Multi-layered Safety of Redundant Robot Manipulators via Task-oriented Planning and Control
National University of Singapore（新加坡国立大学）；Peng Cheng Laboratory（鹏城实验室）；Nanyang Technological University（南洋理工大学）
针对冗余机械臂在不确定环境中的安全问题，提出任务导向规划与控制框架，结合MPC轨迹规划与本体感觉力矩控制，实现多层安全与高效任务执行。
2025-03-30 cs.RO
Mobile Robot Oriented Large-Scale Indoor Dataset for Dynamic Scene Understanding
Tsinghua University（清华大学）
本文提出THUD大规模室内动态场景数据集，包含真实与合成数据及丰富标注，并通过评估3D检测、语义分割和重定位任务，揭示动态场景下机器人理解算法面临的挑战，以推动新算法快速迭代。
2024-07-01 cs.RO
Task-oriented grasping for dexterous robots using postural synergies and reinforcement learning
Institute for Systems and Robotics（系统与机器人研究所）；Instituto Superior Tecnico（技术高级学院）
本文提出利用姿态协同和强化学习方法，使人形机器人能够根据任务需求抓取多个物体并适应不同情境。
2026-02-24 cs.RO
DexH2R: Task-oriented Dexterous Manipulation from Human to Robots
Department of Mechanical Engineering, the University of California, Berkeley（机械工程系，加州大学伯克利分校）
DexH2R通过结合人类手部运动重定向与任务导向的残差动作策略，提升机器人灵巧操作性能，实现高泛化能力的任务完成。
2026-01-13 cs.RO
A Real-time Robotic Grasp Approach with Oriented Anchor Box
Xi’an Jiaotong University（西安交通大学）
抓取是机器人与人类和环境交互的基本技能。在本文中，我们建立了一个基于视觉的，鲁棒的和实时的【形】机器人抓取方法与全卷积神经网络。我们的方法的主要组成部分是一个把握检测网络与定向锚箱检测先验。由于检测到的抓取方向是重要的，这决定了夹持器的旋转角度配置，我们提出了方向锚箱机制，以回归抓取角度基于预定义的假设，而不是没有任何先验的分类或回归。通过定向锚箱，可以更准确和有效地预测抓握。此外，为了加快网络的训练速度，进一步提高角度回归的性能，在训练过程中提出了角度匹配代替Jaccard指数匹配。五重交叉验证结果表明，我们提出的算法实现了98.8%和97.8%的准确率分别在图像和对象的分裂，我们的检测算法的速度是67 FPS与GTX 1080 Ti，优于所有当前国家的最先进的抓取检测算法在康奈尔数据集的速度和准确性。机器人实验表明，在不可见物体和真实世界环境中的鲁棒性和泛化能力，在Baxter机器人平台上，熟悉事物和不可见事物的平均成功率分别为90.0%和84.2%。
2018-09-18 cs.RO
SKOOTR: A SKating, Omni-Oriented, Tripedal Robot
University of Michigan（密歇根大学）；Museum of Zoology, University of Michigan（密歇根大学动物博物馆）
针对三足机器人转向受限与步态低效问题，提出兼具摩擦与滚动接触及自由旋转中心球体的SKOOTR，实现多步态、转弯、越障和爬梯，开源且成本约500美元。
2024-02-06 cs.RO
When Robots Exchange Meaning: A Demo of Goal-Oriented Semantic Communications for Collaborative Robotics
本文提出一种机器人-边缘端语义通信测试平台，通过VQ-VAE等技术实现视觉压缩与语义建图，为协作机器人及相关6G网络研究提供了实用演示平台。
2026-07-31 cs.RO
A Fairness-Oriented Control Framework for Safety-Critical Multi-Robot Systems: Alternative Authority Control
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Tencent Robotics X（腾讯Robotics X实验室）
本文提出整合替代权限控制（AAC）与柔性控制屏障函数（F-CBF）的多机器人公平控制框架，动态分配控制权限实现公平协调运动，扩展CBF提升动态避障安全性，仿真验证其安全、鲁棒且高效。
2024-09-16 cs.RO
User oriented assessment of vibration suppression by command shaping in a supernumerary wearable robotic arm
