Now You Feel It, Now You See Me: Digital-Twin-based Teleoperation Interface for Dexterous Manipulation
DGIST(大邱庆北科学技术院);Seoul National University(首尔大学)
针对裸手遥操作缺乏力反馈和遮挡视觉反馈的问题,提出基于数字孪生的AR遥操作界面,通过视觉-力反馈和遮挡缓解视觉辅助,经用户研究验证其支持精细力调节和遮挡下的示范收集。
2026-10-06 cs.RO
TeLeMan: Teleoperation for Legged Robot Loco-Manipulation using Wearable IMU-based Motion Capture
University of Leeds(利兹大学);University College London(伦敦大学学院)
人命无价当需要完成危险或危及生命的任务时,机器人平台可能是替代人类操作员的理想选择。我们在这项工作中所关注的这样一项任务就是爆炸物的处置。机器人远程呈现有可能提供安全解决方案,因为移动机器人在多种环境中运行时显示出强大的能力。然而,与人类操作相比,在这个阶段,自主性可能具有挑战性和风险。远程操作可能是机器人完全自主和人类存在之间的妥协。在本文中,我们提出了一个相对便宜的解决方案,用于远程呈现和机器人远程操作,以协助爆炸物处理,使用腿式机械手(即,嵌入有操纵器和RGB-D传感器的有腿四足机器人)。针对四足机器人全身控制的非平凡问题,提出了一种新的系统集成方法。我们的系统是基于一个可穿戴的基于IMU的运动捕捉系统,用于遥操作和VR头显的视觉临场感。我们实验验证我们的方法在现实世界中,为本地操作任务,需要全身机器人控制和视觉临场感。
2022-09-21 cs.RO
U-ARM : Ultra low-cost general teleoperation interface for robot manipulation
School of AI, SJTU(1 人工智能学院,上海交通大学);EvoMind Tech(2 EvoMind科技);IAAR-Shanghai(3 上海IAAR)
U-ARM提出一种低成本且快速适应的遥控框架,通过三种结构不同的3D打印领导者臂实现与多数商用机械臂的兼容,成本仅为50.5美元和56.8美元,提升了操控效率和任务成功率。
2026-03-19 cs.RO
Tilde: Teleoperation for Dexterous In-Hand Manipulation Learning with a DeltaHand
Robotics Institute, Carnegie Mellon University(卡内基梅隆大学机器人研究所)
针对灵巧手操作学习难的问题,提出基于DeltaHand软体手和运动学孪生遥操作界面TeleHand的模仿学习系统,采用扩散策略,在七个任务上平均成功率90%。
2024-08-21 cs.RO
Motion Scaling Solutions for Improved Performance in High Delay Surgical Teleoperation
University of California San Diego(加利福尼亚大学圣地亚哥分校)
机器人遥操作为外科手术领域的进步带来了巨大的潜力。外科医生远程接触患者的能力带来了令人兴奋的机会。远程机器人手术的早期经验很有趣,但临床可行性仍然遥不可及,主要是由于通信延迟的有害影响。遥操作任务受到不可避免的信号延迟的显著影响,这直接导致操作速度变慢,运动精度降低和人为错误增加。对手术工作流程进行重大改变,例如通过引入半自动化或自校正,对于商业手术机器人系统来说,技术和道德负担太大而无法采用。在本文中,我们提出了三个简单直观的运动缩放解决方案,以打击远程操作的机器人系统的延迟,并帮助提高操作员的准确性。运动缩放提供了潜在的提高用户性能和减少错误,最小的变化,底层的遥操作架构。为了验证使用运动缩放作为一个性能增强器,在神经外科手术,我们进行了一项用户研究,17名参与者,我们的结果表明,所提出的解决方案确实降低了出错率时,在高延迟操作。
2019-02-08 cs.RO
Single RGB-D Camera Teleoperation for General Robotic Manipulation
University of California San Diego(加利福尼亚大学圣地亚哥分校)
我们提出了一个遥操作系统,使用一个单一的RGB-D相机作为人体运动捕捉设备。我们的系统可以执行一般的操作任务,如折布,锤击和3 mm间隙钉孔。我们建议使用非笛卡尔倾斜坐标系,动态运动缩放和重新定位的操作框架,以增加我们的遥操作系统的灵活性。我们假设,降低遥操作的进入门槛将允许更广泛地部署监督自治系统,这将反过来生成现实的数据集,释放机器学习的潜力,用于机器人操作。我们的系统演示可在https://sites.google.com/view/manipulation-teleop-with-rgbd上获得
