User Experience of a Smart Factory Robot: Assembly Line Workers Demand Adaptive Robots
Vienna University of Technology（维也纳技术大学）
本文报告了一个案例研究的用户体验（UX）的工业机器人原型的背景下，人机合作的汽车装配线。我们的目标是找出实际使用新机器人系统的装配线工人提出了什么样的建议，以改善人机交互（HRI）。使用机器人原型的操作员在部署后三周接受了采访，使用既定的UX叙事采访指南。我们的研究结果表明，与执行预定义的工作步骤的机器人的合作实际上阻碍了用户的灵活性和个人速度。这导致操作员的工作程序发生变化，影响用户体验，并可能导致生产率下降。我们提出了采访的结果以及对技术解决方案的初步想法，以提高人类与机器人合作的适应性和随后的用户体验。
2016-06-13 cs.HC cs.RO
Worker Robot Cooperation and Integration into the Manufacturing Workcell via the Holonic Control Architecture
Fraunhofer Institute for Computer Graphic Research IGD（弗劳恩霍夫计算机图形研究所）；University of Rostock（罗斯托克大学）；Johannes Kepler University Linz（约翰内斯·开普勒林茨大学）
本文提出采用合弄控制架构实现工人与双臂机器人在制造工作单元中的分布式自主协作，并通过手势交互案例验证其可行性，以提升生产灵活性。
2024-03-30 cs.AI cs.MA cs.RO
Cooperation Through Indirect Reciprocity in Child-Robot Interactions
Lasige, Faculdade de Ciências, Universidade de Lisboa（里斯本大学科学学院）；Institute of Informatics, University of Amsterdam（阿姆斯特丹大学信息学院）；Interactive Technologies Institute, Instituto Superior Técnico, Universidade de Lisboa（里斯本技术学院互动技术研究所）
该研究探讨了在儿童-机器人互动中应用间接互惠机制促进合作的可能性，发现多臂老虎机算法能基于儿童策略学习合作行为。
2025-11-07 cs.AI cs.HC
Game Theory to Study Cooperation in Human-Robot Mixed Groups: Exploring the Potential of the Public Good Game
Robotics Brain and Cognitive Sciences Department (RBCS), Italian Institute of Technology（机器人脑科学与认知科学部门（RBCS），意大利理工学院）；Cognitive Architecture for Collaborative Technologies (CONTACT) Unit, Italian Institute of Technology（协作技术认知架构（CONTACT）单元，意大利理工学院）；Department of Computer Science, Bioengineering, Robotics and Systems Engineering (DIBRIS), University of Genova（计算机科学、生物工程、机器人与系统工程部门（DIBRIS），热那亚大学）
本文提出改进版公共品博弈，让三名参与者与人形机器人iCub在不同策略下互动，初步评估机器人对人机混合群体合作与信任的影响。
2025-09-29 cs.RO
Virtual Barriers in Augmented Reality for Safe and Effective Human-Robot Cooperation in Manufacturing
Monash University（莫纳什大学）
安全性是任何人机协作场景中的基本要求。为了确保这种情况下的用户的安全，我们提出了一种新的虚拟障碍系统的增强现实接口。我们的系统提供了两种类型的虚拟障碍，以确保安全：1）一个虚拟人障碍，封装和跟随用户，以保护他们免受碰撞的机器人，和2）虚拟障碍障碍，用户可以产卵，以保护物体或区域，机器人不应该进入。为了实现有效的人机协作，我们的系统包括一个直观的机器人编程界面，利用语音命令和手势，并具有自动路径重新规划的能力，当检测到潜在的碰撞作为一个障碍物相交的机器人的规划路径的结果。我们通过用户研究比较了我们的新系统与标准的2D显示界面，参与者模仿工业制造过程完成一项任务。实验结果表明，该系统提高了用户的安全感和工作效率，使交互更加直观。
2021-04-12 cs.RO
Motion Priority Optimization Framework towards Automated and Teleoperated Robot Cooperation in Industrial Recovery Scenarios
Industrial Cyber-Physical Systems Research Center at National Institute of Advanced Industrial Science and Technology (AIST)（日本国家先进工业科学技术研究院工业闭环系统研究中心）
