Design And Control of A Robotic Arm For Industrial Applications
CMR Technical Campus（CMR技术学院）；JNTUH University College of Engineering, Science & Technology Hyderabad（贾瓦哈拉尔·尼赫鲁科技大学海得拉巴工程科学与技术学院）；Holy Mary Institute of Technology（圣玛丽技术学院）
本文提出了一种六自由度工业机器人臂，通过伺服电机和微控制器接口设计，并结合逆运动学算法和PID控制器，实现高精度和高重复性的自动化任务。
2025-11-10 cs.RO
Fast-dRRT*: Efficient Multi-Robot Motion Planning for Automated Industrial Manufacturing
Realtime Robotics Inc.（实时机器人公司）；KTH Stockholm（瑞典皇家理工学院）；TU Berlin（柏林工业大学）
Fast-dRRT* 通过预计算扫掠体、死锁避免和简化重连策略扩展 dRRT*，在工业多机器人场景中显著提升实时求解成功率并降低计算时间。
2023-09-19 cs.RO
Desenvolvimento de ferramenta de simulação para auxílio no ensino da disciplina de robótica industrial
Universidade de Fortaleza (UNIFOR)（福塔莱萨大学）
目前，机器人技术不仅在工业领域，而且在消费和服务领域都是增长最快的领域之一。几个领域受益于机器人技术的进步，特别是工业领域受益于生产力和质量的提高。然而，为了满足这一不断增长的需求，新毕业的专业人员有必要对如何设计和控制机器人机械手有更深入的了解。这是合乎逻辑的，为了获得这种更深入的机器人知识，有必要有一个真正的机器人操作器的经验，因为实践是一个更有效的学习方式比理论。然而，众所周知，机器人手臂不是一个便宜的投资，它的维护也不便宜。因此，许多教育机构无法为学生提供这种类型的体验。考虑到这一点，并通过使用Unity 3D，这是一个游戏开发软件，一个机器人手臂模拟器已经开发出来，以关联课堂理论与实际发生的事情。在该模拟器上实现的机器人操纵器可以由逆运动学（这是工业标准）和正运动学控制。
2022-03-31 cs.GT cs.RO
Technical Report of Mobile Manipulator Robot for Industrial Environments
Shahid Beheshti University（沙希德·贝赫什提大学）
本文报告一款为 RoboCup 2024 开发的工业移动操作机器人，集成麦克纳姆底盘、五自由度机械臂、Hector SLAM、A* 与 YOLO，以实现自主导航、操作和避障。
2024-10-27 cs.RO
Workspace Registration and Collision Detection for Industrial Robotics Applications
Institute of Robotics（机器人研究所）；Johannes Kepler University（约翰·凯撒大学）
本文针对工业机器人运动规划中的环境感知问题，提出利用多种传感器获取点云，通过区域生长分割和VCCS算法识别碰撞物体并近似处理，旨在比较传感器性能并实现机器人与环境间的碰撞检测。
2025-10-27 cs.RO
Systematic Evaluation of Trade-Offs in Motion Planning Algorithms for Optimal Industrial Robotic Work Cell Design
Automation \& Control Institute, TU Wien, Vienna, Austria；AIT Austrian Institute of Technology GmbH, Vienna, Austria
针对工业机器人工作单元双层优化中运动规划权衡影响未明的问题，提出评估指标并通过仿真研究运动层简化对上层优化的影响，将算法应用于模块化机器人码垛场景的时间最优运动学设计。
2025-09-02 cs.RO
Variable Autonomy of Whole-body Control for Inspection and Intervention in Industrial Environments using Legged Robots
Institute for Perception, Action and Behaviour, School of Informatics, The University of Edinburgh（爱丁堡大学信息学院感知、行动与行为研究所）
在工业和民用场景中部署机器人是保护操作员免受危险和危害的可行解决方案。共享自主权对于实现足式机器人等复杂系统的远程控制至关重要，允许操作员专注于基本任务，而不是过于详细的执行。为了实现这一点，我们提出了一个全面的控制框架，使用足式机器人检查和干预，并验证多个本地操作优化算法的集成，以提高远程操作。建议的控制提供3种操作模式：全自动，半自主，触觉接口接收现场物理交互，以协助遥操作。我们的贡献是设计了一个基于QP的半解析全身控制，这是完成各种任务的关键，受到内部和外部的限制。我们展示了全身控制的多功能性，在解耦任务，奇异容忍度和约束满足。我们在现场试验中部署了我们的解决方案，并在机器人清除道路障碍物和穿越困难地形时通过紧急停止进行评估。
