Solving Service Robot Tasks: UT Austin Villa@Home 2019 Team Report
University of Texas at Austin(德克萨斯大学奥斯汀分校)
RoboCup@Home是一项国际机器人比赛,基于需要与各种人工智能技术相关的自主能力的国内任务。研究挑战的动机,这些任务都在个别技术和子系统集成到一个功能齐全,强大的自主系统的水平。我们描述了UT Austin Villa 2019 RoboCup@Home团队所取得的进展,由于在统一系统内完成的任务的广度,这代表了基于AI的HRI向前迈出的重要一步。介绍了比赛任务,他们依赖的组件技术,我们的初步方法,无论是组件和它们的集成,以及未来的研究方向。
2019-09-14 cs.AI cs.RO
A Learned Stereo Depth System for Robotic Manipulation in Homes
Toyota Research Institute(丰田研究所)
我们提出了一种被动立体深度系统,该系统可以在30 ms内以2560x2048的分辨率产生针对人类环境优化的密集和准确的点云,包括黑暗,无纹理,薄,反射和镜面反射的表面和物体,具有384个视差。该系统由一种算法组成,该算法将学习的立体匹配与工程滤波,训练和数据混合方法相结合,和传感器硬件设计。我们的架构比在Middlebury和Flying Things Stereo Benchmarks上执行的方法快15倍。为了有效地监督该模型的训练,我们结合了使用现成的深度传感器标记的真实数据,以及许多不同的渲染,模拟标记数据集。我们通过以深度图和点云的形式呈现大量定性结果、验证我们系统的度量准确性的实验以及与其他传感器在具有挑战性的物体和场景上的比较来展示我们系统的有效性。我们还展示了我们的算法与使用Middlebury和FlyingThings数据集的最先进的学习模型相比的竞争力。
2021-09-23 cs.AI cs.CV cs.LG
ELLA: Generative AI-Powered Social Robots for Early Language Development at Home
Johns Hopkins University(约翰霍普金斯大学)
本文提出ELLA,一种基于生成式AI的社交机器人,通过互动讲故事、家长选择的语言目标和支架对话支持早期语言发展,通过家庭工作坊和实地部署验证其设计有效性。
2026-03-12 cs.AI cs.HC
Longitudinal Robot Learning from Demonstration with Care Providers in a Home Environment
Georgia Institute of Technology(佐治亚理工学院)
本研究针对居家环境中无专家反馈时非专业照护者教机器人的障碍,采用预训练与自适应反馈开展多轮人体实验,拟开源相关LfD辅助任务数据集。
2026-08-27 cs.HC cs.RO
Go Big or Go Home: Simulating Mobbing Behavior with Braitenbergian Robots
本文通过Webots平台模拟布拉提恩格机器人在面对光源时的群体排斥行为,探讨了叫声范围和机器人数量对群体攻击成功率的影响。
2026-04-01 cs.AI cs.RO
TRAIL Team Description Paper for RoboCup@Home 2023
The University of Tokyo(东京大学)
东京大学TRAIL团队依托机器学习研究经验构建家用服务机器人,在2023年RoboCup@Home中整合三项前沿技术,并搭建社区数据管理平台以推动领域研究。
2023-10-05 cs.RO
ManiSkill-HAB: A Benchmark for Low-Level Manipulation in Home Rearrangement Tasks
Hillbot Inc.(希尔伯特公司);University of California, San Diego(加利福尼亚大学圣迭戈分校)
该论文提出了MS-HAB基准,通过GPU加速和轨迹过滤实现高效的家庭整理低级操作数据生成,并训练了RL和IL基线。
2025-02-28 cs.AI cs.CV cs.LG
World Robot Challenge 2020 -- Partner Robot: A Data-Driven Approach for Room Tidying with Mobile Manipulator
The University of Tokyo(东京大学);Matsuo Institute(松尾研究所)
使用移动机械手整理家庭环境对机器人技术提出了各种挑战,例如适应大的现实环境变化,以及在人类在场的情况下安全可靠地部署。世界机器人挑战赛(WRC)2020中的伙伴机器人挑战赛于2021年9月举行,是一项全球比赛,以真实家庭环境中的整理任务为基准,重要的是,针对这一挑战,我们开发了一套完整的家庭服务机器人系统,该系统利用数据驱动的方法来适应执行过程中出现的众多边缘情况,而不是传统的手动预编程解决方案。在本文中,我们描述了建议的机器人系统的核心成分,包括视觉识别,对象操作,和运动规划。我们的机器人系统获得了二等奖,验证了数据驱动的机器人系统在家庭环境中移动操作的有效性和潜力。
