Exploiting Trust for Resilient Hypothesis Testing with Malicious Robots
Harvard University（哈佛大学）；Princeton University（普林斯顿大学）
我们开发了一个弹性的二元假设检验框架，用于对抗性多机器人群体感知任务的决策。该框架利用机器人之间的随机信任观察，在集中式融合中心（FC）处做出易于处理的弹性决策，即使i）网络中存在恶意机器人并且它们的数量可能大于合法机器人的数量，以及ii）FC使用来自所有机器人的一次性噪声测量。我们推导出两个算法来实现这一点。第一种是两阶段方法（2SA），该方法根据收到的信任观察来估计机器人的合法性，并可证明地最小化最坏情况下恶意攻击的检测错误概率。在这里，恶意机器人的比例是已知的，但是任意的。对于恶意机器人比例未知的情况，我们开发了对抗性广义似然比检验（A-GLRT），该检验使用报告的机器人测量值和信任观察值来同时估计机器人的可信度、报告策略和正确的假设。我们利用特殊的问题结构表明，这种方法仍然是计算易处理的，尽管有几个未知的问题参数。我们在硬件实验中部署了这两种算法，其中一组机器人在模拟道路网络上进行交通状况的人群感知，其精神类似于Google地图，受到Sybil攻击。我们从实际的通信信号中提取每个机器人的信任观察，这些信号提供了关于发送者的唯一性的统计信息。我们表明，即使当恶意机器人占多数，FC可以降低检测错误的概率分别为30.5%和29%的2SA和A-GLRT。
2022-09-25 cs.RO
Exploiting Trust for Resilient Hypothesis Testing with Malicious Robots (evolved version)
Harvard University（哈佛大学）；Bar-Ilan University（巴伊兰大学）；Princeton University（普林斯顿大学）
我们开发了一个弹性的二元假设检验框架，用于对抗性多机器人群体感知任务的决策。该框架利用机器人之间的随机信任观察，在集中式融合中心（FC）处做出易于处理的弹性决策，即使i）网络中存在恶意机器人并且它们的数量可能大于合法机器人的数量，以及ii）FC使用来自所有机器人的一次性噪声测量。我们推导出两个算法来实现这一点。第一种是两阶段方法（2SA），该方法根据收到的信任观察来估计机器人的合法性，并可证明地最小化最坏情况下恶意攻击的检测错误概率。在这里，恶意机器人的比例是已知的，但是任意的。对于恶意机器人比例未知的情况，我们开发了对抗性广义似然比检验（A-GLRT），该检验使用报告的机器人测量值和信任观察值来同时估计机器人的可信度、报告策略和正确的假设。我们利用特殊的问题结构表明，这种方法仍然是计算易处理的，尽管有几个未知的问题参数。我们在硬件实验中部署了这两种算法，其中一组机器人在模拟道路网络上进行交通状况的人群感知，其精神类似于Google地图，受到Sybil攻击。我们从实际的通信信号中提取每个机器人的信任观察，这些信号提供了关于发送者的唯一性的统计信息。我们表明，即使当恶意机器人占多数，FC可以降低检测错误的概率分别为30.5%和29%的2SA和A-GLRT。
2023-03-07 cs.RO
Resilient Temporal Logic Planning in the Presence of Robot Failures
Washington University at St. Louis（圣路易斯华盛顿大学）；University of Pennsylvania（宾夕法尼亚大学）
针对移动机器人团队现有LTL任务规划路径无法应对机器人能力意外故障的问题，提出一种弹性规划算法，通过基于机器人当前可用技能重分配子任务且最小化对现有运动计划的干扰来适配故障，经实验和理论验证兼具效率与弹性。
2023-10-02 cs.RO
A Virtual Mechanical Interaction Layer Enables Resilient Human-to-Robot Object Handovers
Department of Engineering, University of Cambridge（剑桥大学工程系）；Department of Mechanical Engineering, Massachusetts Institute of Technology（麻省理工学院机械工程系）
本文提出虚拟模型控制层和增强现实技术，提升人机物体传递过程中对物体姿态变化的适应能力，并通过实验验证了其在复杂不确定性下的鲁棒性。
2026-04-29 cs.RO
Resilient Motion Planning for Free-Flying Space Robots under Actuator Failures
ETH Zürich（苏黎世联邦理工学院）；KTH Royal Institute of Technology（瑞典皇家理工学院）；Digital Futures
针对自由飞行空间机器人推进器故障，提出基于马尔可夫链和可达集的概率运动规划框架，最大化目标到达概率，并在物理平台上验证了其弹性。
2026-09-18 cs.RO
Resilient robot teams: a review integrating decentralised control, change-detection, and learning
University of Southampton（南安普顿大学）
审核目的：本文回顾了分散控制，变化检测和学习的背景下，弹性机器人团队的机遇和挑战。最近的研究结果：外源性故障检测方法可以提供一个通用的检测或特定的诊断与恢复解决方案。机器人团队可以执行主动和分布式传感，以检测环境中的变化，包括识别和跟踪动态异常，以及协作映射动态环境。分散控制的弹性方法已经在学习感知-动作-通信回路，多智能体强化学习，体现进化，离线进化与在线适应，明确的任务分配和群体机器人中的stigmergy中开发。总结：弹性机器人团队面临的挑战是集成变化检测和试错学习方法，在有限的评估时间内获得可靠的性能评估，提高弹性机器人团队的安全性，理论结果表明快速适应给定的环境扰动，并设计现实和令人信服的案例研究。
2022-04-21 cs.AI cs.RO
Energy-Constrained Resilient Multi-Robot Coverage Control
School of Aeronautics and Astronautics, Purdue University（航空航天学院，普渡大学）
