Assessing VLM-Driven Semantic-Affordance Inference for Non-Humanoid Robot Morphologies
Bristol Robotics Laboratory, University of Bristol(布里斯托尔机器人实验室,布里斯托尔大学);University of Bristol(布里斯托尔大学)
本文研究了视觉语言模型在非人形机器人上的语义可及性推理能力,通过混合数据集分析发现模型在不同物体和机器人形态上表现不一,存在保守预测倾向,需结合其他方法以提高性能。
2026-04-21 cs.MA cs.RO
HRI Challenges Influencing Low Usage of Robotic Systems in Disaster Response and Rescue Operations
University of Tennessee, Knoxville(田纳西大学诺克斯维尔分校)
本文针对灾难响应与救援场景中机器人系统使用率低的问题,聚焦人机交互(HRI)挑战,梳理现有救灾机器人系统的HRI问题,并借鉴已有研究提出应对思路。
2024-01-28 cs.HC cs.RO
Multi-agent Time-based Decision-making for the Search and Action Problem
Autonomous Systems Lab., ETH Zurich(苏黎世联邦理工学院自主系统实验室)
许多机器人应用,如搜索和救援,需要多个代理搜索和执行目标上的行动。然而,这样的任务提出了一些挑战,包括合作探索,任务选择和分配,时间限制,和计算复杂性。为了解决这个问题,我们提出了一个分散的多智能体决策框架的搜索和行动问题的时间约束。其主要思想是将时间视为一个分配的预算,每个代理人的行动都会产生时间成本并产生一定的奖励。我们的方法利用概率推理来做出接近最优的决策,从而获得最大化的回报。我们评估我们的方法在穆罕默德·本·扎耶德国际机器人挑战赛(MBZIRC)的搜索,挑选和放置场景,通过使用概率密度图和奖励预测函数来评估行动。广泛的模拟表明,我们的算法优于基准策略,我们展示了系统集成在一个基于Gazebo的环境中,验证框架的准备现场应用。
2018-03-13 cs.RO
Soft Robotics for Search and Rescue: Advancements, Challenges, and Future Directions
本文综述用于搜索与救援(SAR)的软体机器人技术进展,分析其仿生设计、柔性材料等带来的适应性优势,指出材料、动力等现存挑战,强调跨学科创新对推动其实际应用的重要性。
2025-02-17 cs.AI cs.RO
NimbRo Rescue: Solving Disaster-Response Tasks through Mobile Manipulation Robot Momaro
University of Bonn(波恩大学)
迫切需要在人类无法进入的危险环境中解决复杂任务的机器人,例如用于搜索和救援应用。我们描述了我们的移动操作机器人Momaro,我们成功地参加了DARPA机器人挑战赛。它采用了独特的运动设计,四条腿的末端是可转向的轮子,这使得它既可以全方位行驶,也可以跨越障碍物或攀爬。此外,我们提出了先进的通信和遥操作方法,其中包括沉浸式3D可视化,以及操作员头部和手臂运动的6D跟踪。该系统在DARPA机器人挑战赛,DLR SpaceBot杯资格赛和实验室实验中进行了评估。我们还讨论了从比赛中吸取的教训。
2018-10-15 cs.RO
Observation-Constrained Joint-Space Viewpoint Optimization for Robotic Inspection of Cylindrical Cavities
ShanghaiTech University(上海科技大学);University of Pennsylvania(宾夕法尼亚大学)
本文提出一种机器人关节空间中观测约束圆柱腔体检修的自主优化方法,通过多起点无导数搜索优化关节构型,在 Isaac Sim 实验中表现优于基准方法,完成 92%目标构型且平均底部可见度达 91.65%。
2026-08-18 cs.RO
CLIO: a Novel Robotic Solution for Exploration and Rescue Missions in Hostile Mountain Environments
University of Trento(特伦托大学);University of Batna 2(巴特纳第二大学);Free University of Bozen-Bolzano(博尔扎诺自由大学)