2020-10-23 cs.RO
Multi-Robot Association-Path Planning in Millimeter-Wave Industrial Scenarios
Linköping University（林雪平大学）
工业4.0机器人的大规模开发需要先进的无线解决方案，以取代灵活性较低且成本较高的有线网络。在这方面，毫米波（mm波）可以提供高数据率，但是它们的特征在于需要密集无线电部署的不均匀覆盖。在这种情况下，覆盖漏洞和大量切换可能会降低通信吞吐量和可靠性。与传统的多机器人路径规划（MPP）相比，我们定义了一种多机器人关联路径规划（MAPP）问题，旨在共同优化机器人的路径和机器人接入点（AP）的关联。在MAPP中，我们专注于最小化的路径长度，以及在保持连通性的同时，保持连接的数量。我们提出了一个算法，可以解决MAPP在多项式时间，它是能够数值逼近全局最优。我们表明，所提出的解决方案是能够保证网络的连通性，并显着减少的数量相比，最大限度地减少路径长度。
2020-03-21 cs.NI cs.RO
Industrial Internet Robot Collaboration System and Edge Computing Optimization
Carnegie Mellon University（卡内基梅隆大学）；University of San Francisco（旧金山大学）；University of the Cumberlands（坎伯兰大学）；Northeastern University（东北大学）；Peking University（北京大学）
本文提出一种基于边缘计算的工业机器人协作系统，通过三层神经网络和模拟退火算法优化全局路径规划，提升机器人在随机环境下的导航鲁棒性。
2026-01-29 cs.AI cs.RO
Deep-Reinforcement-Learning-based Path Planning for Industrial Robots using Distance Sensors as Observation
Berlin Institute of Technology（柏林工业大学）
工业机器人广泛用于各种制造环境中，因为它们可以高效地完成重复性任务，例如装配或焊接。这些应用的一个共同问题是到达目的地而不与障碍物或其他机器人手臂碰撞。常用的基于采样的路径规划方法，如RRT，需要很长的计算时间，特别是在复杂的环境中。此外，需要事先了解使用它们的环境。当在新环境中使用这些方法时，需要进行设置超参数的繁琐工程工作，这是时间和成本密集型的。另一方面，深度强化学习在处理未知环境、推广新问题实例以及高效解决运动规划问题方面表现出了显著的效果。基于此，本文提出了一种基于深度强化学习的机器人运动规划器。我们评估了我们的模型对国家的最先进的抽样为基础的规划在几个实验。结果表明，我们的规划器在路径长度和执行时间方面的优越性。
2023-01-14 cs.AI cs.LG cs.PF
Robot Safe Interaction System for Intelligent Industrial Co-Robots
University of California, Berkeley（加州大学伯克利分校）
本文提出一种安全交互系统，通过并行规划与控制架构提升协作机器人在动态不确定环境中的效率与安全性，实验验证了方法的有效性。
2018-08-12 cs.RO cs.SY eess.SY
Safe Interactive Industrial Robots using Jerk-based Safe Set Algorithm
Carnegie Mellon University（卡内基梅隆大学）
提高生产线灵活性的需求要求机器人与人类工人合作。然而，现有的交互式工业机器人只能保证本质安全（减少碰撞冲击），而不能保证交互安全（避免碰撞），这大大限制了它们的灵活性。该问题源于现有工业机器人控制软件的两个局限性：1）缺乏对实时轨迹修改的支持; 2）缺乏在机器人动力学约束下具有保证碰撞避免的智能安全控制算法。为了解决第一个问题，以前开发了一个急动有界的位置控制器（JPC）。本文讨论了第二个限制，在JPC之上。具体来说，我们引入了一个基于急动的安全集算法（JSSA），以确保避免碰撞，同时考虑机器人的动力学约束。JSSA极大地扩展了原安全集算法的范围，该算法仅适用于具有无界加速度的二阶系统。JSSA在FANUC LR Mate 200 id/7 L机器人上实现，并通过HRI任务进行了验证。实验表明，JSSA可以始终保持机器人在一个安全的距离，同时执行指定的任务。
2022-09-20 cs.RO cs.SY eess.SY
Evaluation of Human-Robot Collaboration Models for Fluent Operations in Industrial Tasks
Ben-Gurion University of the Negev（内盖夫本-古里安大学）
本文评估了人机协作模型在工业任务中的性能，比较了基于定时和传感器的模型与自适应模型，发现自适应模型在总装配时间和空闲时间上有显著提升。
2017-08-16 cs.RO cs.SY eess.SY