针对多机器人充电导致网络拓扑破坏的覆盖控制问题，提出一种弹性网络设计与控制方法，将系统建模为三模式混合系统，通过设计守卫条件和能量感知方位刚性网络，在满足能量约束下维持连通性并实现期望覆盖性能。
2025-06-28 cs.RO
KC-TSS: An Algorithm for Heterogeneous Robot Teams Performing Resilient Target Search
University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出KC-TSS：K-termed-Traveling Salesman Based Search是一种故障弹性路径规划算法，用于在人类环境中执行目标搜索的异构机器人团队。我们将样本路径生成问题分为异构聚类和多个旅行商问题。这使我们能够为每个代理提供高质量的候选路径（即最小回溯，重叠）的信息理论效用函数。首先，我们从地图知识和目标预测模型中生成候选航点。所有这些候选人根据代理的数量和他们的覆盖空间的能力或覆盖能力进行聚类。每个代理解决一个旅行商问题（TSP）的实例在其分配的集群，然后候选人被馈送到一个效用函数的路径选择。我们进行了广泛的露台模拟和初步部署的真正的机器人在室内搜索和模拟救援场景与静态目标。我们将我们提出的方法与最先进的算法进行比较，并表明我们的方法能够在任务时间内胜过它。我们的方法通过在线重新计算全局团队计划，在单个或多个队友失败的情况下提供弹性。
2022-03-02 cs.RO
Optimal Byzantine Resilient Convergence in Asynchronous Robot Networks
Université Pierre et Marie Curie - Paris 6（巴黎第六大学皮埃尔与玛丽·居里大学）；LIP6-CNRS（巴黎第六大学计算机实验室（法国国家科学研究中心））
我们提出了第一个确定性算法，容忍高达$f$拜占庭故障在$3f+1$大小的网络和异步CORDA模型中执行。我们的解决方案相匹配的容忍拜占庭机器人的数量上的半同步ATOM模型先前建立的下限。我们的算法工作在有界的调度假设下，不经意的机器人在一维空间中移动。
2009-06-03 cs.DC cs.RO
Contact-Prioritized Planning of Impact-Resilient Aerial Robots with an Integrated Compliant Arm
University of California, Riverside（加州大学河滨分校）；Field AI
本文提出了一种配备柔顺臂的冲击弹性空中机器人s-ARQ，结合实时接触力估计器、非线性运动控制器和接触优先规划方法，实现在杂乱环境中高效处理碰撞并稳定机动。
2023-05-24 cs.RO
High-Speed and Impact Resilient Teleoperation of Humanoid Robots
Florida Institute for Human and Machine Cognition（佛罗里达人机认知研究所）；University of West Florida（西佛罗里达大学）；Boardwalk Robotics（Boardwalk机器人公司）
本文提出融合无标定IMU动作重定向、低延迟全身运动学流式工具箱与高带宽摆线执行器的人形机器人遥操作框架，并在Nadia上验证其高速、抗冲击和实时控制性能。
2024-09-06 cs.RO
REALMS2 -- Resilient Exploration And Lunar Mapping System 2 -- A Comprehensive Approach
University of Luxembourg（卢森堡大学）
欧洲航天局（欧空局）和欧洲空间资源创新中心（ESRIC）发起了空间资源挑战赛，邀请研究人员和公司为多机器人系统空间勘探提出创新解决方案。本文提出了弹性探测和月球测绘系统2（REALMS 2），行星勘探和测绘的MRS框架。REALMS 2基于机器人操作系统第2版（ROS 2），并通过可视化同步定位和地图绘制（vSLAM）进行了增强，用于地图生成，REALMS 2使用网状网络构建强大的自组织网络。一个单一的图形用户界面（GUI）控制所有的漫游车，提供了一个简单的概述机器人任务。该系统专为异构多机器人探索任务而设计，以应对外星环境带来的挑战。REALMS 2在ESA-ESRIC挑战赛的第二次现场测试中使用，并允许使用三个同质漫游车绘制大约60%的区域，同时处理通信延迟和停电。
2025-10-30 cs.RO
Failure-Aware Multi-Robot Coordination for Resilient and Adaptive Target Tracking
Department of Electrical and Computer Engineering, Drexel University（德雷塞尔大学电气与计算机工程系）；Institute for Robotics and Intelligent Machines, Georgia Institute of Technology（佐治亚理工学院机器人与智能机器研究所）；GRASP Lab, University of Pennsylvania（宾夕法尼亚大学GRASP实验室）
针对多机器人协调中的感知与通信故障问题，提出统一故障感知协调框架，通过区分临时与永久故障并采用分组中心化与去中心化优化策略，实现弹性自适应目标跟踪，在现实环境中表现稳健。
2025-08-08 cs.RO
Distributed Adaptive and Resilient Control of Multi-Robot Systems with Limited Field of View Interactions
Roma Tre University（罗马第三大学）；Virginia Polytechnic Institute and State University（弗吉尼亚理工学院暨州立大学）
