The Helping Hand: An Assistive Manipulation Framework Using Augmented Reality and a Tongue-Drive Interfaces
Institute for Robotics and Intelligent Machines, Georgia Institute of Technology（佐治亚理工学院机器人与智能机器研究所）
提出了一个人在回路系统，使协作操作任务的人与身体残疾。研究表明，随着辅助系统自主性的增强，主体的认知负担也随之减轻。我们的框架从用户那里获得高级意图来指定操作任务。系统处理传感器输入以解释用户的环境。增强现实眼镜提供了以自我为中心的视觉反馈的解释和总结机器人启示的菜单上。舌头驱动系统用作用于触发机器人臂执行任务的输入模态。援助实验比较系统笛卡尔控制和国家的最先进的方法。我们的系统通过简化操作任务，以更快的完成时间实现了具有竞争力的结果。
2018-08-24 cs.RO
Characterization of Assistive Robot Arm Teleoperation: A Preliminary Study to Inform Shared Control
Northwestern University（西北大学）；Shirley Ryan AbilityLab（雪莉·瑞安能力实验室）
辅助机器人设备可以提高运动障碍者的独立性。然而，每个人的受伤程度、偏好和技能都是独一无二的，而且会随着时间的推移而变化。此外，由于疼痛或疲劳，或者由于康复、衰弱状况或衰老，所需的辅助量可能在一天中变化。因此，为了成为一个有效的团队成员，辅助机器应该能够学习和适应人类用户。要做到这一点，我们需要能够描述用户的控制命令，以确定何时以及如何改变自主性，以最好地帮助用户。我们进行了一个20人的试点研究，以建立一组有意义的性能指标，可用于表征用户的控制信号，并作为线索的自主修改的水平和援助量。我们的研究包括8个脊髓损伤和12个未受伤的人。结果揭示了一组客观的，运行时可计算的指标，与用户感知的任务难度，因此可以使用的自主系统时，决定是否需要援助。结果进一步表明，评估用户与机器人设备，机器人执行，和感知的任务难度的交互的指标显示脊髓损伤和未受伤的群体之间的差异，并受到所使用的控制界面的类型。结果将用于开发一个适应性强，以用户为中心，个性化定制的共享控制算法。
2020-07-31 cs.RO
Persona-Based Process Design for Assistive Human-Robot Workplaces for Persons with Disabilities
Chair of Mechatronics, University of Augsburg（机械学系，奥格斯堡大学）
本文提出基于人设的过程设计方法，通过抽象常见障碍转化为人设，结合设计思维开发策略，实现适应性行为，提升包容性设计效果。
2026-04-29 cs.HC cs.RO cs.SY
Low-Burden LLM-Based Preference Learning: Personalizing Assistive Robots from Natural Language Feedback for Users with Paralysis
Electrical and Computer Engineering（电气与计算机工程）；Rehabilitation Science and Technology（康复科学与技术）
针对严重运动障碍用户，提出一种低负担离线框架，利用大语言模型将非结构化自然语言反馈转化为确定性机器人控制策略，并通过职业治疗框架解码用户需求，显著降低用户负担。
2026-06-15 cs.AI cs.HC cs.RO
MARS: Multi-Agent Robotic System with Multimodal Large Language Models for Assistive Intelligence
School of Computer Science and Engineering, Faculty of Innovation Engineering, Macau University of Science and Technology（澳门科技大学创新工程学院计算机科学与工程学院）
MARS系统利用多模态大语言模型实现风险感知和个性化辅助，通过多智能体决策框架提升智能家庭机器人在动态环境中的表现。
2026-04-07 cs.CV cs.RO
Assistive robots for the social management of health: a framework for robot design and human-robot interaction research
Tufts University（塔夫茨大学）