本研究提出运动优先级优化框架，通过协作式远程恢复和动态优先级分配，在可配置风险限制内实现制造与恢复机器人避碰，减少生产损失。
2024-01-24 cs.RO
Decomposition-based Hierarchical Task Allocation and Planning for Multi-Robots under Hierarchical Temporal Logic Specifications
Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）；College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院）
针对复杂时序逻辑规范下的多机器人任务分配与规划问题，提出基于分解的分层框架，通过原子子任务分解、任务网络构建及混合整数线性规划分配，在导航和操作仿真中实现更优解和更短运行时间。
2024-05-23 cs.AI cs.RO
A Hierarchical Variable Autonomy Mixed-Initiative Framework for Human-Robot Teaming in Mobile Robotics
University of West Attica（西阿提卡大学）；University of Manchester（曼彻斯特大学）；University of Birmingham（伯明翰大学）
本文提出了一种混合主动（MI）框架，用于解决远程人类操作员和人工智能智能体之间的控制权限转移问题时，合作控制移动机器人。我们的分层专家指导混合主动控制切换器（HierEMICS）利用人类操作员的状态和意图的信息。控制切换策略是基于一个关键层次。在高保真模拟灾难响应和远程检查的情况下进行了实验评估，比较HierEMICS与最先进的专家指导的混合主动控制切换器（EMICS）的背景下，移动机器人导航。结果表明，HierEMICS减少了人类和人工智能智能体之间的控制冲突，这是一个根本的挑战，在MI控制范式，也在相关的共享控制范式。此外，我们提供了统计学上显著的证据，证明航行安全性得到了改善（即，更少的冲突）、LOA切换效率以及用于控制减少的冲突。
2022-11-25 cs.AI cs.HC cs.MA
How Human Motion Prediction Quality Shapes Social Robot Navigation Performance in Constrained Spaces
University of Michigan at Ann Arbor（密歇根大学安娜堡分校）；LAAS-CNRS - University of Toulouse（法国国家科学研究中心系统分析与体系结构实验室-图卢兹大学）；Inria（法国国家信息与自动化研究所）
本研究探讨了人类运动预测质量对受限空间中社交机器人导航性能的影响，发现传统指标不可靠，合作假设失效，高效导航牺牲人类效率。
2026-01-14 cs.HC cs.RO
The Revisiting Problem in Mobile Robot Map Building: A Hierarchical Bayesian Approach
University of Washington（华盛顿大学）；SRI International（斯坦福国际研究院）
我们提出了一个应用分层贝叶斯估计机器人地图建设。当机器人必须决定它是看到地图上以前构建的部分，还是正在探索新的领土时，就会出现重访问题。这是一个困难的决策问题，需要处于当前已知地图之外的概率。为了估计这种可能性，我们模型的结构，一个“典型”的环境作为一个隐马尔可夫模型，生成序列的机器人浏览通过环境中观察到的意见。狄利克雷先验结构模型是从以前探索的环境中学习的。每当机器人探索一个新的环境时，模型的后验由Dirichlet超参数估计。我们的方法是实施和测试的背景下，多机器人地图合并，一个特别困难的情况下，重访问题。与机器人数据的实验表明，该技术产生强大的改进替代方法。
2012-10-19 cs.AI cs.RO
RoboLDA: A Probabilistic Generative Model for Uncovering Embodied Hierarchical Structures in Voxel-based Soft Robots
School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院）；Intelligent Game and Decision Laboratory（智能博弈与决策实验室）；School of Statistics, Renmin University of China（中国人民大学统计学院）；School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院）；Shanghai Innovation Institute（上海创新研究院）；Center for Applied Statistics, Renmin University of China（中国人民大学应用统计中心）
RoboLDA通过贝叶斯概率模型将体素软机器人形态生成分解为任务-机器人-器官-体素四层层次，利用变分推断提取设计先验，实现零样本设计，性能达进化算法的106.4%。
2026-09-25 cs.AI cs.RO
Investigation of Warrior Robots Behavior by Using Evolutionary Algorithms
