Commonsense Scene Semantics for Cognitive Robotics: Towards Grounding Embodied Visuo-Locomotive Interactions
University of Bremen（不来梅大学）；Örebro University（厄勒布鲁大学）
我们提出了一个常识性的，定性的模型体现视觉空间和机车互动的语义基础。其主要贡献是将低级视觉处理与植根于人工智能的以人为本的空间和运动表示相结合的综合方法。我们展示了实际的适用性，涉及对象的相互作用和室内运动的例子。
2017-09-15 cs.AI cs.CV cs.RO
Coupling Machine Learning with Ontology for Robotics Applications
Robotaar（Robotaar 公司）；Sinai University（西奈大学）
本文提出一种将机器学习与知识库本体耦合的两层智能方法，通过两个风险感知实验验证其在自主系统中的计算可行性和线性时间复杂度。
2024-06-08 cs.AI cs.RO
Bayesian Evolutionary Swarm Architecture: A Formal Epistemic System Grounded in Truth-Based Competition
Department of Computer Science University of Exeter（计算机科学系大学埃克塞特）
提出一个基于贝叶斯推理和种群动力学的AI框架，通过概率智能体与真值预言机的对齐竞争进化，采用哈希身份承诺和do演算，形式化证明收敛性与稳定性，将真值确立为进化吸引子。
2025-06-23 cs.AI cs.CL cs.GT
Recent Advances in Agentic Agri-Robotic Phenotyping: A Perspective Review from Fragmented Multimodal Sensing to Unified PhenoAgent Intelligence
Khalifa University of Science and Technology（哈利法科学技术大学）；Chung-Ang University（中央大学）
本综述提出将植物表型分析视为SSPEM智能问题，并引入PhenoAgent框架，整合多模态感知与智能体AI，以实现可解释、可扩展的作物智能决策支持。
2026-09-29 cs.CV cs.ET
A Study on AI-FML Robotic Agent for Student Learning Behavior Ontology Construction
Tokyo Metropolitan University（东京都立大学）；National University of Tainan（台南大学）
在本文中，我们提出了一个AI-FML机器人代理的学生学习行为本体的建设，可应用于英语口语和听力领域。具有本体的AI-FML机器人Agent包含感知智能、计算智能和认知智能，用于分析学生的学习行为。此外，在AI-FML机器人Agent中有三个智能Agent，包括感知Agent、计算Agent和认知Agent。我们部署的感知代理和认知代理的机器人Kebbi空气。此外，具有深度神经网络（DNN）模型的计算代理在云中执行，并且可以通过互联网与感知代理和认知代理进行通信。建议的AI-FML机器人代理在台湾应用，并在日本进行测试。实验结果表明，该智能体可以用于未来教育的人机协同学习模型。
2020-06-27 cs.AI cs.CY cs.HC
A Developmental Neuro-Robotics Approach for Boosting the Recognition of Handwritten Digits
发展心理学和神经成像研究发现，数字和手指之间存在密切联系，这可以提高儿童最初的数字知识。最近的证据表明，模拟儿童的具身策略也可以提高机器智能。本文探讨了在发育神经机器人的背景下，具体策略在卷积神经网络模型中的应用，其中训练信息可能在操作时逐渐获得，而不是像经典的机器学习场景那样丰富和完全可用。实验分析表明，在训练样本和训练次数较少的情况下，机器人手指的本体感觉信息可以提高手写体阿拉伯数字识别的网络准确率。这一结果与儿童的脑成像和纵向研究相当。总之，这些发现也支持在人工智能体训练的情况下实施例的相关性，并且示出了用于学习过程的人性化的可能方式，其中机器人身体可以表达人工智能的内部过程，使其更容易被人类理解。
2020-03-23 cs.CV cs.LG cs.RO
How Does Traffic Environment Quantitatively Affect the Autonomous Driving Prediction?
