卢明顿分校);Human-Computer Interaction Institute, Carnegie Mellon University(人机交互研究所,卡内基梅隆大学)
本文提出通过模块化协同设计提升人机交互的个性化、适应性和可持续性,并提出面向制造和社区扩展的模块化平台及评估标准。
2026-02-23 cs.HC cs.RO
Enhancing Otological Surgery: Co-Designing a Parallel Robot with Surgeon Input
Nantes Université(南特大学);École Centrale Nantes(南特中央理工学院);CNRS(法国国家科学研究中心);LS2N(南特数字科学实验室);Centre Hospitalier Universitaire de Nantes(南特大学医院);Chalmers University of Technology(查尔姆斯理工大学);Robotics Innovation Center(机器人创新中心);German Research Center for Artificial Intelligence(德国人工智能研究中心)
本文从协同设计角度开发了一种耳科手术并联机械手,通过外科医生、利益相关者与领域专家的共同参与,有效缩减了机构优化的参数空间,提升了设计效率并降低了潜在错误。
2024-08-06 cs.RO
Learning Design and Construction with Varying-Sized Materials via Prioritized Memory Resets
Institute for Interdisciplinary Information Sciences, Tsinghua University(清华大学交叉信息研究院);ByteDance AI Lab(字节跳动人工智能实验室);University of California Santa Barbara(加州大学圣巴巴拉分校);Shanghai Qi Zhi Institute(上海期智研究院)
机器人能在没有蓝图的情况下自主学习用不同大小的积木设计和建造桥梁吗?这是一项具有挑战性的任务,具有较长的视野和稀疏的奖励-机器人必须找出物理稳定的设计方案和可行的操作和运输块。由于块的大小不同,状态空间和动作轨迹是巨大的探索。在本文中,我们提出了一个分层的方法来解决这个问题。它由一个学习设计器和一个基于运动规划的动作生成器组成,学习设计器用于提出高级别的构建指令,动作生成器用于在低级别操作块。对于高层次的学习,我们开发了一种新的技术,优先记忆重置(PMR),以提高探索。PMR自适应地将状态从重放缓冲区重置为那些最关键的配置,以便机器人可以在部分架构上恢复训练,而不是从头开始。此外,我们用辅助训练目标增强PMR,并用运动发生器微调设计者。我们在模拟和实际部署的机器人系统上的实验表明,它能够以很高的成功率有效地构建具有不同大小块的桥梁。演示可以在https://sites.google.com/view/bridge-pmr上找到。
2022-04-12 cs.AI cs.RO
Learned and Controlled Autonomous Robotic Exploration in an Extreme, Unknown Environment
Cornell University(康奈尔大学)
使用表面机器人探索和穿越极端地形是困难的,但对于许多应用来说是非常理想的,包括行星表面的探索,搜索和救援等。对于这些应用,为了确保机器人能够可预测地移动,必须将地形和车辆之间的相互作用,即地形力学,纳入机器人的运动模型中。对地形力学效应进行建模是困难的,并且在地形先验未知的情况下可能是不可能的。由于这些原因,在线学习地面力学模型是可取的,以增加机器人运动的可预测性。学习算法的先前实现的问题在于,地面力学模型和对应的生成的控制策略不容易解释或扩展。如果模型是可解释的形式,设计人员可以使用学习的模型来通知车辆和/或控制设计更改,以完善机器人架构,以供未来应用。本文探索了一种基于模型的遗传算法学习地面力学模型和控制策略的新方法。所提出的方法产生一个可解释的模型,可以使用现有的分析方法进行分析。本文提供的仿真结果表明,对于实际应用,遗传算法的性能近似等于一个国家的最先进的神经网络的方法,它不提供一个易于解释的模型的性能。
2020-04-02 cs.RO
Control Without Control: Defining Implicit Interaction Paradigms for Autonomous Assistive Robots