本文提出绳索辅助攀爬机器人CLIO,通过绳索与单腿跳跃相结合实现接近垂直山坡上的重载移动,并利用最优控制与简化模型实现快速轨迹生成,仿真验证了其有效性与可达性。
2023-04-14 cs.RO
Multimodal Interaction with Multiple Co-located Drones in Search and Rescue Missions
Università degli Studi di Napoli Federico II(那不勒斯费德里科二世大学)
我们提出了一个多模式的交互框架,适合于人类救援人员,在搜索任务期间与一组位于同一地点的无人机接近。这项工作是在SHERPA项目的背景下进行的,该项目的目标是开发一个混合地面和空中机器人平台,以支持在现实世界的高山场景中进行搜索和救援活动。与典型的人机交互设置不同,这里的操作员并不完全致力于无人机,而是参与搜索和救援任务,因此只能向机器人提供稀疏、不完整但价值很高的指令。这种操作场景需要一个支持多模态通信的人机交互框架,以及人类和机器人之间有效和自然的混合主动交互。在这项工作中,我们说明了域和建议的多模态交互框架讨论系统在工作中的模拟案例研究。
2016-05-24 cs.RO
Semantic Map Sharing and Capability-Aware Coverage Planning for AI-Native 6G Robotic Coordination
University of Leicester(莱斯特大学)
针对搜索救援中异构机器人覆盖规划问题,提出边缘中心语义感知框架,通过语义网格地图共享和能力感知路径分配,实现91.5%覆盖率且无不可行分配,并大幅降低通信载荷。
2026-09-30 cs.AI cs.RO
SPROUT: The Open-Source Soft Growing Robot for Search and Rescue
Lincoln Laboratory, Massachusetts Institute of Technology(麻省理工学院林肯实验室);University of Notre Dame(圣母大学);Stanford University(斯坦福大学)
本文介绍开源软体生长机器人SPROUT,面向搜索救援,提供完整设计资料,并展示其在坍塌训练场的检查与穿越能力。
2026-09-17 cs.RO cs.SY eess.SY
Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems
Luleå University of Technology(吕勒奥理工大学)
针对地下搜救中烟雾污染3D LiDAR点云的问题,提出基于强度与空间信息的模块化实时过滤流程,并在前沿探索任务中验证其效果与计算影响。
2023-08-14 cs.CV cs.RO
Robotic Search & Rescue via Online Multi-task Reinforcement Learning
Princeton University(普林斯顿大学);University of Pennsylvania(宾夕法尼亚大学)
强化学习(RL)是机器人可以用来学习最优控制策略以解决特定任务的通用且公知的方法。我们希望构建一个可以学习多个任务的多功能机器人,但是在机器人的时间和磨损方面,使用RL来完成每个任务都是非常昂贵的。为了解决这个问题,我们使用策略梯度有效终身学习算法(PG-ELLA),这是一种在线多任务RL算法,使机器人能够通过在这些任务之间共享知识来有效地学习多个连续任务,以加速学习并提高性能。我们实施和评估三种RL方法-Q-学习,策略梯度RL和PG-ELLA-在地面机器人上,其任务是在不同的表面条件下的环境中找到目标对象。在本文中,我们讨论了我们的实现,以及提出了一个实证分析,他们的学习性能。
2015-11-29 cs.AI cs.LG cs.RO
Sigma-3: Integration and Analysis of a 6 DOF Robotic Arm Configuration in a Rescue Robot
North South University(北南大学)
本文介绍了一种名为Sigma 3的救援机器人,它是为潜在的应用而开发的,例如在人类无法到达的地方为人类提供帮助,以评估危险环境。此外,这些类型的机器人可以通过适当的控制系统进行远程控制。所提出的方法力在两个问题上:1。新颖的机制设计,用于测量与Sigma 3,2集成的臂的旋转、关节、自由度的连杆。精确测量末端执行器的三维运动控制。在所提出的机制设计中,自由度测量由平面和空间机构提出,其中4种类型的刚性关节建立每个自由度,由6个高扭矩MG 996 R伺服电机控制。旋转和自由度的测量是由旋转矩阵、逆运动学的理论参考和实验结果组成的。所提出的方法在振荡阻尼性能表现出小于百分之三的误差,而配置的手测试。另一个评估的工作时间状态有力地捍卫低功耗能力的机制。