Georgia Institute of Technology（佐治亚理工学院）
由于人体组织和机器人交界处的弹性，多余机器人肢体（SRL）表现出固有的顺应性行为。这种合规性可能会显著影响某些SRL的运行，具体取决于应用。为了控制SRL的残余振动，我们使用了一种输入整形方法，这是一种计算成本低廉的方法。鲁棒性分析证明了该方法在控制SRL残余振动方面的有效性。用户研究表明，使用输入整形来减少振动可以直接将用户满意度和舒适度提高至少9%。36%的用户更喜欢未成形的命令。我们假设，形状的命令把一个更高的认知负荷的用户相比，未成形的命令。这表明，在处理人机交互时，用户满意度成为与传统性能标准同等重要的参数，在评估任何振动控制方法的成功时都应考虑在内。
2018-08-10 cs.RO
DORA: Divergence-Oriented Data-Relay Algorithm for Partially Connected Robot Teams
University of Pennsylvania（宾夕法尼亚大学）
针对部分连接异构无人机团队的通信与探索权衡问题，提出散度导向数据中继算法DORA，通过量化信息价值驱动通信，将MRT解析延迟最多降低74.8%。
2026-09-30 cs.RO
An End-to-End Human Simulator for Task-Oriented Multimodal Human-Robot Collaboration
University of Illinois Chicago（伊利诺伊大学芝加哥分校）；California State University Channel Islands（加州州立大学海峡群岛分校）
本文提出一种基于神经网络的多模态用户模拟器，支持语言、手势和触觉等多种通信模式训练强化学习智能体，并引入数据增强方法解决数据集有限的挑战，助力家庭辅助机器人开发。
2023-04-02 cs.RO
QLAUN: A Research-Oriented, Robust, Agile, Modular, and Affordable Torque-Controlled Quadruped Robot
Lebanese American University（黎巴嫩美国大学）
QLAUN是一款面向研究的低成本力矩控制四足机器人，采用模块化3D打印设计，具备高扭矩输出与灵活关节，为科研提供新型腿式机器人研究平台。
2026-09-04 cs.RO
Goal-Oriented End-User Programming of Robots
U.S. Naval Research Laboratory（美国海军研究实验室）
提出基于目标谓词的EUP系统Polaris，允许用户灵活指定任务细节并由任务规划器补全，配备Plan Visualizer帮助32名用户制定更高质量程序，揭示了用户感知与工具使用的关联。
2024-03-20 cs.RO
Understanding and Modeling Perceived Cognitive and Physical Strain Dynamics for Planning-Oriented Human-Robot Collaboration in Prefabricated Construction
Department of Civil, Environmental, and Geospatial Engineering, Michigan Technological University（土木、环境与地理空间工程系，密歇根技术大学）
本研究通过受控重复工作-休息实验，建立基于经验数据的线性混合效应模型描述认知应变积累和非线性恢复，为预制建筑中人机协作的规划提供依据。
2026-06-16 cs.RO
MIHRaGe: A Mixed-Reality Interface for Human-Robot Interaction via Gaze-Oriented Control
Engineering School of São Carlos University of São Paulo（圣保罗大学圣卡洛斯工程学院）；Massachussets Institute of Technology（麻省理工学院）；Hospital Israelita Albert Einstein（以色列医院阿尔伯特·爱因斯坦医院）
本文提出MIHRaGe混合现实界面，融合注视跟踪与机器人辅助，实现仅用眼动控制机器人，实验显示80%任务成功率，验证了其提升人机交互可及性的潜力。
2025-05-06 cs.RO
Task-oriented Robotic Manipulation with Vision Language Models
Department of Computer Science, Swansea University（计算机科学系，萨瑟兰大学）；Department of Computer Science, Durham University（计算机科学系，杜ham大学）
针对机器人操作中空间关系理解的难题，提出融合VLM与结构化空间推理流水线的框架，通过树状场景表示和LLM推断任务配置，辅以新标注数据集，显著提升机器人空间推理与操作能力。
2025-05-20 cs.RO
EMMa: End-Effector Stability-Oriented Mobile Manipulation for Tracked Rescue Robots
