Movement Primitives in Robotics: A Comprehensive Survey
Department of Computer Science and Engineering, The University of Texas at Arlington, Arlington, USA(计算机科学与工程系,德克萨斯理工大学阿灵顿分校,阿灵顿,美国)
综述机器人运动基元框架,涵盖从人类示教中编码轨迹的方法,分析弹簧-阻尼系统、概率耦合、神经网络等特性,并讨论应用与挑战。
2026-06-19 cs.AI cs.RO
Fuzzy-RRT for Obstacle Avoidance in a 2-DOF Semi-Autonomous Surgical Robotic Arm
College of Engineering and Applied Science, University of Cincinnati(工程与应用科学学院,辛辛那提大学);Thales Avionics(泰勒斯航空电子)
针对星际任务中手术机器人需医生完全控制的问题,提出模糊RRT算法用于二维半自主手术机械臂避障与协作控制,使路径搜索时间提升743%,路径代价提升43%。
2025-04-24 cs.AI cs.RO
A Survey of Robotic Navigation and Manipulation with Physics Simulators in the Era of Embodied AI
Department of Computer Science, City University of Hong Kong(城市大学计算机科学系);School of Electrical and Electronic Engineering, Nanyang Technological University(南洋理工大学电子与电气工程学院);Department of Informatics, Universität Hamburg(汉堡大学信息学院)
本文综述了物理模拟器在缩小具身智能中导航与操作的模拟到现实差距方面的关键特性、任务支持及硬件需求,并提供了基准数据集、指标、平台和方法资源。
2026-10-06 cs.AI cs.RO
A Survey on Robotics with Foundation Models: toward Embodied AI
Midea Group(美的集团)
本综述全面梳理基础模型在机器人学中的应用,聚焦自主操作中的高层规划与低层控制,并总结常用数据集、模拟器及未来研究方向。
2024-02-04 cs.AI cs.RO
A Survey of FPGA-Based Robotic Computing
Georgia Institute of Technology(佐治亚理工学院);Harvard University(哈佛大学);PerceptIn Inc(佩塞普特因公司);South China University of Technology(华南理工大学);University of Rochester(罗切斯特大学);Tsinghua University(清华大学)
最近的机器人研究已经取得了显着的进步,从算法,机械到硬件架构。包括机械手、足式机器人、无人机和自动驾驶汽车在内的机器人技术现在广泛应用于各种场景。然而,机器人算法的高计算量和数据复杂度对其应用提出了很大的挑战。一方面,CPU平台灵活,可以处理多个机器人任务。GPU平台具有较高的计算能力和易于使用的开发框架,因此在许多应用中被广泛采用。另一方面,基于FPGA的机器人加速器正在成为越来越有竞争力的替代方案,特别是在延迟关键和功率受限的场景中。通过专门设计的硬件逻辑和算法内核,基于FPGA的加速器可以在性能和能效方面超越CPU和GPU。在本文中,我们概述了以前的工作,基于FPGA的机器人加速器涵盖不同阶段的机器人系统管道。分析了软件和硬件优化技术和主要技术问题,以及一些商业和空间应用,作为未来工作的指导。
2021-03-05 cs.AI cs.AR cs.RO
3D-Anchored Lookahead Planning for Persistent Robotic Scene Memory via World-Model-Based MCTS
Huawei Technologies, Israel R&D Center(华为技术有限公司以色列研发中心)
本文提出3D-Anchored Lookahead Planning,结合MCTS与3D一致的世界模型,通过持续的相机到世界锚点实现精准重规划,提升了机器人在需要空间记忆任务中的成功率。
2026-04-13 cs.AI cs.RO
Robotic Foundation Models for Industrial Control: A Comprehensive Survey and Readiness Assessment Framework
Siemens AG(西门子股份公司)
本文调研了工业控制中机器人基础模型的应用现状,通过系统评估框架分析了其工业适用性,指出工业成熟度有限,需加强安全、实时性、感知与集成等关键因素的系统性考虑。
2026-03-06 cs.AI cs.RO