Robotics Institute, Carnegie Mellon University(卡内基梅隆大学机器人研究所);Imperial College London(伦敦帝国理工学院)
本文探讨隐式控制范式,通过两个设计案例展示如何通过自然行为线索调整机器人行为,减少用户感知负荷并保持控制感,提出隐式交互设计指南。
2026-03-30 cs.RO
A New Paradigm for Robotic Dust Collection: Theorems, User Studies, and a Field Study
Carnegie Mellon University(卡内基梅隆大学)
我们通过引入被动式吸尘机器人开创了机器人吸尘的新未来,与前辈不同,这种机器人不需要移动来收集灰尘。虽然以前的研究只集中在主动除尘机器人,我们表明,这些机器人失败的实践和理论方面,以及人为因素。相比之下,被动机器人通过其不受约束的多功能性,在所有三个指标上都大放异彩。我们提出了一个数学形式主义的两种范式,其次是用户研究和实地研究。
2017-03-25 cs.RO
Learning to Design and Use Tools for Robotic Manipulation
Stanford University(斯坦福大学)
本文提出联合学习工具设计者策略与设计条件控制器策略的强化学习框架,使机器人能按任务目标生成并使用专用工具,在多目标操作中提升样本效率、泛化与真实部署能力。
2023-11-01 cs.AI cs.LG cs.RO
A Reference Software Architecture for Social Robots
University of Bologna(博洛尼亚大学);ISTC-CNR(意大利国家研究委员会认知科学与技术研究所);Innopolis University(因诺波利斯大学)
社会机器人技术对软件设计师提出了严峻的挑战,他们需要照顾到困难的架构驱动因素,如机器人的可接受性,信任,以及保证机器人与用户建立个性化的交互。此外,在这种情况下,经常出现的软件设计问题,如确保互操作性,提高软件组件的可重用性和可定制性也会出现。设计和实施社交机器人软件架构是一项时间密集型活动,需要多学科专业知识:这使得快速开发,定制和个性化机器人解决方案变得困难。这些挑战可以在设计时通过选择特定的架构风格、实现特定的架构模式和使用特定的技术来缓解。利用我们在MARIO项目中的经验,在本文中,我们提出了一系列社交机器人可能受益的原则。这些原则也为社交机器人的参考软件架构的设计奠定了基础。这项工作的最终目标是建立一个基于参考软件架构的共同点,以便轻松地重用机器人软件组件,从而快速开发,实施和个性化社交机器人。
2020-07-09 cs.AI cs.RO
Using Design Metaphors to Understand User Expectations of Socially Interactive Robot Embodiments
University of Southern California(南加州大学)
本文通过 Mechanical Turk 上的三项研究,利用设计隐喻评估用户对不同机器人形态的社交与功能期望,以指导设计者对齐用户期望与机器人真实能力,促进积极人机交互。
2022-01-25 cs.HC cs.RO
Ethical Considerations When Constructing Participatory Design Protocols for Social Robots
Oakland University(奥克兰大学)
通过将预期的用户和利益相关者作为设计者,参与式设计已经成为一种流行的方法,以突出社交机器人中的道德考虑。在这里,我们提请注意参与式设计的伦理作为一种方法,不同于社会机器人被共同设计的伦理考虑。更具体地说,我们考虑利益相关者参与行为所带来的伦理问题-当我们作为研究人员或实践者设计社交机器人参与式设计协议(“如何”利益相关者参与)时,应该明确考虑的道德和价值观。我们使用的情况下,机器人辅助的性暴力缓解,参与设计协议,如伤害,剥削和减少利益相关者代理的风险的道德考虑。为了将这些和其他道德考虑纳入社交机器人参与式设计协议的创建中,我们主张让利益相关者通过将他们纳入参与式设计会议,结构和流程的创建来设计他们自己的参与形式。
2022-04-01 cs.HC cs.RO
Material Driven HRI Design: Aesthetics as Explainability