本文提出了一种面向履带救援机器人的移动操作框架，通过协调路径优化模型和紧凑成本/约束表示，提高末端操作的稳定性和任务成功率。
2026-04-09 cs.RO
Goal-oriented Communication for Fast and Robust Robotic Fault Detection and Recovery
Department of Engineering, King’s College London（伦敦国王学院工程系）；Bristol Research and Innovation Laboratory, Toshiba Europe Ltd.（托bsd欧洲有限公司布里斯托尔研究与创新实验室）
提出目标导向通信框架，通过联合设计通信-计算-控制回路，利用3D场景图检测故障，并微调小语言模型结合知识蒸馏生成恢复动作，实现故障检测与恢复时间降低82.6%，任务成功率提升76%。
2026-06-08 cs.RO
Hiding task-oriented programming complexity: an industrial case study
Institute of Intelligent Industrial Technologies and Systems for Advanced Manufacturing, National Research Council of Italy（意大利国家研究委员会智能工业技术与先进制造研究所）；University of Brescia（布雷西亚大学）
本文通过22名非专家用户的工业实验，比较了隐藏ROS复杂性的任务导向编程界面与传统机器人示教器编程方法，发现两者在学习时间、编程时间和提问次数上相当，证明任务导向编程可平滑推广至非专家用户。
2023-03-04 cs.HC cs.RO
Anchor-Oriented Localized Voronoi Partitioning for GPS-denied Multi-Robot Coverage
School of Computing, University of Georgia（佐治亚大学计算学院）
针对无GPS环境下多机器人覆盖缺乏全局定位的难题，提出基于公共锚点的动态局部Voronoi划分方法与共识协调算法，实验表明其性能与使用GPS的最先进方法相当。
2024-07-08 cs.MA cs.RO
A Road-map to Robot Task Execution with the Functional Object-Oriented Network
Technical University of Munich（慕尼黑工业大学）；University of South Florida（南佛罗里达大学）
在联合对象-动作表示方面的工作之后，引入了功能面向对象网络（FOON）作为机器人的知识图谱表示。FOON采用二分图的形式，包含符号或高级信息，这些信息与机器人对其环境和任务的理解有关，反映了人类对动作的理解。在这项工作中，我们概述了未来的发展路线图FOON和它的应用在机器人系统的任务规划以及知识获取从示范。我们提出了初步的想法，以展示如何在现实世界的场景中创建一个FOON与机器人和人类教师的方式，可以共同增强现有的知识在FOON和教机器人的技能，它需要复制演示的动作，并解决给定的操作问题。
2021-06-01 cs.AI cs.RO
SPOT: Spatial Perception-Oriented Long-Horizon Humanoid Teleoperation
University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；Massachusetts Institute of Technology（麻省理工学院）
针对人形机器人遥操作中空间感知视界受限的问题，提出SPOT系统，通过鱼眼相机、宽视场显示与视角解耦，提升长时间跨度数据收集的效率与准确性。
2026-09-09 cs.RO
RoboRender: Robot-Oriented Video Generation for Visual Sim-to-Real Transfer
Stanford University（斯坦福大学）；Nvidia（英伟达）；Microsoft Research（微软研究院）
RoboRender提出面向机器人的视频生成框架，利用仿真深度、语言和掩码生成逼真RGB视频，训练策略实现零样本现实部署，成功率大幅提升。
2026-10-08 cs.RO
Robot Gaze During Autonomous Navigation and its Effect on Social Presence
Monash University（莫纳什大学）；Deakin University（迪肯大学）；University of Victoria（维多利亚大学）
本研究探讨了自主导航中机器人注视行为对人类社交存在感的影响，通过现实和在线实验测试了面向路径和面向人的注视行为，发现偏好的注视方式取决于具体场景，交叉通行时面向人的注视更受偏好。
2023-05-10 cs.RO
A Unified Multi-Dynamics Framework for Perception-Oriented Modeling in Tendon-Driven Continuum Robots