APTree: Extended Behavior Trees for Adaptive and Scalable Automated Robotic Task Planning in Construction
University of Stuttgart(斯图加特大学);Institute for Computational Design and Construction(计算设计与建造研究所);Institute for Control Engineering of Machine Tools and Manufacturing Units(机床与制造单元控制工程研究所)
本文提出APTree框架,以行为树为执行模型,集成自动化任务规划与模块化执行,通过协调异构符号规划器生成大规模任务规划,可检测规划错误并保障执行安全,助力建筑从业者便捷使用自动化任务规划。
2026-10-14 cs.AI cs.RO cs.SE
A Comprehensive Survey on Physical Risk Control in the Era of Foundation Model-enabled Robotics
The University of Tokyo(东京大学);Japan AI Safety Institute(日本人工智能安全研究所)
本综述系统总结了基础模型赋能机器人在部署前、事件前和事件后三个阶段减轻物理风险的控制方法,并指出了未来在风险缓解、人机物理交互及模型本质问题上的研究空间。
2025-05-30 cs.AI cs.LG cs.RO
Behavior Trees in Robot Control Systems
KTH Royal Institute of Technology(KTH皇家理工学院)
在本文中,我们将给出一个控制理论的角度来看,在机器人的行为树的研究领域。行为树的核心思想是利用模块化、层次化和反馈,以处理多功能机器人控制系统的复杂性。模块化是一种众所周知的工具,通过在不了解整个系统的详细知识的情况下实现单独模块的开发、调试和扩展来处理软件复杂性。这种模块的层次结构是自然的,因为机器人任务通常可以分解为子任务的层次结构。最后,反馈控制是用于处理任何低级别控制系统中的不确定性和干扰的基本工具,但是为了在更高级别上实现反馈控制,其中一个模块决定执行哪个子模块,需要在模块接口中共享关于每个子模块的进度和适用性的信息。我们将描述这三个概念如何用于理论分析,实际设计,以及与控制理论和机器人学的其他思想的扩展和组合。
2022-03-24 cs.AI cs.RO
Active Inference in Robotics and Artificial Agents: Survey and Challenges
Robotics Institute, Delft University of Technology(代尔夫特理工大学机器人研究所);MRC Brain Networks Dynamics Unit, Oxford University(牛津大学MRC脑网络动力学研究中心);Oxford Robotics Institute, Oxford University(牛津大学牛津机器人研究所);Okinawa Institute of Science and Technology(冲绳科学技术大学院大学)
主动推理是一个数学框架,起源于计算神经科学,作为大脑如何实现动作,感知和学习的理论。最近,它已被证明是一个很有前途的方法,状态估计和不确定性下的控制问题,以及在机器人和人工智能体的目标驱动行为的建设一般的基础。在这里,我们回顾了状态估计,控制,规划和学习的主动推理的最新理论和实现;描述了当前的成就,特别关注机器人技术。我们展示了相关实验,说明了它在适应性、泛化和鲁棒性方面的潜力。此外,我们将这种方法与其他框架,并讨论其预期的好处和挑战:一个统一的框架与功能的生物相容性,使用变分贝叶斯推理。
2021-12-03 cs.AI cs.LG cs.RO
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
A Survey of Embodied Learning for Object-Centric Robotic Manipulation
The Hong Kong Polytechnic University(香港理工大学);Tsinghua University(清华大学);The Chinese University of Hong Kong(香港中文大学)
该综述系统梳理了面向以物体为中心的机器人操作的具身学习领域最新进展,将现有工作分为具身感知、策略、任务导向学习三大分支,同时讨论了数据集、挑战与未来方向,并上线了相关项目。
2024-08-21 cs.AI cs.CV cs.LG
Neural Fields in Robotics: A Survey
Toyota Research Institute(丰田研究所);University of Bristol(布里斯托尔大学);Nvidia(英伟达公司);University of Freiburg(弗莱堡大学);Georgia Institute of Technology(佐治亚理工学院)
本文综述神经场在机器人感知、规划与控制中的应用,梳理四类框架和五大领域,基于200余篇论文评估优劣并指出未来方向。