健康与社会生活质量之间有着密切的联系。强有力的社会纽带对健康和福祉至关重要，但健康状况往往会在心理上影响一个人与他人互动的能力。这可能成为一种恶性循环，导致健康状况进一步恶化。因此，健康的社会管理是医疗保健的一个重要方面。我们建议，社会辅助机器人（SAR）可以帮助人们保持健康状况的积极的社会生活，支持他们在社会交往。本文有三个贡献，详述如下。我们开发了一个机器人可以执行的社会调解功能的框架，其动机是有健康状况的人的特殊社会需求。在这个框架中，我们确定了SAR可以执行的五种类型的功能：a）改变人的感知方式，b）增强人的社会行为，c）修改他人的社会行为，d）为交互提供结构，e）改变人的感受。我们按主题组织和回顾了现有的关于机器人在临床和非临床环境中支持人与人互动的文献，并解释了这些研究的发现和设计思想如何应用于框架中确定的功能。最后，我们指出并讨论了在设计SAR支持社会互动的挑战，并强调未来的机器人设计和HRI的机器人中介作用的研究机会。
2020-03-30 cs.CY cs.HC cs.RO
Developing Computational Models of Social Assistance to Guide Socially Assistive Robots
Northwestern University（西北大学）
虽然有许多机器人提供社会援助的例子，但缺乏关于机器人应该如何决定如何协助的理论阻碍了实现这些技术的进展。为了解决这一缺陷，我们提出了一对计算模型来指导机器人提供社会援助。社会自主性模型帮助机器人选择适当的援助，这将有助于手头的任务，同时也保持被援助者的自主性。社会联盟模型描述了如何确定机器人和被帮助者是否朝着同一目标合作。这些模型中的每一个都植根于人与人之间的社会推理，我们在这里描述我们正在进行的工作，以适应这种社会推理的人机交互。
2019-09-14 cs.AI cs.HC cs.RO
Inclusion in Assistive Haircare Robotics: Practical and Ethical Considerations in Hair Manipulation
Carnegie Mellon University（卡内基梅隆大学）；University of Southern California（南加利福尼亚大学）
针对机器人护发系统开发，本文提出需考虑头发类型、身份表达、成本可及性、文化意识及社会风险等实践与伦理问题，并规划与专家和用户的互动研究以提供包容性设计指导。
2024-11-07 cs.RO
Aerial Assistive Payload Transportation Using Quadrotor UAVs with Nonsingular Fast Terminal SMC for Human Physical Interaction
Carleton University（卡尔顿大学）
本文提出一种基于导纳-非奇异快速终端滑模控制（NFTSMC）的双四旋翼无人机协同载荷运输方法，通过人类施加的力引导飞行器运动，利用 Lyapunov 分析证明稳定性，并在 ROS 和 Gazebo 仿真中验证了其减轻人类工作负荷的有效性与鲁棒性。
2024-12-23 cs.RO cs.SY eess.SY
A Quantitative Analysis of Activities of Daily Living: Insights into Improving Functional Independence with Assistive Robotics
University of Alberta（阿尔伯塔大学）
人类辅助机器人有可能帮助老年人和残疾人进行日常生活活动（ADL）。机器人研究人员从各种控制方案和运动类型的角度关注辅助任务。另一方面，健康研究侧重于临床评估和康复，可以说这两个领域之间存在重要差异。特别是，很少有人知道定量上的日常生活活动通常是在一个人的日常环境中进行-在家里，工作等，了解什么活动是经常进行的一天可以帮助指导开发和优先级的机器人技术在家里辅助机器人部署。这项研究针对几个生活记录数据库，其中我们计算（i）ADL任务频率从长期低采样频率视频和物联网（IoT）传感器数据，以及（ii）短期手臂和手部运动数据从30 fps视频数据的家庭任务。机器人和医疗保健社区有不同的术语和分类来表示任务和动作。在这项工作中，我们推导并讨论了定量ADL任务和运动数据的机器人相关的分类，试图改善两个社区之间的分类差异。我们的定量结果为开发更好的辅助机器人提供了方向，以支持医疗保健社区的真正需求。
2021-04-08 cs.HC cs.RO
Designing the Next Generation of Intelligent Personal Robotic Assistants for the Physically Impaired
University of Ilorin（伊洛林大学）
身体受损的人通常难以在不依赖其他人的情况下完成简单的日常工作，这些人并不总是随时可用，因此他们必须努力独立。虽然他们受损的能力在许多情况下可以通过使用辅助技术来增强（在一定程度上），但很少有人关注他们在辅助技术的具体AI中的应用。本文介绍了MARVIN的中保真度原型的模块化框架，架构和设计：一个人工智能驱动的机器人助手，旨在帮助身体受损的人执行简单的日常任务。该原型的特点是一个平凡的运动单元，并利用各种国家的最先进的神经网络架构的系统的特定模块化组件。这些组件执行专门的功能，如自动语音识别，目标检测，自然语言理解，语音合成等，我们还讨论了所遇到的限制，挑战，未来的潜在应用和改进对成功的原型。
2019-11-28 cs.CY cs.HC cs.LG
A low-cost wave-solar powered Unmanned Surface Vehicle