High-Speed High-Accuracy Spatial Curve Tracking Using Motion Primitives in Industrial Robots
Rensselaer Polytechnic Institute（伦斯勒理工学院）；GE Research（通用电气研究中心）
工业机器人越来越多地部署在需要末端执行器工具紧密地跟踪指定路径的应用中，诸如在喷涂和焊接中。性能和生产力可能存在相互冲突的目标：跟踪精度，路径速度和运动均匀性。工业机器人通过运动基元进行编程，运动基元由预定义的运动段连接的路径点组成，具有指定的参数，如路径速度和混合区。实际执行的机器人运动取决于机器人关节伺服控制器和关节运动约束（速度、加速度等）。这在很大程度上不为用户所知。今天，对机器人进行编程以实现所需的性能是耗时的，并且主要是手动的，需要调整运动基元中的大量耦合参数。性能还取决于附加参数的选择：可能的冗余自由度、目标曲线的位置和机器人配置。本文提出了一种系统的方法来优化机器人运动原语的性能。该方法首先选择静态参数，然后选择运动基元，最后迭代更新航路点以最小化跟踪误差。最终的性能目标是最大限度地提高路径速度的跟踪精度和速度均匀性的约束下，在整个path.We已经证明了这种方法的有效性，在模拟ABB和FANUC机器人的两个具有挑战性的例子曲线，和实验ABB机器人。与使用当前行业实践的基准相比，优化后的性能显示出超过200%的性能改善。
2023-01-06 cs.RO cs.SY eess.SY
Towards human-like kinematics in industrial robotic arms: a case study on a UR3 robot
Bialystok University of Technology（比亚韦斯托克工业大学）；University of Las Palmas de G.C.（大加那利岛拉斯帕尔马斯大学）；IDeTIC Institute（IDeTIC研究所）
本文以UR3机器人为例，利用快速人类运动的运动学理论及Sigma-Lognormal模型生成钟形速度曲线，使机械臂运动更具类人性，实验证实了该方法的可行性。
2024-09-25 cs.RO cs.SY eess.SY
Tracking error learning control for precise mobile robot path tracking in outdoor environment
Massachusetts Institute of Technology（麻省理工学院）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
提出了一种跟踪误差学习控制（TELC）算法，用于越野环境下移动机器人的精确路径跟踪。传统的基于跟踪误差的控制方法中，反馈和前馈控制器都是基于标称模型设计的，无法捕捉不确定性、干扰和工作条件的变化，无法保证在室外环境下精确的路径跟踪性能。在TELC算法中，前馈控制动作的更新，通过使用跟踪误差动态和对象模型失配问题，从而放弃。因此，一旦移动机器人已经在轨道上，前馈控制器就逐渐从系统的控制中消除反馈控制器。除了证明稳定性外，还证明了代价函数不存在局部极小值，从而TELC算法中的系数保证达到全局极小值。实验结果表明，TELC算法的路径跟踪性能优于传统的跟踪误差控制方法。TELC算法控制的移动机器人在越野环境下能够精确地跟踪目标路径，误差小于$10$ cm。
2021-03-21 cs.RO cs.SY eess.SY
Demonstrating a Control Framework for Physical Human-Robot Interaction Toward Industrial Applications
National Institute of Advanced Industrial Science and Technology (AIST)（国立产业技术综合研究所（AIST））；CNRS-AIST Joint Robotics Laboratory (JRL)（法国国家科学研究中心-AIST联合机器人实验室（JRL））；The University of Tokyo（东京大学）
针对物理人机交互难达工业级性能的问题，本文提出含多种力矩控制模式的二阶QP通用框架，集成安全约束与鲁棒跟踪，在Kinova Gen3机器人上验证了模式切换与参数调优能力，具备工业应用潜力。
2025-05-16 cs.RO cs.SY eess.SY
Fast and Accurate Relative Motion Tracking for Dual Industrial Robots
Rensselaer Polytechnic Institute（伦斯勒理工学院）；Wason Technology（沃森科技）
针对双工业机器人沿3D曲线运动需快速精准均匀、现有方案依赖手动调试的问题，提出基于相对路径选布置、选路径点与运动基元、仿真加实机迭代更新路径点的三步法，在ABB与FANUC机器人测试台验证了有效性。
2024-08-14 cs.RO cs.SY eess.SY
Robotic Knee Tracking Control to Mimic the Intact Human Knee Profile Based on Actor-critic Reinforcement Learning