2021-10-09 cs.AI cs.RO
The Effects of Communication Delay on Human Performance and Neurocognitive Responses in Mobile Robot Teleoperation
School of Mechanical Engineering, Beijing Institute of Technology, Beijing, China(机械工程学院,北京理工大学,北京,中国);Beijing Institute of Technology, Zhuhai, China(北京理工大学,珠海,中国)
针对移动机器人遥操作中通信延迟对人机协作的不利影响,本研究通过人在环实验结合EEG与行为数据,首次揭示不同延迟对人类表现及神经认知的影响,识别出表现下降阈值与神经认知特征,为延迟补偿策略设计提供关键依据。
2025-08-25 cs.RO
Glovity: Learning Dexterous Contact-Rich Manipulation via Spatial Wrench Feedback Teleoperation System
提出低成本可穿戴遥操作系统Glovity,集成空间力矩反馈与指尖霍尔传感器校准,通过直观反馈与精确重定位解决富接触操作挑战,显著提升任务成功率并促进模仿学习。
2025-10-10 cs.RO
Flying Hand: End-Effector-Centric Framework for Versatile Aerial Manipulation Teleoperation and Policy Learning
Robotics Institute, Carnegie Mellon University(卡内基梅隆大学机器人研究所);Pennsylvania State University(宾夕法尼亚州立大学)
针对空中操作现有方法硬件与控制框架耦合任务规格的问题,提出末端执行器中心统一框架,解耦高层决策与低层控制,通过全驱动六旋翼+4自由度机械臂及对应控制器,提升跟踪精度并支持多任务,推动空中操作标准化。
2025-04-14 cs.RO
Dynamic Mobile Manipulation via Whole-Body Bilateral Teleoperation of a Wheeled Humanoid
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Jeonbuk National University(全北国立大学)
本文提出一种基于全身双向遥操作的动态移动操作框架,利用人机接口、降阶模型映射和全身触觉反馈,使双轮人形机器人SATYRR能够抓取移动目标并推动超过自身重量的箱子,验证了该方法的有效性。
2023-07-03 cs.RO
Low-Cost Teleoperation with Haptic Feedback through Vision-based Tactile Sensors for Rigid and Soft Object Manipulation
Roma Tre University(罗马第三大学);KTH Royal Institute of Technology(瑞典皇家理工学院)
本文提出一种基于视觉触觉传感器的低成本遥操作框架,通过触觉反馈辅助人类操作员,并引入部分自主性防止物体滑落,在真实硬件上验证了对刚性和软性物体操作的通用性。
2024-03-25 cs.RO
RoboSpan: Learning Modular Coordination Policies for High-DoF Whole-Body Mobile Manipulation with Teleoperation
Jiangnan University(江南大学);Linkerbot Beijing Technology Co., Ltd.(北京灵犀机器人科技有限公司)
本文提出 RoboSpan 平台及 HMF 框架,通过解耦动作空间、引入 COMET 与分层任务分解等方法,使 29 自由度全身移动操作任务成功率超主流基线 20%,提升了接触操作的稳定性与鲁棒性。
2026-10-15 cs.RO
Deep Imitation Learning for Humanoid Loco-manipulation through Human Teleoperation
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出数据高效框架TRILL,通过VR界面收集人类演示,结合全身控制与高层动作抽象,解决高自由度仿人机器人移动操作技能的深度模仿学习难题,并在仿真和真实机器人上验证了其有效性。
2023-11-19 cs.RO
DITTO-X: Forward and Reverse Teleoperation for Dexterous Manipulation and Human Intervention
Stanford University(斯坦福大学);Columbia University(哥伦比亚大学)