SAP Innovation(SAP创新)
本文提出通过材料选择来设计人机交互,利用颜色、纹理和材料作为交互信号,以提升机器人的可解释性和用户期望的准确性。
2026-03-06 cs.RO
Accelerated co-design of robots through morphological pretraining
Northwestern University(西北大学)
针对机器人形态与控制协同设计数据成本高的问题,提出形态学预训练与零样本进化,避免通用控制器联合优化导致的多样性崩溃,并通过微调获得更多高性能多样设计。
2025-02-15 cs.RO
Reconfigurable hydrostatics: Toward versatile and efficient load-bearing robotics
Elsevier
针对穿戴式和腿式机器人驱动在多功能性与效率间的矛盾,本文提出可重构静液压设计范式,通过集成被动力与共享机制,在机器人腿部实验中实现多功能负载跟踪且行走能耗降4.8倍,为高效承重机器人提供新方向。
2025-11-14 cs.RO cs.SY eess.SY
Component Influence-Driven Fastener Reduction for Robotic Disassemblability-Aware Design Simplification
Department of Systems Innovation, Graduate School of Engineering Science, The University of Osaka(大阪大学工学研究科系统创新部门);Manufacturing Innovation Division, Panasonic Holdings Corporation(松下电器制造创新部门)
本文提出了一种分析框架,通过快速件减少来提高机器人拆解意识设计简化,该框架利用CAD模型和自动生成的接触-连接-约束(CCC)图,将机器人拆解序列规划结果转化为组件影响评分,以指导设计简化。
2026-05-20 cs.RO
Diversity-based Design Assist for Large Legged Robots
CSIRO(联邦科学与工业研究组织);University of Queensland(昆士兰大学)
我们结合MAP-Elites和高度并行的仿真来探索一类大型足式机器人的设计空间,这些机器人高约2米,其设计和构造还没有得到很好的研究。对模拟进行了修改,以考虑电机扭矩和重量等因素,并提供了合理的保真度搜索空间。一种新的机器人编码允许生物启发的功能,如腿沿着身体的长度缩放。三种可能的控制生成方案的影响进行了评估的背景下,身体-大脑的共同进化,显示出即使是约束的问题,强烈受益于耦合促进机制。实施了两个阶段的过程。在第一阶段,生成一个可能的机器人库,将用户需求视为约束。在第二阶段中,最有前途的机器人利基分析和一套人类可理解的设计规则,其特征变量的值相关的。这些规则,连同库,然后准备好被(人类)机器人设计师用作设计辅助工具。
2020-04-17 cs.NE cs.RO
Bridging Language and Physics: Automated Design of Continuum Robots with Large Language Models
University of Science and Technology of China(中国科学技术大学);University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校);University of Central Florida(中佛罗里达大学)
提出AID-SR多层框架,利用大型语言模型通过闭环物理反馈自动设计连续体机器人,在14个任务基准上实现96.2%模拟可行性和26.7%任务成功率,并完成真实世界验证。
2026-09-09 cs.RO
Understanding Xacro Misunderstandings
North Carolina State University(北卡罗来纳州立大学)
Xacro XML宏语言扩展了通用机器人描述格式(URDF),是从几何表示到仿真、可视化和系统执行的关键工具链的一部分。然而,机器人社区的成员,特别是新手,很难排除故障并理解系统和Xacro预处理管道之间的相互作用。为了更好地了解系统开发人员如何与Xacros斗争,我们手动检查了来自问答网站http://answers.ros.org的712个Xacro相关问题,并使用称为开放编码的系统定性方法将Xacro误解分为10个关键类别。通过检查应用于问题的“标签”,我们进一步发现,Xacro问题表现在一个令人困惑的广泛的背景下。这妨碍了系统开发人员的安装,并使他们对Robot操作系统中的表示和工具的理解变得复杂。我们的目标是提供一个经验的基础,识别和优先考虑的障碍,开放的机器人系统的用户,使工具设计师,教师和机器人从业者可以设计改进机器人软件工具和教育的方法。
