Come Closer: The Effects of Robot Personality on Human Proxemics Behaviours
Heriot-Watt University（赫瑞-瓦特大学）
本研究通过固定机器人接待员Charlie，探讨内向与外向个性对人际距离的影响，发现内向机器人引发更近的接近距离，并提出新的人机交互近身空间分区。
2023-09-06 cs.RO
Autonomous Navigation with Mobile Robots using Deep Learning and the Robot Operating System
Imperial College London（帝国理工学院）；AIOZ Ltd.（AIOZ有限公司）
自主导航是机器人研究的一个长期领域，它为移动机器人提供了一种基本的能力，使其能够在人类日常执行的相同环境中执行一系列任务。在本章中，我们提出了一套算法，训练和部署深度网络的自主导航的移动机器人使用机器人操作系统（ROS）。我们描述了解决这个问题的三个主要步骤：i）使用ROS和Gazebo在模拟环境中收集数据; ii）设计用于自主导航的深度网络; iii）在模拟和现实世界中的移动机器人上部署学习策略。从理论上讲，我们提出了深度学习架构，用于在正常环境中进行鲁棒导航（例如，人造房屋、道路）和复杂环境（例如，倒塌的城市或天然洞穴）。我们进一步表明，使用视觉模态，如RGB，激光雷达和点云是必不可少的，以提高移动机器人的自主性。我们的项目网站和演示视频可以在https://sites.google.com/site/autonomousnavigationros上找到。
2020-12-07 cs.RO
Personalised Robot Behaviour Modelling for Robot-Assisted Therapy in the Context of Autism Spectrum Disorder
Hochschule Bonn-Rhein-Sieg（波恩-莱茵-锡格应用技术大学）
在自闭症谱系障碍患者的机器人辅助治疗中，如果治疗师必须手动控制机器人，则治疗期间治疗师的工作量会增加。为了让治疗师专注于与人的互动，机器人应该更加自主，即它应该能够解释人的状态并根据他们的行为不断调整其行动。在本文中，我们开发了一个个性化的机器人行为模型，可用于机器人的决策过程中的活动;该行为模型的训练与用户模型的帮助下，已从真实的交互数据中学习。我们使用Q学习来完成这项任务，结果表明该策略需要大约10，000次迭代才能收敛。因此，我们研究政策转移，以提高收敛速度，我们表明，这是一个可行的解决方案，但不适当的初始政策可能会导致一个次优的最终回报。
2022-07-25 cs.RO
Bridging Intelligence and Instinct: A New Control Paradigm for Autonomous Robots
Shanghai Hrstek Co., Ltd（上海赫斯特克有限公司）
本文提出一种分层控制范式，将大语言模型智能与机器人本能结合，以抑制幻觉并保障安全关键任务，从而提升自主机器人的安全性与通用性。
2024-04-30 cs.RO
Person Re-Identification for Robot Person Following with Online Continual Learning
Southern University of Science and Technology（南方科技大学）；Guangdong University of Technology（广东工业大学）
针对机器人跟随人员中固定特征提取器因领域偏移导致重识别失败的问题，提出基于在线持续学习的ReID框架，利用短期和长期经验在线优化特征提取器，显著提升了复杂条件下的重识别准确率。
2024-07-26 cs.RO
Egocentric Visual Self-Modeling for Autonomous Robot Dynamics Prediction and Adaptation
Columbia University（哥伦比亚大学）；Duke University（杜克大学）
本文提出一种仅用单目第一视角相机、自监督学习的任务无关动力学自模型，在12自由度机器人上验证了运动能力、异常检测与行为适应，并展示了跨配置的泛化性，为自主、适应和韧性机器人系统奠定基础。
2024-03-15 cs.RO
MengeROS: a Crowd Simulation Tool for Autonomous Robot Navigation
The Graduate Center（纽约市立大学研究生中心）；Hunter College of The City University of New York（纽约市立大学亨特学院）