在这项研究中，我们审查机器人的行为，特别是战士机器人使用进化算法。这种算法的灵感来自于自然界，使得机器人的行为变得类似于集体行为。蜜蜂等生物的集体行为表明，一些依赖于相互作用和合作的功能需要一个组织良好的系统，以便其中的所有生物都能很好地履行职责。对于没有任何智能的机器人，我们可以定义一个算法，并通过简单的模拟来显示结果。
2020-11-18 cs.AI cs.RO
Towards Cognitive Collaborative Robots: Semantic-Level Integration and Explainable Control for Human-Centric Cooperation
Soongsil University（崇实大学）
本文综述了认知型协作机器人实现人本协作所需的语义感知、认知规划、可解释学习控制、安全运动设计和多模态意图识别五大支柱，并提出统一的认知协同架构以克服感知-行动脱节、实时可解释性不足和信任缺失等挑战。
2025-05-02 cs.RO cs.SY eess.SY
Physics-Guided Hierarchical Reward Mechanism for Learning-Based Robotic Grasping
Colorado School of Mines（科罗拉多矿业学院）；GAC R&D Center Silicon Valley（广汽硅谷研发中心）
本文提出带分层奖励机制的物理引导深度强化学习方法，利用物理信息指标和任务优先级提升多指机器人自主抓取的学习效率与泛化能力，并在三指 MICO 机械臂上验证其优于标准 DRL。
2023-07-23 cs.AI cs.RO
Hierarchical learning control for autonomous robots inspired by central nervous system
Northeastern University（东北大学）
本文模仿中枢神经系统的分层结构与协调机制，提出结合主动和被动控制的三层双下行通路分层学习控制框架，并通过六足机器人仿真与实验验证其在复杂环境中的自主行为、越障和损坏恢复能力。
2024-08-07 cs.AI cs.RO
Task and Skill Planning: Hierarchical Robot Planning with Black-Box Skills
本文提出了一种基于通用技能的分层机器人规划框架，通过可组合交互原语整合运动规划与闭合回路控制器，实现在复杂长期任务中的高效执行。
2026-07-30 cs.AI cs.RO
Language-Grounded Control for Coordinated Robot Motion and Speech
Massachusetts Institute of Technology（麻省理工学院）；Harvard Medical School（哈佛医学院）；Spaulding Rehabilitation Hospital（斯波尔丁康复医院）
针对人机接触协作中机器人运动与言语难以随人类行为实时协同的问题，该研究从治疗师行为提炼原则，提出可根据用户协作度同步调节运动与言语的Language Controller，经12人实验验证效果优于基线，为人机流畅协作提供框架。
2023-10-10 cs.RO
Robotic Hierarchical Graph Neurons. A novel implementation of HGN for swarm robotic behaviour control
Monash University（莫纳什大学）；Defence Science and Technology Group（国防科学技术集团）；Sensor Analytics（传感器分析公司）
本文探讨了使用一种新形式的层次图神经元（HGN）在操作行为选择的机器人代理群。这种新的HGN被称为Robotic-HGN（R-HGN），因为它通过融合来自时间和群内集合的匹配概率来将机器人环境观测与环境标签相匹配。这种方法对于HGN来说是新颖的，因为它解决了机器人观测是伪连续数字，而不是分类值。此外，所提出的方法是存储器和计算功率保守的，因此是可以接受的，用于移动设备，如单板计算机，这是经常使用的移动机器人代理。该R-HGN方法针对个体行为实现和随机行为选择进行了验证。这种对比是在两组模拟环境中进行的：旨在挑战R-HGN行为的环境，以及随机生成的环境，这些环境对机器人群来说比R-HGN训练条件更具挑战性。已经发现R-HGN能够在这两个集合中进行适当的行为选择，从而在预先训练和意外的环境条件下实现显著的群体性能。
2019-10-28 cs.AI cs.MA cs.RO
Robust and Dexterous Dual-arm Tele-Cooperation using Adaptable Impedance Control
School of Informatics, University of Edinburgh（爱丁堡大学信息学院）；School of Engineering and Informatics, University of Sussex（萨塞克斯大学工程与信息学院）
本文扩展分形阻抗控制FIC至多臂双臂远程协作，提出无需增益整定且抗延迟的高透明远程操作架构，并通过实验证明其稳定性、鲁棒性与适应性优势。
2024-02-29 cs.RO
Online Damage Recovery for Physical Robots with Hierarchical Quality-Diversity
Imperial College London（帝国理工学院）；University of Patras（帕特雷大学）