Arizona State University（亚利桑那州立大学）；North Carolina State University（北卡罗来纳州立大学）；University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
我们解决了一个国家的最先进的强化学习（RL）的控制方法，自动配置机器人假体阻抗参数，使端到端，连续的运动，旨在为经股截肢受试者。具体来说，我们的演员-评论家基于RL提供跟踪控制的机器人膝关节假体模仿完整的膝关节轮廓。这是一个显着的进步，从我们以前的RL为基础的自动调整假肢控制参数，集中在调节控制与设计师规定的机器人膝关节轮廓作为目标。除了提出完整的跟踪控制算法的基础上直接启发式动态规划（dHDP），我们提供了一个分析框架的跟踪控制器的约束输入。我们证明了我们提出的跟踪控制具有几个重要的性质，如学习网络的权值收敛，Bellman（次）最优的成本去价值函数和控制输入，和实际稳定的人-机器人系统下的输入约束。我们还提供了一个系统的模拟所提出的跟踪控制使用一个现实的人类-机器人系统模拟器，OpenSim，模拟如何dHDP使平地行走，行走在不同的地形和不同的步伐。这些结果表明，我们提出的基于dHDP的跟踪控制不仅在理论上是合适的，而且在实践中也是有用的。
2021-01-22 cs.RO cs.SY eess.SY
Customizing Textile and Tactile Skins for Interactive Industrial Robots
Carnegie Mellon University（卡内基梅隆大学）
本文提出一种在工业机器人手臂上快速制造、校准和部署纺织品触觉皮肤的方法，并通过FANUC机器人实验证明其能有效支持工业环境中的人机交互、机器人控制与学习。
2023-08-06 cs.RO
Insights from an Industrial Collaborative Assembly Project: Lessons in Research and Collaboration
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）
机器人技术的重大进展揭示了推进制造业发展的新机遇。下一代工业自动化将需要集成不同的机器人技术，并将其应用于具有挑战性的工业环境。本文介绍了三个学术研究小组和一个工业合作伙伴之间的协作装配项目的经验教训。该项目的目标是开发一种灵活、安全和高生产率的制造单元，用于亚厘米级的精密装配。在高混合、小批量生产线中解决这个问题激发了机器人技术的多项研究。这项工作确定了协作机器人技术在工业应用中的新方向，并为加强学术界和工业界机构在新技术开发方面的合作提供了见解。
2022-05-28 cs.RO cs.SY eess.SY
A Low Cost Vision Based Hybrid Fiducial Mark Tracking Technique for Mobile Industrial Robots
University of Jazan（贾赞大学）
机器人视觉领域发展迅速。机器人可以智能地做出反应，并通过感知计算为用户活动提供帮助。由于工业应用提出了人类无法处理的复杂要求，因此需要一种有效的低成本和鲁棒的技术来跟踪移动工业机器人。现有的基于传感器的移动机器人跟踪技术是昂贵的，部署，配置和维护复杂。其中一些还需要专用且通常昂贵的硬件。本文提出了一种低成本的视觉为基础的技术称为混合基准标记跟踪（HFMT）技术的跟踪移动工业机器人。HFMT技术需要现成的硬件（CCD摄像头）和可打印的2-D圆形标记用作基准，用于跟踪预处理器上的移动工业机器人定义的路径。该技术允许机器人跟踪一个预定义的路径，通过使用基准检测右和左转弯的路径和白色地带跟踪路径。HFMT技术的实现和测试的室内移动机器人在我们的实验室机器人在真实环境中导航的实验结果证实了我们的方法简单而鲁棒，可以在人类无法工作的任何恶劣工业环境中采用。
2012-09-29 cs.CV cs.RO
Scalable Distributed Planning for Multi-Robot, Multi-Target Tracking
NASA Jet Propulsion Laboratory (JPL)（美国国家航空航天局喷气推进实验室）；Carnegie Mellon University (CMU)（卡内基梅隆大学）
在多机器人多目标跟踪中，机器人协调监视在环境中移动的目标群。我们的做法规划这样的情况下，制定一个滚动时域，多机器人传感问题的互信息目标。这类问题一般都是NP难问题。然而，我们的目标是次模块化，使某些贪婪的规划，以保证常数因子次优。然而，这些贪婪的规划者要求机器人按顺序规划他们的行动，一次一个机器人，所以规划时间至少与机器人的数量成正比。对于大型团队来说，解决这些问题变得非常棘手，即使是分布式实现。我们以前的工作提出了一个分布式规划器（RSP），它减少了这个顺序步骤的数量为常数，即使是大量的机器人，通过允许机器人并行计划，而忽略一些其他的决定。虽然该分析是不适用于目标跟踪，我们证明了类似的保证，RSP规划方法的性能保证完全顺序的规划者，采用一种新的约束，利用目标运动的独立性，量化机器人的观察和行动之间的有效冗余。此外，我们提出的分析，明确占实际实施的功能，包括近似的目标和随时规划。仿真结果-可通过开放源代码发布-与测距传感器的目标跟踪表明，我们的规划者一贯的做法的性能顺序规划（在位置不确定性方面），只有2- 8规划步骤和多达96个机器人的顺序步骤的数量减少了24倍的规划。因此，这项工作使得规划多机器人目标跟踪易于处理，在更大的规模比以前，为实际的规划者和一般的跟踪问题。