2020-04-28 cs.RO cs.SY eess.SY
Diffusion Graph Neural Networks and Dataset for Robust Olfactory Navigation in Hazard Robotics
Dept. of Computer Science University of Texas at Dallas Richardson, TX, USA(计算机科学系 德州大学达拉斯分校 Richardson, TX, USA)
针对机器人嗅觉导航因数据集和传感器限制导致的气味归因错误问题,提出多模态嗅觉数据集及基于扩散的分子生成方法,扩展化学空间识别潜在气味分子,提升嗅觉-视觉模型关联准确性,为危险场景导航提供可扩展方案。
2025-09-21 cs.AI cs.LG cs.RO
Dataset and Performance Comparison of Deep Learning Architectures for Plum Detection and Robotic Harvesting
The Australian Center for Field Robotics(澳大利亚野外机器人中心);The University of Sydney(悉尼大学)
农业中的许多自动化操作,如除草和植物计数,都需要强大而准确的目标检测器。机器人水果收获就是其中之一,是解决树木种植者日益严重的劳动力短缺和不确定性的重要技术。手眼感应装置通常用于收获系统中,并为感应准确性和灵活性提供益处。然而,当手和相机从观察整个棚架移动到采摘特定的水果时,照明,颜色,遮蔽和曝光发生了很大的变化。收获中使用的目标检测算法应该对这些挑战具有鲁棒性,但目前存在用于评估这一点的数据集很少。在这项工作中,两个新的数据集收集在白天和夜间操作的实际机器人李收获系统。一系列当前一代的深度学习对象检测器都是以这些为基准的。此外,融合深度和图像信息的两种方法进行了测试,其对探测器性能的影响。发现不同探测器的昼夜精度之间存在显著差异,迁移学习在所有情况下都被认为是必不可少的,深度信息融合被评估为仅略微有效。数据集和基准模型可在线获取。
2021-05-09 cs.CV cs.RO
Strategic Control of Proximity Relationships in Heterogeneous Search and Rescue Teams
Dalle Molle Institute for Artificial Intelligence (IDSIA)(达勒·莫尔人工智能研究所(IDSIA))
在搜索和救援的背景下,我们考虑的任务规划的异质团队,可以包括人类,机器人和动物代理的问题。这个问题是解决使用混合整数数学规划制定,共同确定的路径和活动调度的每个代理在团队中。数学公式的基础上,我们提出了使用软约束和处罚,允许灵活的战略控制的搜索轨迹的代理之间的时空关系。通过这种方式,我们可以使任务规划者能够获得最大化区域覆盖的解决方案,同时控制代理之间的空间接近度(例如,以最小化相互任务干扰或促进本地合作和数据共享)。通过模拟实验,我们展示了战略框架的应用,考虑了现实世界的搜索和救援任务的一些感兴趣的场景。
2013-12-17 cs.RO
Assessing Transferability from Simulation to Reality for Reinforcement Learning
Technische Universität Darmstadt(达姆施塔特工业大学);Honda Research Institute Europe(本田欧洲研究院);Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所)
从物理模拟中学习机器人控制策略对机器人社区非常感兴趣,因为它可以通过减轻对昂贵的真实世界实验的需求来使学习过程更快,更便宜和更安全。然而,将学到的行为从模拟直接转移到现实是一个重大挑战。在稍微有故障的模拟器上优化策略很容易导致“模拟优化偏差”(SOB)的最大化。在这种情况下,优化器利用模拟器的建模误差,使得所产生的行为可能会损坏机器人。我们通过应用域随机化来应对这一挑战,即,在学习期间随机化物理模拟的参数。我们提出了一种算法称为基于仿真的策略优化与可转移性评估(SPOTA),它使用的估计量的最大值,制定一个停止标准的训练。引入的估计量量化了训练时经历的域集合的过拟合。我们在两个不同的二阶非线性系统上的实验结果表明,新的基于仿真的策略搜索算法能够专门从随机模拟器中学习控制策略,该策略可以直接应用于实际系统而无需任何额外的训练。