2024-10-26 cs.AI cs.CV cs.LG
Toward General-Purpose Robots via Foundation Models: A Survey and Meta-Analysis
CMU(卡内基梅隆大学);Bosch Center for AI(博世人工智能中心);MIT(麻省理工学院);Field AI(菲尔德人工智能公司);Georgia Tech(佐治亚理工学院);FAIR at Meta(元公司人工智能研究院);UC San Diego(加利福尼亚大学圣迭戈分校);SAIR Lab(空间人工智能与机器人实验室);Google DeepMind(谷歌DeepMind)
本文系统综述了如何利用NLP和CV领域的基础模型构建通用机器人,提出分类体系并分析关键挑战与未来方向。
2024-10-01 cs.AI cs.CV cs.LG
Deterministic Iteratively Built KD-Tree with KNN Search for Exact Applications
Jet Propulsion Laboratory, California Institute of Technology(喷气推进实验室,加州理工学院)
K近邻(KNN)搜索是人工智能软件中的基本算法,其应用于机器人和自动驾驶车辆。这些广泛的应用利用KNN直接进行简单的分类,或将KNN结果作为其他算法(如局部加权学习(LWL))的输入。与二叉树类似,kd树在在线应用程序中添加新数据时会变得不平衡,这可能导致搜索性能迅速下降,除非重建树。虽然近似方法适用于图形应用程序,优先查询速度超过查询精度,但它们不适合自治系统,航空和机器人操作中需要精确解决方案的某些应用程序。在本文中,我们将尝试评估非递归确定性kd树函数和KNN函数的性能。我们还将提出一个“森林的间隔kd树”,减少树重建的数量,而不影响查询结果的准确性。
2021-06-07 cs.AI cs.DS cs.LG
From Robotic Process Automation to Intelligent Process Automation: Emerging Trends
IBM Research AI(IBM研究院人工智能)
在这项调查中,我们研究了机器智能的最新进展如何破坏业务流程的世界。在过去的十年中,在“机器人流程自动化”(RPA)的保护伞下,业务流程的自动化取得了稳步进展。然而,我们目前正处于这一演变的转折点,因为出现了一种称为“智能流程自动化”(IPA)的新范式,将机器学习(ML)和人工智能(AI)技术引入其中,以改善业务流程结果。本文的目的是对这一新兴主题进行调查,并确定人工智能和业务流程交叉点的关键开放研究挑战。我们希望这一新兴主题将在RPA论坛上引发引人入胜的对话。
2020-07-27 cs.AI
Task Tree Retrieval for Robotic Cooking
机器人被用来培养创造力。人类可以根据情况以其独特的方式完成工作。这种情况适用于烹饪食物。厨房中的机器人技术可以加快这一过程并减少其工作量。然而,机器人在厨房中的潜力仍未实现。在这篇文章中,FOON的想法,一个结构化的知识表示建立在人类操作的见解,介绍。为了降低失败率,并确保任务有效地完成,已经实现了三种不同的算法,其中根据运动的成功率将加权值分配给操作。这个知识表示是使用开源食谱的视频创建的
2022-11-03 cs.AI cs.RO
A Survey of research in Deep Learning for Robotics for Undergraduate research interns
Maulana Azad National Institute of Technology(莫拉纳·阿扎德国家技术研究院);JNResearch Labs LLP(JN研究实验室有限责任公司)
在过去的几年里,基于机器人的解决方案的用例已经从工厂车间到家庭应用多样化。与此同时,深度学习方法正在取代计算机视觉、自然语言处理、语音处理等领域的传统技术,并提供稳健的结果。我们的目标是调查“应用于机器人的深度学习”这一广泛领域的一些研究实习项目,并为有抱负的学生实习生提供一个简明的观点。本文介绍了CMU机器人研究所暑期学者(RISS)的研究工作。我们特别关注使用深度学习来解决核心机器人问题以及机器人解决方案的论文。我们相信这将是有用的,特别是对实习的机器人研究所,CMU的抱负
2023-01-23 cs.AI cs.RO
Behavior Trees for Robust Task Level Control in Robotic Applications
KTH - Royal Institute of Technology(KTH皇家理工学院);ABB Corporate Research(ABB企业研究院)
行为树是一种任务切换策略表示,可以授予反应性和容错。此外,由于它们的结构和模块化,可以使用各种方法来自动生成它们。在这篇简短的论文中,我们介绍了行为树的机器人应用程序的背景下,与自主合成方法的概述。
2023-01-16 cs.RO
Task Tree Retrieval For Robotic Cooking
University Of South Florida(南佛罗里达大学)