2021-07-18 cs.RO cs.SY eess.SY
Gimbal-Based Human Tracking for Companion Robots Using Continual Learning
National Cheng Kung University (NCKU)（成功大学）
该研究针对陪伴机器人的人体跟踪问题，提出基于云台摄像头的方法并结合持续学习的ReID策略，提升了跟踪稳定性与连续性，无需可穿戴标签且支持实时重识别。
2026-09-17 cs.RO cs.SY eess.SY
Accelerometer-based control of an industrial robotic arm
University of Coimbra（科英布拉大学）
大多数工业机器人仍然使用典型的示教过程编程，通过使用机器人示教器。本文提出了一种基于加速度计的系统，使用两个低成本和小型的三轴无线加速度计来控制工业机器人。这些加速度计连接到人的手臂，捕捉其行为（手势和姿势）。一个人工神经网络（ANN）训练与反向传播算法被用来识别手臂的手势和姿势，然后将被用作输入的机器人的控制。目的是机器人几乎在用户开始执行手势或姿势的同时开始移动（低响应时间）。结果表明，该系统允许以直观的方式控制工业机器人。然而，手势和姿势的识别率（92%）应在未来提高，保持与系统响应时间（160毫秒）的妥协。最后，与工业机器人进行了一些测试的结果，并进行了讨论。
2013-09-09 cs.RO
Modeling Load-, Velocity-, and Temperature-Dependent Transmission Errors of Cycloidal Drives for Industrial Robots Using Fourier Series
针对工业机器人摆线减速器传动误差，提出用傅里叶级数建模负载、速度、温度的影响，实验验证误差为0.026毫弧度，可用于前馈补偿提升路径精度。
2026-09-25 cs.RO cs.SY eess.SP
A Virtual Reality Teleoperation Interface for Industrial Robot Manipulators
Brown University（布朗大学）；Mitsubishi Electric Research Labs（三菱电机研究实验室）
针对工业机器人因隐藏力矩与速度控制导致VR遥操作困难的问题，提出一种简化滤波方法处理指令信号，使操作员能利用商用VR接口有效完成富接触灵巧操作任务。
2023-05-18 cs.AI cs.RO
Timor Python: A Toolbox for Industrial Modular Robotics
Technical University of Munich（慕尼黑工业大学）；Munich Center for Machine Learning（慕尼黑机器学习中心）
本文提出Timor这一Python开源工具箱，旨在填补工业模块化可重构机器人在建模与仿真方面的空白，通过提供模型生成、基于任务的配置优化及URDF导出功能，实现与现有仿真工具的集成，并经实验验证其有效性。
2023-09-15 cs.RO
Towards Automated Acceptance testing for industrial robots
SmArtSE Research Team（SmArtSE研究团队）；Université du Québec à Chicoutimi（魁北克大学希库蒂米分校）
工业机器人是许多现代工业中应用的重要机器，以高精度执行重复性任务，取代或支持危险工作。在这种系统中，随着成本与系统保持工作的时间相关的复杂性的增加，系统必须以最小数量的故障运行。换句话说，工业中重要的质量方面是可靠性。我们假设自动化验收测试提高了工业机器人程序的可靠性。本文提出了研究问题、研究动机、研究假设以及未来的研究方向。
2021-04-22 cs.RO cs.SE
Resilience in multi-robot multi-target tracking with unknown number of targets through reconfiguration
University of Southern California（南加州大学）
我们解决的问题，保持资源的可用性在一个网络化的多机器人团队进行分布式跟踪未知数量的目标在感兴趣的环境。基于我们的模型，机器人配备了传感和计算资源，使他们能够合作跟踪一组目标的环境中使用分布式概率假设密度（PHD）过滤器。我们使用机器人的传感器测量噪声协方差矩阵的轨迹来量化其传感质量。在执行跟踪任务时，如果机器人经历传感器质量降级，则机器人团队的通信网络被重新配置，使得具有故障传感器的机器人可以与其他机器人共享信息，以提高团队的目标跟踪能力，而无需强制执行活动通信链路的数量的大的变化。一个监控团队的中央系统执行所有的网络重新配置计算。我们考虑两种不同的PHD融合方法在本文中，并提出了四种不同的混合半定规划（MISDP）配方（两个配方为每个PHD融合方法），以实现我们的目标。所有四个MISDP配方进行了验证模拟。
2020-04-15 cs.MA cs.RO cs.SY