DITTO-X是一种手无关的灵巧遥操作接口,通过关节力和指尖接触反馈及反向遥操作,提升演示质量和干预效率,驱动多款商用灵巧手。
2026-10-06 cs.RO
XRoboToolKit-T: Teleoperation with High Stability and Precision with Tactile Sensing for Contact-rich Manipulation
Rochester Institute of Technology(罗切斯特理工学院);TikTok Pico Lab(TikTok Pico 实验室);The Hong Kong University of Science and Technology, Guangzhou(香港科技大学(广州))
提出XRoboToolKit-T遥操作系统,利用触觉感知力控制架构和视觉-语言-动作模型,实现接触丰富操作中稳定精确的力控制,提升数据收集效率和操作稳定性。
2026-09-16 cs.HC cs.RO
Taming VR Teleoperation and Learning from Demonstration for Multi-Task Bimanual Table Service Manipulation
AIR, Tsinghua University(空气动力学研究所,清华大学);Northwestern University(西北大学);Georgia Institute of Technology(佐治亚理工学院);HKUST (GZ)(香港科技大学(广州));NUS (Suzhou) Research Institute(国立大学(苏州)研究所);University of Michigan(密歇根大学)
本文提出结合VR遥操作与示教学习的双手操作方案,通过ACT策略训练披萨放置任务,在ICRA 2025 WBCD桌面服务竞赛中夺冠。
2025-08-21 cs.RO
LeVR: A Modular VR Teleoperation Framework for Imitation Learning in Dexterous Manipulation
Center for Robotics and Biosystems, Northwestern University(机器人与生物系统中心,西北大学);MAGICS Lab, Northwestern University(MAGICS实验室,西北大学)
本文提出LeVR模块化VR遥操作框架,结合LeRobot简化数据收集,并开源LeFranX实现与数据集,成功微调视觉运动策略,加速机器人模仿学习研究。
2025-09-17 cs.RO
Feel Robot Feels: Tactile Feedback Array Glove for Dexterous Manipulation
本文提出TAG手套,通过高精度手部运动捕捉与高分辨率触觉反馈,实现灵巧操作的触觉闭环远程操控,提升接触几何和动态力的实时感知能力。
2026-03-30 cs.RO
OPEN TEACH: A Versatile Teleoperation System for Robotic Manipulation
New York University(纽约大学);Meta
针对现有机器人遥操作数据采集平台专有、昂贵且适配性差的问题,研究团队提出基于Meta Quest 3的开源通用遥操作系统OPEN TEACH,支持多类机器人实时控制,操作性能更优且采集数据可用于策略学习。
2024-03-12 cs.RO
RoboMatch: A Unified Mobile-Manipulation Teleoperation Platform with Auto-Matching Network Architecture for Long-Horizon Tasks
Jiangsu Key Laboratory of Advanced Food Manufacturing Equipment and Technology, School of Mechanical Engineering, Jiangnan University(江苏省食品先进制造装备与技术重点实验室,江南大学机械工程学院)
本文提出RoboMatch,一种用于移动操作的统一远程操作平台,采用自动匹配网络架构以应对动态环境中的长周期任务。核心是 cockpit 风格的控制界面,提升控制精度和数据采集效率。同时引入PVE-DP和AMN,显著提高精细操作性能和长周期推理性能。
2026-03-26 cs.RO
Wheeled Humanoid Bilateral Teleoperation with Position-Force Control Modes for Dynamic Loco-Manipulation
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文提出一种基于位置-力控制模式切换的双边遥操作框架,实现轮式人形机器人的动态移动操控,并通过插箱与人机协作搬运实验验证了方法的有效性。