在本文中，我们考虑了两个耦合问题的分布式多机器人系统（MRS）协调与有限的视野（FOV）传感器：自适应调整的互动增益和拒绝传感器的攻击。首先，分布式控制框架的一个典型缺点（例如，势场）的一个缺点是，整个系统行为对分配给相对相互作用的增益高度敏感。其次，具有有限FOV传感器的MRS可能更容易受到针对其FOV的传感器攻击，因此必须对这种攻击具有弹性。基于这些缺点，我们提出了一个全面的解决方案，结合自适应增益调整和攻击弹性的问题，有限的视野MRS的拓扑控制的努力。具体来说，我们首先推导出一个自适应增益调谐方案的基础上满足名义成对的相互作用，这产生了一个动态平衡的相互作用强度在机器人的邻居。然后，我们模型添加剂传感器和执行器的攻击（或故障），并通过采用静态输出反馈技术，保证有限的L2增益的攻击（故障）信号引起的错误，推导出H ∞控制协议。最后，使用ROS Gazebo的模拟结果提供支持我们的理论研究结果。
2021-12-19 cs.RO
Planning and Resilient Execution of Policies For Manipulation in Contact with Actuation Uncertainty
Worcester Polytechnic Institute（伍斯特理工学院）；University of Michigan（密歇根大学）
我们提出了一种方法，用于规划运动的机器人与致动的不确定性，结合与环境的接触和机器人可靠地执行操作任务的遵守。我们的方法由两个阶段组成：（1）使用基于采样的运动规划器生成部分策略，该运动规划器使用基于粒子的不确定性模型以及接触和顺应性的模拟;以及（2）弹性执行，该弹性执行更新计划的策略以考虑执行中可能由模型或环境不准确引起的意外行为。我们已经在模拟的SE（2）和SE（3）环境和Baxter机器人中测试了我们的计划器和策略执行。我们表明，我们的方法有效地生成的政策，以执行操作任务，涉及重大的接触和比较几个简单的方法。此外，我们表明，我们的政策适应是有弹性的重大变化，在执行过程中，例如，增加了一个新的障碍的环境。
2017-04-03 cs.RO
VinePT-Map: Pole-Trunk Semantic Mapping for Resilient Autonomous Robotics in Vineyards
Department of Electronics and Telecommunications, Politecnico di Torino（电子与电信系，托斯纳大学）；PoliTO Interdepartmental Centre for Service Robotics (PIC4SeR)（PoliTO 服务机器人跨部门中心（PIC4SeR））
VinePT-Map通过利用葡萄藤茎和支撑杆作为持久性结构地标，实现葡萄园中鲁棒的自主机器人定位与映射。
2026-03-05 cs.RO
Modular, Resilient, and Scalable System Design Approaches -- Lessons learned in the years after DARPA Subterranean Challenge
Carnegie Mellon University（卡内基梅隆大学）
本文提出一种用于多机器人场景的系统架构，借鉴 DARPA SubT Challenge 经验，强调模块化与互操作性，通过可调自主级别和自适应界面优化操作员体验，并支持新能力的快速开发与野外部署。
2024-04-27 cs.RO
Resilient and Distributed Multi-Robot Visual SLAM: Datasets, Experiments, and Lessons Learned
Massachusetts Institute of Technology（麻省理工学院）；Parsons Corporation（帕森斯公司）
本文改进了分布式多机器人SLAM系统Kimera-Multi以提升其在不可靠通信下的弹性，发布了MIT校园8台机器人8公里的多机器人基准数据集，并定量评估了其相较集中式基线的弹性表现。
2023-04-10 cs.RO
DOOR-SLAM: Distributed, Online, and Outlier Resilient SLAM for Robotic Teams
Polytechnique Montréal（蒙特利尔综合理工学院）；École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）；Massachusetts Institute of Technology（麻省理工学院）
分布式同时定位与地图构建（SLAM）是一种不依赖外部定位系统（如GPS）、信息交换最少的机器人定位技术，它为机器人定位提供了一种实用的解决方案。不幸的是，目前的分布式SLAM系统容易受到感知离群值的影响，因此倾向于使用非常保守的参数进行机器人间的位置识别。然而，过于保守的代价是拒绝许多有效的环路闭合候选，这导致不太准确的轨迹估计。本文介绍了DOOR-SLAM，一个完全分布式的SLAM系统与离群拒绝机制，可以与保守的参数。DOOR-SLAM基于点对点通信，不需要机器人之间的完全连接。DOOR-SLAM包括两个关键模块：姿态图优化器与分布式成对一致测量集最大化算法相结合，以拒绝虚假的机器人间环路闭合;以及分布式SLAM前端，其检测机器人间环路闭合而无需交换原始传感器数据。该系统已在模拟，基准数据集和现场实验中进行了评估，包括在GPS拒绝的地下环境中进行的测试。DOOR-SLAM产生更多的机器人间回路闭合，成功地拒绝异常值，并导致准确的轨迹估计，同时需要低通信带宽。完整的源代码可以在https://github.com/MISTLab/DOOR-SLAM.git上找到。
2019-12-05 cs.RO
KungfuAthleteBot: Learning High-Dynamic Motion from Videos with Unified Robust Recovery
Beijing Institute of Technology（北京理工大学）；QIYUAN Lab（启元实验室）
本文提出KungFuAthlete数据集，通过高动态武术动作训练视频，结合单策略学习实现运动跟踪与跌倒恢复，提升人形机器人在高动态环境中的自主性和鲁棒性。
2026-10-20 cs.RO
Resilient Monitoring in Heterogeneous Multi-robot Systems through Network Reconfiguration
University of Southern California（南加州大学）；Georgia Institute of Technology（佐治亚理工学院）