2019-10-21 cs.LG cs.RO
RISCuer: A Reliable Multi-UAV Search and Rescue Testbed
King Abdullah University of Science & Technology(阿卜杜拉国王科技大学);University of Maryland(马里兰大学);Polytechnique Montreal(蒙特利尔理工学院);Australian College of Kuwait(科威特澳大利亚学院)
我们提出了机器人智能系统与控制(RISC)实验室多智能体测试平台,用于在户外环境中进行可靠的搜索和救援以及空中运输。该系统由三个多旋翼无人机(UAV)组成,能够自主搜索,拾取和运输室外场地中随机分布的物体。该方法包括基于视觉的目标检测和定位,被动空中抓取与我们的新设计,基于GPS的无人机导航,并在空投区的对象的安全释放。我们的合作策略确保无人机之间始终保持安全的空间分离,我们使用通信支持的共识来防止降落区的任何冲突。所有的计算都在每架无人机上进行。我们描述了完整的软件和硬件体系结构的系统,并证明其可靠的性能,使用全面的户外实验,并通过比较我们的结果与最近的一些类似的作品。
2021-12-07 cs.RO
Assessing the Value of Visual Input: A Benchmark of Multimodal Large Language Models for Robotic Path Planning
Department of Micro-Nano Mechanical Science and Engineering, Nagoya University, Nagoya, Aichi, Japan(Nagoya大学微纳米机械科学与工程系);Institutes of Innovation for Future Society, Nagoya University, Nagoya, Aichi, Japan(Nagoya大学未来社会创新研究所)
本文通过基准测试评估15个多模态大语言模型在二维网格机器人路径规划中视觉输入的效用,发现视觉输入在简单网格上有一定帮助,但在复杂网格上性能显著下降,揭示了空间推理与多模态集成的可扩展性挑战。
2025-07-16 cs.RO
Cellular-enabled Collaborative Robots Planning and Operations for Search-and-Rescue Scenarios
i2CAT Foundation(i2CAT基金会);NEC Laboratories Europe GmbH(欧洲NEC实验室);Polytechnic University of Catalonia, UPC(加泰罗尼亚理工大学(UPC));Institut Català de Recerca i Estudis Avançats, ICREA(加泰罗尼亚高级研究所(ICREA))
针对SAR任务中蜂窝协作机器人能量受限问题,提出框架以区域面积、车队规模、能量、探索率和响应时间为输入,确定最少机器人数量及路径,并展示轮式与四足机器人的数量-面积-时间权衡。
2024-03-14 cs.NI cs.RO
Assessing virtualization effects in simulations of distributed robotics
IBM Research Africa(IBM非洲研究院)
在这项工作中,我们的目标是确定虚拟化策略的选择是否会影响机器人模拟的性能。性能是量化的参考轨迹和实际轨迹之间的误差为球沿光滑板的表面移动。双样本Kolmogorov-Smirnov检验用于评估不同实验设置下性能变化的显著性。我们的研究结果表明,虚拟化技术的选择有显着的影响,模拟,而且这种效果可以通过使用某些操作系统放大。虽然这些结果是一个强烈的谨慎理由,但它们也为那些考虑使用虚拟化进行“可重复机器人研究”的人提供了乐观的理由。
2017-12-16 cs.NI cs.RO
Robotic Fire Risk Detection based on Dynamic Knowledge Graph Reasoning: An LLM-Driven Approach with Graph Chain-of-Thought
针对机器人火灾感知与响应不足,提出IOG框架,结合知识图谱和大语言模型,从实时图像生成风险图,实现早期火灾检测与可解释应急决策,经仿真和实测验证有效。
2025-09-07 cs.AI cs.RO