2022-07-22 cs.AI cs.CV cs.LG
OpenBot-Fleet: A System for Collective Learning with Real Robots
Intel Labs(英特尔实验室)
本研究提出开源云机器人系统OpenBot-Fleet,通过智能手机、云平台与低成本轮式机器人的架构实现集群导航策略学习,72台机器人的家庭场景实验验证其在未知环境中导航成功率超80%,为可扩展的大型持续学习机器人集群部署提供了低成本方案。
2024-05-13 cs.AI cs.LG cs.RO
A Human-Robot Mutual Learning System with Affect-Grounded Language Acquisition and Differential Outcomes Training
University of Cambridge(剑桥大学);University of Gothenburg(哥德堡大学);CY Cergy Paris University(CY塞尔吉-巴黎大学);ENSEA(国立高等电子及应用学院);CNRS(法国国家科学研究中心);Vrije Universiteit Brussel(布鲁塞尔自由大学)
本文提出一种基于情感奠基语言习得与差异化结果训练(DOT)的人机互学习系统,通过机器人提供基于内部需求的差异化反馈,显著提升了人类学习效率与机器人语言习得的收敛率,并促进了积极的情感连接与潜在的认知干预应用。
2023-10-20 cs.AI cs.CL cs.HC
NOPA: Neurally-guided Online Probabilistic Assistance for Building Socially Intelligent Home Assistants
MIT(麻省理工学院)
在这项工作中,我们研究如何建立社会智能机器人,以帮助人们在他们的家中。特别是,我们专注于在线目标推理的辅助,机器人必须同时推断人类的目标以及如何帮助他们实现这些目标。现有的辅助方法要么缺乏调整帮助策略的适应性(即,何时以及如何帮助),以响应关于目标的不确定性或在大目标空间中进行快速推理的可扩展性。我们的NOPA(神经引导在线概率辅助)方法解决了这两个挑战。NOPA包括(1)一个在线目标推理模块,它将神经目标建议与逆规划和粒子滤波相结合,用于在不确定性下进行鲁棒推理,以及(2)一个帮助规划器,用于发现有价值的子目标以帮助并意识到目标推理中的不确定性。我们在一个新的具体的人工智能援助挑战中将NOPA与多个基线进行比较:在线观察和帮助,其中助手代理需要同时观察主代理的动作,推断其目标,并帮助在现实的虚拟家庭环境中更快地执行常见的家庭任务。实验表明,我们的助手代理鲁棒更新其目标推理,并适应其帮助计划的变化水平的不确定性。
2023-01-12 cs.AI cs.LG cs.MA
Reducing Latency in LLM-Based Natural Language Commands Processing for Robot Navigation
Technological University of Uruguay(乌拉圭技术大学);National Technological University(国家技术大学);Federal University of Rio Grande(里约格兰德联邦大学)
本研究提出将ChatGPT与ROS 2直接集成且无需中间件,在Gazebo仿真中使机器人响应文本和语音命令,将通信延迟平均降低7.01%,提升了人机交互的实时性与可用性。
2025-05-29 cs.AI cs.RO
Artificial Hormone Reaction Networks: Towards Higher Evolvability in Evolutionary Multi-Modular Robotics
Karl-Franzens University Graz(格拉茨卡尔·弗朗岑斯大学)
机器人控制器软件的半自动或自动合成既令人满意又具有挑战性。通过应用人工进化来合成相当简单的行为,例如避免碰撞,已经多次展示。然而,这种合成的难度随着机器人应该执行的任务的复杂性的增加而大大增加。我们试图解决这个问题的复杂性与人工稳态激素系统(AHHS),它提供了内在的,稳态的过程和(瞬态)内在的,变异的行为。通过使用AHHS,对预定义的控制器拓扑或关于应用领域的信息的需要被最小化。我们研究了控制器的原理设计和激素网络大小如何影响人工进化的整体性能(即,进化性)。这是通过比较AHHS的两种变体来完成的,这两种变体在突变时显示出不同的效果。我们进化了一个机器人的控制器,该机器人由五个自主合作的模块组成。期望的行为是通过使用模块的主铰链导致快速运动的步态形式。
2010-11-17 cs.AI cs.NE cs.RO
Verbal Programming of Robot Behavior
IBM T.J. Watson Research(IBM托马斯·J·沃森研究中心)
家用机器人可能具有许多复杂的内置功能,但是每个用户和环境都需要一定程度的定制。理想情况下,这应该通过一次性学习来完成,因为收集统计推断所需的大量示例是乏味的。一种特别吸引人的方法是通过语音向机器人简单地解释它应该做什么。在本文中,我们描述了ALIA认知架构,能够有效地将用户提供的建议和禁令,以这种方式。相关视频说明了在小型机器人上实现的系统的功能。