本研究围绕机器人烹饪的任务规划问题,基于FOON知识表示框架,通过知识检索调取功能单元信息生成任务子图,实现给定食谱的任务树规划,支持机器人按指令完成烹饪。
2023-11-27 cs.AI cs.RO
A robotic vision system to measure tree traits
USDA-ARS-AFRS(美国农业部农业研究局阿巴拉契亚水果研究站);Marquette University(马凯特大学)
树木性状的自主测量,如分支结构,分支直径,分支长度和分支角度,是需要的任务,如机器人修剪树木以及结构表型。我们提出了一个机器人视觉系统称为机器人系统的树形状估计(RoTSE),以确定在现场设置的树性状。该过程由以下几个阶段组成:图像采集与移动机器人单元,分割,重建,曲线去卷积,转换为图形表示,然后计算的特点。苹果树的定量和定性结果显示在精度,计算时间和鲁棒性。与地面实况测量相比,RoTSE产生了以下估计值:分支直径(均方根误差$2.97$ mm)、分支长度(均方根误差$136.92$ mm)和分支角度(均方根误差$31.07$度)。当体素分辨率为$3$ mm $^3$时,平均运行时间为$8.47$分钟。
2021-11-01 cs.RO
ikd-Tree: An Incremental K-D Tree for Robotic Applications
Hong Kong University(香港大学)
本文提出了一种用于动态空间划分的高效数据结构-ikd树。ikd树增量更新k-d树与新的未来点,导致更低的计算时间比现有的静态k-d树。除了逐点操作之外,ikd树还支持多个功能,例如在机器人应用中实际有用的框式操作和下采样。与增量操作并行(即,插入、重新插入和删除),ikd-Tree主动监视树结构并部分重新平衡树,这使得在后续阶段中能够进行高效的最近点搜索。ikd树经过精心设计,支持多线程并行计算,以最大限度地提高整体效率。我们验证了ikd树在理论和实际实验。在理论上,给出了完整的时间复杂度分析,证明了算法的高效性。在实验层面上,ikd树在随机数据集和真实世界的LiDAR点数据上进行了测试,在LiDAR惯性测距和测绘应用中。在所有测试中,ikd-Tree只消耗静态k-d树运行时间的4%。
2021-02-22 cs.RO
On the Implementation of Behavior Trees in Robotics
Istituto Italiano di Tecnologia(意大利技术研究院)
行为树作为一种描述和实现机器人行为的工具越来越受到人们的关注。BT是在视频游戏行业中设计的,它们在机器人技术中的采用导致了ad-hoc库的开发,以设计和执行适合复杂机器人软件架构的BT。虽然对BT的工作方式存在广泛的共识,但某些特性依赖于在所使用的特定软件库中完成的实现选择。在这封信中,我们概述了采用BT的实际方面,以及机器人社区为充分利用BT在真实机器人中的优势而设计的解决方案。我们还概述了在机器人技术中使用的开源库中提出的解决方案,我们展示了BT如何适应机器人软件架构,并给出了一个用例示例。
2021-06-29 cs.RO
TreeScope: An Agricultural Robotics Dataset for LiDAR-Based Mapping of Trees in Forests and Orchards
University of Pennsylvania(宾夕法尼亚大学);Virginia Polytechnic Institute and State University(弗吉尼亚理工学院暨州立大学);University of California, Merced(加州大学默塞德分校)
针对农林数据人工采集效率低的问题,研究团队推出TreeScope v1.0农业机器人数据集,提供多平台采集的LiDAR数据、超1800个标注真值及基准脚本,还给出直径估算与语义分割的基线结果。
2023-10-03 cs.RO
Behavior Trees in Robotics and AI: An Introduction
行为树(BT)是一种在自主智能体(如机器人或计算机游戏中的虚拟实体)中构建不同任务之间切换的方法。BT是创建复杂系统的一种非常有效的方式,这些系统既具有模块化又具有反应性。这些属性在许多应用中至关重要,这导致BT从计算机游戏编程传播到人工智能和机器人技术的许多分支。在本书中,我们将首先介绍BT,然后描述BT如何与早期的交换结构相关,并在许多情况下进行推广。然后,这些想法被用作一组高效且易于使用的设计原则的基础。属性,如安全性,鲁棒性和效率是很重要的自治系统,我们描述了一套工具,正式分析这些使用状态空间描述的BT。有了新的分析工具,我们可以形式化描述BT如何推广早期的方法。我们还展示了BT在自动规划和机器学习中的使用。最后,我们描述了一套扩展的工具来捕捉随机BT的行为,其中动作的结果由概率描述。这些工具能够计算成功概率和完成时间。
2022-10-25 cs.AI cs.RO
Towards Robotic Tree Manipulation: Leveraging Graph Representations
Carnegie Mellon University(卡内基梅隆大学)