在现实环境中，机器人需要对损坏具有弹性，并对不可预见的情况具有鲁棒性。质量多样性（QD）算法已成功用于通过利用各种学习技能使机器人在几秒钟内适应损害。技能的高度多样性增加了机器人成功克服新情况的机会，因为有更多的潜在替代方案来解决新任务。然而，发现和存储多个技能的大量行为多样性通常会导致计算复杂性的增加。此外，在大的技能空间中进行机器人规划是随着技能数量的增加而出现的额外挑战。层次结构可以通过将技能分解为基本技能来帮助降低搜索和存储的复杂性。在本文中，我们介绍了分层试错算法，该算法使用分层行为库来学习各种技能，并利用它们使机器人在物理世界中快速适应。我们表明，技能的层次分解，使机器人能够学习更复杂的行为，同时保持学习的曲目易于处理。六足机器人的实验表明，我们的方法解决了迷宫导航任务，在模拟中减少了20%的动作，在物理世界中减少了43%的动作，对于最具挑战性的场景，比最佳基线减少了78%的完全失败。
2022-10-18 cs.AI cs.LG cs.NE
Sociable and Ergonomic Human-Robot Collaboration through Action Recognition and Augmented Hierarchical Quadratic Programming
Istituto Italiano di Tecnologia（意大利技术研究院）；Politecnico di Milano（米兰理工大学）
识别人类执行的动作并预测其意图是在人类-机器人团队中产生社交和成功协作的重要推动因素。同时，机器人应该有能力处理多个目标和约束，所产生的协作任务或人类。在这方面，我们提出了视觉技术来执行人类的动作识别和图像分类，这是集成到一个增强的分层二次规划（AHQP）计划，分层优化机器人的反应行为和人体工程学。建议的框架允许一个直观地命令机器人在空间中，而任务正在执行。这些实验证实了人体工程学和可用性的提高，这是减少肌肉骨骼疾病和增加对自动化信任的基本参数。
2022-07-07 cs.RO
Hierarchical Intention Tracking for Robust Human-Robot Collaboration in Industrial Assembly Tasks
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Pennsylvania State University（宾夕法尼亚州立大学）；Michigan Technological University（密歇根理工大学）
本文提出层级意图追踪方法，使协作机器人同时估计高层交互模式与低层任务信息，并在UR5e上验证了工业装配中稳健、无缝且符合人体工程学的人机协作。
2023-08-06 cs.RO
Control Barrier Functions Solved with Hierarchical Quadratic Programming for Safe Physical Human-Robot Interaction
本文提出利用分层二次规划框架在物理人机交互中设计性能和安全任务，平衡安全与性能。通过实验证明该方法的有效性、灵活性和通用性。
2026-04-24 cs.RO
HiCRISP: An LLM-based Hierarchical Closed-Loop Robotic Intelligent Self-Correction Planner
Shanghai Jiao Tong University（上海交通大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of Oxford（牛津大学）
针对 LLM 机器人系统执行中难以自校正的问题，本文提出分层闭环框架 HiCRISP，可监控并修正高层规划与低层动作错误，虚拟和真实基准实验验证了其优越性能。
2024-04-08 cs.RO
A Suitable Hierarchical Framework with Arbitrary Task Dimensions under Unilateral Constraints for physical Human Robot Interaction
KUKA Germany GmbH（库卡德国有限公司）；Leibniz University of Hannover（汉诺威莱布尼茨大学）
在过去的几年中，已经提出了一些层次框架来处理高度冗余的机器人系统。其中一些系统预计将执行多项任务，并与环境进行物理交互。然而，没有一个建议的框架是能够管理多个任务与任意的任务尺寸，同时尊重单边约束的位置，速度，加速度和力的水平，并在同一时间，直观地反应到外部力量。这项工作提出了一个框架，解决这个问题。该框架进行了测试，在模拟和一个真正的机器人。冗余协作工业机器人（KUKA LBR iiwa）的实验证明了该框架的优势相比，国家的最先进的方法。该框架直观地对外部力作出反应，并且能够限制关节位置、速度、加速度和力。
2022-04-05 cs.RO
Hierarchical Diffusion Policy for Kinematics-Aware Multi-Task Robotic Manipulation
Dyson（戴森）
本研究提出分层扩散策略HDP，通过高层规划末端执行器位姿、低层结合运动学感知扩散模型生成轨迹，在仿真与真实机器人多任务操作中成功率显著优于现有方法。
2024-03-06 cs.AI cs.CV cs.LG
Hierarchical Adaptive Control for Collaborative Manipulation of a Rigid Object by Quadrupedal Robots
University of Southern California（南加州大学）