2019-11-21 cs.AI cs.RO
EasyMimic: A Low-Cost Framework for Robot Imitation Learning from Human Videos
AIM3 Lab, Renmin University of China(中国人民大学人工智能实验室)
EasyMimic通过低成本框架实现机器人从人类视频快速学习操控策略,减少对昂贵数据的依赖,推动家庭机器人发展。
2026-02-12 cs.RO
From virtual demonstration to real-world manipulation using LSTM and MDN
University of Central Florida(中佛罗里达大学)
帮助残疾人或老年人的机器人必须执行复杂的操作任务,并且必须适应家庭环境和用户的偏好。示教学习是一个很有前途的选择,它允许非技术用户教机器人不同的任务。然而,在残疾用户的家庭环境中收集演示是耗时的,破坏用户的舒适度,并且提出了安全挑战。期望在虚拟环境中执行演示。在本文中,我们描述了一个具有挑战性的问题,从虚拟演示的物理机器人的行为转移的解决方案。虚拟演示用于训练基于深度神经网络的控制器,其使用长短期记忆(LSTM)递归神经网络来生成轨迹。训练过程使用混合密度网络(MDN)来计算适合演示的多模态性质的误差信号。在虚拟环境中学习的控制器被转移到物理机器人(Rethink Robotics Baxter)。一个现成的视觉组件用于替代模拟中可用的几何知识,一个逆运动学模块用于使Baxter制定轨迹。我们的实验研究验证了本文的三个贡献:(1)从虚拟演示中学习的控制器可以用于在物理机器人上成功执行操作任务,(2)LSTM+MDN架构选择优于其他选择,例如使用前馈网络和基于均方误差的训练信号,以及(3)在训练集中允许不完美的演示也允许控制器学习如何校正其操纵错误。
2017-11-22 cs.AI cs.LG cs.RO
IROS 2019 Lifelong Robotic Vision Challenge -- Lifelong Object Recognition Report
City University of Hong Kong(香港城市大学);Tsinghua University(清华大学);Beijing University of Posts and Telecommunications(北京邮电大学);Wuhan University(武汉大学);ContinualAI Research(ContinualAI研究院);University of Bologna(博洛尼亚大学);University of Hamburg(汉堡大学);Intel Labs(英特尔研究院)
本报告总结了IROS 2019-终身机器人视觉竞赛(终身物体识别挑战赛)以及$8$决赛选手(来自超过$150$团队)的方法和结果。竞赛数据集(L)ifel(O)ng(R)obotic V(IS)ion(OpenLORIS)- Object Recognition(OpenLORIS-object)旨在推动机器人视觉领域的终身/持续学习研究和应用,包括家庭、办公室、校园和商场场景中的日常物体。该数据集明确量化了照明、对象遮挡、对象大小、相机-对象距离/角度和杂波信息的变量。规则的目的是量化的机器人视觉系统的学习能力时,面对的对象出现在动态环境中的比赛。单个报告、数据集信息、规则和发布的源代码可以在项目主页上找到:“https://lifelong-robotic-vision.github.io/competition/”。
2020-04-26 cs.CV cs.LG cs.RO
Reducing Human-Robot Goal State Divergence with Environment Design
Colorado State University(科罗拉多州立大学);Technion-Israel Institute of Technology(以色列理工学院(以色列理工学院))
提出目标状态分歧(GSD)指标量化人机目标差异,并设计人机目标对齐(HRGA)问题寻找最小环境修改方案以减少危险副作用,在标准基准上验证了有效性。
2024-04-10 cs.AI
Reducing Risk for Assistive Reinforcement Learning Policies with Diffusion Models
针对辅助机器人的安全性需求,本研究提出一种无需额外环境交互即可提升高风险策略安全性的方法,结合强化学习与模仿学习,经模拟实验验证可增强传统RL方法在辅助机器人任务中的表现。
2024-05-13 cs.AI cs.RO
"Is it always watching? Is it always listening?" Exploring Contextual Privacy and Security Concerns Toward Domestic Social Robots
Duke University(杜克大学)
本研究通过19次半结构化访谈,探讨了美国用户对家庭社交机器人的安全与隐私担忧,发现用户期望透明的数据收集指示器、有形的隐私控制及符合情境的功能,以支持设备普及。
2025-07-16 cs.AI cs.CR cs.CY