2024-07-16 cs.RO
ModPack: Extensible Teleoperation Interface for Bimanual Mobile Manipulation
Stanford University(斯坦福大学)
针对现有遥操作系统扩展性和适应性不足的问题,提出ModPack可扩展遥操作系统,以统一框架支持多样机器人形式和任务,通过背包集成多种功能,经实验验证其灵活性和可复用性,并开源软硬件设计。
2026-10-08 cs.AI cs.RO
TRIP-Bag: A Portable Teleoperation System for Plug-and-Play Robotic Arms and Leaders
KIMLAB (Kinetic Intelligent Machine LAB), University of Illinois Urbana-Champaign(KIM实验室(动能智能机器实验室),伊利诺伊大学厄巴纳-香槟分校)
TRIP-Bag是一种便携式遥控系统,能够快速收集高保真操纵数据,适用于各种环境和非专家用户。
2026-03-10 cs.RO
Global-Local Interface for On-Demand Teleoperation
University of California, Berkeley(加州大学伯克利分校)
本文提出全局-局部遥操作接口,通过解耦全局与局部行为融合灵活性与精度,支持精细操作和大范围运动,并经实验验证其用户友好性、准确性和泛化性。
2025-09-10 cs.RO
Learning compliant grasping and manipulation by teleoperation with adaptive force control
Hunan University(湖南大学);Bielefeld University(比勒费尔德大学);University of the West of England(西英格兰大学)
在这项工作中,我们专注于提高机器人的灵巧能力,利用视觉传感和自适应力控制。TeachNet是一个基于视觉的遥操作学习框架,用于将人手姿态映射到多指机器人手。我们增强TeachNet,这是最初基于不精确的运动映射和位置伺服,与仿生学习为基础的顺应性控制算法灵巧的操作任务。该柔顺控制器以TeachNet中映射的机器人关节角度为目标,计算期望的关节力矩。它是从人类运动学习中的仿生控制策略的计算模型导出的,其允许在执行参考关节角度轨迹期间在线调整控制变量(阻抗和前馈力)。阻抗和前馈曲线的同时适应使机器人能够以顺应的方式与环境交互。我们的方法已经在物理模拟中的多个任务中得到验证,即,抓握、开门、转动帽子和触摸鼠标,并且已经显示出比现有的位置控制和基于固定增益的力控制方法更可靠的性能。
2021-07-21 cs.RO
Autonomy Infused Teleoperation with Application to BCI Manipulation
Carnegie Mellon University(卡内基梅隆大学);University of Pittsburgh(匹兹堡大学);Center for the Neural Basis of Cognition(认知神经基础中心);VA Pittsburgh Healthcare System(匹兹堡退伍军人医疗保健系统)
机器人遥操作系统面临着一系列共同的挑战,包括延迟,低维用户命令和非对称控制输入。使用脑机接口(BCI)的用户控制由于解码神经活动的困难而通过特别嘈杂和不稳定的低维运动命令加剧了这些问题。我们引入了一个通用的框架来解决这些挑战,通过结合计算机视觉,用户意图推理,和仲裁之间的人类输入和自主控制方案。可调节的辅助水平使系统能够平衡操作员的能力和舒适感和控制感,同时补偿任务的难度。我们目前的实验结果表明显着的性能改善,使用共享控制援助框架与两个主题植入皮层内脑机接口控制七度的自由度机器人机械手作为假肢适应康复基准。我们的研究结果进一步表明,共享的协助减轻了感知用户的困难,甚至使成功的性能在以前不可行的任务。我们展示了我们的架构的可扩展性与应用程序的生活质量的任务,如打开一扇门,从容器中倒液体,并在密集杂乱的环境中操纵新的对象。
2015-06-07 cs.RO
Semi-Autonomous Teleoperation via Learning Non-Prehensile Manipulation Skills
Korea University(高丽大学);Chung-ang University(中央大学)
在本文中,我们提出了一个半自主的遥操作框架的拾取和放置任务,使用RGB-D传感器。特别是,我们假设目标物体位于一个杂乱的环境中,其中两个灵活的把握和非灵活的操作相结合,有效的遥操作。一个基于语义的强化学习被用于学习非易失性操作,以重新安排的对象,使直接抓取。从杂乱环境的深度图像和目标对象的位置,学习的策略可以为人类操作员提供多个非易失性操纵选项。我们仔细设计了一个奖励函数的重新安排任务的政策是在模拟环境中训练。然后,训练的策略被转移到现实世界中,并在一些现实世界的实验中与不同数量的对象进行评估,我们表明,所提出的方法优于手动键盘控制的抓持持续时间。