Robotics Department, Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（Mohamed bin Zayed大学人工智能研究院机器人部门）；Hefei National Research Center for Physical Sciences at the Microscale, University of Science and Technology of China (USTC)（中国科学技术大学微尺度物理科学国家级研究中心）
本文提出了一种统一的多动态框架，用于腱驱动连续机器人中基于内在动态的感知建模与交互解释。
2025-11-22 cs.RO
LLM-Handover:Exploiting LLMs for Task-Oriented Robot-Human Handovers
Robotics System Lab, ETH Zürich（机器人系统实验室，苏黎世联邦理工学院）
提出 LLM-Handover 框架，融合 LLM 推理与部件分割，依据 RGB-D 图像和任务选择便于交接后使用的抓取，并通过新数据集、硬件实验和用户研究验证其有效性。
2025-09-29 cs.RO
A4A: Cross-Embodiment Transfer of Action-Oriented 4D Affordances from Human Demonstrations
Shanghai Jiao Tong University（上海交通大学）；Rutgers University–New Brunswick（罗格斯大学新布朗斯维克分校）；Nanyang Technological University（南洋理工大学）；The Hong Kong University of Science and Technology (GZ)（香港科技大学（广州））；Shanghai AI Laboratory（上海人工智能实验室）
提出面向动作的4D可操作性表示，通过预测交互点轨迹预训练机器人策略，实现从人类示范到机器人的跨实体操作知识迁移，实验验证其提升VLA策略性能。
2026-09-09 cs.RO
Task-Oriented Formation Decision via Reinforcement Learning: Herding an Attacking Swarm
本文针对攻击型集群驱赶任务，提出基于强化学习的编队决策方法，通过参数化编队形状缓解防御者机动性劣势，在仿真与物理平台上验证了方法的可行性与扩展性。
2026-08-11 cs.RO
Augmenting Knowledge through Statistical, Goal-oriented Human-Robot Dialog
SUNY Binghamton（纽约州立大学宾汉姆顿分校）；Cleveland State University（克利夫兰州立大学）；University of Washington（华盛顿大学）
一些机器人可以使用自然语言与人类交互，并通过人机对话识别服务请求。然而，很少有机器人能够从这种经验中提高他们的语言能力。在本文中，我们开发了一个对话代理的机器人，能够解释用户的命令使用语义解析器，同时要求澄清问题，使用概率对话管理器。该对话代理能够通过从对话经验中学习来增强其知识库并提高其语言能力，例如，添加新实体并学习引用现有实体的新方法。我们已经在模拟中广泛评估了我们的对话系统，并通过MTurk和真实机器人平台与人类参与者进行了评估。我们证明，我们的对话代理执行更好的效率和准确性相比，基线学习代理。演示视频可以在https://youtu.be/DFB3jbHBqYE上找到
2019-11-12 cs.HC cs.RO
AffordGrasp: In-Context Affordance Reasoning for Open-Vocabulary Task-Oriented Grasping in Clutter
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））；Beijing Academy of Artificial Intelligence（北京人工智能研究院）；Peking University（北京大学）
提出开放词汇抓取框架AffordGrasp，利用VLMs从隐式指令推理可供性并定位部件级区域生成抓取姿态，在仿真和真实场景中实现最先进的任务导向抓取性能。
2025-03-02 cs.RO
Reactive Task-Oriented Robot-Human Handovers via Generative Hypothesis Selection
Robotic Systems Lab, ETH Zurich（苏黎世联邦理工学院机器人系统实验室）
提出GENESIS-Handover方法，利用VLM图像生成任务特定的手-物体交互假设，实时匹配人类手部姿态，实现稳健的任务导向机器人-人交接，用户研究中83.3%认为其任务理解优于先前方法。
2026-11-13 cs.RO
Towards a Participatory and Social Justice-Oriented Measure of Human-Robot Trust
Hunter College, City University of New York（纽约市立大学亨特学院）
