ResponsibleRobotBench: Benchmarking Responsible Robot Manipulation using Multi-modal Large Language Models
University of Hamburg（汉堡大学）；Agile Robots SE（敏捷机器人公司）；Technical University of Munich（慕尼黑技术大学）；Hong Kong Polytechnic University（香港理工大学）
ResponsibleRobotBench通过多模态大语言模型评估机器人操控的责任性，涵盖23个多阶段任务，强调安全性、泛化能力和物理可靠性。
2025-12-03 cs.RO
Context-Aware Risk Estimation in Home Environments: A Probabilistic Framework for Service Robots
Department of Robotics, Graduate School of Engineering, Tohoku University（机器人系、工程研究生院、东大）
本文提出一种基于语义图传播的概率框架，通过物体级风险与上下文建模实现家庭场景中事故易发区域的实时估计，在人工标注数据集上达到75%的风险检测准确率，为服务机器人提供可解释的主动安全决策基础。
2025-08-27 cs.CV cs.RO
Who Is Responsible? Self-Adaptation Under Multiple Concurrent Failures With Unknown Faults in Complex Robotic Systems
XITASO GmbH（XITASO公司）；German Aerospace Center (DLR) Institute of Flight Systems（德国航空航天中心（DLR）飞行系统研究所）
本文提出了一种基于ROS2的自我适应方法，能够处理复杂系统中多重同时不确定性的根本原因分析和策略选择，通过规则集和依赖图实现轻量级适应，提升适应效率与性能。
2026-08-13 cs.RO
A Teleoperation System with Impedance Control and Disturbance Observer for Robot-Assisted Rehabilitation
University of Alberta（阿尔伯塔大学）
本文提出一种融合阻抗控制与扰动观测器的双边康复遥操作系统，可实现无传感器柔顺交互、模型不确定性补偿、任务/pHRI切换及示范轨迹复现。
2024-12-04 cs.RO
Don't Let Your Robot be Harmful: Responsible Robotic Manipulation via Safety-as-Policy
Hong Kong Polytechnic University（香港理工大学）；Harbin Institute of Technology（哈尔滨工业大学）；University of Hamburg（汉堡大学）；Peng Cheng Laboratory（鹏城实验室）；Agile Robots AG（智元机器人股份有限公司）
本文提出 Safety-as-policy 框架，结合世界模型与心智模型让机器人在操作中主动规避安全风险，并构建 SafeBox 合成数据集，在合成与真实实验中均显著优于基线方法。
2025-05-31 cs.CV cs.RO
Equanimity in HRI: Applying Calm Technology Principles to Human-Robot Interaction
Cognitive Science Department, Jagiellonian University（杰兹维日大学认知科学系）
本文探索将平静技术整合到人机交互中，为家庭辅助机器人设计提供指南，以促进平和、非侵入性的交互，并强调负责任机器人学与伦理考量。
2026-04-20 cs.HC cs.RO
Enabling Novel Mission Operations and Interactions with ROSA: The Robot Operating System Agent
NASA Jet Propulsion Laboratory（美国国家航空航天局喷气推进实验室）；California Institute of Technology（加州理工学院）
针对机器人操作需专业知识、非专家难以使用的问题，本文提出AI驱动的ROSA智能体，通过自然语言界面连接ROS，支持多模态交互与跨中间件扩展，提升操作效率并确立负责任AI应用标准。
2025-02-13 cs.AI cs.HC cs.RO
Mutation Testing for Industrial Robotic Systems