Beijing Institute of Technology（北京理工大学）；Nanyang Technological University（南洋理工大学）
准确的轨迹预测对于复杂交通环境中安全高效的自动驾驶至关重要。近年来，人工智能在提高预测精度方面表现出了强大的能力。然而，其不可解释性和不确定性的特点，使其具有挑战性，以确定明确的预测交通环境的影响，提出了重大的挑战，安全关键的决策。为了应对这些挑战，本研究提出了一个轨迹预测框架与认知不确定性估计能力，输出高不确定性时，面对不可预见或未知的情况。该框架被用来分析环境对预测算法性能的影响。在分析中，交通环境被认为是在场景功能和转移，分别，其中功能被分为运动学功能的目标代理，其周围的交通参与者的功能，和其他功能。此外，本文还通过特征相关性和重要性分析，研究了上述特征对预测误差和认知不确定性的影响。此外，使用多个交叉数据集进行交叉数据集案例研究，以研究现实世界中不可避免的分布变化对轨迹预测的影响。结果表明，基于深度集成的方法在提高预测鲁棒性和估计认知不确定性方面具有优势。通过特征相关性和重要性分析，得到了一致的结论，包括目标智能体的运动学特征对预测误差和认知不确定性有较强的影响。此外，分析了由于分布偏移而导致的预测失败以及基于深度集成的方法的潜力。
2023-01-11 cs.CV
Epistemic Planning for Heterogeneous Robotic Systems
University of Virginia（弗吉尼亚大学）
针对异构多机器人系统在不可靠通信环境下的规划问题，提出一种基于动态认知逻辑和混合整数规划的框架，使机器人能推理系统状态并优化信息传播，经仿真和实验验证有效。
2023-08-03 cs.RO
Self-Evolving Cognitive Framework via Causal World Modeling for Embodied Scientific Intelligence
Graduate School of Advanced Science and Engineering, Hiroshima University（广岛大学先进科学与工程研究生院）；Advanced Intelligence and Robotics Research Center, Brain Science Institute, Tamagawa University（玉川大学脑科学研究所先进智能与机器人研究中心）
提出一种自进化认知框架，通过因果世界建模、干预驱动推理和持续认知精炼，使具身智能体在交互中不断构建和修正内部因果模型，实现从预测智能到认知智能的转变。
2026-06-23 cs.AI cs.RO
TRIAGE: Type-Routed Interventions via Aleatoric-Epistemic Gated Estimation in Robotic Manipulation and Adaptive Perception -- Don't Treat All Uncertainty the Same
University of Illinois at Chicago（伊利诺伊大学香槟分校）；Intel Labs（英特尔实验室）
TRIAGE通过分解不确定性为概率和epistemic组件，改进机器人操作和自适应感知的性能和效率。
2026-03-09 cs.LG cs.RO
A Novel Method for Developing Robotics via Artificial Intelligence and Internet of Things
TBML College（TBML学院）
本文描述了一种通过人工智能和物联网来发展和改进机器人领域的新方法。现在有一天，我们可以说人工智能将世界带入机器人领域。几乎所有行业都使用机器人进行大量工作。他们正在使用合作机器人来制作不同种类的作品。但是，要使机器人完成多任务还存在一些问题。因此，有一种必要的新方法来制造多任务机器人。只有通过人工智能和物联网才能实现。
2014-05-12 cs.AI cs.CY cs.RO
Deep Causal Learning for Robotic Intelligence
Rochester Institute of Technology（罗切斯特理工学院）
这篇特邀评论讨论了机器人智能背景下的因果学习。本文首先介绍了人类认知中因果学习的心理学研究成果，然后介绍了因果发现和因果推理的传统统计方法。本文回顾了最近的深度因果学习算法，重点介绍了它们的架构和使用深度网络的好处，并讨论了深度因果学习与机器人智能需求之间的差距。
2022-12-23 cs.RO
Integrating Artificial Intelligence and Augmented Reality in Robotic Surgery: An Initial dVRK Study Using a Surgical Education Scenario
The Chinese University of Hong Kong（香港中文大学）；The Johns Hopkins University（约翰斯·霍普金斯大学）
机器人辅助手术由于其临床优势而变得越来越受欢迎。与此同时，机器人手术中的人工智能和增强现实技术也得到了迅速发展和广泛关注。然而，目前的方法还没有讨论机器人手术中AI和AR的相干集成。在本文中，我们开发了一个新的系统，无缝融合人工智能模块和增强现实可视化自动生成手术指导机器人手术教育。具体来说，我们首先利用强化学习从专家示范学习，然后生成3D引导轨迹，提供手术过程的先验上下文信息。与文本提示等其他信息一起，3D轨迹然后覆盖在dVRK的立体视图中，用户可以在其中感知3D引导并学习程序。该系统通过初步的实验进行评估手术教学任务挂钩转移，这证明了其可行性和潜力，作为下一代的机器人辅助手术教学解决方案。