我们提出了一个框架的弹性网络异构多机器人团队资源故障。团队中的每个机器人都配备了与邻居共享的资源。此外，团队中的每个机器人执行一项任务，其性能取决于它可以访问的资源。当特定机器人上的资源变得不可用时（\eg摄像头停止工作），团队将以最佳方式重新配置其通信网络，以便受故障影响的机器人可以继续执行任务。我们专注于一个监控任务，机器人单独估计一个外源过程的状态。通过定义一个新的更强的可观测性概念-- \textit{one-hop observability}，我们编码了机器人资源损失对团队监控性能的端到端影响。通过抽象的影响，{低级别}个人资源的任务性能，通过一跳可观察性的概念，我们的框架导致原则上重新配置的信息流在团队中，有效地取代一个机器人上丢失的资源与信息从另一个，只要满足一定的条件。网络重构问题转化为资源故障发生后在系统通信图中选择边进行修改的问题。基于有限时间收敛控制障碍函数的控制器将每个机器人驱动到使修改后的图的通信链路成为可能的空间位置。我们验证了我们的框架的有效性，通过部署在一个团队的差分驱动机器人估计的一组四旋翼的位置。
2021-08-07 cs.RO
Resilient Task Allocation in Heterogeneous Multi-Robot Systems
University of Pennsylvania（宾夕法尼亚大学）；Lehigh University（利哈伊大学）
针对一个具有异构能力的多机器人系统，本文提出了一种机制，当异常环境条件如天气事件或对抗攻击影响任务内机器人的性能时，该机制以弹性的方式将机器人分配到任务中。我们的主要目标是确保为每个任务分配必要的资源水平，以分配给任务的机器人的聚合能力来衡量。通过跟踪外部扰动下的任务性能偏差，我们的框架量化了机器人能力（例如，视觉感知或空中机动性）受到环境条件的影响。这使得基于优化的框架能够根据每个任务中最退化的能力灵活地将机器人重新分配给任务。在面对资源的限制和不利的环境条件下，我们的算法最低限度地放松了相应的一些任务的资源约束，从而表现出一个优雅的性能下降。在多机器人覆盖和目标跟踪场景中的仿真实验证明了该方法的有效性。
2021-01-07 cs.MA cs.RO
UMC: Unified Resilient Controller for Legged Robots with Joint Malfunctions
Sichuan University（四川大学）；Shanghai AI Lab（上海人工智能实验室）；Nanyang Technological University（南洋理工大学）；Insta360 Research（影石创新研究院）；Wuhan University（武汉大学）；University of California, Merced（加州大学默塞德分校）
针对腿足机器人关节故障适应问题，提出无模型两阶段训练框架UMC，通过掩码机制实现故障下的自适应步态调整，在三个运动任务中平均提升任务完成能力36%至39%。
2025-02-05 cs.RO
A Robotic Testing Platform for Pipelined Discovery of Resilient Soft Actuators
Department of Mechanical and Industrial Engineering, University of Toronto（多伦多大学机械与工业工程系）；Institute of Materials Science, University of Connecticut（康涅狄格大学材料科学研究所）；School of Mechanical, Aerospace, and Manufacturing Engineering, University of Connecticut（康涅狄格大学机械、航空航天与制造工程学院）；Material Science and Engineering, University of Connecticut（康涅狄格大学材料科学与工程系）；Inorganic Polymers Department, Petru Poni Institute of Macromolecular Chemistry（彼得·波尼宏分子化学研究所无机聚合物部门）
本文提出了一种机器人测试平台，用于流水线发现鲁棒性软执行器的最优参数组合，显著提升其操作寿命和负载能力。
2026-02-24 cs.RO
Quadrotor Formation Flying Resilient to Abrupt Vehicle Failures via a Fluid Flow Navigation Function
University of Michigan（密歇根大学）；University of Arizona（亚利桑那大学）
本文开发和实验评估四旋翼编队飞行的导航功能，是弹性的突然四旋翼故障和其他障碍。导航功能基于将健康的四旋翼建模为理想流体流中的粒子。我们提供了三个关键的贡献：（一）遏制排除模式（CEM）的安全定理和证明，保证安全，并正式规定了四旋翼编队之间的最小安全距离，（二）一个实时的，计算效率高的CEM导航算法，（三）仿真和实验算法验证。首先使用六个虚拟四旋翼团队进行模拟，以通过动态滑动速度演示速度跟踪，保持足够的代理间距离，并实时操作。在室内运动捕捉飞行设施中进行了由两个定制四旋翼组成的团队的飞行测试，成功验证了导航算法可以在保证安全的同时处理非平凡的有界跟踪误差。
2022-03-03 cs.RO
SRIBO: An Efficient and Resilient Single-Range and Inertia Based Odometry for Flying Robots
通常认为，只有当轨迹处于确保可观测性的特定模式时，使用一个惯性测量单元和一个测距传感器进行定位才是可行的。出于这个原因，为了追求可观察的模式，需要在长时间间隔内激发轨迹或搜索关键节点，这通常是高度非线性的，并且还可能缺乏弹性。因此，这种定位方法在现实世界的应用中仍然没有被广泛接受。为了解决这个问题，这项工作首先研究的耗散性质的飞行机器人考虑空气阻力的影响，并重新制定相应的定位问题，保证观测几乎肯定。在此基础上，提出了相应的降维蠕动估计量。该估计器以步进方式滑动估计范围，并且可以基于历史估计序列近似地评估输出矩阵。然后通过使用多项式拟合的降维方法进一步降低计算复杂性。以这种方式，机器人的状态可以通过线性规划在足够长的时间间隔内估计，并且可观测性的程度由此进一步增强，因为对于每个估计都有足够的测量冗余。随后，从理论上证明了估计器的收敛性和数值稳定性。最后，室内和室外的实验验证了所提出的估计器可以达到分米级的精度在数百赫兹每秒，它是弹性的传感器的故障。希望本研究能为合作智能体的自定位以及相对定位提供一种新的实用方法。