本文针对现有人机信任测量忽视权力结构和不公平的问题，提出一种以社区参与和社会正义为导向的信任测量共同设计方法，使测量工具更准确反映特定社区对机器人的信任因素。
2024-02-24 cs.CY cs.RO
Decision-Oriented Learning Using Differentiable Submodular Maximization for Multi-Robot Coordination
University of Southern California（南加州大学）；University of Maryland（马里兰大学）；Woods Hole Oceanographic Institute（伍兹霍尔海洋研究所）
提出一种面向决策的可微学习框架，通过可微优化层将下游任务性能纳入成本预测阶段，并设计D-CSG算法解决非单调次模最大化的可微性挑战，显著提升多机器人协调性能。
2024-03-25 cs.RO
Bridging the Human to Robot Dexterity Gap through Object-Oriented Rewards
New York University（纽约大学）
针对人手训练策略因形态差异难迁移到多指机器人手的问题，提出HuDOR技术，利用面向对象轨迹从人类视频计算奖励实现策略在线微调，四指Allegro手仅需1小时交互即可学会任务，性能较基线提升4倍。
2024-10-30 cs.LG cs.RO
MOSS: Mode-Oriented Source Shaping for Robot Flow Matching Policies
Nanyang Technological University（南洋理工大学）；Tsinghua University（清华大学）
针对机器人流匹配策略无法主动选择多模态行为模式的问题，提出MOSS方法，通过构建模式特定高斯源实现模式显式选择，在模拟与真实机器人任务中提升了模式引导率与任务成功率。
2026-10-16 cs.RO
Task-Oriented Co-Design and Optimization of Geared Actuators for Robotic Applications
Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
本文提出一种任务导向的齿轮执行器协同设计优化框架，联合优化硬件与控制，实验表明其扭矩密度比商用执行器高60%、重量轻18.6%。
2026-09-22 cs.RO
Real-time Dexterous Telemanipulation with an End-Effect-Oriented Learning-based Approach
Oklahoma State University（俄克拉荷马州立大学）；Colorado School of Mines（科罗拉多矿业学院）；University of Pennsylvania（宾夕法尼亚大学）
针对灵巧远程操控中忽视物体交互的问题，提出EFOLD框架，将操控建模为马尔可夫博弈，利用末端效应特征和深度强化学习实现低延迟、高精度的实时控制。
2024-08-01 cs.RO
Efficient Collision Detection Oriented Motion Primitives for Path Planning
Panasonic Holdings Corporation（松下控股株式会社）
本文提出用双圆弧作为运动基元来加速路径规划中的单边碰撞检测，同时保持路径平滑连续，且不依赖圆盘形碰撞盒，适用于多种尺寸和差速驱动机器人。
2023-12-05 cs.RO
SegVec3D: A Method for Vector Embedding of 3D Objects Oriented Towards Robot manipulation
Northwestern Polytechnical University（西北工业大学）
本文提出SegVec3D框架，通过集成注意力机制、对比聚类和跨模态对齐，实现了无监督3D点云实例分割与零样本检索，以最少的监督统一了实例分割与多模态理解，具备良好的实际可部署性。
2025-07-13 cs.CV cs.RO
Hybrid and Oriented Harmonic Potentials for Safe Task Execution in Unknown Environment
College of Engineering, Peking University（北京大学工学院）
本文提出一种基于任务自动机在线增量构建调和势场的方法，结合定向搜索与调和导航控制器，实现未知环境下非完整机器人的安全高效任务执行。
2024-11-08 cs.RO
GauTOAO: Gaussian-based Task-Oriented Affordance of Objects
School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院）
GauTOAO利用高斯和视觉-语言模型，零样本预测物体任务导向可操作性区域，通过DINO特征提取3D掩码，实现更准确TOAO提取，提升机器人任务性能。
2024-09-18 cs.RO
RTAGrasp: Learning Task-Oriented Grasping from Human Videos via Retrieval, Transfer, and Alignment