2022-03-04 cs.RO cs.SE
Logic programming for deliberative robotic task planning
University of Verona(维罗纳大学);CMR Surgical Ltd(CMR外科有限公司)
在过去的十年中,机器人在生产和日常生活中的使用越来越多。随着包括人类在内的不同环境中越来越复杂的任务和交互,机器人需要更高水平的自主性来进行有效的审议。任务规划是审议的一个关键要素。它将基本操作结合到结构化计划中,以满足给定机器人和环境规范的规定目标。在这篇手稿中,我们提出了一个调查的最新进展,应用逻辑编程的任务规划问题。与其他方法相比,逻辑编程提供了几个优点,包括更大的表达性和可解释性,这可能有助于开发安全可靠的机器人。我们分析了不同的规划者和他们的适用性特定的机器人应用程序,基于域表示,计算效率和软件实现的表现力。通过这种方式,我们支持机器人设计师为他的应用选择最佳工具。
2023-01-18 cs.AI cs.LO cs.RO
Effects of Faults, Experience, and Personality on Trust in a Robot Co-Worker
University of Bristol(布里斯托大学)
为了设计出值得信赖的机器人,我们需要了解信任的影响因素:人们的态度、经验和特征;机器人的物理设计、可靠性和性能;任务的规格以及执行任务的环境,例如在闲暇时或在时间压力下。由于机器人被用于各种各样的任务和应用,机器人设计师应该提供证据和指导,以告知他们的决策,以实现安全,可信和高效的人机交互。在这项工作中,信任的影响因素,在协同制造的情况下进行了研究,与一个真正的机器人和参与者的物理对象组装,然后拆卸的实验。客观和主观的措施,以评估发展的信任,故障和非故障的机器人条件下,和以前的经验与机器人的影响,和人格特质。我们的研究结果突出了与其他更具社会性的机器人助理(如家庭护理助理)场景相比的差异,因为条件(故障与否)不会对人类对机器人的感知产生显着影响,包括人类的喜好,可爱性,可信度,甚至能力。然而,个性和先前的经验确实会影响参与者对机器人的看法,尽管这种影响相对较小。
2017-03-09 cs.HC cs.RO
An analysis of higher-order kinematics formalisms for an innovative surgical parallel robot
Technical University of Cluj-Napoca(克卢日-纳波卡技术大学);Gheorghe Asachi Technical University of Iasi(雅西格奥尔基·阿萨基技术大学);Technical Sciences Academy of Romania(罗马尼亚技术科学院);École Centrale Nantes(南特中央理工学院);Nantes Université(南特大学);CNRS(法国国家科学研究中心);LS2N(南特数字科学实验室)
本文针对胰腺手术的模块化混合并联机器人,比较了基于向量、齐次变换矩阵和对偶四元数的逆运动学算法,发现多元对偶代数法在执行时间上显著优于经典微分法,且数值稳定性良好。
2025-03-27 cs.RO cs.SY eess.SY
Robo-Blocks: Generative Scaffolding in End-User Design and Programming of Social Robots
Department of Computer Sciences\ of Wisconsin--Madison
通过研究通过设计(RtD)过程,提出基于LLM的积木式编程环境Robo-Blocks,利用生成式支架将高级想法转化为可执行机器人行为,支持新手程序员,并揭示了用户角色与使用模式。
2026-05-27 cs.HC cs.RO
An extended framework for characterizing social robots