本研究提出一种利用图表示学习树木类作物变形行为的框架,通过图网络学习前向模型和接触策略,实现机器人对树木的操控,并在模拟环境中验证了其泛化能力。
2023-11-13 cs.RO
A Unified Framework for Real-Time Failure Handling in Robotics Using Vision-Language Models, Reactive Planner and Behavior Trees
Lund University(隆德大学);KTH Royal Institute of Technology(瑞典皇家理工学院);ABB Robotics(ABB机器人公司)
针对机器人系统故障恢复适应性差的问题,提出结合VLM、反应式规划器与行为树的统一框架,含执行前验证与反应式处理,经真实与仿真实验验证,成功率与适应性更优。
2025-03-21 cs.AI cs.RO
A Survey on Privacy Attacks Against Digital Twin Systems in AI-Robotics
Mississippi State University(密西西比州立大学)
本文综述了工业4.0中AI与数字孪生赋能机器人面临的隐私攻击风险,涵盖模型窃取与数据泄露,并倡导结合伦理框架与可信自主性原则以构建安全可靠的AI机器人系统。
2024-06-27 cs.AI cs.RO
Addressing Failures in Robotics using Vision-Based Language Models (VLMs) and Behavior Trees (BT)
Lund University(隆德大学);KTH Royal Institute of Technology(KTH皇家理工学院)
针对现有机器人系统难处理未知故障的问题,提出结合视觉语言模型(VLMs)与行为树(BTs)的方法,用VLMs检测识别故障并生成补充内容整合进BT,经多场景仿真验证可让系统自主应对同类故障。
2024-11-03 cs.RO
Automatic Behavior Tree Expansion with LLMs for Robotic Manipulation
ABB Robotics(ABB机器人公司);ABB Corporate Research(ABB企业研究院);Royal Institute of Technology (KTH)(皇家理工学院(KTH))
提出BETR-XP-LLM方法,利用LLM动态自动扩展和配置行为树作为机器人控制策略,解决规划与执行中的错误,并永久更新策略以处理未来类似问题。
2024-09-20 cs.RO
A Framework for Learning Behavior Trees in Collaborative Robotic Applications
ABB Corporate Research(ABB企业研究院);KTH - Royal Institute of Technology(KTH皇家理工学院);ABB Robotics(ABB机器人)
在现代工业协作机器人应用中,期望自动地、直观地和时间有效地创建机器人程序。此外,机器人需要通过反应性策略来控制,以应对其运行环境的不可预测性。在本文中,我们提出了一个框架,结合了一种方法,学习行为树(BTs)从演示的方法,进化它们与遗传编程(GP)的协作机器人应用。本文的主要贡献是表明,通过结合这两种学习方法,我们得到了一种方法,允许非专家用户半自动,时间效率高,交互式生成BT。我们验证了一系列的操作实验的框架。BT在模拟中完全学习,然后转移到真正的协作机器人上。
2023-03-20 cs.RO
Behaviour Trees for Evolutionary Robotics
Delft University of Technology(代尔夫特理工大学)
进化机器人允许具有有限传感器和处理能力的机器人通过感觉-运动协调来处理复杂任务。在本文中,我们展示了第一个应用程序的行为树框架,一个真正的机器人平台,使用进化机器人方法。这个框架是用来提高的新兴机器人的行为相比,传统的神经网络制定的可理解性。因此,在跨越从模拟到现实的现实差距时,行为更容易理解和手动适应。这一功能通过使用20克DelFly Explorer扑翼微型飞行器进行实际飞行测试来展示,该飞行器配备了4克机载立体视觉系统。实验表明,DelFly可以完全自主地搜索和飞行通过一个窗口,只有它的机载传感器和处理。模拟中优化行为的成功率为88%,用户适应后相应的真实世界性能为54%。虽然这还有改进的余地,但它比调优的用户定义控制器的46%成功率要高。
2015-08-07 cs.RO
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
Consolidating Trees of Robotic Plans Generated Using Large Language Models to Improve Reliability
University of South Florida(南佛罗里达大学)
本文提出利用大语言模型生成多个机器人任务计划树并合并为图,通过移除可疑路径并借助知识网络和GPT-4生成PDDL计划,从而提升任务规划的准确性与执行效率。
2024-01-15 cs.AI cs.CL cs.RO