本文提出一种用于四足机器人协作操作刚性物体的分层控制系统，包含自适应力计算、基于QP的力分配与接触点优化、以及分散式移动操作控制器，成功在仿真中实现不同地形下操作18kg未知物体并保持稳定。
2023-07-28 cs.RO
Hierarchical Intention-Aware Expressive Motion Generation for Humanoid Robots
Department of Computer Science, University College London（计算机科学系，伦敦大学学院）
针对人机交互中意图识别与实时表达性运动生成问题，提出融合ICL意图推理和扩散模型的分层框架，并通过物理平台验证其鲁棒性与社交一致性。
2025-09-27 cs.RO
Hierarchical Procedural Framework for Low-latency Robot-Assisted Hand-Object Interaction
Bio-Inspired Robotics Lab, Department of Engineering, University of Cambridge（剑桥大学工程系生物启发机器人实验室）；Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算机系）；Eastern Institute of Technology, Ningbo, Zhejiang（宁波工程技术学院）
本文提出一个分层程序化框架，通过RGB三维重建和运动原语实现机器人辅助手物交互，在远程场景中达到≤0.3秒延迟，并展示了在辅助技术中的应用潜力。
2025-07-09 cs.LG cs.RO
Using role-play and Hierarchical Task Analysis for designing human-robot interaction
本文提出在人机交互中更多采用角色扮演和分层任务分析方法，通过社区药房机器人辅助项目展示了其在理解客户需求、正确建模行为及促进协同设计方面的优势，并建议未来开发适合社交机器人交互的任务分析方法。
2025-09-16 cs.RO
Robustifying Long-term Human-Robot Collaboration through a Multimodal and Hierarchical Framework
Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
本文针对长期人机协作中的识别、鲁棒性、效率与适应性等挑战，提出一种融合视觉和语音的多模态分层框架，并在KINOVA GEN3机器人上验证其可缩短15.9%任务时间、达到91.8%成功率和84%用户满意度。
2025-02-03 cs.RO
HiBRIDGE: A Hierarchical Bayesian Neural Network Framework for Interpretable Dialogue Management in Group-Robot Interaction
Politecnico di Milano（米兰理工大学）；University of Cambridge（剑桥大学）
HiBRIDGE提出分层贝叶斯神经网络框架，用于群体-机器人对话管理，通过结构化多阶段决策和不确定性感知，提升预测性能与行为解释的可理解性。
2026-09-09 cs.RO
Proactive Hierarchical Control Barrier Function-Based Safety Prioritization in Close Human-Robot Interaction Scenarios
本文提出基于控制屏障函数的分层框架，用于在近距离人机交互中主动管理碰撞风险，通过实时安全约束优先级调整和深度感知实现安全协作。
2025-05-25 cs.RO cs.SY eess.SY
The Emotional Dilemma: Influence of a Human-like Robot on Trust and Cooperation
Universität Hamburg（汉堡大学）
通过硬币委托博弈实验，发现类人情感机器人会引发更多焦虑并降低信任与合作，提出情感表达设计应依赖任务以避免负面效应。
2023-07-06 cs.HC cs.RO
Learn Task First or Learn Human Partner First: A Hierarchical Task Decomposition Method for Human-Robot Cooperation
Colorado School of Mines（科罗拉多矿业学院）；GAC R&D Center Silicon Valley（广汽研发中心硅谷分部）
本文提出一种带分层奖励机制的任务分解方法，将机器人学习分层动态控制任务与学习人类伙伴行为分离，实验表明先学任务提升团队表现，先学人类提升学习效率。
2021-12-07 cs.AI cs.HC cs.RO
Anticipation in Human-Robot Cooperation: A Recurrent Neural Network Approach for Multiple Action Sequences Prediction
Institute for Systems and Robotics（系统与机器人研究所）；Instituto Superior Técnico（高等技术研究所）；University Lisbon（里斯本大学）；Faculty of Technical Sciences（技术科学学院）；University of Novi Sad（诺维萨德大学）；Queen Mary University（伦敦玛丽女王大学）