2022-03-03 cs.AI cs.RO
Piloting Diversity and Inclusion Workshops in Artificial Intelligence and Robotics for Children
air4children: Artificial Intelligence and Robotics for Children（air4children：儿童人工智能与机器人项目）
在本文中，我们介绍了一个试点研讨会，旨在促进多样性和包容性的基础人工智能和机器人儿童（air4children）在发展中国家的背景下，初步工作。考虑到发展中国家缺乏资金，而且很少有专业人员教授人工智能和机器人技术，我们提供基于免费开源硬件和软件的资源，开放教育资源和替代教育计划。也就是说，这项工作的贡献是四个课程的试点研讨会，旨在促进儿童人工智能和机器人教学的多样性和包容性，以14名平均年龄为7.64岁的儿童为样本。我们的结论是，与会者、教员、协调员和家长很好地参与了试点讲习班，注意到为发展中国家的讲习班提供适当资源的各种挑战，并提出了今后的工作。复制这项工作的资源可在https://github.com/air4children/hri2022上获得。
2022-03-10 cs.AI cs.RO
Cloth Manipulation Planning on Basis of Mesh Representations with Incomplete Domain Knowledge and Voxel-to-Mesh Estimation
Shinshu University（信州大学）
我们考虑机器人布料操作的开放目标规划问题。我们的系统的核心是一个神经网络训练作为一个前向模型的布料行为下操纵，规划通过反向传播执行。我们引入了一个基于神经网络的例程，用于从体素输入估计网格表示，并在内部以网格格式执行规划。我们解决的问题，规划与不完整的领域知识，通过一个明确的认知不确定性信号。该信号是根据前向模型网络的两个实例之间的预测偏差计算的，并用于避免规划期间的认知不确定性。最后，我们介绍了逻辑处理限制的把握点的一组离散的候选人，以适应机器人硬件施加的可抓取性约束。我们评估系统的网格估计，预测和规划能力模拟布序列的一到三个操作。比较实验证实，估计网格的基础上的规划，提高精度相比，基于体素的规划，和认知不确定性的避免提高性能的条件下，不完整的领域知识。规划的时间成本是几秒钟。我们还提出了机器人硬件的定性结果。
2021-11-12 cs.AI cs.RO
INGRID: Intelligent Generative Robotic Design Using Large Language Models
针对现有机器人智能受串联硬件架构限制的问题，提出融合互易螺旋理论的INGRID框架，可自动化生成新型并联机构，让非专业人员也能定制机器人硬件，为机构智能奠基。
2025-10-05 cs.AI cs.RO
From Modelling to Understanding Children's Behaviour in the Context of Robotics and Social Artificial Intelligence
Donders Institute for Brain, Cognition, and Behaviour（唐德斯大脑、认知与行为研究所）；Radboud University（拉德堡德大学）；Joint Research Centre, European Commission（欧盟委员会联合研究中心）；Ghent University（根特大学）；imec（微电子研究中心）；Instituto Superio Técnico（高等技术学院）；University of Lisbon（里斯本大学）
理解和模拟儿童在与机器人和社会人工智能系统互动的背景下的认知过程和行为是有意义和有效的机器人干预的基本先决条件。然而，儿童的发展涉及复杂的能力，如探索，创造力和好奇心，这是具有挑战性的模型。此外，孩子们经常以一种与典型的成人行为不同的玩耍方式表达自己。不同的儿童也有不同的需求，在目前的技术水平下，神经多样性儿童的需求没有得到充分解决，这仍然是一个挑战。通过这次研讨会，我们的目标是促进不同学科之间的共同点，如发展科学，人工智能和社会机器人技术，并讨论用户建模和儿童自适应系统领域的前沿研究。
2022-10-20 cs.AI cs.RO
RACER: Epistemic Risk-Sensitive RL Enables Fast Driving with Fewer Crashes
UC Berkeley（加州大学伯克利分校）
本文提出RACER强化学习框架，融合风险敏感控制、自适应动作空间课程与认知不确定性估计，使小型拉力赛车在真实越野环境中学会高速驾驶，并减少训练安全违规、提升策略性能。
2024-05-07 cs.AI cs.LG cs.RO
The Artificial Intelligence behind the winning entry to the 2019 AI Robotic Racing Competition
Delft University of Technology（代尔夫特理工大学）