2022-05-25 cs.AI cs.RO
CHILD (Controller for Humanoid Imitation and Live Demonstration): a Whole-Body Humanoid Teleoperation System
KIMLAB (Kinetic Intelligent Machine LAB), University of Illinois Urbana-Champaign(KIMLAB(运动智能机器实验室),伊利诺伊大学厄巴纳-香槟分校)
提出CHILD全身人形遥操作系统,实现关节级控制,支持全身控制与移动操作,集成力反馈,并通过实验验证,开源硬件设计。
2025-09-24 cs.RO
Residual Reinforcement Learning for Robot Teleoperation under Stochastic Delays
Technical University of Munich(慕尼黑技术大学)
针对随机延迟导致的信号不连续问题,本文提出一种混合控制框架,通过LSTM状态估计器与残差强化学习策略相结合,提升遥控稳定性与性能。
2026-05-14 cs.AI cs.RO
Learning Panorama-Aware VLA for Mobile Manipulation with Whole-Body Teleoperation
Beihang University(北京航空航天大学);Shandong University(山东大学);Johns Hopkins University(约翰斯·霍普金斯大学);Delta Intelligence(delta智能公司)
针对移动操作VLA策略的局部视野与全身演示数据收集难题,开发全身遥操作系统与PanoVLA全景感知VLA策略,基于5.5小时多模态数据集,在四项真实任务中平均阶段完成率91.3%、端到端成功率73.4%,性能优于局部视角基线。
2026-08-04 cs.RO
Towards Human-Like Manipulation through RL-Augmented Teleoperation and Mixture-of-Dexterous-Experts VLA
Shanghai Jiao Tong University(上海交通大学);Sharpa;Shanghai AI Lab(上海人工智能实验室);Zhongguancun Academy(中关村学院);National University of Singapore(新加坡国立大学);Shanghai Innovation Institute(上海创新研究院)
本文提出IMCopilot和MoDE-VLA框架,通过强化学习和多模态融合提升机器人灵巧操作能力,实现接触丰富的手内任务性能提升。
2026-03-09 cs.RO
AssistDLO: Assistive Teleoperation for Deformable Linear Object Manipulation
TU Darmstadt, Institute for Intelligent Autonomous Systems, Computer Science Department(德累斯顿技术大学智能自主系统研究所,计算机科学系);Honda Research Institute Europe GmbH(本田欧洲研究院);German Research Center for AI (DFKI), Research Department: Systems AI for Robot Learning(德国人工智能研究中心(DFKI),研究部门:机器人学习的系统AI;黑森AI;德国机器人研究所(RIG);认知科学中心);Hessian.AI;Robotics Institute Germany (RIG);Centre for Cognitive Science
本文提出AssistDLO框架,结合多视角状态估计、视觉辅助和基于控制屏障函数的几何感知共享自主控制器,提升可变形线性物体操控的精度与适应性。
2026-05-07 cs.RO
ViHaTeleop: A Low-Cost, Lightweight Visual-Haptic Teleoperation System for Dexterous Manipulation Learning
Graduate School of Information Sciences, Tohoku University(东北大学信息科学研究生院)
ViHaTeleop是一款低成本轻量型视觉-触觉遥操作系统,结合SLAM、相机跟踪与LRA反馈,经实验验证其可提升接触关键任务的操作成功率与主观体验,支持从演示到策略训练的完整流程。
2026-08-18 cs.RO
Sensory Manipulation as a Countermeasure to Robot Teleoperation Delays: System and Evidence