A User Study Method on Healthy Participants for Assessing an Assistive Wearable Robot Utilising EMG Sensing
本文提出一种基于肌电传感的用户研究方法,通过在健康受试者上验证一款采用褶皱技术的气动纺织机器人手套在辅助手部运动中的有效性。
2024-07-31 cs.RO
Safe and Robust Neural Policy Learning with Statistical Verification for Sim-to-Real Deployment in Robotics
Sapienza University of Rome(罗马大学);Technical University of Munich(慕尼黑工业大学)
本文提出LyEvO框架,结合约束进化优化、统计模型检查与李雅普诺夫分析,用于安全鲁棒的现实迁移策略学习,经Cartpole和3D四旋翼实验验证有效。
2026-10-05 cs.AI cs.LG cs.NE
Towards Assessing Compliant Robotic Grasping from First-Object Perspective via Instrumented Objects
Queensland University of Technology (QUT) Centre for Robotics(昆士兰科技大学机器人中心)
本文提出利用仪器化物体从第一物体视角评估柔顺机器人抓取,通过嵌入式3D霍尔传感器和神经网络实现多接触位置与力的检测,实验验证了该概念的有效性与可行性。
2024-01-15 cs.RO
Field Insights for Portable Vine Robots in Urban Search and Rescue
Lincoln Laboratory, Massachusetts Institute of Technology(麻省理工学院林肯实验室);University of Notre Dame(圣母大学);Stanford University(斯坦福大学)
本研究通过实验测试藤蔓机器人SPROUT在坍塌结构中的性能,验证其穿越能力,并提出改进方案以增强便携性和可靠性。
2024-11-10 cs.RO
Development and Testing of a Vine Robot for Urban Search and Rescue in Confined Rubble Environments
本文提出一种受植物生长启发的藤蔓软体机器人,通过气动肌肉转向与反馈压力控制实现瓦砾环境中的穿透与导航,实验证明其可深入杂乱废墟并保持重复轨迹,适用于城市搜救任务。
2024-09-19 cs.RO
STAR: Swarm Technology for Aerial Robotics Research
College of Design and Engineering, National University of Singapore(新加坡国立大学设计与工程学院)
针对多无人机实体系统成本高阻碍空中集群研究的问题,本文提出基于低成本开源Crazyflie平台的STAR框架,搭配路标定位模块与速度障碍避障方案,降低空中集群实验门槛,推动理论落地。
2024-06-24 cs.RO
Rapid Quadrotor Navigation in Diverse Environments using an Onboard Depth Camera
本研究提出一种基于前向弧运动原语和RGB-D观测历史的反应式规划器,用于在搜索救援等复杂环境中实现快速且安全的四旋翼导航,模拟和实地测试显示成功率提升24%。
2024-11-07 cs.RO
Automated Testing with Temporal Logic Specifications for Robotic Controllers using Adaptive Experiment Design
University of Edinburgh(爱丁堡大学)
许多机器人控制场景涉及评估系统对任务规范的鲁棒性。如果控制器或环境由具有未知动态的“黑盒”组件组成,则我们不能依赖于形式化验证来评估我们的系统。如果环境空间与实验成本相比很大,则通过穷举测试来评估鲁棒性通常也是不可行的。鉴于有限的预算,我们提供了一种方法来选择实验输入,使最大的洞察系统的性能对给定的规格跨域。通过结合信号时序逻辑的平滑鲁棒性度量和自适应实验设计技术,我们的方法通过逐步构建规范鲁棒性的代理模型来选择信息量最大的实验输入。然后,该模型将下一个实验选择在预测误差或不确定性较高的区域。我们的实验表明,这种自适应实验设计技术的结果在样本有效的描述系统的鲁棒性。此外,我们展示了如何使用通过实验设计过程建立的模型来评估数据驱动控制系统在域转移下的行为。