机器人技术是人工智能（AI）发展的下一个前沿，因为机器人操作的现实世界代表了一个巨大的，复杂的，连续的状态空间，具有固有的实时要求。目前，机器人技术的一个极端挑战是无人驾驶飞机竞赛。人类无人机赛车手可以以高达190公里/小时的速度在复杂的赛道上飞行。用自主无人机实现类似的速度意味着在资源极端限制的情况下解决人工智能的基本问题。在这篇文章中，我们介绍了第一个AI机器人赛车（AIRR）赛道的获胜解决方案，这是一个由四场比赛组成的比赛，所有参赛队伍都使用相同的无人机，他们只能有限地进入。我们方法的核心是受到人类飞行员如何将对比赛门的嘈杂观察与他们对无人机动态的心理模型相结合以实现快速控制的启发。我们的方法主要集中在使用有效的深度神经分割网络和主动视觉进行门检测。此外，我们的贡献，鲁棒状态估计和基于风险的控制。这使我们在最后一场比赛中达到了约9.2米/秒的速度，这是以前的无人机比赛所无法比拟的。虽然我们的解决方案是最快和最强大的，但它仍然输给了最好的人类飞行员之一Gab 707。所提出的方法为缩小与人类无人机飞行员的差距指明了一个有希望的方向，这是将人工智能带入现实世界的重要一步。
2021-09-30 cs.AI cs.RO
Embodied Neuromorphic Artificial Intelligence for Robotics: Perspectives, Challenges, and Research Development Stack
New York University (NYU) Abu Dhabi（纽约大学阿布扎比分校）；Khalifa University（哈利法大学）
本文针对机器人技术缺乏具身智能的问题，提出通过神经形态AI（SNN）实现具身智能的六个视角，涵盖学习规则、跨层优化、基准、可靠性、安全隐私及协同发展，并指出挑战与未来方向。
2024-09-12 cs.AI cs.LG cs.NE
Quantum Interaction Approach in Cognition, Artificial Intelligence and Robotics
Brussels Free University（布鲁塞尔自由大学）；Politechnika Gdanska（格但斯克理工大学）
量子力学的数学形式主义在过去几年中已经成功地用于模拟经典结构的使用引起问题的情况，并且典型的量子效应，如“上下文”和“纠缠”，已经被认可。这种“量子相互作用的方法”简要回顾了本文重点，特别是量子模型，已阐述了如何结合在认知科学的概念，并在随后确定的量子结构在人类思想。我们指出，这些结果提供了一个统一的理论意义和知识的形式化和表示的发展有趣的见解。然后，我们分析了我们的方法的技术方面和影响，并特别注意与符号人工智能，量子计算和机器人技术的连接。
2011-04-17 cs.AI cs.RO quant-ph
Bridging Intelligence and Instinct: A New Control Paradigm for Autonomous Robots
Shanghai Hrstek Co., Ltd（上海赫斯特克有限公司）
本文提出一种分层控制范式，将大语言模型智能与机器人本能结合，以抑制幻觉并保障安全关键任务，从而提升自主机器人的安全性与通用性。
2024-04-30 cs.RO
Bio-inspired Intelligence with Applications to Robotics: A Survey
University of Guelph（圭尔夫大学）
在过去的几十年里，生物智能及其在机器人技术中的应用受到了相当大的关注。本文提供了一个全面的调查生物启发的智能，重点是神经动力学方法，各种机器人应用，特别是自主机器人系统的路径规划和控制。首先，介绍了仿生分流模型及其变体（加性模型和门控偶极子模型），并给出了它们的主要特点。然后，回顾了神经动力学在各种机器人系统实时路径规划和控制中的两个主要应用。一个生物启发的神经网络框架，其中神经元的神经动力学模型的特点，讨论了移动机器人，清洁机器人，水下机器人。生物启发神经网络已被广泛应用于实时无碰撞导航和合作，没有任何学习过程，全球成本函数，和先验知识的动态环境。此外，生物启发的反推控制器的各种机器人系统，这是能够消除速度跳时，一个大的初始跟踪误差发生，进一步讨论。最后，本文讨论了当前面临的挑战和未来的研究方向。
2022-06-17 cs.RO cs.SY eess.SY
Large Language Models for Robotics: A Survey
School of Intelligent Systems Science and Engineering（智能系统科学与工程学院）；Jinan University（济南大学）；School of Artificial Intelligence（人工智能学院）；Jilin University（吉林大学）；Shanghai Innovation Institute（上海创新研究院）；Lehigh University（莱文斯顿大学）；University of Illinois Chicago（伊利诺伊大学芝加哥分校）
本文综述了大语言模型在机器人领域的应用，探讨了其在机器人控制、感知、决策和规划等方面的影响与挑战。
2025-12-02 cs.AI cs.RO
Spatially Visual Perception for End-to-End Robotic Learning
ZhiCheng AI（智诚人工智能）；Peking University（北京大学）；Harvard University（哈佛大学）；Zhejiang University（浙江大学）
针对模仿学习在多样化挂载相机观测中泛化能力不足的问题，提出集成AugBlender图像增强技术与单目深度估计模型的视频空间感知框架，显著提升不同相机曝光下的成功率，推动端到端机器人学习稳健性发展。
2024-11-26 cs.AI cs.CV cs.RO
Ethics of Artificial Intelligence and Robotics in the Architecture, Engineering, and Construction Industry