本文介绍了一种低成本的无人水面航行器（USV）的原型，它是由波浪和太阳能，可用于最大限度地减少海洋数据汇集的成本。目前的原型是一款紧凑型USV，长度为1.2 m，可以由两个人部署和回收。该设计包括一个电动绞车，可以用来收回和降低水下单位。该设计的几个元素利用了增材制造和廉价材料。车辆可以通过定制开发的Web应用程序使用射频（RF）和卫星通信进行控制。水面和水下装置都通过使用以前研究工作的建议和先进材料在阻力、升力、重量和价格方面进行了优化。USV可以通过测量溶解氧、盐度、温度和pH值等多个参数来监测水质。
2021-12-07 cs.RO
User-centered Feedback Design in Person-following Robots for Older Adults
反馈设计是老年人跟随机器人的一个重要方面。本文提出了一种以用户为中心的设计方法，以确保设计专注于用户的需求和偏好。一系列的用户研究，共35名老年人（年龄62岁及以上）进行了探索他们的喜好，反馈参数的社会辅助人以下的机器人。首先探讨了机器人透明度的首选水平和反馈的期望内容。随后评估了反馈的首选模式和时间安排。然后在最终实验中实施和评估所选择的反馈参数，以评估设计的有效性。结果显示，老年人更喜欢只接收基本的状态信息。他们更喜欢语音反馈泛音，并以连续的速度保持他们不断地意识到机器人的状态和动作。该研究的结果是朝着反馈设计指南迈出的又一步，该指南可以提高老年人跟随机器人的交互质量。
2021-03-24 cs.RO
Towards Real-World Applications with an Autonomous Powered Wheelchair
Dalle Molle Institute for Artificial Intelligence (IDSIA), USI-SUPSI（达勒莫勒人工智能研究所（IDSIA），瑞士意大利语区大学 - 瑞士南部应用科学与艺术大学）；Genny Factory（Genny工厂）
针对动力轮椅自主性有限等问题，研究通过在商用自平衡轮椅上集成自主感知、手势交互和导航等技术构建概念验证原型，并在叫车和跟人等应用中展示，凸显自主与辅助结合潜力及可行性，也指出技术挑战。
2026-07-08 cs.RO
Exploring AI-enhanced Shared Control for an Assistive Robotic Arm
TU Dortmund University（多特蒙德工业大学）；University of Duisburg-Essen（杜伊斯堡-埃森大学）；Westphalian University of Applied Sciences（威斯特法伦应用科学大学）
本研究探索将AI集成到辅助机械臂的共享控制中，旨在降低用户认知负担和运动技能需求，同时保持人类控制权，以实现个人自主性。
2024-07-18 cs.AI cs.HC cs.RO
Socially-Aware Shared Control Navigation for Assistive Mobile Robots in the Built Environment
University of Michigan（密歇根大学）
本文提出一种社会感知共享控制导航系统，结合用户偏好场全局规划与SS-MPC-DCBF局部控制，提升辅助移动机器人的安全性与用户信任。
2024-05-27 cs.AI cs.HC cs.RO
HMD Vision-based Teleoperating UGV and UAV for Hostile Environment using Deep Learning
Veermata Jijabai Technological Institute (VJTI)（维尔玛塔·吉贾拜技术学院）
随着社会上流氓分子的死灰复燃，维持一支强有力的反恐工作队的必要性已变得势在必行。一支装备精良的战斗部队保证了公民的安全和保障以及主权国家的完整。在本文中，我们提出了一种新的遥操作机器人，它可以在战斗，救援和侦察任务中发挥重要作用，大大减少了人类士兵在这种恶劣的环境中的损失。拟议的机器人解决方案包括一个配备IP摄像机视觉系统的无人驾驶地面车辆，该系统将实时视频数据广播到远程云服务器。随着机器学习算法在计算机视觉领域的进步，我们结合了最先进的深度卷积神经网络来识别和预测具有恶意意图的个人。在云服务器中通过训练好的网络对视频流的每一帧进行分类。网络的预测输出覆盖在具有特定颜色标记和预测百分比的视频流上。最后，数据被调整大小为半并排格式，并流传输到由人类控制器佩戴的头戴式显示器，这有助于场景的第一人称视图。地面车辆还与无人驾驶飞行器相结合，进行空中监视。所提出的方案是一个辅助系统，最终的决定显然在于人类处理器。
2016-09-14 cs.RO
A Reactive performance-based Shared Control Framework for Assistive Robotic Manipulators
University of Málaga（马拉加大学）；Istituto Italiano di Tecnologia（意大利理工学院）
本文提出一种基于局部性能加权的新型AAN反应式共享控制框架，用于辅助机器人夹持器，可按需为用户提供帮助，实验验证其能提升性能、降低误差且不影响力学参数。