Université du Québec à Chicoutimi（魁北克大学希库蒂米分校）；École de technologie supérieure（高等技术学院）
针对传统变异测试不适配工业机器人系统的问题，本文提出领域特定变异算子与高层读写操作层面的变异体生成方法，实证证明其可提升变异体质量、减少无效案例，助力提升系统可靠性。
2025-11-18 cs.RO
Towards Privacy-Aware and Personalised Assistive Robots: A User-Centred Approach
Imperial College London（帝国理工学院）
该研究提出以用户为中心的隐私感知方法，利用联邦学习解决辅助机器人中的隐私问题，并开发智能轮椅辅助方案，以提升老年人和护理依赖者的生活质量。
2024-05-23 cs.HC cs.LG cs.RO
Disambiguating Anthropomorphism and Anthropomimesis in Human-Robot Interaction
University of Cambridge（剑桥大学）
本文区分了人机交互中拟人化与拟人模仿的概念，明确两者责任方，为未来研究提供理论基础。
2026-02-10 cs.HC cs.RO
Leveraging Large Language Models in Human-Robot Interaction: A Critical Analysis of Potential and Pitfalls
Nara Institute of Science and Technology（奈良科学技术研究所）
本文批判性分析大型语言模型（LLM）与视觉语言模型（VLM）在社交辅助机器人（SAR）等人机交互中的应用潜力与陷阱，通过元研究明确机遇挑战并提出负责任采用路径。
2024-11-27 cs.CL cs.RO
Arm Manipulation Planning of Tethered Tools with the Help of a Tool Balancer
Osaka University（大阪大学）
机器人操纵系留工具在机器人工作单元中被广泛看到。它们可能会导致工具的电缆上的过度应变或与机器人手臂的不希望的缠绕。本文提出了一种具有电缆方向约束的工具平衡器悬挂的系留工具的操作规划器。规划器使用方向约束来限制平衡器的电缆的弯曲，而机器人操纵工具，并将其放置在所需的姿势。这些约束减少了缠绕并减小了由线缆在机器人关节上引起的扭矩。仿真和真实世界的实验表明，受约束的规划器可以成功地规划机器人运动的悬浮系留工具的操作，防止机器人损坏电缆或得到其手臂纠缠，潜在地避免事故。该规划器在制造单元中具有广阔的应用前景。
2018-12-15 cs.RO
Ethical Aspects of the Use of Social Robots in Elderly Care -- A Systematic Qualitative Review
University of Potsdam（波茨坦大学）
本研究通过系统性定性综述梳理老年护理中社交机器人应用的伦理风险、机遇与未决问题，为决策者负责任实施提供依据。
2025-05-14 cs.CY cs.RO
Robot-Assisted Nuclear Disaster Response: Report and Insights from a Field Exercise
University of Birmingham（伯明翰大学）；University of West Attica（西阿提卡大学）；Kerntechnische Hilfdienst GmbH (KHG)（核技术援助服务有限公司（KHG））
本文报道了机器人研究人员的见解，他们参加了由Kerntechnische Hilfdienst GmbH（KHG）在德国卡尔斯鲁厄进行的为期5天的机器人辅助核灾难响应现场演习。德国核工业成立了KHG，为核事故提供机器人辅助应急响应能力。我们提出了一个系统的描述所使用的设备;机器人操作员的培训计划;现场演习和机器人任务;以及在演习过程中遵循的协议。此外，我们还根据这些观察结果为推进灾难响应机器人技术提供了见解和建议。具体而言，性能的主要退化来自对操作员的认知和注意力要求。此外，机器人平台和模块除了易于使用外，还应力求坚固可靠。最后，由于应急响应的利益相关者往往对使用自主系统持怀疑态度，我们建议采用可变的自主模式，逐步将自主机器人的能力与人在回路中。这种遥操作和自主之间的中间地带可以增加最终用户的接受度，同时直接减轻操作员的机器人控制负担，并保持人在回路中的弹性。
2022-07-01 cs.RO
Multi-Agent Vulnerability Discovery for Autonomous Driving with Hazard Arbitration Reward