2022-11-06 cs.RO
Motion Planning for Collision-resilient Mobile Robots in Obstacle-cluttered Unknown Environments with Risk Reward Trade-offs
University of California, Riverside（加州大学河滨分校）
在未知障碍物杂乱的环境中避免碰撞可能并不总是可行的。本文重点介绍了一种新的范式转变，即可以利用而不是完全避免与环境的潜在碰撞。为此，我们引入了一种新的基于采样的在线规划算法，可以明确地处理与环境碰撞的风险，并可以在碰撞避免和碰撞利用之间切换。规划者的能力的核心是一个新的联合优化功能，使用反射模型评估可能的碰撞的影响。通过这种方式，规划者可以做出与环境碰撞的深思熟虑的决定，如果这种碰撞有望帮助机器人朝着目标前进。为了使算法在线，我们提出了一个状态扩展修剪技术，显着减少了搜索空间，同时确保完整性。该算法的实验评估与内置的内部完整轮式机器人，可以承受碰撞。我们进行了广泛的参数研究，以调查（用户调整）的风险水平之间的权衡，故意碰撞决策，和轨迹统计，如时间，以达到目标和路径长度。
2020-09-04 cs.RO
Enhancing Social Robots through Resilient AI
Hero srl, Apulia, Italy University of Bari ``Aldo Moro", Italy
本文提出韧性是社交机器人的关键特性，通过确保在不利条件下维持操作能力来增强用户信任，尤其在老年人场景中具有重要意义。
2025-10-24 cs.AI cs.RO
Impact-Resilient Orchestrated Robust Controller for Heavy-duty Hydraulic Manipulators
Tampere University（坦佩雷大学）
针对重型液压机械臂作业易受环境冲击且难以依赖接触力传感器的问题，提出结合神经自适应阻抗控制器与Plücker坐标广义动量观测器的无力传感器抗冲击控制器，经实验验证实现亚厘米级跟踪精度与80%冲击削减。
2024-08-17 cs.RO
Robust and Resilient Soft Robotic Object Insertion with Compliance-Enabled Contact Formation and Failure Recovery
OMRON SINIC X Corporation（OMRON SINIC X公司）
本文提出了一种基于合规性腕部的物体插入方法，通过大变形吸收接触，实现安全接触形成和故障恢复，实验显示在随机条件下成功率高达83%。
2026-05-17 cs.RO
Addressing Non-Intervention Challenges via Resilient Robotics utilizing a Digital Twin
多机器人系统面临着减少人为干预的挑战，因为它们经常部署在危险的环境中。因此，有必要包括一种评估机器人故障率的方法，以减少对昂贵的人工干预的需求。这个问题的解决方案包括能够共同工作以确保任务弹性的机器人。为了防止这种干预，机器人应该能够共同努力，以确保任务的弹性。然而，机器人平台通常缺乏与来自不同供应商的其他平台的内置互连性。这项工作旨在通过双向数字孪生实现功能来解决这个问题。双胞胎使人类操作员能够向多机器人舰队发送信息和从多机器人舰队接收信息。这个数字孪生考虑了任务弹性以及自主和人类主导的决策，以实现多机器人舰队的弹性。这创造了不同机器人的合作、确证和协作，以利用机器人的能力并支持故障机器人的恢复。
2022-11-27 cs.HC cs.RO
Deformation Recovery Control and Post-Impact Trajectory Replanning for Collision-Resilient Mobile Robots
University of California, Riverside（加州大学河滨分校）
本文主要研究了碰撞包容的碰撞恢复移动机器人运动规划。我们提出了一个新的变形恢复和重新规划策略，以处理可能发生的碰撞，在运行时。与仅在保守的局部空间中生成轨迹或需要具有高计算成本的碰撞检查的碰撞避免方法相反，我们的方法直接生成（局部）轨迹，仅施加航点约束。如果发生碰撞，我们的方法然后估计碰撞后的状态，并从那里计算一个中间航路点，以从碰撞中恢复。为了实现这一点，我们开发了两个新的组件：1）变形恢复控制器，优化机器人的状态在碰撞后恢复阶段，和2）后的影响轨迹重新规划器，调整下一个路点的信息，从碰撞的机器人通过，并产生一个基于多项式的最小努力轨迹。该策略进行了实验评估与全方位的冲击弹性轮式机器人。该机器人是在室内设计的，并且它可以借助于在机器人的主底盘和周围的偏转环状结构之间实施的霍尔效应传感器来感知碰撞。
2021-08-04 cs.RO cs.SY eess.SY
Self-Organizing Aerial Swarm Robotics for Resilient Load Transportation : A Table-Mechanics-Inspired Approach
School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院）；Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong（香港中文大学机械与自动化工程系）
针对现有空中集群协同运输方法的可扩展性、通信依赖及抗故障鲁棒性问题，提出受桌腿耗散力学启发的去中心化无通信控制方法，经仿真和真机实验验证其在多扰动场景下精度与鲁棒性显著提升。
2025-09-03 cs.RO
Resilient Consensus via Voronoi Communication Graphs
University of Pennsylvania（宾夕法尼亚大学）；Drexel University（德雷塞尔大学）