Carnegie Mellon University(卡内基梅隆大学);INESC-ID;Instituto Superior Técnico, Universidade de Lisboa(里斯本大学高等技术学院);Universidade de Lisboa(里斯本大学);Instituto Universitário de Lisboa (ISCTE-IUL)(里斯本大学学院(ISCTE-IUL))
社交机器人在设计、行为和使用方面变得越来越多样化。在本章中,我们将对社交机器人及其与人类的互动所产生的主要特征进行广泛的概述。我们特别贡献了一个框架,用于描述社交机器人的7个维度,我们发现这些维度与它们的设计最相关。这些维度是:外观、社交能力、目的和应用领域、关系角色、自主性和智能、邻近性和时间概况。在每个维度中,我们通过分类和/或解释的组合来解释各种社交机器人。我们的框架建立在现有的框架之上,并超越了现有的框架,如文献中的分类和分类法。更具体地说,它有助于统一,澄清和扩展的关键概念,从丰富的相关文献中汲取。本章旨在为社会机器人领域内外的研究人员、设计师和开发人员提供资源。它旨在为他们提供工具,以更好地理解和定位现有的社交机器人,并为他们未来的设计提供信息。
2019-07-23 cs.HC cs.RO
Evolution of linkages for prototyping of linkage based robots
University of Oslo(奥斯陆大学);Oslo Metropolitan University(奥斯陆城市大学)
针对机器人原型制作耗时问题,对比三种进化算法优化2D机械连杆的效果,发现带连杆长度行为描述符的质量-多样性方法最适配六足机器人实体原型制作。
2023-05-02 cs.RO
Understanding Natural Language in Context
Technion - Israel Institute of Technology(以色列理工学院)
近年来,越来越多的应用程序具有自然语言界面,无论是以聊天机器人的形式还是通过Alexa(亚马逊),Google Assistant,Siri(苹果)和Cortana(微软)等个人助理。要使用这些应用程序,需要机器人和人类之间的基本对话。虽然这种对话今天主要存在于“静态”机器人中,这些机器人在家庭空间中不做任何运动,但当处理可以在我们的家庭环境中移动和操纵物体的机器人时,对环境传达的信息进行推理的挑战显着增加。在本文中,我们专注于认知机器人,它有一些基于知识的世界模型和操作推理和规划与此模型。因此,当机器人和人类交流时,已经有一些形式主义可以使用-机器人的知识表示形式主义。我们在这项研究中的目标是将自然语言的话语翻译成机器人的形式主义,从而完成更复杂的家务。我们通过结合现成的SOTA语言模型、规划工具和机器人的知识库来实现更好的沟通。此外,我们分析了不同的指令类型,并说明了世界的上下文翻译过程中的贡献。
2022-05-25 cs.CL cs.RO
Automatic off-line design of robot swarms: exploring the transferability of control software and design methods across different platforms
Université libre de Bruxelles(布鲁塞尔自由大学);Toyota Motor Europe(丰田汽车欧洲公司)
本文首次研究自动离线设计生成的机器人集群控制软件及其设计方法在不同地面移动平台间的可迁移性,实验表明控制软件部分可迁移,但直接在新平台上应用可迁移设计方法性能更优。
2023-05-25 cs.MA cs.RO
Plant-Inspired Robot Design Metaphors for Ambient HRI
Johns Hopkins University(约翰霍普金斯大学);Rice University(Rice大学)
本文提出受植物启发的机器人设计隐喻,通过原型设计探索环境人机交互的新方法,提供了一套开源原型和设计洞察,以重塑人机交互方式。
2026-01-29 cs.HC cs.RO
Beyond the Command: Feminist STS Research and Critical Issues for the Design of Social Machines
Massachusetts Institute of Technology(麻省理工学院)