Tsinghua University（清华大学）；Shanghai Qi Zhi Institute（上海期智研究院）；Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院）；Novauto Technology Co. Ltd（超星未来科技有限公司）
发现危险场景对于测试和进一步改进驾驶政策至关重要。然而，进行有效的驾驶政策测试面临两个关键挑战。一方面，在测试训练有素的自动驾驶策略时，自然遇到危险场景的概率很低。因此，通过纯粹的真实道路测试来发现这些场景是非常昂贵的。另一方面，要完成这项任务，就必须适当确定事故责任。收集错误归因责任的场景将导致过度保守的自动驾驶策略。更具体地说，我们的目标是发现危险车辆责任（AV责任）的危险场景，即，驾驶考试政策的漏洞。为此，这项工作提出了一个安全测试框架，通过寻找基于多智能体强化学习的Av-Responsible Scenarios（STARS）。STARS通过引入危险仲裁奖励（HAR），引导其他交通参与者产生Av-Responsible Scenarios，并使测试中的驾驶政策行为不当。HAR使我们的框架能够发现多样化，复杂和AV负责的危险场景。针对四种不同的驾驶策略在三个环境中的实验结果表明，星可以有效地发现AV负责的危险场景。这些情景确实对应了欠考驾驶政策的漏洞，因此对进一步改进欠考驾驶政策具有重要意义。
2021-12-12 cs.AI cs.RO
Verified Synthesis of Optimal Safety Controllers for Human-Robot Collaboration
University of Bremen（不来梅大学）；University of York（约克大学）；University of Sheffield（谢菲尔德大学）
本研究提出一种工具支持的人机协作安全控制器综合、验证与确认方法，结合流程与安全法规从可行设计空间中选优、形式化验证并在数字孪生中确认，通过制造单元案例验证了方法有效性。
2021-06-11 cs.HC cs.RO cs.SE
CBF-Based Motion Planning for Socially Responsible Robot Navigation Guaranteeing STL Specification
University of Modena and Reggio Emilia（摩德纳与雷焦艾米利亚大学）；Department of Sciences and Methods for Engineering (DISMI)（科学与工程方法系（DISMI））
本文针对社交责任导航中的安全关键导航问题，提出一种基于CBF的STL运动规划方法，通过实时计算平滑CBF和动态调整参数，在速度约束下保证任务按时完成并满足时空约束。
2024-03-30 cs.RO
Designing for Difference: How Human Characteristics Shape Perceptions of Collaborative Robots
本文通过在线实验和认知-情感映射方法，研究人类特征与交互范式如何影响人们对协作机器人的评价，发现反社会行为评分最低、高龄协作评价更敏感、物体交接场景更受认可，强调亲社会设计和反思方法对包容性机器人开发的重要性。
2025-07-22 cs.AI cs.CV cs.ET
Intelligent Collision Management in Dynamic Environments for Human-Centered Robots
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
在此背景下，本论文的一个主要重点是无意碰撞，其中一个直接的目标是消除伤害的用户和路人的通过实时传感和控制系统。一个不太明显的重点是将碰撞响应与运动规划中的工具相结合，以产生智能安全行为，确保多个人或物体的安全。然而，一个更具挑战性的问题是预测未来机器人外部物体之间的碰撞，并让机器人进行干预以防止即将发生的事故。在这篇论文中，我们研究了所有这些复杂的碰撞反应和干预。我们深入研究了与移动机器人和机器人操纵器在人类环境中操作的碰撞和安全相关的多个关键和有趣的主题。总的来说，我们从许多角度深入研究碰撞，并开发技术，借用和有助于机电设计，传感器处理，反馈控制，运动规划和概率推理方法的领域。这项研究的结果是一套关键的实验和指导方针，以处理碰撞的移动机器人和机器人机械手。这项研究旨在影响未来对机器人现场操作的研究，并在不影响我们安全的情况下，加速先进机器人在我们日常环境中的应用。
2017-11-07 cs.RO
Autonomous Robotic Assembly: From Part Singulation to Precise Assembly
Mitsubishi Electric Research Labs (MERL)（三菱电机研究实验室）
本文提出一种低结构化要求的齿轮箱自主机器人装配系统，融合滑动抓取、手内操作与插入技能，并利用视觉、触觉和F/T传感器闭环执行，硬件实验验证了其鲁棒性。
2024-06-11 cs.RO