Fairness-Sensitive Policy-Gradient Reinforcement Learning for Reducing Bias in Robotic Assistance
Kent State University(肯特州立大学);George Washington University(乔治华盛顿大学)
针对机器人辅助服务中对不同人群的决策偏见,提出FSPGRL自反思策略梯度方法,通过检测异常梯度更新并修正策略,在餐厅服务实验中验证其可抑制偏见并提升公平性。
2023-06-07 cs.RO
LHManip: A Dataset for Long-Horizon Language-Grounded Manipulation Tasks in Cluttered Tabletop Environments
Istituto Italiano di Tecnologia (IIT)(意大利技术研究院);Queensland University of Technology(昆士兰科技大学)
本文构建 LHManip 真实机器人数据集,提供20类长时程多步骤语言指令操作任务及176,278个观测-动作对,以支持家居场景下的语言条件策略学习。
2024-07-01 cs.AI cs.RO
"Don't forget to put the milk back!" Dataset for Enabling Embodied Agents to Detect Anomalous Situations
Amazon Science(亚马逊科学);University of Maryland(马里兰大学)
本文提出 SafetyDetect 数据集,包含 1000 个异常家庭场景,利用大语言模型结合场景图表示和对象关系,使具身智能体能够检测危险或不卫生的异常情况,在数据集和真实机器人实验中均表现优异。
2024-04-12 cs.CV cs.RO
Fuzzy inference based mentality estimation for eye robot agent
Tokyo Institute of Technology(东京工业大学)
家用机器人需要以友好的方式与人类交流。为了更好地理解所显示的信息,信息的重要性和确定性应该与主要信息一起传达。所提出的意图表达系统旨在使用眼睛机器人来传达此附加信息。眼睛运动被表示为愉悦唤醒空间模型中的状态。根据显示信息的重要性和确定性,通过模糊推理计算模型状态的变化。这种变化影响了空间中的觉醒-睡眠坐标,该坐标对应于交流的活跃性。眼睛机器人为吉祥物机器人系统提供了一个基本的接口,吉祥物机器人系统是一个易于理解的信息终端,用于人性化社会中的家庭环境。
2009-04-10 cs.AI cs.HC cs.RO
Intent expression using eye robot for mascot robot system
Tokyo Institute of Technology(东京工业大学);AIST Japan(日本国立研究开发法人产业技术综合研究所)
从人机工程学的角度,提出了一种基于眼睛机器人的吉祥物机器人系统的意图表达系统。本发明的目的是为信息终端机器人系统提供一种基本的接口方法。为了更好地理解所显示的信息,信息的重要性和确定性程度应与主要内容一起传达。所提出的意图表达系统旨在使用眼睛机器人系统来传达该附加信息。眼睛运动被表示为愉悦唤醒空间模型中的状态。根据显示信息的重要性和确定性程度,通过模糊推理计算模型状态的变化。这些变化影响了空间中的觉醒-睡眠坐标,该坐标对应于交流期间的活跃程度。眼睛机器人为吉祥物机器人系统提供了一个基本的接口,它很容易被理解为一个用于人类社会中家庭环境的信息终端。
2009-04-10 cs.AI cs.HC cs.RO
Inverse Reinforcement Learning with Multi-Relational Chains for Robot-Centered Smart Home
在以机器人为中心的灵巧家庭中,机器人通过自身的传感器观察家庭状态,然后它可以根据操作者的命令改变某些对象状态进行远程操作,或者模仿操作者在房屋中的行为进行自主操作。为了模拟机器人在动态室内环境中模仿操作者的行为,我们使用多关系链来描述环境状态的变化,并应用逆强化学习来编码操作者的行为,并学习奖励函数。我们实现了这种方法与移动机器人,并做了五个实验,包括增加训练天,对象数量和动作类型。此外,还实现了一种直接记录操作者行为的基线方法,并对原位状态评估的准确性和机器人动作选择的准确性进行了比较。实验结果表明,该方法能较好地处理动态环境,更准确地指导机器人在室内的动作。
2015-04-18 cs.LG cs.RO
Do We Need iPhone Moment or Xiaomi Moment for Robots? Design of Affordable Home Robots for Health Monitoring
Newcastle Business School, Northumbria University(诺森比亚大学纽卡斯尔商学院);Google(谷歌公司);School of Computing, Newcastle University(纽卡斯尔大学计算机学院)
本研究针对家用机器人经济性与功能性难以兼顾的问题,提出利用边缘计算技术和手机等现有计算资源,设计面向家庭健康监测的先进且经济易用的家用机器人解决方案。