Stony Brook University（石溪大学）；National Taiwan University（台湾大学）；Texas A&M University（德克萨斯农工大学）；University of Sharjah（沙迦大学）；Embry-Riddle Aeronautical University（安柏瑞德航空大学）
本研究从伦理视角系统回顾了过去五年AEC行业的AI与机器人研究，识别出九个关键伦理问题和十三个相关研究主题，并提出七个未来研究方向，以促进更安全高效的应用。
2023-10-09 cs.AI cs.RO
On the role of Artificial Intelligence methods in modern force-controlled manufacturing robotic tasks
Department of Information Engineering, Electrical Engineering and Applied Mathematics (DIEM), University of Salerno（信息工程、电气工程与应用数学系（DIEM），萨勒诺大学）
本文综述AI在去毛刺、抛光和PiH装配等力控制造机器人任务中的应用，比较近期方法并指出挑战，提出统一指标、性能优化整合和场景验证等方向。
2025-01-09 cs.AI cs.RO
CoinRobot: Generalized End-to-end Robotic Learning for Physical Intelligence
ZhiCheng AI（智成人工智能）；Peking University（北京大学）；Stanford University（斯坦福大学）
本文提出通用端到端机器人学习框架CoinRobot，通过统一架构和多任务学习实现跨平台部署，在七个操作任务上验证其优于LeRobot的性能与泛化能力。
2025-03-07 cs.LG cs.RO
NIMS-OS: An automation software to implement a closed loop between artificial intelligence and robotic experiments in materials science
Center for Basic Research on Materials（材料基础研究中心）；National Institute for Materials Science（国家材料科学研究所）；Graduate School of Frontier Sciences, The University of Tokyo（东京大学前沿科学研究生院）；Research Center for Energy and Environmental Materials(GREEN)（能源与环境材料研究中心（GREEN））；Center for Advanced Battery Collaboration, Research Center for Energy and Environmental Materials (GREEN)（先进电池协作中心，能源与环境材料研究中心（GREEN））
NIMS-OS通过整合AI技术与机器人实验，实现材料探索的闭环自动化，支持模块扩展和可视化工具，提供电解质自动探索的演示。
2023-04-27 cond-mat.mtrl-sci cs.AI cs.RO
AIR4Children: Artificial Intelligence and Robotics for Children
AIR4Children（儿童人工智能与机器人项目）
我们推出AIR4Children，即儿童人工智能，作为（a）解决包容性，可访问性，透明度，公平，公正和参与方面的一种方式，（b）在人工智能和机器人（AIR）中创建负担得起的以儿童为中心的材料。我们目前的挑战和机会，为儿童为中心的方法空气。同样，我们还涉及开源软件和硬件技术，以使儿童在AIR领域的参与更具包容性，负担得起和公平。然后，我们描述了AIR4Children可以根据我们最初的试点和经验开发开源软件和硬件的途径。同样，我们建议遵循蒙台梭利教育的理念，帮助儿童不仅发展计算思维，而且通过运动和重复活动内化新概念和学习技能。最后，我们总结了我们工作的机会，主要是我们提出了未来的工作，把在这里提出的评估空气对儿童，教师，家长和他们的社区的潜在影响付诸实践。
2021-03-13 cs.RO
A Communication Layer for Integrated Sensors and Robotic ecology Solutions to Ambient Intelligence
ISTI-CNR（意大利国家研究委员会信息科学与技术研究所）；Heriot-Watt University（赫瑞-瓦特大学）
本文提出了一个通信框架，建立简化机器人生态的建设，即，与传感器、执行器和移动机器人接口的异构计算节点的网络。从如此广泛的异构设备中构建集成的环境智能（AmI）解决方案是一系列应用领域的关键要求，例如家庭自动化、物流、安全和环境辅助生活（AAL）。这一目标具有挑战性，因为这些生态系统需要适应不断变化的环境，特别是当它们包括具有有限计算资源的微型嵌入式设备时。我们讨论了一些要求表征这种类型的系统，并说明它们是如何在新的通信框架的设计中得到解决的。我们的框架最突出的方面是在一致的API下跨异构程序设计语言和操作系统提供相同的通信功能的透明度。最后，我们说明了框架已被用来绑定在一起，并支持在两个现实世界的测试床的自适应机器人生态的所有组件的操作。
2021-06-09 cs.NI cs.RO
RobotxR1: Enabling Embodied Robotic Intelligence on Large Language Models through Closed-Loop Reinforcement Learning