Southern University of Science and Technology（南方科技大学）
本文提出RTAGrasp框架，通过从人类演示视频中检索、迁移和对齐TOG约束，实现无需训练的任务导向抓取，在公开数据集和真实实验中均展现竞争力。
2024-09-24 cs.RO
VL-Grasp: a 6-Dof Interactive Grasp Policy for Language-Oriented Objects in Cluttered Indoor Scenes
Tsinghua University（清华大学）
提出VL-Grasp这一6自由度交互式抓取策略，结合视觉定位与抓取位姿检测及过滤模块，解决杂乱室内场景中基于语言指令抓取目标物体的问题，在真实场景中成功率达72.5%。
2023-08-01 cs.RO
Task Planning with a Weighted Functional Object-Oriented Network
University of South Florida（南佛罗里达大学）；Technical University of Munich（慕尼黑工业大学）；University of Illinois - Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校）
实际上，机器人要完全自主地执行操作动作还有很多工作要做。复杂的操作任务，例如烹饪，可能仍然需要人执行一些对机器人来说非常危险的动作。另一方面，一些其他动作对于身体残疾的人来说可能是非常危险的。因此，有必要根据机器人和人类的限制来平衡机器人和人类的工作量，同时最大限度地减少协作机器人（cobot）设置中人类所需的努力。本文提出了一个新版本的功能面向对象的网络（FOON），集成在其功能单元的权重，以反映机器人的机会，成功地执行该功能单元的动作。本文还提出了一个任务规划算法的加权FOON分配操作动作负载的机器人和人类，以达到最佳的性能，同时最大限度地减少人类的努力。通过大量的实验，本文展示了几个成功的案例，其中使用所提出的加权FOON和任务规划算法允许机器人和人类一起成功地完成复杂的任务，成功率高于机器人单独完成这些任务。
2021-03-25 cs.AI cs.RO
Towards Robotic Assembly by Predicting Robust, Precise and Task-oriented Grasps
Carnegie Mellon University（卡内基梅隆大学）；National Robotics Engineering Center（国家机器人工程中心）
面向任务的鲁棒抓取规划对于自主机器人精密装配任务至关重要。当确定要执行的适当抓握时，应结合对象的几何形状和目标任务的先决条件的知识。然而，有几个因素有助于实现这些把握的挑战，如控制机器人时的噪声，未知的对象属性，以及建模复杂的对象-对象交互的困难。我们提出了一种分解这个问题的方法，并通过学习三个级联网络来优化抓取鲁棒性，精度和任务性能。我们评估我们的方法在模拟上的三个常见的装配任务：插入齿轮到钉，对齐支架到角落，并插入形状到插槽。我们的政策是使用基于大规模自我监督抓取模拟与程序生成的对象的课程进行训练的。最后，我们用一个真实的机器人来评估前两个任务的性能，其中我们的方法对于支架插入实现了4.28mm的误差，对于齿轮插入实现了1.44mm的误差。
2020-11-04 cs.AI cs.LG cs.RO
CORE Planner: Contextual-memory Oriented Reinforcement-learning in Unknown Environments for Robot Navigation
提出CORE规划器，结合稀疏可见图与Transformer网络，实现未知环境下的高效导航，并通过上下文记忆机制避免局部最优，支持零样本仿真到现实迁移。
2026-06-28 cs.RO
Integrated Modular Solution for Task Oriented Manipulator Configuration Design
Indian Institute of Technology Ropar（印度理工学院鲁尔基分校（罗帕尔分校））
模块化和可重构的机器人系统已经被设计为在受限环境中执行非重复性任务提供定制的解决方案。定制的解决方案通常是从可能的机械手配置的基于任务的优化中提取的，但是该解决方案不被集成，用于直接提供模块化组合物。在这项工作中，在第一阶段，找到非常规的最佳配置与最少的自由度的数量的策略进行了讨论，根据规定的工作地点和杂乱的环境。然后，在第二阶段，设计的模块化和可重构的架构，可以适应这些非常规的机器人参数。而不是产生和发展的模块化组合，提出了一种策略，通过它的非常规的最佳配置可以直接映射到模块化组合。使用机器人操作系统在给定的杂乱环境中进行规定工作位置之间的运动规划，对生成的模块组合进行验证。
2021-10-31 cs.RO
Enabling Generic Robot Skill Implementation Using Object Oriented Programming
German Research Institute for Artificial Intelligence（德国人工智能研究所）
针对中小企业及研究人员部署机器人系统时面临的接口复杂、依赖外部专业知识等问题，本文提出一种基于面向对象编程的软件框架，通过抽象层简化不同厂商型号机器人的接口，并基于Python实现了适配Yaskawa Motoman GP4料箱拣选单元的原型，降低了机器人系统的部署难度。