从人工智能数字助理到实体机器人,机器在日常生活中变得越来越普遍。借鉴女性主义科学和技术研究(STS)的观点,我们展示了机器设计师如何不仅仅是制作中性物体,而是机器和人类之间的关系,这些关系与人类社会问题(如性别和权力动态)有关。因此,为了创造一个更加道德和公正的未来,目前支撑这些人机关系设计的主导假设必须受到挑战,并重新定位为公正和包容的关系。本文贡献的“社会机器”作为一个模型的技术设计师谁寻求认识到社会的重要性,多样性和复杂性在他们的工作,并从事与机器的代理权力。在我们的模型中,社会机器被想象成一个潜在的平等关系伙伴,它具有代理权,并且是一个与人类、物体和动物不同但又相关的“他者”。我们批判性地检查和对比我们的模型与机器人技术的趋势,认为机器人作为工具,人类的伴侣,动物或生物,和/或奴隶。通过这样做,我们展示了关于人机关系的根深蒂固的主导假设,并揭示了社会机器设计领域激进思维的挑战。最后,我们提出了两个设计挑战的基础上非拟人化的外形和相互性,并呼吁实验,忘却占主导地位的倾向,重新想象的社会技术的未来。
2021-01-31 cs.CY cs.HC cs.RO
Efficient automatic design of robots
Northwestern University(西北大学);Massachusetts Institute of Technology(麻省理工学院);University of Vermont(佛蒙特大学)
本文提出一种进化算法驱动的机器人自动设计方法,可在单台消费级计算机上数秒内从随机无足形态优化出腿式运动结构,并验证了制造后行为保持,为快速设计制造专用机器人开辟了新途径。
2023-07-05 cs.AI cs.RO
Partially Observable Markov Decision Processes in Robotics: A Survey
Universität Hamburg(汉堡大学);National University of Singapore(新加坡国立大学);Aalto University(阿尔托大学);Technische Universität Darmstadt(达姆施塔特工业大学)
噪声感测、不完善的控制和环境变化是许多现实世界机器人任务的定义特征。部分可观测马尔可夫决策过程(POMDP)提供了一个原则性的数学框架,建模和解决机器人决策和控制任务下的不确定性。在过去的十年中,它已经看到了许多成功的应用,包括定位和导航,搜索和跟踪,自动驾驶,多机器人系统,操纵和人机交互。这项调查的目的是弥合POMDP模型和算法的发展之间的差距,在一端和应用程序在其他不同的机器人决策任务。它分析了这些任务的特点,并将它们与POMDP框架的数学和算法属性联系起来,以实现有效的建模和解决方案。对于从业者来说,调查提供了一些关键的任务特征,以决定何时以及如何成功地将POMDPs应用于机器人任务。对于POMDP算法设计者来说,调查为将POMDP应用于机器人系统的独特挑战提供了新的见解,并为进一步研究指出了有前途的新方向。
2022-09-21 cs.AI cs.RO cs.SY
Monotone Subsystem Decomposition for Efficient Multi-Objective Robot Design
Department of Electrical and Computer Engineering, Cornell University(电气与计算机工程系,康奈尔大学)
本文提出单调子系统分解方法,用于高效解决多目标机器人设计问题,通过优化子系统帕累托前沿实现大规模设计优化。
2026-01-17 cs.RO
MEbots: Integrating a RISC-V Virtual Platform with a Robotic Simulator for Energy-aware Design
Dept. DAUIN, Politecnico di Torino(都灵理工学院DAUIN系);IMEC
本文提出一个开源框架MEbots,集成Webots机器人模拟器与RISC-V虚拟平台MESSY,实现任务级能量感知协同仿真,支持设计配置与功耗管理策略探索。
2025-05-22 cs.RO cs.SY eess.SY
Using Information Invariants to Compare Swarm Algorithms and General Multi-Robot Algorithms: A Technical Report
Robotics Institute, School of Computer Science, Carnegie Mellon University(卡内基梅隆大学计算机科学学院机器人研究所)