共识算法通过使多个机器人仅使用本地通信就能收敛到全局变量的一致估计值，从而形成了许多分布式算法的基础。然而，标准的共识协议很容易被不合作的团队成员引入歧途。因此，弹性形式的共识的研究是必要的设计弹性分布式算法。W-MSR共识是一种这样的弹性共识算法，其允许仅利用通信图的本地知识而没有用于共享的数据的先验模型的弹性共识。然而，一个给定的通信图满足严格的图连接性要求的验证，使W-MSR难以在实践中使用。在本文中，我们表明，在机器人文学中常用的通信图结构，通信图建立在Voronoi镶嵌的基础上，自动结果在一个充分连接的图形拒绝一个单一的非合作的团队成员。此外，我们展示了如何增强此图以拒绝两个不合作的团队成员，并为进一步的弹性修改提供路线图。这一贡献将允许弹性共识轻松应用于已经依赖于基于Voronoi的通信的算法，例如分布式覆盖和探索算法。
2022-09-20 cs.RO
Failure-Resilient Multi-Robot Coordination with $k$-Connectivity Constrained Submodular Maximization
School of Computer Science, University of Southern California（南加州大学计算机学院）；U.S. Army DEVCOM Army Research Laboratory（美国陆军DEVCOM陆军研究实验室）
本文针对多机器人协调中机器人故障导致通信断开的问题，提出鲁棒k连通子模极大化方法，通过Menger连通性约简等技术提供性能保证，经多机器人目标跟踪实验验证有效。
2026-10-12 cs.MA cs.RO
Uncertainty-Resilient Active Intention Recognition for Robotic Assistants
German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI））；Osnabrück University（奥斯纳布吕克大学）；Joint Lab for AI & DS（人工智能与数据科学联合实验室）；Institute of Computer Science（计算机科学学院）
针对机器人助手意图识别中不确定性与感知噪声的挑战，提出一个以意图识别POMDP为核心、整合实时传感器数据与规划器组合的鲁棒框架，并在实体机器人上验证了其有效性。
2025-08-26 cs.AI cs.RO
A System for Fast, Resilient, and Adaptable Loco-Manipulation Behaviors on Humanoid Robots
提出一种机器人本地、运行时可编辑的行为编写与运行系统，结合Coactive Design原则、对象中心Affordance模板、行为树逻辑和运行时场景感知，支持双臂行走、并发动作分层，已部署于多种人形机器人，实现20多种任务变体，可在数分钟或数小时内创建新行为。
2026-06-26 cs.RO
Robotics Vision-based Heuristic Reasoning for Underwater Target Tracking and Navigation
提出了一种基于机器人视觉的水下目标跟踪与导航启发式推理系统。引入该系统是为了提高水下遥控潜水器（ROV）操作的自动化水平。设计并研制了一台将计算机视觉与水下机器人系统相结合的水下机器人系统样机，实现了水下机器人的目标跟踪和智能导航。...
2006-01-14 cs.RO
GustPilot: A Hierarchical DRL-INDI Framework for Wind-Resilient Quadrotor Navigation
Intelligent Space Robotics Laboratory（智能空间机器人实验室）；Center for Digital Engineering（数字工程中心）；Skolkovo Institute of Science and Technology（斯克尔科夫科学与技术研究院）
本文提出GustPilot框架，结合深度强化学习与INDI控制器，通过风感知规划和快速扰动抑制提升四旋翼在风扰环境下的导航可靠性。
2026-05-07 cs.RO
External Forces Resilient Safe Motion Planning for Quadrotor
Zhejiang University（浙江大学）；University of Pennsylvania（宾夕法尼亚大学）；Huzhou Institute of Zhejiang University（浙江大学湖州研究院）
对于复杂未知环境中的四旋翼飞行器，在不需要外界干扰先验知识的情况下进行自适应自主导航具有重要意义。考虑外部干扰的主流方法是实现干扰抑制控制和路径跟踪。然而，鲁棒控制，以补偿跟踪偏差没有很好地考虑到能源消耗，甚至参考路径将成为危险和棘手的干扰。随着最近外力估计的发展，可以结合实时力估计器来开发更强大和安全的规划框架。本文提出了一个系统的（重新）规划框架，可以弹性地产生安全的轨迹在动荡的条件下。首先，前端Kinodynamic路径搜索力偏置运动基元。然后，我们开发了一个非线性模型预测控制（NMPC）作为一个本地规划器与哈密尔顿-雅可比（HJ）前向可达性分析的误差动态外力。它保证避免碰撞的约束椭球的四旋翼机构扩展的前向可达集（FRS）内的安全凸多面体。我们的方法在模拟和现实世界的实验与不同的外力来源进行了验证。
2021-09-29 cs.RO
Multi-Robot Coordination and Planning in Uncertain and Adversarial Environments
Virginia Tech（弗吉尼亚理工大学）；University of Maryland（马里兰大学）
部署一组能够仔细协调行动的机器人可以使整个系统对个别故障具有鲁棒性。在这份报告中，我们回顾了最近的算法发展，使多机器人系统对环境的不确定性，故障和对抗攻击具有鲁棒性。在多机器人协调领域的最新研究中，我们发现以下三个趋势：（1）弹性协调，以承受故障和/或攻击或从故障/攻击中恢复;（2）风险感知协调，以管理风险和回报的权衡，其中风险源于环境的不确定性;（3）基于图神经网络的协调，以学习分散的多机器人协调策略。这些算法已被应用于任务，如编队控制，任务分配和调度，搜索和规划，以及信息数据汇集。为了使多机器人系统成为现实，我们需要协调算法，可以扩展到大型团队的机器人处理动态变化，容易失败，有争议的，和不确定的环境。最近有大量关于多机器人协调的研究，这些研究为处理这些问题提供了弹性和风险意识算法，并缩小了理论与实践之间的差距。基于学习的方法被认为是有希望的，特别是因为它们可以学习谁、何时和如何进行有效协调的沟通。然而，这些算法也被证明容易受到对抗攻击，因此开发基于学习的协调策略，能够抵御此类攻击并对不确定性具有鲁棒性，是一个重要的开放研究领域。