ETH Zurich（苏黎世联邦理工学院）
本研究扩展R1-zero方法，通过闭环强化学习框架让小规模大语言模型在机器人具身场景中实现高效推理，在自动驾驶任务中性能超越更大的云端模型，验证了小模型机载部署的可行性与优势。
2025-08-30 cs.RO
Circuit and System Technologies for Energy-Efficient Edge Robotics
Georgia Institute of Technology（佐治亚理工学院）
当我们迈向泛在智能时代时，我们注意到人工智能和智能正逐步从云端走向边缘。Edge-AI的成功取决于创新的电路和硬件，这些电路和硬件可以在资源受限的边缘自治系统中实现推理和有限学习。本文介绍了一系列超低功耗加速器和系统设计，使边缘机器人平台的智能，包括强化学习神经形态控制，群体智能，同时映射和定位。我们重点关注混合信号电路、神经启发计算系统、基准测试和软件基础设施以及算法-硬件协同设计的影响，以实现下一代智能和自主系统的最节能的Edge-AI ASIC。
2022-02-22 cs.AR cs.RO
Evolving Embodied Intelligence: Graph Neural Network--Driven Co-Design of Morphology and Control in Soft Robotics
LIACS, Leiden University（莱顿大学LIACS）；School of Mechanical Engineering, Xi’an Jiaotong University（西安交通大学机械工程学院）；Department of Computer Science, Loughborough University（洛桑大学计算机科学系）
本文提出基于图神经网络的软机器人形态与控制协同设计方法，通过图结构建模实现形态演化与控制策略的动态适应，实验表明该方法在最终适应度和形态变化适应性上优于传统MLP方法。
2026-03-20 cs.AI cs.RO
Robotics Rights and Ethics Rules
Suleyman Demirel University（苏莱曼·德米雷尔大学）；Mehmet Akif Ersoy University（穆罕默德·阿基夫·埃尔索伊大学）
在将我们的大部分生活交付给人工智能系统时，严格遵守道德和社会影响是非常重要的。随着工业4.0，物联网，数据分析和自动化已经开始在我们的生活中发挥重要作用。随着工业5.0的Yapanese版本，我们注意到人机交互和人类智能正在与认知计算机协调工作。在此背景下，与技术发展相协调的人工智能算法工作的机器人开始进入我们的生活。但机器人最近抱怨的后果是，在知识产权和道德方面如何被遵循的重要问题已经出现。虽然我国目前还没有规范机器人的法律，但国外关于机器人伦理和权利的法律已经生效。这意味着我们必须以机器人和人工智能在新世界秩序中如此重要的方式组织必要的安排。在这项研究中，它的目的是检查现有的规则的机器和机器人的伦理，并设置一个例子，在我国的安排，并在此背景下进行了各种讨论。
2018-09-24 cs.AI cs.RO
Vision-Based Tactile Intelligence for Robotics: Sensing, Learning, and Embodied Manipulation
Great Bay University（大湾区大学）；Tsinghua University（清华大学）；The University of Hong Kong（香港大学）；Nanyang Technological University（南洋理工大学）；The Hong Kong Polytechnic University（香港理工大学）；South China University of Technology（华南理工大学）；KTH Royal Institute of Technology（瑞典皇家理工学院）；King’s College London（伦敦国王学院）
本综述调研机器人领域基于视觉的触觉传感器（VBTSs）全流程，对其硬件分类、学习方法、仿真与数据集等展开分析，指出开放挑战，以推进接触密集型机器人任务的触觉智能。
2026-08-18 cs.RO
Integrating Trustworthy Artificial Intelligence with Energy-Efficient Robotic Arms for Waste Sorting
University of East London（东伦敦大学）；University of Greenwich（格林威治大学）；University College Birmingham（伯明翰大学学院）
提出融合可信 AI 与节能机械臂的垃圾分类框架，采用基于 MobileNetV2 的迁移学习 CNN 识别六类垃圾，并通过仿真器按欧几里得距离优化分拣能耗。
2025-10-20 cs.RO cs.SY eess.SY
Transforming Surgical Interventions with Embodied Intelligence for Ultrasound Robotics
Centre for Artificial Intelligence and Robotics (CAIR), HKISI-CAS（香港中文大学（深圳）人工智能与机器人中心（HKISI-CAS））；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