虽然在大型拥挤的环境中有效导航对于自主机器人至关重要，但支持它的算法的初步测试需要在广泛的人群场景中进行模拟。大多数可用的仿真工具提供没有机器人的真实人群或没有真实人群的真实机器人。本文介绍了MengeROS，一个2-D模拟器，逼真地集成了多个机器人和人群。MengeROS提供了广泛的设置，用于测试为大型拥挤环境设计的导航算法的功能和性能。
2018-01-26 cs.RO
Discretization and fitting of nominal data for autonomous robots
University of Coimbra（科英布拉大学）
本文提出了从三维CAD图纸中提取的机器人标称路径的离散化方法。机器人路径离散化的背后是机器人调整遍历路径的能力，使得机器人工具和工件之间的接触得到适当的保持。此外，提出了一种基于模糊PI控制的混合力/运动控制系统，以调整机器人路径与外部传感器反馈。所有这些功能都可以促进机器人编程过程并提高机器人的自主性。
2013-09-09 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
SARAL-Bot: Autonomous Robot for Strawberry Plant Care
University of Nevada Reno（内华达大学里诺分校）
针对草莓种植劳动力密集问题，SARAL团队开发参赛自主机器人SARAL-Bot，融合导航与基于视觉的病叶检测、摘除能力，以降低成本并推动智能可持续农业。
2025-06-07 cs.RO
Assessing Pedestrian Behavior Around Autonomous Cleaning Robots in Public Spaces: Findings from a Field Observation
Ulm University（乌尔姆大学）；Johannes-Gutenberg University of Mainz（约翰内斯·古腾堡-美因茨大学）
本研究通过实地观察498名行人，发现行人分心与否对绕行自主清洁机器人的行为无显著影响，而机器人类型和运动模式显著影响横向避让次数与距离，为公共空间人机交互设计提供实证依据。
2025-08-19 cs.RO
Towards Preference Learning for Autonomous Ground Robot Navigation Tasks
CCDC Army Research Laboratory（CCDC陆军研究实验室）
我们感兴趣的自主机器人行为的设计，学习用户的偏好，在持续的互动，以有效地执行导航行为的方式，用户期望的目标。在本文中，我们讨论了我们正在进行的工作，以修改一个通用模型的机器人导航行为的探索任务，在每个用户的基础上，使用基于偏好的强化学习。这种方法的新颖贡献在于，它结合了强化学习、运动规划和自然语言处理，允许自主智能体从与人类队友的持续对话中学习，而不是一次性的指令。
2020-11-05 cs.RO
The Analysis of Discrete-Event System in Autonomous Package Delivery using Legged Robot and Conveyor Belt
National University of Singapore（新加坡国立大学）
在本文中，离散事件系统（DES）的监督控制分析的状态和事件，构建一个自治的包裹递送系统。配送系统包括一个用于在不平坦的室内地形中自主行走的足式机器人和一个用于将包裹运送到足式机器人的传送带，目的是利用DES的监督控制理论对机器的状态和事件进行监督控制，保证机器人自主协作。通过应用该理论，我们展示了两个单独的机器人在多楼层环境中运送货物的协作。在仿真环境中实现和验证了从监督控制理论得到的结果。
2021-01-29 cs.RO
Managing a Fleet of Autonomous Mobile Robots (AMR) using Cloud Robotics Platform
TCS Research, Tata Consultancy Services（TCS研究部，塔塔咨询服务公司）
在本文中，我们提供的细节，实现一个系统，用于管理一个车队的自主移动机器人（AMR）在工厂或仓库的前提下运行。虽然机器人本身是自主的运动和避障能力，每个机器人的目标目的地是由一个全局规划器。全局规划器和地面车辆（机器人）构成一个多智能体系统（MAS），通过无线网络相互通信。探讨了三种不同的实施办法。前两种方法利用基于分布式计算的网络机器人架构和机器人操作系统（ROS）本身的通信框架，而第三种方法则使用Rapyuta Cloud Robotics框架来实现。这些方法的比较性能进行了分析，通过仿真以及现实世界的实验与实际的机器人。与通常的ROS框架相比，这些分析提供了对Cloud Robotics Platform内部工作的深入理解。通过这个练习获得的见解将是有价值的学生以及有兴趣在其他地方实现类似系统的实践工程师。在此过程中，我们还确定了当前Rapyuta平台的一些关键限制，并提供了克服这些限制的建议。
2017-06-27 cs.RO