Flexible Behavior Trees: In search of the mythical HFSMBTH for Collaborative Autonomy in Robotics
Christopher Newport University(克里斯托弗纽波特大学);Bosch Center for Artificial Intelligence(博世人工智能中心)
近年来,被称为行为树(BT)的计算模型,首先在视频游戏行业中开发,在机器人社区中越来越流行,用于定义离散行为切换。BT正在威胁要取代古老的分层有限状态机(HFSM)模型。在本文中,我们对比了BT和HFSM,指出了BT形式的一些潜在问题,并主张采用BT和HFSM的混合计算模型,以利用各自的优势。这项工作为ROS 2引入了一个新的开源软件包,该软件包扩展了灵活行为引擎(FlexBE),以支持协作自治的方式在HFSM中与基于BT的行为进行交互。仿真和硬件演示说明了这些概念。
2022-03-10 cs.RO
Reconfigurable Behavior Trees: Towards an Executive Framework Meeting High-level Decision Making and Control Layer Features
University of Innsbruck(因斯布鲁克大学)
行为树构成了一种广泛的人工智能工具,已成功地在机器人技术中推广。它们的优点包括代码的简单性、模块性和可重用性。然而,行为树仍然是一个高层次的决策引擎;控制功能不能很容易地集成。本文提出了可重构行为树(RBT),传统的BT的扩展,考虑在决策过程中的机器人环境的物理约束。我们赋予RBT连续的感官信息,允许在线监测任务的执行。由此产生的刺激驱动的架构是能够动态地处理执行上下文的变化,同时保持低的执行时间。所提出的框架进行评估的一组机器人实验。结果表明,RBT是一种很有前途的机器人任务表示,监控和执行的方法。
2020-08-31 cs.RO
Results of the Survey: Failures in Robotics and Intelligent Systems
Research Institute for Cognition and Robotics (CoR-Lab)(认知与机器人研究所);Center of Excellence Cognitive Interaction Technology (CITEC)(认知交互技术卓越中心);Bielefeld University(比勒费尔德大学)
2015年1月,我们在机器人研究人员中分发了一份关于机器人和智能系统故障的在线调查。这项调查的目的是找出目前存在哪些类型的故障,它们的起源是什么,以及如何监控和调试系统-特别关注性能错误。本报告概述了调查结果。
2017-08-24 cs.RO cs.SE
Extending Behavior Trees for Robotic Missions with Quality Requirements
Chalmers University of Technology(查尔姆斯理工大学);University of Gothenburg(哥德堡大学);Carnegie Mellon University(卡内基梅隆大学)
针对现有行为树模型无法体现机器人任务质量需求的问题,本文提出行为树扩展方案,构建元模型并开发DSL集成至BehaviorTree.CPP,初步验证了可行性,为质量属性融入机器人任务行为模型提供了途径。
2025-03-21 cs.RO cs.SE
Combining Planning and Learning of Behavior Trees for Robotic Assembly
ABB Robotics(ABB机器人);ABB Corporate Research(ABB企业研究院);Royal Institute of Technology (KTH)(皇家理工学院(KTH))
工业机器人可以在受控环境中解决非常复杂的任务,但现代应用要求机器人也能够在不可预测的环境中运行。机器人技术中越来越流行的反应式策略架构是行为树,但与其他架构一样,编程时间仍然会增加成本并限制灵活性。自动生成策略的算法有两个主要分支,自动规划和机器学习,两者都有自己的缺点。我们提出了一种使用遗传编程算法生成行为树的方法,并通过自动规划器的结果将其插入到人口中来结合这两个分支。实验结果证实,所提出的方法相结合的规划和学习表现良好的各种机器人装配问题,并优于单独使用的基础方法。我们还表明,这种类型的行为树的高级学习可以转移到一个真正的系统,而无需进一步的培训。
2021-03-16 cs.LG cs.RO
Semantics-guided Skeletonization of Sweet Cherry Trees for Robotic Pruning
Collaborative Robotics and Intelligent Systems (CoRIS) Institute(协作机器人与智能系统研究所);Oregon State University(俄勒冈州立大学);Field Robotics Center(野外机器人中心);Carnegie Mellon University(卡内基梅隆大学)