针对超声机器人自动化扫描存在的指令理解与动态执行难题，提出融合大语言模型与领域知识增强的超声具身智能系统，实现口头指令转运动规划与动态调整，显著提升医疗操作执行效果，推动自主医疗扫描技术发展。
2024-06-18 cs.AI cs.CL cs.HC
Development of a Human-Robot Interaction Platform for Dual-Arm Robots Based on ROS and Multimodal Artificial Intelligence
Trường Đại học Công Nghệ - Đại học Quốc gia Hà Nội（河内国家大学科技大学）
本文开发了基于ROS和多模态AI的双臂机器人人机交互平台，实现高精度操作、物体抓取分类及语音控制，实验验证了系统准确性与灵活性。
2024-11-08 cs.RO
First Lessons Learned of an Artificial Intelligence Robotic System for Autonomous Coarse Waste Recycling Using Multispectral Imaging-Based Methods
Hamburg University of Applied Sciences（汉堡应用技术大学）；University of the West of Scotland（西苏格兰大学）；Institute for Energy, Recycling and Environmental Protection at Bremen University of Applied Sciences（不来梅应用技术大学能源、回收与环境保护研究所）；German Research Center for Artificial Intelligence（德国人工智能研究中心）
针对粗大废弃物回收中人工分拣效率低的问题，提出基于多光谱成像（UV、VIS、NIR、SWIR）的材料分类方法，并研究用低成本摄像头和AI控制器实现液压机械自主分拣。
2025-01-23 cs.CV cs.LG cs.RO
Robotic transcatheter tricuspid valve replacement with hybrid enhanced intelligence: a new paradigm and first-in-vivo study
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；University of Chinese Academy of Sciences（中国科学院大学）；Hong Kong Institute of Science & Innovation, Chinese Academy of Sciences（中国科学院香港创新研究院）；Jenscare International Co., Limited（Jenscare International有限公司）；The Chinese University of Hong Kong（香港中文大学）；Prince of Wales Hospital（威尔斯亲王医院）
本文提出了一套面向机器人经导管三尖瓣置换术的完整系统，结合强化学习、蒙特卡洛概率地图和人机协同驾驶控制，通过体模与首次活体动物实验验证了其临床可行性和优于传统主从控制的性能。
2024-11-19 cs.RO cs.SY eess.SY
Human Centric Embodied Intelligence for Soft Wearable Robotics
本综述提出以人为中心的具身智能（HCEI）概念，引入感知-认知-执行-增强（PCAA）框架，整合多领域进展以指导软质可穿戴机器人向个性化、可预测的以人为中心方向发展。
2026-08-05 cs.RO
Quantifying Mechanical Intelligence in Legged Robots with Information Theory
Case Western Reserve University（凯斯西储大学）
本文提出信息论度量来量化腿式机器人的机械智能，通过分析身体动力学作为计算与通信过程，考察柔顺驱动与低齿轮比传动的权衡，并在仿真中验证，为具身计算研究奠定基础。
2026-09-18 cs.RO
An Overview of Artificial Intelligence-based Soft Upper Limb Exoskeleton for Rehabilitation: A Descriptive Review
ASDC Solutions（ASDC解决方案公司）；NIT Patna（帕特那国立理工学院）
本文综述了基于人工智能的软性上肢康复外骨骼，指出刚性外骨骼的局限和软性外骨骼的优势与不足，强调智能外骨骼需具备学习患者数据、理解意图和自主决策能力，并应兼顾人体工学与便携性以推动临床应用。
2023-01-28 cs.AI cs.RO
GPT-Lab: Next Generation Of Optimal Chemistry Discovery By GPT Driven Robotic Lab
Research Center for Intelligent Sensing Systems（智能传感系统研究中心）；Zhejiang Laboratory（之江实验室）
提出GPT-Lab范式，利用GPT模型驱动机器人实验室完成文献挖掘、实验设计与高通量合成验证，并在湿度传感器案例中实现快速材料发现。
2023-09-15 cs.AI cs.RO
The Developments and Challenges towards Dexterous and Embodied Robotic Manipulation: A Survey