机器人群体是分散的多机器人系统,其成员使用来自邻近邻居的本地信息来执行简单的反应控制律,从而导致涌现的集体行为。相比之下,一般多机器人系统的成员可以访问全局信息、全对全通信或复杂的审慎协作。文献中的一些算法适用于机器人群体。其他的则需要一般多机器人系统的额外复杂性。给定一个应用领域,系统设计者或管理操作者必须分别选择一个适当的系统或算法,使他们能够实现他们的目标,同时满足任务约束(例如带宽,能量,时间限制)。在本文中,我们比较了代表性的群体和一般的多机器人算法在两个应用领域-导航和动态区域覆盖-相对于几个指标(如完成时间,距离travel- elled)。我们的目标是描述每一类算法的特征,以便为工程师的离线系统设计决策或监督操作员的在线算法选择决策提供信息。我们的贡献是:(a)在两个应用领域的代表性群体和一般的多机器人算法的实证性能比较,(b)基于信息不变量理论的算法的比较分析,这提供了一个理论表征支持我们的实证结果。
2018-02-25 cs.IT cs.MA cs.RO
OpenTera: A Microservice Architecture Solution for Rapid Prototyping of Robotic Solutions to COVID-19 Challenges in Care Facilities
随着电信技术的进步,远程保健框架在护理设施和家庭中的老年人长期护理中得到越来越广泛的采用。如今,机器人可以协助医护人员为老年患者提供护理,老年患者在COVID-19大流行期间构成了特别脆弱的人群。以前的工作,以用户为中心的辅助技术设计在长期护理设施的老年人已经确定了积极的影响。应对COVID-19疫情影响的需要强调了这种方法的好处,但也突出了一些新的挑战,机器人可能是在LTC设施中部署的有趣解决方案。这需要定制电信和音频/视频/数据处理,以满足特定的临床要求和需求。本文介绍了OpenTera,一个开源的远程医疗框架,旨在方便软件和机器人设计师的原型设计这样的解决方案。OpenTera被设计为一个面向微服务的平台,是一个端到端的解决方案,它采用了一系列独立的模块来完成数据和会话管理、远程医疗、日常辅助任务/操作以及智能设备和环境等任务,所有这些都通过框架连接起来。在解释了框架之后,我们说明了如何使用OpenTera来实现LTC设施和家庭中确定的不同应用的机器人解决方案,并描述了我们计划如何通过现场试验来验证它们。
2021-03-10 cs.HC cs.RO
Design Optimizer for Planar Soft-Growing Robot Manipulators
Kadir Has University(卡迪尔哈斯大学)
本文提出一种基于进化算法和秩划分的软体生长机器人设计优化方法,通过多目标转单目标优化运动学链,实现高精度、低资源消耗的操纵任务。
2023-12-09 cs.AI cs.RO
How to Model Brushless Electric Motors for the Design of Lightweight Robotic Systems
University of Michigan(密歇根大学);Massachusetts Institute of Technology(麻省理工学院);University of Pennsylvania(宾夕法尼亚大学);North Carolina State University(北卡罗来纳州立大学);Dephy Inc.(Dephy公司)
本文面向轻型机器人设计,系统梳理 BLDC 电机的控制方程与功率不变 q 轴等效建模方法,并指出数据手册术语和参数误用导致的常见计算错误。
2023-09-29 cs.RO
A Matter of Height: The Impact of a Robotic Object on Human Compliance
Media Innovation lab, Reichman University, Herzliya(媒体创新实验室,雷赫曼大学,海法)
本研究通过模块化设计的非人形机器人服务台,探究机器人高度对人类服从行为的影响,发现矮机器人(95厘米)比高机器人(132厘米)更能促使参与者自愿完成繁琐问卷,揭示人机交互中高度影响模式与人类社交动态相反,提示设计师不能直接照搬人类社会规则到机器人设计。
2025-09-19 cs.HC cs.RO
Hybrid Approach to Automation, RPA and Machine Learning: a Method for the Human-centered Design of Software Robots