Stinger Robot: A Self-Bracing Robotic Platform for Autonomous Drilling in Confined Underground Environments
Department of Electrical and Photonics Engineering, DTU（电气与光子工程系，丹麦技术大学）
本文提出Stinger Robot，一种用于受限地下环境自主钻探的自支撑机器人平台，通过机械自锁三足支撑机构和力感知闭环控制策略，实现稳定锚固与高力钻探，为模块化协作采矿奠定基础。
2025-07-31 cs.RO
The role of successful human-robot interaction on trust -- Findings of an experiment with an autonomous cooperative robot
KUKA（库卡）；Ulm University（乌尔姆大学）
本文的基础是一个实验，15名参与者直接与自主机器人进行交互。参与者的任务是在两种不同的设置中携带一张桌子，以及一个机器人，该机器人旨在支持老年人完成繁重的任务。通过收集和分析观察，定量和定性数据的相互作用进行了调查，特别强调在机器人的信任。总体目标是更好地理解人们在日常场景中与功能机器人接触时的情感和评价反应。这项研究表明，成功的合作任务完成有积极的影响信任和其他相关的评价，如感知适应性关于机器人的行为。
2021-04-14 cs.RO
Person Following by Autonomous Robots: A Categorical Overview
University of Minnesota（明尼苏达大学）
在制造业、医疗保健、娱乐业和社交互动等不同领域的广泛人机协作应用需要自主机器人跟随其人类同伴。不同的工作环境和应用带来了不同的挑战，增加了对传感器的选择，自主程度和动态的人以下的机器人的约束。研究人员以多种方式应对这些挑战，并为大量文献的发展做出了贡献。本文提供了一个全面的文献综述，通过分类不同方面的人以下的自主机器人。此外，相应的操作挑战，确定基于各种设计选择的地面，水下和空中场景。此外，国家的最先进的感知，规划，控制和互动的方法进行了详细的讨论，并在不同的操作场景中的适用性。然后，一些突出的方法进行了定性比较，说明了相应的实用性，并分析了它们的可行性为各种用例。此外，几个潜在的应用领域被确定，并突出了未来研究的开放问题。
2019-09-17 cs.RO
Accurate Crop Spraying with RTK and Machine Learning on an Autonomous Field Robot
University of Moratuwa（莫拉图瓦大学）；Cornell University（康奈尔大学）
本文提出一种自主田间机器人，结合机器视觉识别植物与RTK-GPS导航，实现精准喷洒农用化学品，并在盆栽植物田中验证成功。
2023-10-25 cs.RO
Design and Operation of Autonomous Wheelchair Towing Robot
Seoul National University of Science and Technology（首尔国立科技大学）；Seoul National University（首尔国立大学）
本研究提出一种新型自主轮椅牵引机器人，通过麦克纳姆轮驱动和新型对接机构连接手动轮椅，并利用摄像头传感器和图像处理技术自主跟随医院走廊彩色通道，实现患者安全运输。
2023-05-23 cs.RO
Behavior-Tree-Based Person Search for Symbiotic Autonomous Mobile Robot Tasks
Leibniz University Hannover（汉诺威莱布尼茨大学）
我们考虑的问题的人搜索的移动社交机器人的情况下，不能单独解决的机器人。例如，物理打开关闭的门或操作电梯。基于行为树框架，我们创建了一个模块化的，易于扩展的动作序列，目标是找到一个人来帮助机器人。通过将行为树分解为离散时间马尔可夫链，我们获得了行动选项的成功概率和成功率的估计，特别是在机器人应该等待或搜索people.In现实世界的实验中，所提出的方法与其他常见的方法进行了比较，在一个星期的过程中，在两个不同的位置在大学建筑物的588个测试运行。我们表明，我们的方法优于其他方法的成功率和持续时间，直到找到一个人，并返回到起始位置。
2021-03-16 cs.RO
A Realtime Autonomous Robot Navigation Framework for Human like High-level Interaction and Task Planning in Global Dynamic Environment