College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院）
该综述总结机器人操作从机械编程到具身智能、从简单夹具到多指灵巧手的演变及挑战，重点介绍当前具身灵巧操作在数据采集与技能学习框架的进展，并讨论三大限制其发展的关键挑战。
2025-11-18 cs.RO
Controlling Robots using Artificial Intelligence and a Consortium Blockchain
Departamento de Informática, Universidade of Beira Interior（比拉内格罗大学计算机系）；Instituto de Telecomunicações（电信研究所）
区块链是一种通常用于金融应用的颠覆性技术，但在某些机器人环境中也非常有益，例如需要不可变的事件寄存器时。在机器人环境中有用的区块链的几个属性中，我们发现不仅不变性，而且数据的分散性，不可逆性，可访问性和不可否认性。在本文中，我们提出了一种架构，该架构使用区块链作为分类帐和智能合约技术，通过使用外部方Oracle来处理数据来进行机器人控制。我们展示了如何以安全的方式注册事件，如何使用智能合约来控制机器人，以及如何与外部人工智能算法进行图像分析。所提出的架构是模块化的，可以用于多种情况下，如在制造，网络控制，机器人控制，和其他，因为它很容易集成，适应，维护和扩展到新的领域。
2019-03-02 cs.RO
Adaptive Rollout Truncation Based on Epistemic Uncertainty for Efficient Offline World Model Training
Technical University of Munich（慕尼黑工业大学）
本文提出基于认知不确定性的自适应展开截断策略，用于离线世界模型训练，通过阈值终止展开以减少计算量，实验表明在保持精度的同时减少约72%的展开计算。
2026-09-21 cs.LG cs.RO
Performance Comparison of Classical and Neural Sampling Algorithms for Robotic Navigation
dept. of Economics Oran2 Mohamed BenAhmed University（经济系奥兰2莫哈梅德·本·阿赫迈德大学）
本文在含凸凹障碍物的环境中比较了RRT*、Neural RRT*和Neural Informed RRT*三种算法，发现神经引导规划器能生成更短（最多14%）和更平滑（55-75%）的路径，其中Neural Informed RRT*综合性能最优。
2026-05-24 cs.AI cs.RO
Towards Human-level Intelligence via Human-like Whole-Body Manipulation
AstriBot Team（AstriBot团队）
本文提出 Astribot Suite，通过安全硬件、可扩展全身遥操作接口与演示学习流程的统一集成，实现面向日常任务的通用全身机器人操作。
2025-07-23 cs.AI cs.RO
Towards Human-like Physical Intelligence: Lifelong Vision-Language-Action Learning for Robotic Manipulation
South China University of Technology（华南理工大学）；University of Trento（特伦托大学）
研究针对机器人操作中可塑性-稳定性权衡难题，提出缓存高效的终身视觉-语言-动作学习框架LifelongVLA。通过双时间尺度LoRA门控模块及缓存高效随机重放策略，有效缓解权衡问题，实现技能扩展、行为保留，减少再训练依赖，优于现有基线。
2026-07-22 cs.RO
Artificial Intelligence and Systems Theory: Applied to Cooperative Robots
本文介绍了一种方法来设计人口的合作机器人的概念借用系统理论和人工智能的基础上。这项研究是在里斯本系统和机器人研究所（ISR/IST）的智能系统实验室进行的SocRob项目下开发的。该项目的首字母缩写代表“机器人社会”和“足球机器人”，我们正在测试我们的机器人种群的案例研究。设计足球机器人是一个非常具有挑战性的问题，机器人不仅要将球射向球门，还要检测和避免静态（墙壁，停止机器人）和动态（移动机器人）障碍物。此外，他们必须合作击败对手。我们过去和现在在足球机器人方面的研究包括用于世界建模的协作传感器融合，对象识别和跟踪，机器人导航，多机器人分布式任务规划和协调，包括合作和对抗环境中的协作强化学习，以及用于协作机器人团队实时的任务执行的基于行为的体系结构。
2004-11-08 cs.AI cs.RO
Transferring the Intelligence of VLMs to Robotic Control
Tsinghua University（清华大学）；Tencent Hunyuan（腾讯混元）
本文提出RoboDawn接口，通过离散命令和上下文学习使VLM零样本或单样本控制机器人，在仿真和真实任务中超越专用策略，实现SOTA性能。
2026-09-22 cs.RO
VLMgineer: Vision Language Models as Robotic Toolsmiths
VLMgineer 框架结合视觉语言模型的代码生成能力与进化搜索，迭代协同设计物理工具及其操作策略，在多样化日常操控基准上超越人类规格设计和现有人造工具，将困难机器人任务转化为直接执行。
2025-07-16 cs.AI cs.LG cs.RO