2024-09-25 cs.RO
Privacy at Home: an Inquiry into Sensors and Robots for the Stay at Home Elderly
University of Oslo(奥斯陆大学);Østfold University College(东福尔大学学院)
未来的老年人将使用智能家居技术、传感器和机器人,在家里呆得更久。家中的隐私对这些老人来说很重要。在这篇探索性的论文中,我们研究了对隐私的不同理解,并使用Palen和Dourish的框架来研究人类在家中,机器人及其传感器之间边界的隐私谈判。我们选择了三个困境:打开和关闭传感器,机器人看穿墙壁,以及机器学习。我们讨论了这些困境,并讨论了机器人如何帮助老年人更好地意识到隐私问题并建立信任。
2020-03-25 cs.HC cs.RO
IoHRT: An Open-Source Unified Framework Towards the Internet of Humans and Robotic Things with Cloud Computing for Home-Care Applications
University of Bristol(布里斯托大学);Bristol Robotics Laboratory(布里斯托机器人实验室)
人口老龄化加速导致对家用机器人的需求不断增加,以减轻护理人员的负担。物联网(IoT)、机器人技术和人机交互(HRI)技术的集成对于家庭护理应用至关重要。虽然机器人物联网(IoRT)的概念已被用于各个领域,但大多数现有的IoRT框架缺乏符合人体工程学的HRI接口,并且仅限于特定任务。本文提出了一种基于云计算的开放源代码的人与机器人物联网(IoHRT)统一框架,该框架将个性化的HRI接口与智能机器人和物联网技术相结合。这个开源框架具有高度的安全性、兼容性和模块化,允许无限制的用户访问。进行了两个案例研究,以评估拟议的框架的功能,评估其有效性在家庭护理的情况。用户的反馈是通过问卷调查收集的,这表明IoHRT框架在家庭护理应用方面具有很大的潜力。
2023-03-07 cs.RO
Astro, I'm Home! Investigating Factors that Influence the Acceptance of Home Robots Using Supervised Machine Learning
University of Southern California(南加州大学)
本研究运用正则化技术(如Lasso和Ridge回归)分析影响社交机器人接受度的因素,发现绩效期望、社会影响和享乐动机是使用意图的最强预测因子,并识别出可用性、信任和能力等新变量。
2026-05-21 cs.CY cs.HC cs.RO
Digital Twin System for Home Service Robot Based on Motion Simulation
Shandong University(山东大学);University of California, Berkeley(加州大学伯克利分校)
针对家庭服务机器人在线决策与环境感知受限的问题,提出基于运动仿真的数字孪生系统,通过几何、物理和功能三维映射构建模型,验证了其准确性与实用性。
2023-09-12 cs.RO
Bringing Robots Home: The Rise of AI Robots in Consumer Electronics
Huawei Canada(华为加拿大公司);University of Ottawa(渥太华大学);Shopify Inc.(Shopify公司);Millennium Institute(千禧年研究所);MBZUAI(穆罕默德·本·扎耶德人工智能大学)
本文关注NVIDIA Project GR00T和Tesla Optimus Gen 2等人形机器人进展,探讨消费级家庭机器人兴起的背景与挑战。
2024-03-21 cs.MM cs.RO
Older Adults' Task Preferences for Robot Assistance in the Home
Johns Hopkins University(约翰霍普金斯大学)
人工智能技术可以帮助完成家庭任务,有可能帮助老年人在适当的地方变老。特别是机器人辅助已被应用于为独立生活在家中的老年人提供身体和认知支持。调查、问卷和小组访谈被用来了解老年人希望机器人帮助他们完成哪些任务。我们建立在以前的工作,探索老年人的任务偏好机器人协助通过现场采访位于老年人的老龄化背景。我们的研究结果支持先前工作的结果,表明老年人对机器人的社会和护理相关支持的物理帮助的偏好,并表明他们在采用机器人辅助时对控制的偏好,同时强调了可能影响他们偏好的各种个人约束,边界和需求。
2023-02-24 cs.HC cs.RO
Direct learning of home vector direction for insect-inspired robot navigation
Delft University of Technology(代尔夫特理工大学)
本文提出一种受昆虫学习飞行启发的机器人导航方法,利用紧凑卷积神经网络从视觉感知中直接学习归巢向量方向,并在模拟与真实森林环境中验证了成功归巢及误差低于90°的有效性。
2024-05-06 cs.CV cs.RO