DPC Polska(DPC波兰公司);Kobo Association(Kobo协会);University of Warsaw, ICM(华沙大学ICM)
工业4.0中最突出的趋势之一是采用机器人过程自动化(RPA),特别是作为精益方法的要素之一。RPA的全面实施充满了挑战,这些挑战既与日常业务运营的现实有关,从中小企业到SSC及其他,也与不断变化的就业市场的社会影响有关。为了成功解决这些问题,需要开发一种解决方案,以适应现有的业务运营,同时降低自动化过程的负面社会影响。为了实现这些目标,我们提出了一个混合的,以人为中心的方法来开发软件机器人。这种设计和实施方法将Living Lab方法与参与式设计的授权相结合,以启动混合软件机器人的共同开发和共同维护,该混合软件机器人在各种人工智能方法和工具的支持下,包括云中的交互和协作ML,将卑微的工作岗位转变为更高技能的职位,允许前员工继续担任机器人共同设计师和维护者,也就是说,作为共同程序员,他们使用定制的高级RPA领域特定语言(DSL)来监督机器学习过程,以调整机器人的功能并保持操作灵活性。
2018-11-06 cs.CY cs.LG cs.RO
DREAM Architecture: a Developmental Approach to Open-Ended Learning in Robotics
CNRS(法国国家科学研究中心);ISIR(智能系统与机器人研究所);U2IS(U2IS实验室);INRIA Flowers(法国国家信息与自动化研究所Flowers团队);ENSTA(法国国立高等先进技术学院);Institut Polytechnique Paris(巴黎理工学院);University of Edinburgh(爱丁堡大学)
机器人仍然局限于受控条件,机器人设计师知道足够的细节,赋予机器人适当的模型或行为。学习算法增加了一些灵活性,能够发现适当的行为,给出一些演示或奖励,以通过强化学习算法指导其探索。强化学习算法依赖于定义可达行为的状态和动作空间的定义。它们的适应能力关键取决于这些空间的表示:小而离散的空间导致快速学习,而大而连续的空间具有挑战性,要么需要很长的训练期,要么阻止机器人收敛到适当的行为。除了政策执行的操作周期和学习周期,它的工作在一个较慢的时间尺度,以获得新的政策,我们介绍了重新描述周期,第三个周期工作在一个更慢的时间尺度,以生成或适应所需的表示机器人,它的环境和任务。我们介绍了这个周期所提出的挑战,我们提出了梦想(自主机器中的经验延迟重构),一个发展的认知架构,以逐步引导这个重新描述过程,建立新的状态表示与适当的动机,并跨域或任务,甚至跨机器人转移所获得的知识。我们描述了迄今为止用这种方法获得的结果,并最终讨论了它在神经科学中提出的问题。
2020-05-13 cs.AI cs.LG cs.NE
A Computational Multi-Criteria Optimization Approach to Controller Design for Physical Human-Robot Interaction
College of Engineering, Koc University(科奇大学工程学院);RACE UKAEA(英国原子能管理局RACE);Faculty of Engineering and Natural Sciences, Sabanci University(萨班哲大学工程与自然科学学院)
物理人机交互(physical human-robot interaction,pHRI)融合了操作者和机器人在物理交互任务中的优势,旨在提高任务性能。然而,实现安全和透明操作的交互控制器的设计是具有挑战性的,主要是由于这些目标的矛盾性质。知道达到完美的透明度实际上是不可能实现的,允许在这些目标之间更好地折衷的控制器是期望的。在本文中,我们提出了一个多准则优化框架,联合优化的稳定性鲁棒性和透明性的闭环pHRI系统的给定的相互作用控制器。特别是,我们提出了一个帕累托优化框架,允许设计师作出明智的决定,通过彻底研究稳定性鲁棒性和透明度之间的权衡。建议的框架包括搜索的离散控制器参数空间计算的Pareto前曲线和选择的控制器参数,通过研究这个权衡曲线,产生最大的可达到的透明度和稳定性鲁棒性。所提出的框架不仅导致最优控制器的设计,而且还可以在不同的交互控制器之间进行公平的比较。为了证明所提出的方法的实际使用,整数阶和分数阶导纳控制器的研究作为一个案例研究和分析和实验比较。实验结果验证了所提出的设计框架,并表明分数阶导纳控制器下实现的透明性高于整数阶,当两个控制器的设计,以确保相同的稳定性鲁棒性水平。
2020-06-19 cs.HC cs.RO