University of Florida(佛罗里达大学);National Institute of Standards and Technology(美国国家标准与技术研究院)
本文提出利用感官操控(如实时触觉反馈)帮助人类适应机器人遥操作延迟,实验表明可减少任务时间、减轻精神压力并提升操作信心。
2023-10-13 cs.HC cs.RO
A Digital Twin Framework for Virtual Visuo-Haptic Teleoperation of Complex-Shaped Optical Microrobots
Department of Bioengineering, Imperial-X AI Initiative, Imperial College London(生物工程系、Imperial-X人工智能倡议、帝国理工学院伦敦分校)
本文提出一个数字孪生框架,集成多陷阱光学操纵、图像位姿估计、微机器人运动仿真和基于模型的触觉渲染,用于复杂形状光学微机器人的虚拟视觉-触觉遥操作,实验表明触觉反馈显著降低接触力和位置误差标准差并提高任务成功率。
2026-05-27 cs.RO
DOGlove: Dexterous Manipulation with a Low-Cost Open-Source Haptic Force Feedback Glove
Tsinghua University(清华大学);Shanghai Qi Zhi Institute(上海期智研究院);Shanghai AI Lab(上海人工智能实验室)
针对当前遥操作系统设备昂贵、缺乏多模态反馈的问题,提出低成本开源触觉力反馈手套DOGlove,实现21自由度运动捕捉与多方向力反馈,提升复杂操作成功率,支持无视觉反馈任务并可用于训练模仿学习策略。
2025-02-11 cs.RO
HATS: A Human-Agent Teleoperation System for Multi-Arm Data Collection
School of Computer Science and Engineering, Sun Yat-sen University(中山大学计算机科学与工程学院);Nanyang Technological University(南洋理工大学);Imperial College London(帝国理工学院)
提出HATS系统,由单操作员借助MLLM智能体控制两主臂和两辅助臂,实现高效多臂数据收集,性能媲美双人专家团队。
2026-06-16 cs.RO
DITTO: Dexterous Interface for Transparent TeleOperation
Columbia University(哥伦比亚大学);Stanford University(斯坦福大学)
DITTO通过解剖学协同设计的7自由度机器人手与电动外骨骼,实现手持数据收集与带关节力反馈的双边远程操作统一,解决高自由度操作数据收集的权衡问题。
2026-09-18 cs.RO
DexTeleop-0: Force-Aware Bimanual Dexterous Teleoperation with Ego-Centric Perception towards Shared Autonomy
Nanyang Technological University, Singapore(新加坡南洋理工大学);OOJU, USA(美国OOJU)
针对接触丰富任务中遥操作精度低的问题,提出基于触觉驱动的自适应策略,通过实时优化循环将粗略人类意图转化为精确力控机器人命令,显著提升任务成功率与执行效率。
2026-11-09 cs.RO
Vehicle Teleoperation: Successive Reference-Pose Tracking
Politecnico Di Milano(米兰理工大学)
车辆遥操作在许多领域都是一个有趣的功能。远程操作的一个典型问题是通信时间延迟,其与致动器饱和和环境干扰一起,可以导致车辆偏离由向车辆施加方向盘角度参考和速度/加速度参考的人类操作员施加的目标轨迹。通过预测技术,可以在足够的程度上考虑时间延迟。但是,在存在干扰的情况下,由于不存在瞬时触觉和视觉反馈,传输到车辆的人类操作员转向命令不考虑车辆观察到的干扰。为了在不损失驾驶控制中的敏捷性的情况下改进参考跟踪,可以将连续参考姿态形式的参考轨迹而不是转向命令传输到车辆。我们引入这个新的概念,即“连续参考位姿跟踪(SRPT)”,以提高车辆遥操作的路径跟踪。本文讨论了这种新方法的可行性和优越性,并与史密斯预估控制方法进行了比较。在SIMULINK环境中进行仿真,其中14自由度的车辆模型被控制与史密斯和SRPT控制器存在的可变网络延迟。性能比较的场景是低附着地面,强侧风和转向率要求机动。仿真结果表明,SRPT方法在参考跟踪方面有明显的改善。
2022-06-08 cs.RO