Exploring home robot capabilities by medium fidelity prototyping
Halmstad University(哈尔姆斯塔德大学);RISE Viktoria(RISE Viktoria 研究院);Örebro University(厄勒布鲁大学);University of Skövde(舍夫德大学)
为了让自主机器人能够支持人们在家庭和日常环境中的福祉,需要新的交互能力,正如迪士尼最近在流行小说中使用的机器人角色Baymax的软设计所证明的那样。家用机器人将被要求易于互动和智能-适应性强,有趣,不引人注目,不需要太多的动力和维护-并且能够在日常和紧急情况下执行有用的任务。本文采用了一种探索性的中等保真度原型设计方法来测试一些新的机器人功能,这些功能包括识别人们的活动和意图,以及以一种对人们透明的方式行事。结果进行了讨论,目的是通知下一个设计。
2017-10-09 cs.HC cs.RO
RoboCup@Home Education 2020 Best Performance: RoboBreizh, a modular approach
Lab-STICC(Lab-STICC实验室);CNRS(法国国家科学研究中心);CERVVAL;CROSSING
每年,Robocup@Home比赛都会挑战团队和机器人的能力。2020年,RoboCup@Home Education挑战赛在线组织,改变了通常的比赛规则。在本文中,我们介绍了导致RoboBreizh团队赢得比赛的最新进展。这些开发包括几个相互连接的模块,使Pepper机器人能够理解,行动和适应当地环境。导航和对话采用了最新的现有技术。第一个贡献包括结合目标检测和姿态估计技术来检测用户的意图。第二个贡献是使用演示学习来轻松学习新的动作,以提高Pepper机器人的技能。该提案获得了2020年RoboCup@Home教育挑战赛的最佳表现奖。
2021-07-07 cs.AI cs.RO
A Scenario-Based Mobile Application for Robot-Assisted Smart Digital Homes
Razi University(拉齐大学)
灵巧家庭越来越受欢迎,因为每天都有新的家用电器可以数字控制。智能数字家庭使用服务器在一个地方,在计算机或网页上与所有可能的设备进行交互。在本文中,我们设计和实现了一个移动应用程序,使用Windows Mobile平台,可以连接到一个灵巧家庭的控制服务器,并授予访问灵巧家庭设备和机器人无处不在。UML图来说明应用程序的设计过程。机器人也被认为是能够与其他物体和设备进行交互的设备。场景被定义为一组顺序操作,以帮助在一个地方管理不同的任务。移动应用程序可以使用GPRS移动互联网和短消息系统(SMS)连接到服务器。交互式家庭地图也被设计为更容易的状态检查和使用移动电话与设备交互。
2010-09-27 cs.RO
Context-Aware Risk Estimation in Home Environments: A Probabilistic Framework for Service Robots
Department of Robotics, Graduate School of Engineering, Tohoku University(机器人系、工程研究生院、东大)
本文提出一种基于语义图传播的概率框架,通过物体级风险与上下文建模实现家庭场景中事故易发区域的实时估计,在人工标注数据集上达到75%的风险检测准确率,为服务机器人提供可解释的主动安全决策基础。
2025-08-27 cs.CV cs.RO
Learning Quiet Walking for a Small Home Robot
ETH Zurich(苏黎世联邦理工学院);Sony Group Corporation(索尼集团公司);National University of Singapore(新加坡国立大学);Nara Institute of Science and Technology(奈良科学技术研究所);The University of Tokyo(东京大学)
针对家用四足机器人行走噪音问题,提出基于仿真到现实迁移的强化学习方法,通过学习PD增益、利用接触传感器和课程学习降低脚部接触速度,实现更安静行走并兼顾鲁棒性。
2025-02-28 cs.RO
Towards Cognitive Robots That People Accept in Their Home
Georgia Institute of Technology(佐治亚理工学院)
对于辅助机器人来说,在部署之前对所有功能进行预编程是很困难的。相反,它是更现实的机器人执行补充,现场学习用户的需求和偏好,以及环境的特殊性。这种额外的学习对于在住宅或辅助生活设施中协助个性化护理活动的护理机器人特别有帮助。由于每个护理接收者都有独特的需求,这些需求可能会随着时间的推移而变化,机器人需要适应和现场学习的能力。在这项工作中,我们提出的研究设计,调查观察机器人学习对最终用户的影响。我们将评估用户对在家中进行一些学习的机器人的态度,与机器人完全有能力的基线条件相比。我们还将比较不同的学习模式,以确定是否有一些更容易灌输信任。
2022-10-17 cs.HC cs.RO
Designing Commercial Therapeutic Robots for Privacy Preserving Systems and Ethical Research Practices within the Home