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
Human-Centered Programming: The Design of a Robotic Process Automation Language
Polish-Japanese Academy of Information Technology（波日信息技术学院）
本文针对RPA缺乏通用、易读且跨平台的任务描述语言问题，提出了一种程序员和非程序员都能理解的可扩展机器人语言XRL，用于自动化重复性业务流程。
2023-11-07 cs.PL 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
Explainable Neural Inverse Kinematics for Obstacle-Aware Robotic Manipulation: A Comparative Analysis of IKNet Variants
Yuan Ze University（元智大学）
本研究提出了一种可解释性工作流程，通过Shapley值归因和物理障碍规避评估，改进IKNet变体以提升机器人操作的透明性和安全性。
2025-12-29 cs.AI cs.RO
Design and Development of an automated Robotic Pick & Stow System for an e-Commerce Warehouse
Indian Institute of Technology Kanpur（印度理工学院坎普尔分校）；Tata Consultancy Services（塔塔咨询服务公司）
在本文中，我们提供了一个机器人系统，可以自动化的任务，采摘和堆放对象从和机架上的电子商业履行仓库的细节。该系统主要包括四个主要模块：（1）感知模块，负责识别查询对象并将其定位在三维机器人工作空间中;（2）规划模块，生成机器人末端执行器到达货架或搬运箱中的对象所必须采取的必要路径;（3）校准模块，其定义通过机载视觉系统可见的机器人的物理工作空间;以及（4）用于拾取和装载不同种类的物体的夹持和抽吸系统。感知模块使用更快的基于区域的卷积神经网络（R-CNN）来识别物体。设计了一种新型双指夹持器，该夹持器结合了气动阀的吸力效应，以提高夹持器抓取不同物体的能力。该系统由IITK-TCS团队开发，用于参加2016年亚马逊采摘挑战赛。该队在比赛中获得了装载任务的第五名。本文的目的是与学生和实践工程师分享我们的经验，使他们能够构建类似的系统。该系统的整体功效是通过几个模拟以及真实世界的实验与实际的机器人。
2017-03-07 cs.RO
A roadmap for AI in robotics
本文梳理AI赋能机器人的发展成就，提出短中期研究路线图，并指出数据集、通用算法、人机协作、可解释性及终身学习等关键挑战。
2025-07-26 cs.AI cs.LG cs.RO
Soft robotics towards sustainable development goals and climate actions
Istituto Italiano di Tecnologia (IIT)（意大利理工学院）；Politecnico di Bari（巴里理工大学）；University of Southern Denmark（南丹麦大学）
软机器人技术可以通过开发由可再生能源驱动的自主、环保机器，帮助实现联合国可持续发展目标（SDG）和《巴黎气候协定》。通过利用软机器人技术，我们可以通过促进适应、恢复和补救来减轻气候变化对人类社会和自然世界的不利影响。此外，软机器人技术的实施可以在材料科学、生物学、控制系统、能源效率和可持续制造工艺方面带来突破性的发现。然而，为了实现这些目标，我们需要进一步提高对生物学原理的理解，在身体智能和物理智能的基础上，采用环境友好的材料和节能策略来设计和制造自驾驶和现场就绪的软体机器人。本文提供了关于软机器人如何解决环境可持续性这一紧迫问题的见解。大规模可持续制造软体机器人、探索可生物降解和生物启发材料的潜力，以及整合机载可再生能源以促进自主性和智能化，是我们在本文中讨论的该领域的一些紧迫挑战。具体而言，我们将展示现场就绪的软体机器人，这些机器人可解决城市农业、医疗保健、土地和海洋保护、灾害修复以及清洁和负担得起的能源等目标性生产应用，从而支持部分可持续发展目标。通过将软机器人技术作为解决方案，我们可以切实支持经济增长和可持续工业，推动环境保护和清洁能源解决方案，并改善整体健康和福祉。
2023-03-21 cs.RO physics.app-ph
CT-SAFR: Safe and Interpretable Chain-of-Thought Reasoning for Autonomous Robots: A Multi-Layered Verification Framework for Trustworthy AI-Driven Robotic Decision Making