2023-11-06 cs.RO
Integrating Reinforcement Learning and AI Agents for Adaptive Robotic Interaction and Assistance in Dementia Care
Worcester Polytechnic Institute（伍斯特理工学院）；University of Tennessee（田纳西大学）；University of North Carolina（北卡罗来纳大学）；Tennessee State University（田纳西州立大学）
本研究提出一种整合强化学习与大语言模型的框架，在模拟环境中动态模拟痴呆症患者状态，使人形机器人或计算机智能体能根据患者认知与情绪提供个性化自适应护理辅助。
2025-01-28 cs.AI cs.RO
Collaborative Remote Control of Unmanned Ground Vehicles in Virtual Reality
Xi’an Jiaotong-Liverpool University（西交利物浦大学）
虚拟现实（VR）技术通常用于娱乐应用;然而，它也被部署在我们生活中更重要方面的实际应用中，例如安全。为了支持在危险行业工作的人们，VR可以确保操作员操作标准化任务，并协同工作以应对潜在风险。令人惊讶的是，很少有研究关注人们如何在VR环境中协同工作。很少有研究关注操作员在协作任务中的认知负荷。一旦任务需求变得复杂，许多研究人员就专注于优化交互界面的设计，以减少操作员的认知负荷。这种方法可能是有价值的;然而，它实际上可能使操作员承受更大的认知负荷，并可能导致更多的错误和合作失败。在本文中，我们提出了一个新的协作VR系统，支持两个遥控器在VR环境中工作，远程控制无人驾驶的地面车辆。我们使用了一个比较实验来评估协作VR系统，重点是任务所花费的时间和操作的总数。我们的研究结果表明，在操作过程中的过程总数和认知负荷显着低于两人组比单人组。我们的研究揭示了设计VR系统，以支持协作工作的远程操作员的工作流程，而不是简单地优化设计结果。
2022-08-24 cs.HC cs.RO
Variable-Scaling Rate Control for Collision-Free Teleoperation of an Unmanned Aerial Vehicle
Boston University（波士顿大学）
我们建议，自动调整率控制遥操作的比例因子，可以使人类操作员更好地控制远程机器人的运动。在本文中，我们提出了四个新的可变缩放率控制方法，调整的比例因子取决于用户的输入命令的状态和/或机器人与其环境之间的碰撞的风险。取决于碰撞风险的方法被设计为通过在操作员发出将导致机器人与其环境之间的碰撞的命令时将比例因子设置为零来保证避免碰撞。一个受试者内的用户进行了研究，以确定四个新设计的速率控制方法和传统的固定规模的速率控制方法对一个人的能力，在一个模拟的二维环境中完成导航任务的影响。研究结果表明，设计良好的变尺度速率控制可以保证无碰撞的遥操作，而不降低任务效率。
2019-11-08 cs.RO cs.SY eess.SY
An Open-source Hardware/Software Architecture and Supporting Simulation Environment to Perform Human FPV Flight Demonstrations for Unmanned Aerial Vehicle Autonomy
University at Buffalo（布法罗大学）
本文构建基于F450与Pixhawk的廉价开源FPV四旋翼平台，并配套AirSim/Unreal Engine数字孪生仿真环境，以支持人类飞行数据采集与无人机自主性研究。
2024-09-05 cs.RO
Towards Probabilistic Inference of Human Motor Intentions by Assistive Mobile Robots Controlled via a Brain-Computer Interface
University of Michigan（密歇根大学）
本文针对BCI控制辅助轮椅速度调节离散化的问题，利用EEG数据和GAN学习运动意图的概率世界状态，并在ROS-Gazebo仿真中构建贝叶斯观察者模型。
2025-01-09 cs.ET cs.HC cs.LG
Differential Flatness-based Fast Trajectory Planning for Fixed-wing Unmanned Aerial Vehicles
本文提出基于微分平坦的固定翼无人机轨迹优化方法DFTO-FW，通过多项式参数化消除等式约束并利用解析梯度实现线性时间复杂度的无约束优化，在随机障碍环境中以亚秒级CPU时间生成轨迹，效率比其他方法快数个数量级。
2025-04-08 cs.RO math.OC
In Time and Space: Towards Usable Adaptive Control for Assistive Robotic Arms