2025-08-14 cs.RO cs.SE
HGDiffuser: Efficient Task-Oriented Grasp Generation via Human-Guided Grasp Diffusion Models
Southern University of Science and Technology（南方科技大学）
提出HGDiffuser框架，通过将人类抓取约束整合到引导采样过程中，在单阶段直接生成6-DoF任务导向抓取，并利用DiT模块提升生成质量，显著提高了抓取生成效率。
2025-03-01 cs.RO
GE-Grasp: Efficient Target-Oriented Grasping in Dense Clutter
Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心）；Tsinghua University（清华大学）
在密集的混乱中抓取是自主机器人的基本技能。然而，在杂乱的场景中的拥挤和闭塞导致产生有效的抓取姿势没有碰撞，这导致低效率和高故障率的显着困难。为了解决这些问题，我们提出了一个通用的框架，称为GE-把握机器人运动规划在密集的混乱，在那里我们利用不同的动作原语的遮挡对象去除，并提出了生成器评估架构，以避免空间碰撞。因此，我们的GE-Grasp能够有效地抓住密集杂乱中的物体，成功率很高。具体来说，我们定义了三个动作原语：面向目标的抓目标捕捉，推动，和非面向目标的抓，以减少拥挤和闭塞。生成器有效地提供参考空间信息的各种动作候选。同时，评估器评估所选择的动作基元候选者，其中最优动作由机器人实现。在模拟和现实环境中的大量实验表明，我们的方法优于国家的最先进的方法，在混乱的运动效率和成功率方面的把握。此外，我们在现实世界中实现了与仿真环境中相当的性能，这表明我们的GE-Grasp具有很强的泛化能力。补充材料可在以下网址获得：https://github.com/CaptainWuDaoKou/GE-Grasp。
2022-07-25 cs.RO
Task-Oriented Robot-Human Handovers on Legged Manipulators
本文提出AFT-Handover框架，通过结合大语言模型和纹理转移实现零样本、可泛化的面向任务的人机交接，提升交接成功率和泛化能力。
2026-03-09 cs.HC cs.RO
Hierarchical Integration of Model Predictive and Fuzzy Logic Control for Combined Coverage and Target-Oriented Search-and-Rescue via Robots with Imperfect Sensors
Delft University of Technology（代尔夫特理工大学）
在未知环境中进行搜救需要精确、最优和快速的决策。机器人是在未知环境中自主执行SaR任务的有希望的候选人。虽然人类使用他们的算法来有效地处理不确定性，但在存在物理和控制约束的情况下优化多个目标是一项数学挑战，需要机器计算。因此，具有人类启发和数学控制能力是SaR机器人所期望的。此外，协调机器人的决定，在大规模的SaR任务的计算成本很小是一个公开的挑战。最后，在现实生活中，SaR机器人感知的数据可能容易出现不确定性。我们引入了一个分层的多智能体控制架构，利用非均匀和不完美的感知能力的SaR机器人，以及计算效率和鲁棒性失败的分散控制方法和全局性能改进的集中控制方法。所提出的控制框架的集成结构允许以协调和计算效率高的方式将人类启发和数学决策方法相结合。各种基于计算机的模拟的结果表明，虽然所提出的方法的区域覆盖率是现有的探试法，特别是开发的覆盖面向SaR，效率的介绍方法在定位被困的受害者是显着更高。此外，具有可比的计算时间，所提出的控制方法成功地避免了潜在的冲突，存在于非合作的方法。这些结果证实，所提出的多智能体控制系统能够以平衡和协调的方式将面向覆盖和面向目标的SaR相结合。
2022-09-28 cs.RO cs.SY eess.SY
Task-Oriented Connectivity for Networked Robotics with Generative AI and Semantic Communications
Bristol Research and Innovation Laboratory, Toshiba Europe Ltd.（东芝欧洲有限公司布里斯托尔研究与创新实验室）
本文提出一种结合目标导向语义通信与生成式AI智能体的网络化机器人协同框架，通过多机器人异常检测仿真验证其能在显著降低数据流量的同时保留关键语义并实现任务协调与网络自适应。
2025-03-09 cs.LG cs.NI cs.RO
Toward User-Mediated Self-Repair in Ubiquitous Robots Through Goal-Oriented Agentic AI
IT-University of Copenhagen（哥本哈根信息技术大学）
本文提出一种目标导向的智能体AI架构，通过情境化对话使非专家用户完成普适机器人技术修复，实验显示95%任务完成率，并验证了其在物理环境中的稳健性。
2026-09-23 cs.AI cs.RO