Hezarfen LLC（赫扎芬有限责任公司）；Grand Canyon University（大峡谷大学）
提出CT-SAFR多层验证框架，通过思维链推理检测与过滤，实现94.2%幻觉检测率和87%不安全输出减少，保障自主机器人决策的安全性与可解释性。
2026-09-10 cs.AI cs.RO
Agri-Sim: Agricultural Simulation Platform for Embodied Intelligence Evaluation in Greenhouse Robotics
School of Mechatronic Engineering and Automation, Shanghai University（上海大学机电工程与自动化学院）；Sino-European School of Technology of Shanghai University（上海大学中欧工程技术学院）；School of Future Technology (Institute of Artificial Intelligence), Shanghai University（上海大学未来技术学院（人工智能研究院））
研究针对农业机器人开发所需的仿真环境需求，提出基于Unity和ROS2的Agri-Sim平台，通过实验验证其可支持导航与操纵工作流的闭环集成及可重复功能评估，为后续相关研究提供实用基础。
2026-09-01 cs.RO
Real-Time Context-aware Detection of Unsafe Events in Robot-Assisted Surgery
University of Virginia（弗吉尼亚大学）
用于机器人手术的网络物理系统使微创手术具有更高的精度和更短的住院时间。然而，随着软件的复杂性和连接性的增加以及人类操作员在手术机器人的监督中的主要参与，在确保患者安全方面仍然存在重大挑战。本文介绍了一种安全监测系统，该系统在外科医生了解手术任务的情况下，可以实时的【形】检测安全关键事件。我们的方法集成了一个手术手势分类器，推断的操作上下文的时间序列的运动学数据的机器人与库的错误的手势分类器，给定的手术手势可以检测到不安全的事件。我们使用来自两个手术平台的数据进行的实验表明，所提出的系统可以在1，693毫秒的平均反应时间窗口和0.88的F1分数内检测由意外或恶意故障引起的不安全事件，并且在57毫秒的平均反应时间窗口和0.76的F1分数内检测人为错误。
2020-06-18 cs.RO
Safety-Ensured Robotic Control Framework for Cutting Task Automation in Endoscopic Submucosal Dissection
Division of Mechanical System Engineering, Myongji University, Yongin-si, Gyeonggi-do, Republic of Korea（机械系统工程系，明州大学，韩国京畿道 Yongin市）；SDU Robotics, the Maersk Mc-Kinney Moller Institute, University of Southern Denmark, Odense, Denmark（SDU机器人，马士克麦金尼莫勒研究所，丹麦南部大学，Odense）；Department of Mechanical Engineering, Myongji University, Yongin-si, Gyeonggi-do, Republic of Korea（机械工程系，明州大学，韩国京畿道 Yongin市）
本研究针对内镜黏膜下剥离术切割任务自动化的安全需求，提出融合控制屏障函数与无模型控制的机器人框架，可在肿瘤紧邻的场景下精准切除目标肿瘤并保障周围组织安全。
2025-06-12 cs.RO cs.SY eess.SY
A Dynamic Robotic Actuator with Variable Physical Stiffness and Damping
Delft University of Technology（代尔夫特理工大学）
这项研究的一部分，旨在增加远程操作的现场机器人的动态任务的范围，以允许操作员使用全方位的人类运动，而不受机器人机械手的动态限制的研究。设计了一种新型的变阻抗执行器（VIA），能够通过遥操作再现从精确定位任务到高动态任务的运动。基于先前人类用户研究的设计要求是50 ms的刚度变化时间、20 rad/s的峰值输出速度和允许抑制不期望的振荡的可变阻尼。这是一个独特的功能组合，没有满足其他VIA。新设计有三个并联配置的电机：两个负责通过滑动支点杠杆机构改变VIA的中立位置和有效刚度，第三个用作可变阻尼器。建立了一个原型，并测量其性能与有效刚度变化时间为50至120 ms的小到大的刚度步骤，标称输出速度为16 rad/s和可变阻尼器的阻尼扭矩从0到3 Nm。其有效刚度范围为0.2至313 Nm/rad。由此得出结论，新的执行器特别适合于高动态任务。与此同时，新的执行器也非常通用，使其特别有趣的远程操作和人机协作。