Characterization of Real-time Haptic Feedback from Multimodal Neural Network-based Force Estimates during Teleoperation
Stanford University(斯坦福大学)
力估计使用神经网络是一种有前途的方法,使触觉反馈在微创手术机器人没有末端执行器力传感器。已经提出了各种网络架构,但没有一个被测试在实时的与类似的操作。因此,问题仍然存在的实时的透明性和稳定性的力反馈的神经网络为基础的力估计。我们使用具有仅视觉、仅状态以及状态和视觉输入的神经网络来表征达芬奇研究套件遥控手术机器人上呈现的力反馈的实时的阻抗透明度和稳定性。在现有的遥控操作数据集上训练网络,而无需力反馈。为了测量远程操作过程中实时的稳定性和透明度,并向操作员提供力反馈,我们模拟了一个单自由度的人类和外科医生侧操纵器,该操纵器移动患者侧机器人,以在各种机器人和相机配置以及工具上对硅胶人工组织进行操纵。我们发现使用状态输入的网络比仅视觉网络显示出更透明的阻抗。然而,基于状态的网络显示出很大的不稳定性时,用于在硅树脂的横向操作过程中提供力反馈。相比之下,仅视觉网络在所有评估方向上显示出一致的稳定性。我们在一个人类遥控操作员的演示中证实了纯视觉网络在实时的力反馈方面的性能。
2022-07-06 cs.RO
Six-DoF Hand-Based Teleoperation for Omnidirectional Aerial Robots
Dalian University of Technology(大连理工大学)
本文提出一种基于手部运动跟踪和数据手套的空中机器人遥操作系统,设计四种手势切换交互模式,将人手六自由度灵巧性引入全向空中操作,并通过真实阀门旋转任务验证其有效性。
2025-07-21 cs.RO
Experimental Assessment of Human-Robot Teaming for Multi-Step Remote Manipulation with Expert Operators
Massachusetts Institute of Technology(麻省理工学院)
人工控制的远程机器人操作使安全和环境约束对人类不利的应用(例如水下,空间机器人和灾难响应)或任务的复杂性需要人类水平的认知和灵巧性(例如机器人手术和制造)。这些系统通常在运动层面使用直接遥操作,并且通常限于低自由度手臂和2D感知。提高灵活性和态势感知需要新的交互和规划工作流程。我们探索了通过远程自主与辅助规划来远程控制双臂灵巧机器人执行多步操作任务的人机合作,并进行了受试者内实验评估(n = 12名专家用户)将其与其他方法进行比较,得出以下四种情况:(A)模拟控制器+2D感知的直接遥操作,(B)条件A +3D感知,(C)Teleautonomy接口遥操作+2D和3D感知,(D)条件C+辅助规划。结果表明,这种方法(D)实现了与直接遥操作(A,B)相当的任务时间,同时改善了许多其他客观和主观指标,包括重新抓取,碰撞和TLX工作负载指标。与类似的界面相比,但删除了辅助计划(C),D减少了任务时间,并消除了与操作员专业水平的重要交互,从而在用户之间实现了性能均衡。
2020-11-22 cs.RO
OpenVR: Teleoperation for Manipulation
Carnegie Mellon University(卡内基梅隆大学)
提出一种基于Oculus VR头显遥操作Franka Emika Panda机器人的开源方法,解决高质量演示数据收集困难的问题,具有易获取、易修改和易用的特点。
2023-05-16 cs.HC cs.LG cs.RO
NestDex: Nested Policy Learning with Copilot Assisted Teleoperation for Dexterous Manipulation
Australian Centre for Robotics, The University of Sydney(悉尼大学澳大利亚机器人中心);College of Connected Computing, Vanderbilt University(范德堡大学互联计算学院)
NestDex 是一种嵌套策略学习框架,借助 Copilot 辅助遥操作减轻灵巧操作演示收集负担,提升演示可靠性与效率,助力自主策略学习。
2026-08-14 cs.RO
HARMONI: Haptic-Guided Assistance for Unified Robotic Tele-Manipulation and Tele-Navigation
University of Surrey, UK(英国萨里大学);University of Lincoln, UK(英国林肯大学);University of Huddersfield, UK(英国赫尔顿大学);University of Nottingham, UK(英国诺丁汉大学)
针对现有触觉引导遥操作任务受限、导航与操作分离导致认知负荷高的问题,提出集成9自由度从动臂与7自由度主端臂的HARMONI统一框架,经20人用户实验验证可在不增认知负荷下提升任务准确率与效率。