Westphalian University of Applied Sciences（威斯特法伦应用科学大学）；University of Duisburg-Essen（杜伊斯堡-埃森大学）；University of Bremen（不来梅大学）
针对辅助机器人手臂控制中模式切换耗时且认知负担重的问题，提出结合前馈多模态反馈的自适应自由度映射控制方法，经VR实验验证可显著降低任务时间、切换次数和工作量。
2023-11-14 cs.AI cs.HC cs.RO
Deep learning approach to control of prosthetic hands with electromyography signals
天然肌肉提供响应神经冲动的移动性。肌电图（EMG）测量肌肉对神经刺激的电活动。在过去的几十年中，EMG信号已被广泛用于识别用户意图，以潜在地控制辅助设备，例如智能轮椅、外骨骼和假肢设备。在传统辅助设备的设计中，开发人员独立地优化多个子系统。特征提取和特征描述是该方法的重要子系统。因此，研究人员提出了各种手工制作的功能来解释EMG信号。然而，传统的辅助设备的性能仍然不能令人满意。在本文中，我们提出了一种深度学习方法来控制具有原始EMG信号的假手。我们使用一种新的深度卷积神经网络来避免特征工程步骤。去除特征提取和特征描述是迈向端到端优化范式的重要一步。微调和个性化是我们方法的额外优势。所提出的方法在Python中使用TensorFlow深度学习库实现，并在NVIDIA Jetson TX2开发人员工具包的通用图形处理单元中实时运行。我们的研究结果表明，我们的系统能够预测手指的位置，从原始肌电信号。我们期望我们的基于EMG的控制系统成为设计更复杂的假手的起点。例如，可以添加压力测量单元以将环境的感知传递给用户。此外，我们的系统可以修改为其他假体装置。
2020-01-14 cs.LG cs.RO eess.SP
CloudTrack: Scalable UAV Tracking with Cloud Semantics
Department of Computer Science & Artificial Intelligence, University of Technology Nuremberg（计算机科学与人工智能系，图恩堡技术大学）
CloudTrack 提出了一种基于云语义的无人机跟踪方法，能够通过口头描述实现开放词汇物体跟踪，提升搜索和救援任务的自主性和效率。
2025-05-08 cs.CV cs.RO
Diffusion-Based Generation of Gait Trajectories
Cajal Neuroscience Center, Spanish National Research Council (CSIC)（西班牙国家研究委员会卡哈尔神经科学中心）；Rey Juan Carlos University (URJC)（胡安·卡洛斯国王大学）
本研究探索条件扩散模型生成下肢步态轨迹，以步长等参数为条件，并在4590个步态周期上验证了其生成逼真且可控轨迹的潜力，助力个性化辅助机器人。
2026-09-15 cs.AI cs.LG cs.RO
UAV-ReID: A Benchmark on Unmanned Aerial Vehicle Re-identification in Video Imagery
Northumbria University（诺森比亚大学）；Durham University（杜伦大学）
随着无人机（UAV）的应用范围越来越广，无人机中断的潜在风险也越来越大。深度学习的最新发展允许基于视觉的反无人机系统使用单个相机来检测和跟踪无人机。然而，单个相机的覆盖范围是有限的，需要多相机配置来匹配相机之间的无人机-一个被称为重新识别（reID）的问题。虽然人们已经对人和车辆的reID进行了广泛的研究，以跨时间和视点匹配对象，但据我们所知，无人机reID还没有研究。无人机的重新识别具有挑战性：它们比行人和车辆小得多，而且它们经常在空中被发现，因此出现在更大的角度范围内。由于目前没有无人机数据集使用多个摄像头，因此我们提出了第一个新的无人机重新识别数据集UAV-reID，以促进这一新兴领域的机器学习解决方案的开发。UAV-reID有两个设置：临时接近评估跨视图的性能以帮助跟踪框架，而大到小评估跨规模的reID性能，并允许在长距离检测到UAV时进行早期reID。我们通过广泛评估不同的reID骨干和损失函数进行基准研究。我们证明，通过正确的设置，深度网络足够强大，可以学习无人机的良好表示，在时间近设置上实现81.9%的mAP，在具有挑战性的大到小设置上实现46.5%的mAP。此外，我们发现，视觉Transformer是最强大的极端变化的规模。
2021-12-02 cs.CV cs.LG cs.RO
Q-Learning based system for path planning with unmanned aerial vehicles swarms in obstacle environments
University of A Coruna（拉科鲁尼亚大学）；University of Aveiro（阿威罗大学）
针对障碍环境下无人机集群区域覆盖路径规划问题，提出基于Q-Learning的强化学习系统，采用人工神经网络自调整，无需先验信息，实验验证其随无人机数量增多路径动作更少、能耗更低，效果优于现有前沿方法。
2023-08-25 cs.AI cs.RO