新鲜市场果树的休眠修剪是农业机器人的一个相对未开发的应用,几乎没有端到端系统存在。创建自主修剪系统的最大挑战之一是需要重建树的模型,该模型足够准确和信息丰富,以便用于决定在哪里修剪。对树建模的一个有用的结构是骨架:树的几何和拓扑的1D轻量级表示。这种树的建模问题是计算机图形学领域中的一个重要问题,并且已经为树的建模任务专门开发了许多算法。这些卷积算法在很大程度上解决了几何问题。然而,在农业环境中,树的部分有不同的标签,如树干,支撑树枝等,这种标记的结构对于理解在哪里修剪是很重要的。我们介绍了一种算法,产生这样一个标记的骨架,使用与这些标签相关联的拓扑和几何先验,以改善我们的骨架。我们测试了我们的点云上的29个直立的结果分支(UFO)的树木,并证明了70%的中位数准确度相对于人类评估的黄金标准。我们还将82棵UFO树的点云扫描开源给其他研究人员。我们的工作是一个强大的树建模框架,可用于自主修剪系统的重要的第一步。
2021-03-04 cs.RO
Behavior Trees and State Machines in Robotics Applications
本研究对比了机器人应用中行为树与状态机的语言概念,分析了五种DSL及开源项目使用,发现行为树使用增长迅速,并贡献了提取的数据集以促进发展。
2025-10-14 cs.RO cs.SE
Behavior Trees in Action: A Study of Robotics Applications
Chalmers | University of Gothenburg(查尔姆斯理工大学 | 哥德堡大学);University of Oslo(奥斯陆大学);IT University of Copenhagen(哥本哈根信息技术大学)
自主机器人结合了各种技能,形成了越来越复杂的行为,称为任务。虽然这些技能通常在相对较低的抽象级别上编程,但它们的协调在架构上是分离的,并且通常用更高级别的语言或框架表示。最近,行为树语言由于这个原因引起了机器人专家的关注。行为树最初是为计算机游戏设计的,用于对自主行为者进行建模,它提供了一种可扩展的基于树的任务表示。然而,尽管该语言的几个实现正在使用中,但人们对其在现实世界中的用法和范围知之甚少。行为树与描述行为的传统语言有什么关系?行为树的概念如何在应用程序中使用?使用它们的好处是什么?我们提出了一个研究的关键语言概念的行为树和它们在现实世界中的机器人应用。我们识别行为树语言,并将其语义与最知名的行为建模语言:状态图和活动图进行比较。我们挖掘使用该语言的机器人应用程序的开源存储库,并分析其使用情况。我们发现行为树是一种实用的语言,没有完全指定,允许项目扩展它,即使只是一个模型。行为树显然类似于运行时模型范例。我们贡献了一个真实世界行为模型的数据集,希望能激励社区使用和进一步开发这种语言、相关工具和分析技术。
2020-11-11 cs.PL cs.RO cs.SE
Learning Behavior Trees with Genetic Programming in Unpredictable Environments
ABB Corporate Research(ABB集团研究院);ABB Robotics(ABB机器人);Royal Institute of Technology (KTH)(瑞典皇家理工学院(KTH))
现代工业应用要求机器人能够在不可预测的环境中运行,并且需要以最小的努力创建程序,因为任务可能会频繁更改。在本文中,我们表明,遗传编程可以有效地用于学习的行为树(BT)的结构,以解决机器人在不可预测的环境中的任务。此外,我们建议使用一个简单的模拟器的学习,并证明学习的BT可以解决相同的任务在一个现实的模拟器,达到收敛,而不需要任务特定的算法。学习的解决方案是容错的,使我们的方法吸引真正的机器人应用。
2020-11-06 cs.AI cs.RO
Towards Real-Time Monocular Depth Estimation for Robotics: A Survey
University of New South Wales(新南威尔士大学)
单目深度估计(MDE)作为自主驾驶和机器人运动估计、避障和场景理解等活动的重要组成部分,引起了计算机视觉和机器人领域的极大关注。在过去的几十年里,已经开发了大量的方法。然而,据我们所知,没有一个全面的调查MDE。本文旨在通过回顾1970年至2021年间发表的197篇相关文章来弥合这一差距。特别是,我们提供了一个全面的调查MDE涵盖各种方法,介绍了流行的性能评估指标和总结可利用的数据集。我们还总结了一些代表性方法的可用开源实现并比较了它们的性能。此外,我们还回顾了MDE在一些重要机器人任务中的应用。最后,我们总结了本文提出了一些有前途的未来研究方向。本调查有望帮助读者浏览这一研究领域。
2021-11-16 cs.RO
Robotic Grasping from Classical to Modern: A Survey
Xi’an Jiaotong University(西安交通大学)