Compliant motion control for handling a single object by two similar industrial robots
National Institute of Applied Sciences and Technology（国家应用科学和技术研究所）
在本文中，我们提出了一个符合运动控制策略处理一个单一的对象由两个类似的工业机器人。由两个机器人进行的对象的动力学被同化的质量弹簧阻尼器系统的动力学描述的分段线性模型（PWA）。两个机器人的协调是使用专用于PWA系统的主从同步方法，基于李雅普诺夫理论，并通过线性矩阵不等式（LMI）解决。仿真结果证明了该方法的性能，并与相关方法进行了比较。
2014-05-07 cs.RO
Real-Time Adaptive Industrial Robots: Improving Safety And Comfort In Human-Robot Collaboration
University of St. Gallen（圣加仑大学）
本研究提出一种具备用户感知能力的实时自适应工业机器人系统，通过非侵入式监测生理信号动态调整机器人运动，可显著降低操作人员认知负荷，提升协作舒适度与安全感，为人机交互提供了新范式。
2024-09-14 cs.RO
Opportunities and Limitations of Mixed Reality Holograms in Industrial Robotics
University of Augsburg（奥格斯堡大学）；XITASO GmbH（XITASO有限公司）
本文介绍了两个案例研究结合工业机器人领域与混合现实（MR）。这些案例研究的目的是更好地了解MR如何有用以及局限性是什么。第一个案例研究描述了一种可视化机器人手臂的数字孪生的方法。第二个案例研究旨在促进工业机器人的调试。此外，本文报告了通过实施这两个方案所获得的经验，并讨论了局限性。
2020-01-22 cs.HC cs.RO
The Social Life of Industrial Arms: How Arousal and Attention Shape Human-Robot Interaction
Ingenuity Labs Research Institute（创新实验室研究机构）；Queen’s University（女王大学）
本研究提出一种结合注意力引擎与唤醒度调节系统的控制架构，用于非拟人化机械臂，发现高注意力提升温暖与能力感知，高唤醒度引发不适，二者适度结合能最大化信任与社交性。
2025-08-11 cs.HC cs.RO cs.SY
On-line collision avoidance for collaborative robot manipulators by adjusting off-line generated paths: An industrial use case
University of Coimbra（科英布拉大学）；Arts et Métiers（法国国立高等工程技术学院）
人机碰撞避免是协作机器人和工业4.0框架中的关键。它对于实现安全标准，同时使人类和机器在非结构化和时变环境中并肩工作起着重要作用。本研究将机械手的在线碰撞避免引入到一个实际的工业应用中，该应用实现了典型的传感器和常用的协作工业机械手KUKA iiwa。在所提出的方法中，人类的同事和机器人表示的几何图元（胶囊）。当人/障碍物在附近时，使用假设的排斥和吸引向量的概念，计算它们之间的最小距离和相对速度。通过耦合这一概念与机器人的运动学的数学表示，实现了具有碰撞避免能力的任务级控制。因此，离线生成的工业任务的标称路径在运行中被修改，使得机器人能够安全地避免与同事碰撞，同时能够完成工业操作。为了保证在不同任务之间切换时的运动连续性，引入了排斥向量整形的概念。在汽车工业装配机器人单元上的试验表明，通过调整离线生成的标称路径，机器人运动平稳，成功避免了碰撞。
2019-09-11 cs.RO
Trajectory Tracking Control of Skid-Steering Mobile Robots with Slip and Skid Compensation using Sliding-Mode Control and Deep Learning
本文提出了一种针对户外滑移转向移动机器人的轨迹跟踪控制方法，结合滑模控制与深度学习模型实现实时滑移和侧滑补偿，使轨迹跟踪系统性能提升超27%。
2023-10-23 cs.AI cs.RO cs.SY
Using industrial robot to manipulate the measured object in CMM
University of Zenica（泽尼察大学）
坐标测量机（CMM）广泛用于检查制造零件的尺寸，特别是在汽车工业中。这些测量自动化的主要障碍是夹具和夹紧组件，这是为了在CMM中定位被测对象所必需的。本文介绍了如何使用工业机器人在三坐标测量机的工作空间内操纵被测物体，以实现复杂几何形状测量的自动化。
2014-04-14 cs.RO
Asch Meets HRI: Human Conformity to Robot Groups
Italian Institute of Technology（意大利理工学院）；UNSW Sydney（悉尼新南威尔士大学）
本研究将经典 Asch 实验引入工业机器人 HRI，探究群体规模、机器人可信度及同伴压力对人类遵循机器人错误响应的影响，以揭示工业场景中的群体动力学。