2020-08-05 cs.HC cs.RO
Obstacle-Avoidant Leader Following with a Quadruped Robot
Autonomous Systems Lab, ETH Zürich（苏黎世联邦理工学院自主系统实验室）
本文提出一种基于虚拟牵引绳的四足机器人跟随方法，融合射频应答器、RGB相机和LiDAR，并定制局部避障规划器，在ANYmal平台上验证了动态狭窄环境下的鲁棒跟随性能。
2025-03-07 cs.RO
Design and Deployment of an Autonomous Unmanned Ground Vehicle for Urban Firefighting Scenarios
New York University（纽约大学）；University of Pennsylvania（宾夕法尼亚大学）；CTU in Prague（捷克布拉格技术大学）
自主移动机器人有潜力解决人类无法完成的过于复杂或危险的任务。在本文中，我们解决了设计和自主部署的地面车辆配备了机器人手臂的城市消防场景。我们描述了硬件设计和算法方法的自主导航，规划，火源识别和消除在非结构化的城市场景。该方法采用车载传感器进行自主导航，并利用热成像相机信息进行源识别。定制的机电泵负责喷射水以用于灭火。所提出的方法是通过几个实验进行验证，在那里我们展示了识别和减弱建筑物中的样本热源的能力。整个系统是在2020年穆罕默德·本·扎耶德国际机器人挑战赛（MBZIRC）期间开发和部署的，用于挑战3号高层建筑内的消防，以及在大挑战赛期间，我们的方法在所有UGV解决方案中获得了最高分，并有助于赢得第一名。
2021-07-08 cs.RO
Introducing the Robot Vulnerability Database (RVD)
Alias Robotics；JOANNEUM RESEARCH
机器人技术中的网络安全是一个新兴的话题，已经获得了巨大的吸引力。研究人员最近展示了网络攻击对机器人的一些潜力和影响。这意味着安全相关的不良后果，导致人类伤害，死亡或导致重大的完整性损失，显然克服了传统IT世界中的隐私问题。在网络安全研究中，使用漏洞数据库是一种非常可靠的工具，可以负责任地披露软件产品中的漏洞，并提高供应商解决这些问题的意愿。在本文中，我们认为，现有的漏洞数据库的信息密度不足，并显示出一些有偏见的内容与机器人的漏洞。本文介绍了机器人漏洞数据库（RVD），负责披露机器人的错误，弱点和漏洞的目录。本文旨在介绍差饷物业估价署的设计和程序，以及相关的披露政策。此外，作者提出了RVD中已经包含的初步选定的漏洞，并呼吁机器人和安全社区为消除机器人零日漏洞的努力做出贡献。
2021-11-12 cs.CR cs.RO
Follow me: an architecture for user identification and social navigation with a mobile robot
University of Modena and Reggio Emilia（摩德纳与雷焦艾米利亚大学）
本文提出一种移动机器人架构，结合计算机视觉、机器学习与人工智能算法实现用户识别和社会导航，以提升人机交互的直观性与友好性。
2024-05-02 cs.RO
Robot-Assisted Navigation for Visually Impaired through Adaptive Impedance and Path Planning
Istituto Italiano di Tecnologia（意大利技术研究院）；University of Genoa（热那亚大学）；University of Malaga（马拉加大学）
本文提出一种基于移动机械臂的视障人士导航框架，结合2D LiDAR腿部跟踪、避障单元、自适应拉拽规划器及实时阻抗调节，引导用户沿无碰撞路径点行走，并在12名蒙眼受试者实验和真实场景中验证了有效性。
2023-10-23 cs.RO
Bootstrapping Imitation Learning for Long-horizon Manipulation via Hierarchical Data Collection Space
CVTE（中国维克托技术有限公司）；SYSU（深圳大学）；SWJTU HKU（上海交通大学香港大学）
本文提出分层数据采集空间（HD-Space），通过将长时程操作任务分解为原子任务并设计相应状态/动作空间，以少量演示数据训练出更稳健的模仿学习策略，在模拟和真实任务中显著提升性能。
2025-05-23 cs.AI cs.RO
Learning Multi-Objective Curricula for Robotic Policy Learning