密切的人机合作是先进制造和辅助应用新发展的关键推动力。密切合作需要机器人能够预测人类的行为和意图，并理解人类的非语言暗示。最近基于神经网络的方法已经在连续和离散空间中的人类行为预测问题中取得了令人鼓舞的结果。我们的方法扩展了这个方向的研究。我们的贡献是三方面的。首先，我们验证使用的凝视和身体姿势线索作为一种手段，通过特征选择方法预测人类的行动。接下来，我们解决现有文献的两个缺点：预测多个和可变长度的动作序列。这是通过在离散动作预测问题中引入编码器-解码器循环神经网络拓扑来实现的。此外，我们从理论上证明了预测多个动作序列的重要性，作为一种手段，估计在人类机器人合作的情况下的随机奖励。最后，我们展示了在动作预测数据集上有效地训练预测模型的能力，包括人体运动数据，并探索模型参数对其性能的影响。源代码库：https://github.com/pschydlo/ActionAnticipation
2019-02-18 cs.AI cs.HC cs.RO
Learning a Distributed Hierarchical Locomotion Controller for Embodied Cooperation
Tsinghua University（清华大学）
本文提出分布式分层运动控制策略，通过任务分解与时空连续性特征增强多智能体全身协作，并构建具身协作基准验证其性能优势。
2024-10-26 cs.RO
How Can Robots Trust Each Other For Better Cooperation? A Relative Needs Entropy Based Robot-Robot Trust Assessment Model
University of Georgia（佐治亚大学）
多智能体和多机器人系统中的协作可以帮助智能体构建各种队形、形状和图案，以适应不同的情况，呈现相应的功能和目的。代理之间的关系，如他们的空间接近和功能相似性可以发挥至关重要的作用，代理之间的合作。代理之间的信任水平是评估其关系可靠性和稳定性的重要因素，就像人一样。本文提出了一种新的模型称为相对需求熵（RNE）来评估机器人代理之间的信任。RNE测量个体代理或代理组之间的需求分布距离。为了验证其效用，我们实现和证明我们的信任模型，通过实验模拟一个异构的多机器人分组任务，在一个持久的城市搜索和救援任务组成的任务，在两个级别的难度。结果表明，RNE基于信任的机器人分组可以实现更好的性能和适应性不同的任务执行相比，最先进的基于能量或基于距离的分组模型。
2021-08-31 cs.AI cs.MA cs.RO
Forming Real-World Human-Robot Cooperation for Tasks With General Goal
Colorado School of Mines（科罗拉多矿业学院）；GAC R&D Center Silicon Valley（广汽硅谷研发中心）
本研究提出Evolutionary Value Learning方法，利用多变量贝叶斯推断建模动态目标明确过程，使机器人能主动协助人类明确一般目标并找到协作策略，在真实动态球平衡任务中表现优于现有方法。
2022-07-02 cs.AI cs.RO
Efficient Multi-robot Exploration via Multi-head Attention-based Cooperation Strategy
Northeastern University（东北大学）；Northeastern University at Qinhuangdao（东北大学秦皇岛分校）
协调多机器人探索任务的目标是使用一组自主机器人尽可能快地探索未知环境。与人类设计的方法相比，这些方法始于启发式和基于规则的方法，基于学习的方法使单个机器人能够通过深度强化学习技术学习复杂且难以设计的合作策略。然而，在分散式多机器人探索任务中，基于学习的算法由于面积计算和奖励函数设计的困难，还远不能普遍适用于连续空间，而且现有的基于学习的方法在试图平衡历史轨迹问题和目标区域冲突问题时遇到了问题。此外，由于状态空间的指数爆炸问题，这些方法对大量代理的可扩展性很差。因此，本文提出了一种新的方法-多头注意力为基础的多机器人探索在连续空间（MAMECS）-旨在减少状态空间和自动学习所需的分散的多机器人在连续空间探索任务的合作策略。应用计算几何知识对连续空间中的环境进行描述，并设计改进的奖励函数，以保证较优的探索率。此外，采用的多头注意力机制有助于解决分散式多机器人探索任务中的历史轨迹问题，以及减少行动空间的二次增长。
2019-11-05 cs.AI cs.RO
Spot-On: A Mixed Reality Interface for Multi-Robot Cooperation
本文提出一种新型混合现实框架，允许通过MR接口操作多台四足机器人在复杂环境中协作，用户研究验证了其有效性与直观性。
2025-05-28 cs.HC cs.RO
Hierarchical Reinforcement Learning with Opponent Modeling for Distributed Multi-agent Cooperation
The Hong Kong Polytechnic University（香港理工大学）