2023-08-25 cs.AI cs.RO
Task Adaptation in Industrial Human-Robot Interaction: Leveraging Riemannian Motion Policies
ETH Zurich（苏黎世联邦理工学院）
针对工业人机交互需求，提出基于黎曼运动策略的模块化运动控制框架，实现免手动控制、复杂任务组合及意图识别与运动规划无缝集成，并在受现实工业场景启发的实验中验证了其有效性。
2024-06-25 cs.RO
IMR-LLM: Industrial Multi-Robot Task Planning and Program Generation using Large Language Models
Shenzhen University（深圳大学）；SpeedBot Robotics Co., Ltd.（SpeedBot机器人科技有限公司）；Carleton University（卡尔顿大学）；Institute of AI for Industries, Chinese Academy of Sciences（中国科学院工业人工智能研究所）
IMR-LLM通过大语言模型实现工业多机器人任务规划与程序生成，结合析取图和过程树，提出高效任务计划和可执行程序生成方法，并构建了多复杂度层次的IMR-Bench基准。
2026-03-03 cs.RO
Synthetic Dataset Generation and Learning From Demonstration Applied to Industrial Manipulation
University of Luxembourg（卢森堡大学）
本文研究面向工业装配的自动化操作流水线，提出合成数据集生成方法并结合示教学习替代人工编程，使非机器人专家也能通过示教引入新操作任务。
2024-03-30 cs.RO
A New Calibration Method for Industrial Robot Based on Step-Size Levenberg-Marquardt Algorithm
Chongqing University of Posts and Telecommunications（重庆邮电大学）；Swansea University（斯旺西大学）；Southwest University（西南大学）
工业机器人在自动化生产中起着至关重要的作用，在搬运、焊接等工业生产活动中得到了广泛的应用。然而，由于机器人存在加工误差和装配误差，其绝对定位精度较低，无法满足高精度制造的要求。针对这一热点问题，提出了一种基于无迹卡尔曼滤波器和变步长Levenberg-Marquardt算法的标定方法。这项工作有三个想法：a）提出了一种新的变步长Levenberg-Marquardt算法，以解决Levenberg-Marquardt算法中的局部最优问题; b）采用无迹卡尔曼滤波器来减小测量噪声的影响;以及c）开发了一种将无迹卡尔曼滤波器与变步长Levenberg-Marquardt算法结合的新的校准方法。此外，我们在ABB IRB 120工业机器人上进行了足够的实验。从实验结果来看，该方法实现了更高的校准精度比一些国家的最先进的校准方法。因此，这项工作是机器人标定领域的一个重要里程碑。
2022-08-01 cs.RO
Evaluating Robot Program Performance with Power Consumption Driven Metrics in Lightweight Industrial Robots
Maersk Mc-Kinney Moller Institute, University of Southern Denmark（马士基麦金尼·莫勒研究所，丹麦南部大学）
本研究提出一种基于电力功耗指标的具身视角框架，用于评估轻量级工业机器人程序性能，通过实验比较四种策略，揭示优缺点，以提升能效和可靠性，支持可持续制造。
2025-08-08 cs.RO
Using vs. Purchasing Industrial Robots: Adding an Organizational Perspective to Industrial HRI
Institute of Computer Science, University of St. Gallen（圣加仑大学计算机科学学院）
本研究通过阶梯访谈与手段—目的分析，比较瑞士制造中小企业中操作员和决策者对工业机器人的关注点，揭示影响采购、集成与接受的要素及关联差异。
2024-09-08 cs.HC cs.RO
Towards Safe Multi-Level Human-Robot Interaction in Industrial Tasks
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Foxconn Interconnect Technology（富士康互联科技）；Zhejiang University（浙江大学）
本文提出三个独立安全模块（视觉监控、接触监控、分层意图跟踪），实现工业协作机器人在多层级人机交互中的安全保障，并探讨了基于人类行为建模的未来研究方向。
2023-08-06 cs.RO
ROS2SmolVLA: Enabling Small Vision-Language-Action Models for Integration into Industrial-Grade Lightweight Robots