UC Berkeley(加州大学伯克利分校)
机器人从实验室迁移到敏感的家庭环境中作为商业上可用的治疗剂代表了信息隐私和道德要求的重大转变。我们提出了新的隐私范例,并应用公平信息实践(FIPs)调查的关注独特的治疗机器人在私人家庭环境中的位置。然后,我们探讨了研究伦理的重要性和实用性,通过现有的人类受试者研究框架来指导治疗机器人用户的考虑-这对这些平台的持续研究和开发至关重要。隐私和研究道德框架共同提供了两种互补的方法来保护用户,并确保负责任但强大的信息共享,以促进技术发展。我们为实施这些原则提出建议-特别注意适用于弱势个人的具体原则(即,儿童,残疾人或老年人)-促进在私人环境中采用和持续改进长期,负责任和研究支持的机器人技术。
2016-06-29 cs.HC cs.RO
Hibikino-Musashi@Home 2023 Team Description Paper
Kyushu Institute of Technology(九州工业大学);The University of Kitakyushu(北九州市立大学)
本文介绍Hibikino-Musashi@Home团队为参加家庭标准平台联赛开发的技术,包括数据集生成器、开源开发环境及机器人系统,旨在实现协助人类的家政服务机器人,并提出脑启发人工智能系统。
2023-10-19 cs.RO
Supporting Family-School Partnerships with Robot-Facilitated Home-Based Activities
University of Wisconsin--Madison(威斯康星大学麦迪逊分校)
本文探讨了通过社交机器人促进家庭-学校合作的新方法,设计并开发了支持家庭沟通的机器人系统,通过实验证明了机器人在家庭日常生活中的整合效果及使用挑战。
2026-04-27 cs.HC cs.RO
OmniRobotHome: A Multi-Camera Home Platform for Real-Time Human-Robot Interaction
Seoul National University(首尔国立大学);RLWRLD
OmniRobotHome通过多摄像头和双Franka机械臂实现多对多人机协作的实时3D感知与协同动作,解决了近距离交互中的遮挡和状态变化问题,为多对多协作实验提供了可行平台。
2026-10-14 cs.CV cs.RO
Perceptions of Humanoid Robots in Caregiving: A Study of Skilled Nursing Home and Long Term Care Administrators
Kentucky College of Osteopathic Medicine(肯塔基整骨医学院);University of Minnesota Duluth(明尼苏达大学德卢斯分校)
本研究调查了269位nursing home高管对人形机器人的看法,发现他们热衷于探索机器人技术以提升护理能力,但也对成本、人际互动和有效性存在疑虑,强调了战略性实施和全面培训的重要性。
2024-01-04 cs.CY cs.HC cs.RO
Designing Parent-child-robot Interactions to Facilitate In-Home Parental Math Talk with Young Children
University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
针对现有教育数学机器人未整合家长角色的问题,研究设计了支持亲子数学对话的社交机器人功能并开展家庭探索研究,得出了家长对机器人的使用反馈与教育场景亲子机器人互动设计指南。
2023-05-04 cs.HC cs.RO
"It's Not a Replacement:" Enabling Parent-Robot Collaboration to Support In-Home Learning Experiences of Young Children
University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
本文研究家长与机器人协作以支持幼儿家庭学习,开发了学习陪伴机器人原型并在10个家庭中进行用户研究,发现家长希望机器人作为协作者增强育儿活动,提出了家长与机器人协作的概念及设计见解。
2024-03-20 cs.HC cs.RO
Robot Operation of Home Appliances by Reading User Manuals
National University of Singapore(新加坡国立大学)
本文提出 ApBot,通过阅读用户手册、借助 VLM 构建并闭环更新电器的结构化符号模型,使机器人能可靠操作陌生家电,成功率显著优于直接使用大型 VLM。
2025-07-23 cs.AI cs.RO cs.SY
ICRA Roboethics Challenge 2023: Intelligent Disobedience in an Elderly Care Home