2021-05-02 cs.RO
Toward Impact-resilient Quadrotor Design, Collision Characterization and Recovery Control to Sustain Flight after Collisions
University of California, Riverside（加州大学河滨分校）
由于传感器空间有限和飞行控制器的局部稳定性，空中机器人的碰撞检测和恢复仍然是一个挑战。我们介绍了一种新型的碰撞弹性四旋翼，其具有顺应臂设计，以实现自由飞行，同时允许一个被动的自由度来吸收冲击。我们进一步提出了一种新的碰撞检测和表征方法的基础上霍尔传感器，以及一种新的恢复控制方法，产生和跟踪一个平滑的轨迹发生碰撞后。实验结果表明，机器人可以检测和恢复从高速碰撞与各种障碍物，如墙壁和杆。此外，它可以在基于IMU数据和接触模型的现有方法难以检测的碰撞中幸存下来，例如，当与非结构化表面碰撞时，或者在悬停时被移动障碍物击中时。
2021-06-01 cs.RO
Robust Tracking Control for Constrained Robots
National Institute of Applied Sciences and Technology（国立应用科学技术学院）
针对刚度未知环境下的受限机器人，提出了一种新的鲁棒跟踪控制律。使用基于Lyapunov的方法，机器人系统的误差动态和它的能量之间的关系，证明了控制器的稳定性和鲁棒性。最后，一个3自由度约束的机器人手臂被用来证明该方法的稳定性，鲁棒性和安全性。
2014-05-08 cs.RO
Optimal byzantine resilient convergence in oblivious robot networks
Université Pierre et Marie Curie - Paris 6（巴黎第六大学（皮埃尔和玛丽·居里大学））；CNRS（法国国家科学研究中心）
给定一组具有任意初始位置且在全局坐标系上没有一致性的机器人，收敛要求所有机器人渐近地接近完全相同但事先未知的位置。机器人是健忘的--它们不记得过去的计算--并且被允许在一维空间中移动。此外，机器人不能直接通信，而是只能通过视觉传感器获取系统相关信息。我们绘制了机器人网络中的收敛问题和分布式\emph{approximate agreement}问题（需要正确的过程来决定，对于一些常数$ε$，值距离$ε$和初始建议值的范围内）之间的连接。令人惊讶的是，即使规范相似，机器人网络中的收敛实现也需要对同步和拜占庭弹性进行特定的假设。更详细地说，我们证明了移动机器人收敛的充分必要条件，尽管它们的子集是拜占庭式的（即它们可以表现出任意行为）。此外，我们提出了一个确定性的机器人网络的收敛算法，并分析其正确性和复杂性，在各种同步设置。所提出的算法容忍f拜占庭机器人（2f+1）大小的机器人网络在完全同步网络，（3f+1）大小的半同步网络。这些界限是最佳的一类谨慎的算法，保证正确的机器人总是正确的机器人的位置范围内移动。
2009-05-25 cs.DC cs.RO
Attack-resilient observer pruning for path-tracking control of Wheeled Mobile Robot
FAMU-FSU College of Engineering（佛罗里达农工大学-佛罗里达州立大学工程学院）
针对轮式移动机器人路径跟踪控制中虚假数据注入攻击绕过残差监控的问题，提出抗攻击观测器剪枝算法，排除受攻陷通道，以高概率实现100%攻击定位精度，增强UKF抗攻击能力，并通过DDWMR双层平台仿真验证有效性。
2020-09-07 cs.RO cs.SY eess.SY
A System for Fast, Resilient, and Adaptable Loco-Manipulation Behaviors on Humanoid Robots
Florida Institute for Human and Machine Cognition（佛罗里达人机认知研究所）；University of West Florida（西佛罗里达大学）
该研究提出机器人本地可运行时编辑的行为系统，结合 Affordance Templates 等架构，在 Unitree H1-2 和 Alex 机器人上快速完成移动操作任务，性能可与近期学习系统媲美。
2026-09-02 cs.RO
A Resilient and Energy-Aware Task Allocation Framework for Heterogeneous Multi-Robot Systems
Institute for Robotics and Intelligent Machines, Georgia Institute of Technology（乔治亚理工学院机器人与智能机器研究所）；GRASP Laboratory, University of Pennsylvania（宾夕法尼亚大学GRASP实验室）；Combat Capabilities Development Command, Army Research Laboratory (CCDC ARL)（陆军研究实验室作战能力发展司令部（CCDC ARL））
在异构的多机器人团队部署执行多个任务的背景下，本文开发了一个能源感知的框架分配任务的机器人在网上的方式。我们主要关注长期自治应用程序，因此选择了以生存性为中心的方法。为此，任务的优先级和执行-通过它的任务分配给机器人是有效地实现-被编码为一个优化问题内的约束，旨在最大限度地减少机器人在每个时间点消耗的能量。在这种情况下，分配被解释为每个机器人对任务的优先级高于所有其他任务。此外，我们提出了一种新的框架来表示机器人的异构能力，通过区分机器人上可用的功能，以及这些功能所支持的功能。通过将这些描述嵌入到优化问题中，我们使框架能够适应环境条件使某些功能不适合支持功能以及机器人上发生组件故障的情况。我们证明了所提出的方法在各种用例场景中的有效性和弹性，包括模拟和真实的机器人实验。
2021-05-12 cs.RO cs.SY eess.SY
Deep learning framework for robot for person detection and tracking