2022-02-22 cs.RO
Adaptation Needs in Robotic Systems: Assessing Behavior Trees and Their Enhancement
Gran Sasso Science Institute (GSSI)(大萨索科学研究所)
本文通过文献研究结合实证验证,将机器人适应需求分为六类,分析经典及增强型行为树的能力局限,为机器人系统选择行为树方案提供指导。
2026-09-07 cs.RO cs.SE
Decoupling feature extraction from policy learning: assessing benefits of state representation learning in goal based robotics
INRIA(法国国家信息与自动化研究所);ENSTA ParisTech(巴黎高等先进技术学院)
扩展端到端强化学习以从视觉控制真实机器人提出了一系列挑战,特别是在样本效率方面。相对于端到端学习,状态表示学习可以帮助学习一种紧凑、高效和相关的状态表示,从而加快策略学习,减少所需的样本数量,并且更容易解释。我们评估了几种基于目标的机器人任务的状态表示学习方法,并提出了一种新的无监督模型,堆栈表示,并结合了这些方法的优势。该方法对所有相关特征进行编码,性能与端到端学习相当或更好,具有更好的样本效率,并且对超参数变化具有鲁棒性。
2019-06-23 cs.LG cs.RO stat.ML
Market-Based Replanning for Safety-Critical UAV Swarms in Search and Rescue Missions
KTH Royal Institute of Technology(皇家理工学院);Swedish Defence Research Agency(瑞典国防研究机构);KTH Royal Institute technological Institute(皇家理工学院)
提出一种分布式协调架构IRDS,通过反向拍卖市场机制和几何共识协议,在无人机故障下自主重分配任务,在25%退化下保持93%任务成功率。
2026-06-01 cs.MA cs.RO cs.SY
Selective Exploration and Information Gathering in Search and Rescue Using Hierarchical Learning Guided by Natural Language Input
School of Aerospace, Transport and Manufacturing, Cranfield University(克兰菲尔德大学航空航天、运输与制造学院)
针对搜索与救援中全面探索不可行的问题,提出结合大型语言模型与分层强化学习的系统,将人类口头输入转化为行动策略,提升智能体在长时域稀疏奖励环境下的学习效率和决策能力。
2024-09-20 cs.CL cs.RO
Robotic Process Automation -- A Systematic Literature Review and Assessment Framework
Institute of Databases and Information Systems, Ulm University(乌尔姆大学数据库与信息系统研究所)
机器人流程自动化(RPA)是基于规则的常规流程的自动化,以提高效率并降低成本。由于过程自动化在工业中的重要性,RPA在科学领域也引起了越来越多的关注。本文通过系统性文献综述(SLR)介绍了RPA领域的最新进展。在本SLR中,根据明确定义的研究问题识别、分类和分析了63篇出版物。此外,从SLR的调查结果,系统地分析,评估和比较现有的以及即将到来的RPA工程的框架。所发现的专题组建议进一步调查,以制定一个更详细的结构研究方法的RPA。
2020-12-22 cs.RO
Assessing Vision-Language Models for Perception in Autonomous Underwater Robotic Software
Simula Research Laboratory(Simula研究实验室);Oslo Metropolitan University(奥斯陆城市大学);Mondragon University(蒙德拉贡大学);National Institute of Informatics(国立信息学研究所);Det norske Veritas (DNV)(挪威船级社(DNV))