University of Augsburg（奥格斯堡大学）
本研究将SmolVLA适配于Universal Robots轻量机器人，发布ROS2SmolVLA开源接口，通过UR10e取放任务验证其功能，为工业级轻量机器人提供了本地可计算的小型VLA模型方案。
2026-08-25 cs.RO
Dynamic Knowledge Graphs as Semantic Memory Model for Industrial Robots
ABB Discrete Automation and Robotics（ABB离散自动化与机器人业务部）
在本文中，我们提出了一个语义记忆模型，允许机器收集信息和经验，随着时间的推移变得更加熟练。对传感器和其他相关数据进行语义分析后，将处理后的信息存储在知识图谱中，然后使用知识图来理解以自然语言表达的工作指令。这赋予工业机器人认知行为，以确定性的方式执行所需的任务。该文件概述了该系统的架构，以及该建议的实施。
2021-05-23 cs.AI cs.RO
Identification of geometrical and elastostatic parameters of heavy industrial robots
Centre National de la Recherche Scientifique（法国国家科学研究中心）；University of Nantes（南特大学）
研究了带重力补偿器的重型工业机器人的刚度建模问题。主要的注意力是支付的几何和弹性静力参数的识别和校准精度。为了减少测量误差的影响，一组的机械手配置校准实验进行了优化，相对于所提出的性能措施有关的末端执行器的位置精度。实验结果表明，所开发的技术的优点。
2013-11-26 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
Understanding Sensor Vulnerabilities in Industrial XR Tracking
City University of New York（纽约城市大学）
本文研究了工业XR跟踪中传感器退化对VIO的影响，发现视觉退化导致厘米级误差，而惯性退化可能引发数百至数千米的轨迹偏移，强调了对惯性可靠性的重视。
2026-02-16 cs.CV cs.RO
Multimodal Interaction and Intention Communication for Industrial Robots
Technical University of Munich（慕尼黑工业大学）；Bosch Corporate Research（博世公司研究部）；Örebro University（厄勒布鲁大学）
本文提出非人形工业机器人通过小型拟人代理进行多模态交互，利用大语言模型增强通信，以提升人机交互的安全与效率。
2025-02-25 cs.HC cs.RO
Scalable and low-cost remote lab platforms: Teaching industrial robotics using open-source tools and understanding its social implications
Indian Institute of Technology Bombay（印度理工学院孟买分校）
本文提出两个基于ROS和ROS 2开源工具的低成本远程实验室平台，通过部署UR5机械臂和移动漫游车构建AAHS与AWMS系统，在7个月内经1400余名学生测试验证了其教学有效性。
2024-12-19 cs.RO
Evaluating Magic Leap 2 Tool Tracking for AR Sensor Guidance in Industrial Inspections
Institute of Aircraft Production Technology（航空制造技术研究所）；Hamburg University of Technology（汉堡理工大学）
本文评估Magic Leap 2在工业检查中的工具跟踪性能，通过机械臂和光学系统验证，提供准确性和重复性的定量基准，并提出可转移的评估方法。
2025-09-05 cs.HC cs.MM cs.RO
Capability-based Frameworks for Industrial Robot Skills: a Survey
Siemens Technology（西门子技术）；Institute of Robotics and Mechatronics, German Aerospace Center (DLR)（德国航空航天中心机器人与机电一体化研究所）；Chair of Human-centered Assistive Robotics, Technical University of Munich (TUM)（慕尼黑工业大学以人为中心的辅助机器人学教席）；Autonomous Systems, Technische Universität Wien (TU Wien)（维也纳工业大学自主系统研究所）
本文综述了工业机器人技能框架，分析210篇论文发现研究界普遍认同基于task、skill和primitive的分类法，并指出工业应用多关注固定参数的简单能力与安全性，呼吁未来研究采用该分类法并探索参数化能力。
2024-08-26 cs.RO