许多现实世界的应用可以被表述为多智能体协作问题，例如网络数据包路由和自动驾驶汽车的协调。深度强化学习（deep reinforcement learning，DRL）的出现为多智能体协作提供了一种很有前途的方法。然而，传统的DRL解决方案遭受在策略搜索过程中具有连续动作空间的多个代理的高维数。此外，智能体策略的动态性使得训练过程具有非平稳性。为了解决这些问题，我们提出了一个分层的强化学习方法，高层次的决策和低层次的个人控制，有效的政策搜索。特别是，多个智能体的合作，可以学习高层次的离散行动空间有效。同时，低层次的个体控制可以简化为单智能体的强化学习。除了层次强化学习，我们提出了一个对手建模网络，在学习过程中建模其他代理的政策。与端到端DRL方法相比，我们的方法通过将整个任务以分层的方式分解为子任务来降低学习复杂度。为了评估我们的方法的效率，我们进行了一个真实的案例研究，在合作换道的情况下。仿真和实际实验都表明了该方法在碰撞率和收敛速度方面的优越性。
2022-06-25 cs.AI cs.MA cs.RO
A Decentralized Interactive Architecture for Aerial and Ground Mobile Robots Cooperation
LITIS, University of Le Havre（勒阿弗尔大学LITIS）；GREAH, University of Le Havre（勒阿弗尔大学GREAH）；IUT GEII, University of Le Havre（勒阿弗尔大学IUT GEII）
本文提出了一种新的分散式交互架构的空中和地面移动机器人的合作。空中移动机器人用于在区域检查期间提供全球覆盖，而地面移动机器人用于提供地面特征的局部覆盖。我们包括一个人在回路中提供路标的地面移动机器人安全地在检查区域的进展。空中移动机器人连续跟随地面移动机器人，以便始终将其保持在其覆盖视图中。
2015-02-27 cs.RO
Needs-driven Heterogeneous Multi-Robot Cooperation in Rescue Missions
HeRo Lab, Department of Computer Science, University of Georgia（佐治亚大学计算机科学系HeRo实验室）；University of Georgia（佐治亚大学）
本文重点研究了机器人辅助城市搜救（USAR）任务中多机器人系统的协作问题和异构性的作用。我们提出了一个需求驱动的多机器人合作机制，通过行为树结构表示和评估系统的性能方面的群体效用和能源成本，以实现在有限的时间内的救援任务。通过理论分析，我们证明了在异构机器人系统中，需求驱动的协作比同构机器人系统具有更高的群体效用。我们还进行了仿真实验，以验证所提出的需求驱动的协作，并表明异构多机器人合作，可以实现更好的性能和增加系统的鲁棒性，通过减少任务执行的不确定性。最后，我们讨论了应用于人机合作。
2020-10-25 cs.MA cs.RO
Safe and Interpretable Multimodal Path Planning for Multi-Agent Cooperation
Johns Hopkins University（约翰霍普金斯大学）
CaPE通过多模态路径规划实现安全且可解释的多智能体协作，利用视觉-语言模型和模型基于规划器确保路径调整的安全性和可解释性。
2026-02-22 cs.AI cs.HC cs.MA
Flexible human-robot cooperation models for assisted shop-floor tasks
University of Genoa（热那亚大学）
工业4.0范式强调了协作机器人的关键好处，即，机器人能够与人类一起工作，可以为整个生产过程带来帮助。在这方面，一项尚未实现的使能技术是设计能够在各个层面处理人类内在可变性的灵活机器人，这不仅是人舒适工作体验的必要因素，也是有效处理意外事件的宝贵能力。在本文中，传感，表示，规划和控制架构灵活的人机合作，简称FlexHRC，提出了。FlexHRC依赖于可穿戴传感器进行人类动作识别，与/或图用于表示和推理合作模型，以及任务优先级框架将动作规划与机器人运动规划和控制解耦。
2017-07-09 cs.RO
A Nonparametric Motion Flow Model for Human Robot Cooperation
Seoul National University（首尔大学）；Rethink Robotics（Rethink Robotics公司）
在本文中，我们提出了一种新的非参数运动流模型，有效地描述了一个人的运动轨迹，并将其应用于人类机器人合作。为此，运动流相似性度量，同时考虑了空间和时间属性的轨迹，提出了利用高斯过程的均值和方差函数。我们还提出了一个人类机器人合作的方法，使用所提出的运动流模型。给定两个工人的一组相互作用的轨迹，通过使用学习的运动描述作为奖励函数的输入，其中随机轨迹优化方法被用于控制机器人，合作行为的底层奖励函数被优化。所提出的人类机器人的合作方法相比，国家的最先进的算法，它利用了混合物的互动原语（MIP），在生成的和目标轨迹之间的RMS误差。虽然所提出的方法显示出相当的性能与MIP时，充分观察人类示威，它显示出优越的性能与给定的部分轨迹信息。
2017-09-11 cs.RO
Inner Attention Supported Adaptive Cooperation for Heterogeneous Multi Robots Teaming based on Multi-agent Reinforcement Learning