2025-06-16 cs.RO
A User Study on the Suitability of Teleoperation Interfaces for Primitive Manipulation Tasks
University of Tsukuba(茨口大学);National Institute of Advanced Industrial Science(国家先进工业科学研究院)
本研究比较了VR控制器和三维鼠标在操作机械臂时的表现,发现不同接口在不同任务中各有优劣,强调了任务主导运动原始体在设计远程操作接口中的重要性。
2026-02-03 cs.HC cs.RO
Predictive Display with Perspective Projection of Surroundings in Vehicle Teleoperation to Account Time-delays
Politecnico Di Milano(米兰理工大学)
针对4G车辆远程操作中的可变网络时延,提出结合透视投影与Smith预估器校正的预测视频显示方法,并通过在线街道边缘场景实验比较路径偏差验证效果。
2022-11-22 cs.HC cs.RO
Virtual Reality Based Robot Teleoperation via Human-Scene Interaction
Southern University of Science and Technology(南方科技大学);PLA General Hospital(中国人民解放军总医院);National Clinical Research Center for Orthopedics, Sports Medicine and Rehabilitation(国家骨科、运动医学与康复医学临床研究中心)
本文提出一种基于VR的机器人遥操作系统,通过物理引擎预览和直观手部交互界面,显著降低用户认知负荷并提升操作效率,使初学者也能快速完成拾取放置与堆叠任务。
2023-08-02 cs.RO
Learning Adaptive Neural Teleoperation for Humanoid Robots: From Inverse Kinematics to End-to-End Control
Sanjar Atamuradov(独立研究者)
针对传统VR遥操作依赖IK+PD难以处理外力、适应用户及动态条件的问题,提出基于强化学习的神经遥操作框架,在宇树G1上实现跟踪误差降34%、运动平滑度升45%且保持实时性,提升遥操作自然性与鲁棒性。
2025-11-15 cs.RO
Safety-Critical Bilateral Teleoperation for Omnidirectional Aerial Manipulation Using Force-Sensorless Haptic Feedback
Seoul National University(首尔大学);Automation and System Research Institute (ASRI)(自动化与系统研究所);Institute of Advanced Aerospace Technology (IAAT)(先进航空航天技术研究所)
本文提出一种整合视觉与无力传感器触觉力反馈的安全关键双边遥操作框架,采用基于控制障碍函数的分层安全滤波器,避免自由飞行时的意外反馈,提升空中操纵的安全性与稳定性。
2026-08-25 cs.RO
TeleDex: Accessible Dexterous Teleoperation
University of California, Los Angeles(加州大学洛杉矶分校)
TeleDex通过手机实现灵巧手和机械臂的直观遥控,降低硬件和设置门槛,支持模拟和现实任务中的演示收集,为机器人遥控提供统一可扩展接口。
2026-03-20 cs.RO
A Bilateral Teleoperation Framework for Dexterous Manipulation
The University of Texas at Austin(德克萨斯大学奥斯汀分校);Sony Group Corporation(索尼集团公司);Meta Reality Labs Research(Meta现实实验室)
提出模块化双边遥操作框架,集成操作端输入与机器人端灵巧手及柔顺臂,通过位置重定向、差分控制、多尺度触觉反馈和共享控制实现灵巧操作,验证了协调控制与接触感知能力。
2026-06-16 cs.HC cs.RO cs.SY
Whole-Body Bilateral Teleoperation with Multi-Stage Object Parameter Estimation for Wheeled Humanoid Locomanipulation
该研究提出结合多阶段物体惯性参数估计的轮式人形机器人全身双边遥操作框架,通过视觉、VLM与分层采样实现参数估计,提升遥操作的动态性与操作跟踪精度,可实时完成约1/3体重载荷的相关任务。
2026-08-25 cs.RO