机器人抓取一直是机器人学中的一个活跃的话题,因为抓取是机器人最基本但最具挑战性的技能之一。它要求协调机器人的感知,规划和控制的鲁棒性和智能性。然而,目前的解决方案仍然远远落后于人类,特别是在面对非结构化场景时。在本文中,我们调查的机器人抓取的进展,从经典的配方和解决方案的现代。通过回顾机器人抓取的历史,我们希望提供一个完整的视图,这个社区,也许启发不同的想法的组合和融合,我们认为这将有助于触摸和探索机器人抓取问题的本质。详细地,我们首先给出了机器人抓取的分析方法的概述。在此之后,我们提供了一个最新的国家的最先进的数据驱动的抓取方法,近年来兴起的讨论。随着计算机视觉的发展,语义抓取得到了广泛的研究,并有望成为未来自主机器人系统智能操作和技能学习的基础。因此,在我们的调查中,我们也简要回顾了这一主题的最新进展。最后,我们讨论了开放的问题和未来的研究方向,可能是重要的人类水平的鲁棒性,自主性和智能的机器人。
2022-02-08 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
Correct-by-Construction Behavior Tree Synthesis from Signal Temporal Logic Specifications with Application to Robotic Missions
研究从信号时序逻辑规范合成构建正确的行为树,通过将工作空间建模为定时转换系统并抽象为区域图,引入增强状态空间,利用分层定点算法计算获胜集,证明正确性并推导复杂度界限,经仿真和实验验证了方法的有效性和可部署性。
2026-07-22 cs.RO
Internet of Things Meets Robotics: A Survey of Cloud-based Robots
Oklahoma State University(俄克拉荷马州立大学)
本文综述了物联网与机器人融合形成的机器人物联网(IoRT),重点分析其在医疗和农业中的应用,并通过企业调查揭示了物联网在提升客户体验、降本和加速开发方面的价值及安全隐私挑战。
2024-02-21 cs.NI cs.RO
Affordances in Robotic Tasks -- A Survey
Edinburgh Centre for Robotics(爱丁堡机器人中心);University of Edinburgh(爱丁堡大学);Heriot-Watt University(赫瑞-瓦特大学)
示能是自主机器人代理必须感知的关键属性,以便有效地与新对象进行交互。从历史上看,这一概念来源于心理学和认知科学的文献,其中对启示的讨论使得定义很难直接转移到对机器人有用的计算规范。这篇综述文章特别关注机器人技术,因此我们从这个角度讨论相关文献。在这次调查中,我们对文献进行分类,并试图找到不同方法之间的共同点,以期在机器人技术中的应用。我们提出了一个分类的基础上的先验知识的水平,假设建立一个特定的机器人任务的重要的不同的启示组件之间的关系。我们还确定了未来改进的领域,并讨论了可能对机器人实践产生影响的可能方向。
2020-04-15 cs.RO
Accessible Survey of Evolutionary Robotics and Potential Future Research Directions
Bournemouth University(伯恩茅斯大学)
本文综述了应用于进化机器人领域的各种进化方法,旨在解决机器人设计和控制领域的难题。进化机器人是一个快速发展的领域,近年来吸引了大量的研究关注。因此,本文整理了最近的研究结果以及一些预期的应用。所审查的文献有系统地组织起来,对最近的事态发展作了分类概述,并以表格形式提出,以供快速参考。我们从ER的角度讨论了机器人技术中存在的突出潜力和挑战,相信这些将在不久的将来通过应用进化方法得到解决。本研究的主要目的是探讨进化方法在机器人应用程序开发中的适用性。我们相信,这项研究将使研究人员能够利用进化方法来解决机器人技术中复杂的突出问题。
2022-10-21 cs.RO
Design and Evaluation of an Assisted Programming Interface for Behavior Trees in Robotics
本文提出BETR-GUI,结合AI助手与拖放编辑器,通过整合多种技术提升机器人行为树编程效率,实验证明人类用户优于纯AI助手。
2026-02-10 cs.RO
Multimodal Behaviour Trees for Robotic Laboratory Task Automation
University of Liverpool(利兹大学)
针对实验室机器人任务执行可靠性问题,提出基于多模态感知的行为树方法,在封盖和插入任务中实现高成功率与强错误检测能力,验证了该方法在安全关键环境中的鲁棒性。
2025-06-25 cs.RO
Monte Carlo Tree Search with Tensor Factorization for Optimization Problems in Robotics
Idiap Research Institute(Idiap研究机构);École Polytechnique Fédérale de Lausanne(瑞士联邦理工学院洛桑分校)
提出TTTS算法,利用张量分解压缩决策树分支间的隐式相关性,以线性复杂度降低MCTS的计算和存储开销,在逆运动学、运动规划、多阶段操作等任务中实现高效全局优化。
2026-10-15 cs.RO