本文评估了视觉-语言模型在自主水下机器人软件中的感知性能,通过计算性能和不确定性来指导软件工程师选择合适的模型。
2026-03-29 cs.RO cs.SE
A Decentralized Multi-Agent Unmanned Aerial System to Search, Pick Up, and Relocate Objects
ETH Zürich(苏黎世联邦理工学院)
我们提出了一个完全集成的自主多机器人空中系统,用于发现和收集位置未知的运动和静止物体。该任务解决了搜索和救援(SAR)机器人中的多个相关问题,如多智能体空中探测,目标检测和跟踪,以及空中抓取。通常,社区单独处理这些问题,但将其集成到一个工作系统中会产生额外的复杂性,而这些复杂性很少得到解决。我们表明,这个任务可以可靠地解决,只使用简单的组件。我们的分散式系统使用精确的全球状态估计,反应性碰撞避免和扫描规划多智能体探索。使用斑点检测、逆3D投影、卡尔曼滤波、视觉伺服和磁性夹持器来检测、跟踪和拾取对象。我们在真实平台上评估系统的各个组件。整个系统已成功部署在各种公共演示,现场测试和穆罕默德·本·扎耶德国际机器人挑战赛2017(MBZIRC)中。在参赛者中,我们表现出了可靠的表现,并在个人挑战赛中获得了17名选手中的第二名。
2017-09-13 cs.RO
RESenv: A Realistic Earthquake Simulation Environment based on Unreal Engine
Royal College of Art(皇家艺术学院);Imperial College London(伦敦帝国理工学院)
本文提出基于虚幻引擎混沌物理系统的地震模拟环境RESenv,整合真实地震波形数据,提供高逼真视觉与实时交互,优于传统方法,并通过相似性检测、路径规划和图像分割三个AI任务验证其有效性。
2023-11-13 cs.CE cs.RO
Real-Time Robotic Search using Hierarchical Spatial Point Processes
Kotte Consulting AB;Stockholm University(斯德哥尔摩大学)
空中机器人在协助大面积搜索和救援(SAR)工作方面具有巨大的潜力。传统的方法通常是彻底搜索一个地区,从而忽略了受害者的密度因地形、人口密度和灾害类型等可预测因素而异。我们提出了一个概率模型,自动SAR规划,明确的预期发现时间最小化。所提出的模型是一个分层的空间点过程,具有三个相互作用的空间场,i)该区域中的人的点模式,ii)检测人的概率和iii)受伤的概率。这种结构允许包含来自例如地理或手机流量数据的信息先验,而当先验丢失或不准确时,则返回到潜在高斯过程。为了实时的【形】解决这个问题,我们提出了一个快速的近似推理使用集成嵌套拉普拉斯近似(INLA),和一个新的蒙特卡罗树搜索量身定制的问题相结合。使用真实世界GIS地图模拟数据的实验表明,该框架优于传统的搜索策略,并在关键的最初几个小时内发现多达十倍的受伤者。
2019-03-25 cs.RO stat.AP
Intelligent Escape of Robotic Systems: A Survey of Methodologies, Applications, and Challenges
University of Guelph(圭尔夫大学)
本文综述了机器人系统智能逃脱的最新研究,总结了基于规划、划分、学习和仿生的四种主要方法及其优缺点,探讨了在搜救等领域的应用,并指出了当前挑战与未来趋势。
2023-10-23 cs.AI cs.RO cs.SY
Terrestrial Soft Mobile Robots: A Review
School of Computing, DePaul University(德保罗大学计算机学院);Department of Computer Science, Hampton University(哈珀学院计算机科学系)
本文综述了软体移动机器人的当前研究状态,重点探讨了无轮陆地移动系统中的运动策略、驱动方法、建模方法和控制系统,同时指出了实现软体移动机器人在各领域广泛应用的关键挑战。
2026-05-19 cs.RO
Decentralized Informative Path Planning with Exploration-Exploitation Balance for Swarm Robotic Search
University at Buffalo(布法罗大学)