使用机器人平台鲁棒地跟踪人群中感兴趣的人是人机交互的基石之一。机器人平台受到计算能力、快速运动和目标遮挡的限制，需要一个高效、鲁棒的框架来执行跟踪。本文提出了一种深度学习框架，用于使用具有立体相机的移动机器人跟踪人。提出的系统检测一个人的头部的基础上，然后利用低成本，高速回归网络为基础的跟踪器，实时跟踪感兴趣的人。移动机器人的视觉伺服已经设计使用PID控制器，利用跟踪器的输出和深度估计的人在随后的帧，从而提供平滑和自适应运动的机器人的目标运动的基础上。该系统已在实际环境中进行了测试，从而证明了其有效性。
2022-04-19 cs.RO
Graph Neural Network-based Multi-agent Reinforcement Learning for Resilient Distributed Coordination of Multi-Robot Systems
Northwestern University（西北大学）；CNRS（法国国家科学研究中心）；Inria（法国国家信息与自动化研究所）
提出基于 GNN 的 MARL 方法 MAGEC，结合多智能体 PPO，使多机器人系统在减员、部分可观测和通信异常下仍能围绕全局目标进行分布式协调。
2024-03-19 cs.MA cs.RO
Gyroscopically Stabilized Robot: Balance and Tracking
单轮陀螺稳定机器人Gyrover是一个动态稳定但静态不稳定的欠驱动系统。本文在机器人动力学模型的基础上，研究了与系统相关的两类非完整约束。然后，基于反推技术，我们提出了一个控制律的平衡控制陀螺仪。其次，通过将系统状态从直角坐标系转换到极坐标系，给出了直角空间中的点到点控制和直线跟踪控制律。
2004-12-11 cs.RO
Resilient Assignment Using Redundant Robots on Transport Networks with Uncertain Travel Time
University of Cambridge（剑桥大学）
本文研究了在行程时间信息不确定的情况下，将多个移动机器人分配到运输网络上的目标的问题。我们的目标是产生最优分配，使目的地的平均等待时间最小化。由于嘈杂的旅行时间估计导致次优分配，我们提出了一种方法，利用冗余机器人提供弹性的不确定性。然而，最优解决冗余分配问题是强NP-难的。因此，我们利用我们的数学问题制定的结构特性，提出了一个多项式时间，接近最优的解决方案。我们证明，我们的问题可以减少到最小化的supermodular成本函数的拟阵约束。这使我们能够开发一个贪心算法，我们从中获得次优界。我们证明了我们的方法的有效性与模拟交通网络，不确定的边缘成本和不确定的节点位置导致嘈杂的旅行时间估计。与基准算法的比较表明，我们的方法执行近最佳和显着优于非冗余分配。最后，我们的研究结果包括冗余机器人联盟的多样性和互补性的好处的结果;这些见解有助于通过有针对性的机器人团队组合提供对不确定性的弹性。
2019-04-18 cs.MA cs.RO
DARE-SLAM: Degeneracy-Aware and Resilient Loop Closing in Perceptually-Degraded Environments
NASA Jet Propulsion Laboratory（美国国家航空航天局喷气推进实验室）；California Institute of Technology（加州理工学院）；Santa Clara University（圣克拉拉大学）；Polytechnic University of Bari（巴里理工大学）
几十年来，使完全自主的机器人能够导航和探索大规模、未知和复杂的环境一直是机器人研究的核心。自主探索的一个关键要求是构建未知环境的准确和一致的地图，以用于可靠的导航。环路闭合检测，断言机器人已经返回到先前访问过的位置的能力，对于一致的映射至关重要，因为它减少了由估计的机器人轨迹中的误差累积引起的漂移。此外，在多机器人系统中，回路闭合使得能够将由一组机器人获得的局部地图合并成环境的一致全局地图。在本文中，我们提出了一个退化意识和漂移弹性闭环方法，以提高地方识别和解决3D位置模糊的同时定位与地图构建（SLAM）在GPS拒绝，大规模和感知退化的环境。更具体地说，我们专注于地下环境中的SLAM（例如，熔岩管、洞穴和矿井），这些环境代表了复杂和模糊环境的示例，在这些环境中，当前方法的性能不足。
2021-02-09 cs.CV cs.RO
Resilient Active Information Gathering with Mobile Robots
University of Pennsylvania（宾夕法尼亚大学）；Massachusetts Institute of Technology（麻省理工学院）
机器人技术中的安全、安保和救援应用，如多机器人目标跟踪，涉及由移动机器人团队执行信息采集任务。然而，在容易发生故障或敌对的环境中，机器人会受到攻击，它们的通信信道会被堵塞，它们的传感器可能会发生故障，导致机器人从集体任务中退出，从而使剩余的主动机器人无法相互协调。因此，传统的设计范式变得不足，相比之下，针对系统范围故障和攻击的弹性设计变得重要。在一般情况下，弹性设计问题是很难的，即使他们经常涉及的目标函数是单调的或submodular，可扩展的近似算法，他们的解决方案一直是未知的。在本文中，我们提供了第一个算法，使以下能力：最小的通信，即，该算法由机器人仅基于它们之间的最小通信来执行;系统范围的弹性，即，该算法对于任何数量的拒绝服务攻击和故障都是有效的;以及可证明的近似性能，即，该算法确保对于所有单调（并且不一定是次模）目标函数，都有一个非常接近最优的解。我们量化我们的算法的近似性能，使用单调集函数的曲率的概念。我们支持我们的理论分析与模拟和现实世界的实验，通过考虑一个积极的信息收集的情况下，即多机器人目标跟踪。
2018-09-02 cs.MA cs.RO math.OC
Review on Efficient Strategies for Coordinated Motion and Tracking in Swarm Robotics
Middlesex University（密德萨斯大学）
群体机器人是一种创造性的组织多机器人结构的方法，由许多受公共昆虫影响的基本机器人组成。群体机器人最令人惊讶的属性是它们能够一起工作以实现集体目标。本文讨论了目前的调查，问题和算法，刺激在群体机器人协调运动的研究。群机器人运动的算法进行了对比，考虑到群体微型机器人完成聚合，创建，并通过对比算法和仿真之间的相关计算仿真。
2023-02-13 cs.RO