Bar Ilan University(巴伊兰大学);Georgia Institute of Technology(佐治亚理工学院);U.S. Naval Research Laboratory(美国海军研究实验室);University of Texas at Austin(德克萨斯大学奥斯汀分校);Sony AI America(索尼AI美国)
针对老年护理院中服务机器人面临的伦理决策问题,提出利用智能不服从框架使机器人能对潜在伦理影响的决策进行深思熟虑,并定义了实现要求。
2023-11-15 cs.AI cs.RO
VRChain: A Blockchain-Enabled Framework for Visual Homing and Navigation Robots
Fordham Univ.(福特汉姆大学)
视觉寻的是一种轻量级的机器人视觉导航方法。基于所存储的家庭位置的视觉信息,可以通过将家庭与当前图像进行比较来从该位置可见的任何其他位置完成回到该位置的导航。然而,视觉寻的的一个关键挑战是,目标起始位置必须在机器人的视场(FOV)内才能开始寻的。因此,这项工作通过将区块链技术集成到视觉导航系统中来解决这一挑战。基于区块链的去中心化特性,该解决方案使视觉寻的机器人能够共享其视觉寻的信息,并同步访问分散式账本中存储的数据(视觉寻的信息)以建立导航路径。导航路径表示存储在账本中的每个机器人的视图序列。如果归属位置不在FOV中,则所提出的解决方案允许机器人找到可以看到归属位置的另一个机器人并朝向该期望位置行进。评估结果表明,所提出的框架在端到端的延迟,吞吐量和可扩展性方面的效率。
2022-06-08 cs.RO
Gaze Behavior During a Long-Term, In-Home, Social Robot Intervention for Children with ASD
Department of Computer Science, Yale University(计算机科学系,耶鲁大学);Center for Child Health, Behavior, and Development, Seattle Children’s Research Institute(儿童健康、行为与发展中心,西雅图儿童研究研究所);Department of Pediatrics, University of Washington School of Medicine(儿科系,华盛顿大学医学院)
本研究探讨为期一个月的家庭内社交机器人干预对ASD儿童注视行为的影响,发现该干预能有效促进儿童与照顾者间的眼神接触和共同注意,且ASD诊断指标可预测注视模式,突显了机器人辅助干预的临床潜力。
2025-01-05 cs.CV cs.RO
Co-STAR: Cognitive Stimulation Therapy by an Autonomous Robot for Dementia -- A One-Week In-Home Study
Imperial College London(伦敦帝国学院)
研究针对痴呆症患者认知疗法应用受限问题,开发并部署能在家自主提供认知刺激疗法的社交机器人,九名患者参与一周研究,结果显示该疗法可行且能提高依从率,凸显家庭成员作用,为痴呆症护理提供可扩展方法。
2026-07-08 cs.RO
Designing a Socially Assistive Robot for Long-Term In-Home Use for Children with Autism Spectrum Disorders
University of Southern California(南加利福尼亚大学)
社会辅助机器人(SAR)的研究已经显示出巨大的潜力,补充和增强自闭症谱系障碍(ASD)儿童的治疗。然而,绝大多数SAR研究仅限于在高度受控的环境中进行的短期研究。设计和开发一个能够长时间自主交互的SAR系统涉及许多工程和计算挑战。本文介绍了一个完全自主的SAR系统的设计,长期,在家里使用的ASD儿童。我们根据鲁棒性和适应性需求解决设计决策,讨论机器人的性格和交互的发展,并提供长达一个月的见解,在家里的数据汇集与自闭症儿童。这项工作有助于一个更大的研究计划,该计划正在探索如何将SAR用于增强ASD儿童的社会和认知发展。
2020-01-22 cs.RO
Understanding Factors that Shape Children's Long Term Engagement with an In-Home Learning Companion Robot
University of Wisconsin–Madison(威斯康星大学麦迪逊分校);University of Illinois Chicago(伊利诺伊大学芝加哥分校)
社交机器人正在成为儿童的学习伙伴,研究表明,即使通过短暂的互动,它们也能促进兴趣和学习的发展。然而,人们对这些技术如何在长期使用和互动的真实环境中支持这些目标知之甚少。我们设计了一个学习伴侣机器人,能够支持儿童阅读科普书籍,通过表达社会和信息的评论。我们在14个有10-12岁孩子的家庭中部署了机器人,为期四周。我们的分析揭示了影响儿童长期参与和采用机器人的关键因素,包括外部因素,如假期,探亲和课外活动;家庭/父母的参与;以及儿童的个人兴趣。我们提出了四个深入的情况下,说明这些因素,并证明他们对儿童的阅读体验的影响,并讨论我们的研究结果对机器人设计的影响。
2022-05-18 cs.HC cs.RO