群机器人搜索涉及在未知环境中搜索目标(例如,用于搜索和救援或危险定位),使用大量协作的简单移动机器人。在这样的应用中,分散的群系统被吹捧为他们的任务/覆盖范围的可扩展性,时间效率,和容错。为了指导这种群体系统的行为,有两大类方法可用,即自然启发的群体算法和多机器人搜索方法。然而,同时提供计算高效的可扩展性和对所展示的行为的基本见解(而不是黑盒行为模型),在这两类方法中的任一种下仍然具有挑战性。在本文中,我们开发了一个重要的扩展批量贝叶斯搜索方法的应用程序,体现群体系统,在物理二维空间搜索。主要贡献在于:1)设计一个采集功能,不仅平衡整个群体的探索和利用,而且还允许对轨迹上的知识提取进行建模; 2)开发其分布式实现,以允许群机器人进行异步任务推理和路径规划。由此产生的集体信息路径规划方法进行测试的目标搜索的情况下,研究不同的复杂性,目标产生的空间变化(可测量)的信号。显着优越的性能,在任务完成效率方面,观察到相比,穷举搜索和随机游走基线,以及良好的性能可扩展性,随着群体规模的增加。
2019-05-31 cs.MA cs.RO
LABIT: Long-Horizon Robotic Assembly Benchmark for Industrial Tasks
University of Applied Sciences Karlsruhe (HKA)(卡尔斯鲁厄应用科学大学(HKA))
针对传统机器人组装基准仅聚焦单一任务的不足,提出面向工业长 horizon 组装任务的 LABIT 基准,含多类 DIN 标准组装任务,用传统力-位置控制评估得到基线指标,可用于智能机器人系统鲁棒性评估。
2026-10-14 cs.RO
Strengthening Multi-Robot Systems for SAR: Co-Designing Robotics and Communication Towards 6G
University of Malaga (UMA)(马拉加大学(UMA));Institute for Mechatronics Engineering and Cyber-physical Systems (IMECH.UMA)(机电工程与网络物理系统研究所(IMECH.UMA))
本文提出面向SAR任务的移动机器人与通信系统协同设计,基于5G SA的Edge-Cloud架构,结合H-WSNs、ROS、MEC和UGVs实现多机器人与救援人员协作,并指出6G需解决的架构与网络资源管理挑战。
2025-04-02 cs.NI cs.RO
Autonomous Robot for Disaster Mapping and Victim Localization
Northeastern University(东北大学)
本文提出基于Turtlebot3和ROS Noetic的自主机器人系统,通过AprilTags定位受害者并生成未知环境地图,引入Cubature Kalman Filter和信息论探索算法提升搜救效率。
2024-04-21 cs.AI cs.CV cs.RO
Neural Task Success Classifiers for Robotic Manipulation from Few Real Demonstrations
University of Lincoln(林肯大学);Lincoln Institute for Agri-Food Technology(林肯农业食品技术研究所)
机器人从少量的演示中学习新的操作任务在不同的领域越来越多地被要求。评估动作质量的分类器模型可以预测任务的成功完成,智能代理可以使用该模型进行动作选择。本文提出了一种新的分类器,学习分类任务完成只有从几个示范。我们对不同的神经分类器进行了全面的比较,例如基于全连接的,基于全卷积的,基于序列2序列的和基于领域自适应的分类。我们还提出了一个新的数据集,包括五个机器人操作任务,这是公开的。我们使用我们的数据集和MIME数据集比较了我们的新分类器和现有模型的性能。结果表明,领域自适应和基于时间的功能,提高成功的预测。我们的新模型,即具有领域自适应和时序特征的全卷积神经网络,在两个数据集中的任务中实现了97.3%和95.5%的平均分类准确率,而没有领域自适应和时序特征的最先进的分类器分别仅实现了82.4%和90.3%。
2021-07-01 cs.AI cs.LG cs.RO
Robotic Manipulation Datasets for Offline Compositional Reinforcement Learning
University of Pennsylvania(宾夕法尼亚大学);Massachusetts Institute of Technology(麻省理工学院)
本文基于CompoSuite的256个任务构建了四个含2.56亿转移的离线机器人操作RL数据集,设置了训练评估方案,实验发现当前方法能部分学习训练任务但无法泛化到新任务,为离线组合RL研究指明了方向。
2024-07-15 cs.AI cs.LG cs.RO