人类可以根据不同的任务要求、其他人的能力和可用性选择性地关注不同的信息。因此，他们可以快速适应完全不同的复杂环境。如果机器人也能像人一样获得同样的能力，那将大大提高它们对新的和意想不到的情况的适应能力。近年来，异构多机器人协作的研究工作都在努力实现这种能力，如基于通信的方法和多模态信息融合策略。然而，这些方法不仅会遭受指数爆炸问题的机器人数量的增加，而且需要巨大的计算资源。为此，我们引入了一个内部注意力演员批评的方法，复制人类灵活的合作方面。通过将计算机视觉中的注意力机制、自然语言处理引入多机器人协作领域，我们的注意力方法能够动态地选择哪些机器人参与协作。为了验证该方法的有效性，设计了多个仿真实验.研究结果表明，内部注意力机制能够实现灵活的协作，降低救援任务的资源消耗。
2020-07-06 cs.RO
A Descriptive Model of Robot Team and the Dynamic Evolution of Robot Team Cooperation
目前，多机器人领域的机器人团队协作研究还处于定性分析阶段，缺乏能够定量描述任务需求不断变化时团队协作关系动态演化的描述模型。首先从整体上静态描述了机器人团队的组织模型HWROM，然后借鉴马尔可夫过程和贝叶斯定理，动态描述了团队协作关系的建立。最后从合作实体层、能力层和关系层三个层次研究了团队的形成和合作机制，并讨论了在演化过程中如何优化关系动作集。提出并描述了机器人团队的动态演化模型和团队间的协作关系，不仅可以从整体上概括机器人团队，而且可以定量描述机器人团队的动态演化过程。用户还可以根据该模型对机器人团队的协作关系和遇到新需求时的行动进行预测。期刊网页和大量机器人相关论文www.ars-journal.com
2006-01-14 cs.RO
Robot's Inner Speech Effects on Trust and Anthropomorphic Cues in Human-Robot Cooperation
University of Palermo（巴勒莫大学）
内心言语是人类一种重要而又难以捉摸的心理过程，指的是人们日常生活中与自己进行的一种隐蔽的内心对话。我们认为，编程一个机器人与公开的自我对话系统，它模拟人类的内部语音，可能会提高人类的信任，通过提高机器人的透明度和拟人化。因此，本研究的目的是探讨当人类与机器人合作时，机器人的内部言语（这里指的是公开的自我对话）是否会影响人类的信任和拟人化。一组参与者与机器人合作。在合作过程中，机器人会自言自语。为了评估机器人的内部语音是否会影响人类的信任，在与机器人进行合作会话之前（前测试）和之后（后测试），向每个参与者发放了两份问卷。初步结果表明，在测试前和测试后评估的参与者的答案之间的差异，表明机器人的内部语言影响人类的信任。事实上，参与者的信任水平和机器人拟人化功能的感知增加后，与机器人的实验互动。
2021-09-20 cs.RO
Influence of Team Interactions on Multi-Robot Cooperation: A Relational Network Perspective
University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）
针对现有算法忽视团队结构的问题，提出基于关系网络的多机器人协作算法，通过设定智能体间关系赋予优先级以指导协作策略，实验证明其能有效影响算法收敛的解决方案类型。
2023-10-19 cs.MA cs.RO
Proactive Motion Planning for Human-Robot Cooperation
本文提出一种结合深度学习人体运动预测与静态路标图及时变A*算法的规划框架，用于UR5e机械臂的主动碰撞避免，以提升人机协作安全性。
2026-09-29 cs.RO
3D mapping for multi hybrid robot cooperation
University of Applied Science Gelsenkirchen（盖尔森基兴应用科学大学）；Fraunhofer Institute for Intelligent Analysis and Information Systems IAIS（弗劳恩霍夫智能分析与信息系统研究所 IAIS）
本文提出了一种新的方法来建立一致的三维地图，多机器人合作的USAR环境。来自无人机（UAV）和地面机器人（UGV）的传感器流融合在一个一致的地图中。UAV相机数据用于生成3D点云，该3D点云与由UGV处的滚动2D激光扫描仪生成的3D点云融合。该配准方法是基于从点云中提取的对应平面段的匹配。在此基础上，提出了一种全局优化定位方法。除了点云的结构信息之外，重要的是要提到，定位不需要进一步的信息。两个例子显示了整体配准的性能。
2019-04-08 cs.RO
A Multi-Robot Cooperation Framework for Sewing Personalized Stent Grafts
Hamlyn Centre for Robotic Surgery, Imperial College London（伦敦帝国理工学院哈姆林机器人手术中心）；Auris Surgical Robotics Inc.（Auris手术机器人公司）；Samsung R&D Institute（三星研发研究院）
本文提出了一种用于制造个性化医用覆膜支架的多机器人系统。该系统采用模块化设计，包括：（个性化）心轴模块，双手缝纫模块和视觉模块。心轴模块结合了患者的个性化几何形状，而双手缝纫模块采用了通过演示学习的方法，将人类的手工缝纫技能转移到机器人上。该方法首先通过视觉模块对人体进行观察，然后使用统计模型进行编码，生成参考运动轨迹。在机器人自主缝制过程中，视觉模块起到协调多机器人协作的作用。实验结果表明，机器人能够适应广义支架设计。所提出的系统也可以用于其他操作任务，特别是用于定制产品的柔性生产和需要双手或多机器人合作的地方。
2017-11-08 cs.RO