McGill University（麦吉尔大学）；Mila - Québec AI Institute（米拉-魁北克人工智能研究所）；IBM Research（IBM研究院）；Université de Montréal（蒙特利尔大学）；Polytechnique Montréal（蒙特利尔理工学院）；Beijing Academy of AI（北京人工智能研究院）
为了提高深度强化学习（DRL）的样本效率和最终性能，已经提出了各种自动课程学习（ACL）方法。它们旨在控制DRL代理如何收集数据，这是受到人类如何逐渐适应其学习过程以适应其能力的启发。例如，ACL可用于子目标生成、奖励塑造、环境生成或初始状态生成。然而，先前的工作只考虑课程学习以下的上述预定义的范例之一。目前还不清楚这些范例中哪些是互补的，以及如何从与环境的相互作用中学习它们的组合。因此，在本文中，我们提出了一个统一的自动课程学习框架，以创建多目标，但连贯的课程，是由一组参数课程模块生成。每个课程模块被实例化为一个神经网络，并负责生成特定的课程。为了在统一的参数空间中协调这些潜在冲突的模块，我们提出了一个多任务超网学习框架，该框架使用单个超网来参数化所有这些课程模块。除了现有的手工设计的课程范例，我们进一步设计了一个灵活的记忆机制来学习一个抽象的课程，否则可能很难手动设计。我们评估我们的方法上的一系列机器人操作任务，并证明其优越性比其他国家的最先进的ACL方法的样本效率和最终性能。
2022-10-20 cs.AI cs.LG cs.RO
MATE robots simplifying my work: benefits and socio-ethical implications
University of Modena and Reggio Emilia（摩德纳-雷焦艾米利亚大学）；RWTH Aachen University（亚琛工业大学）
随着现代工业自动化和机器人系统的日益复杂，操作员的负担也越来越重，他们通常需要在具有挑战性和压力的条件下监督非常复杂的系统并与之交互。为了克服这个问题，有必要采用基于以人为中心的设计方法的负责任的方法，使机器适应人类的能力，而不是相反。沿着这些路线移动，在本文中，我们考虑一个综合的方法设计方法，我们称之为MATE，包括设计复杂的自动或机器人解决方案，测量当前操作员的状态，相应地调整交互，并为她/他提供适当的培训，以改善交互和学习缺乏技能和专业知识。因此，MATE系统旨在易于所有用户使用，从而符合包容性设计的原则。使用这样一个MATE系统产生了一些伦理和社会影响，这是本文讨论。此外，讨论了哪些因素在公司的组织是至关重要的，相对于引入MATE系统。
2018-02-19 cs.HC cs.RO
RoboTed: a case study in Ethical Risk Assessment
Bristol Robotics Laboratory, UWE Bristol（布里斯托尔机器人实验室，布里斯托尔西英格兰大学）；UWE Bristol（布里斯托尔西英格兰大学）；Bristol Robotics Laboratory（布里斯托尔机器人实验室）；UWE（西英格兰大学）
风险评估是一个众所周知的和强大的方法，发现和减轻风险，从而提高安全。伦理风险评估使用相同的方法，但扩展了风险范围，除了安全风险外，还包括伦理风险。在本文中，我们概述了道德风险评估（ERA）和负责任的机器人更广泛的框架内设置ERA。然后，我们说明ERA与一个假设的智能机器人玩具泰迪熊的案例研究：RoboTed。该案例研究展示了ERA的价值，以及道德风险的考虑如何促使设计变更，从而产生更符合道德和可持续的机器人。
2020-09-29 cs.CY cs.RO
Towards spiking analog hardware implementation of a trajectory interpolation mechanism for smooth closed-loop control of a spiking robot arm
Universidad de Sevilla（塞维利亚大学）；SynSense AG（SynSense AG公司）；University of Zurich（苏黎世大学）；ETH Zurich（苏黎世联邦理工学院）
提出一种基于脉冲神经网络的机械臂闭环控制系统，包含移位WTA网络与脉冲比较器以实现轨迹插值与连续性控制，并在DYNAP-SE2平台部署验证了其有效性。
2025-01-23 cs.NE cs.RO
Designing Robots to Help Women
Halmstad University（哈尔姆斯塔德大学）；Linköping University（林雪平大学）；Swedish Police Authority（瑞典警察当局）
针对女性在机器人领域代表性不足的问题，本研究采用推测性原型设计方法，通过草图和开发检测隐藏摄像头的无人机原型，探索专为女性设计的机器人方案，以促进更安全包容的未来。
2025-03-03 cs.HC cs.RO