在本文中，我们提出了一个框架，实时自主机器人导航的基础上云和按需数据库，以解决两个主要问题的类人机器人交互和任务规划在全球动态环境中，这是不知道的先验。我们的框架有助于使人类的大脑GPS地图系统的机器人使用空间信息和独立的机器人导航进行三维视觉语义SLAM。我们将机器人的记忆系统分为长期记忆和短期记忆。通过将这些记忆与自主导航模块（ANM）、学习模块（LM）和行为规划模块（BPM）相连接，形成机器人的行为和知识系统。建议的框架进行评估，通过模拟使用基于ROS的Gazebo模拟移动机器人，RGB-D相机（3D传感器）和激光测距仪（2D传感器）在3D模型的现实室内环境。仿真证实了我们提出的框架的实质性的实际优点。
2019-05-30 cs.RO
Impact-resistant, autonomous robots inspired by tensegrity architecture
Yale University（耶鲁大学）；Rutgers University（罗格斯大学）
受张拉整体结构启发，提出一种由刚性杆和弹性腱构成的抗冲击自主机器人，具备高移动速度、姿态重建和陡坡攀爬能力，在非结构化地形导航中展现了卓越鲁棒性。
2025-01-25 cs.RO
Autonomous Mobile Robot Navigation: Tracking problem
本研究针对自主移动机器人导航跟踪问题，研究里程计、目标跟踪、避障三类核心行为，结合仿真与真实环境（含Pioneer、Elegoo机器人平台）完成验证，为鲁棒导航系统开发提供参考。
2024-07-08 cs.RO
Perceptual Distortions and Autonomous Representation Learning in a Minimal Robotic System
Dedan Kimathi University of Agriculture and Technology（德丹·基马蒂农业技术大学）
本文利用配备距离传感器和罗盘的最小双轮机器人系统，研究感知扭曲的本质及其对自主表征学习的影响，发现机器人在无明确空间信息时能自主学会结构化导航表征，为具身认知和人工生命提供新见解。
2025-07-10 cs.RO
Autonomous Aerial Robotic Surveying and Mapping with Application to Construction Operations
University of Nevada, Reno（内华达大学雷诺分校）
在本文中，我们提出了一个概述的方法和系统，产生一个飞行机器人系统能够自主检查，测量，全面的多模式映射和库存跟踪的建筑工地具有高度的系统性。机器人系统可以在假设没有环境的先验知识或通过集成环境的先验模型的情况下操作。在第一种情况下，提供自主探索，其返回与颜色和热视觉信息相关联的高保真度$3\textrm{D}$图。在第二种情况下，可以使用结构的先验模型来提供优化的和重复的覆盖路径。机器人自动提供其映射结果，同时能够检测和定位感兴趣的对象，从而支持库存跟踪任务。该系统已在一系列环境中进行了现场验证，并在一个与公共住房有关的建设项目中进行了测试。
2020-05-09 cs.RO
Towards an Autonomous Minimally Invasive Spinal Fixation Surgery Using a Concentric Tube Steerable Drilling Robot
University of Texas at Austin（德克萨斯大学奥斯汀分校）；The University of Texas Dell Medical School（德克萨斯大学戴尔医学院）；University of Edinburgh（爱丁堡大学）
本文提出一种集成七自由度机械臂的同心管可转向钻孔机器人系统，通过创建精确J形轨迹解决自主微创脊柱内固定手术中刚性器械无法触及椎体区域的问题，并经校准和模拟实验验证了其安全准确性能。
2024-05-29 cs.RO
ARCGym: Benchmarking Deep Reinforcement Learning in Autonomous Robotic Colonoscopy
University of Copenhagen（哥本哈根大学）
ARCGym是用于自主机器人结肠镜检查的强化学习环境与基准，支持多种柔性内窥镜，实验表明自主导航仍具挑战性，近端插入致动是开放问题。
2026-09-22 cs.RO
Predictive Fault Tolerance for Autonomous Robot Swarms
University of York（约克大学）
针对机器人集群故障显现后再处理的低效与安全风险，提出基于预防性维护的预测性容错方法，在故障演变为失效前自主检测并解决，实验表明可提升集群性能并避免机器人失效。
2023-09-17 cs.RO
Autonomous Obstacle Legipulation with a Hexapod Robot
CSIRO（联邦科学与工业研究组织）；University of Technology Sydney（悉尼科技大学）；University of Queensland（昆士兰大学）
足式机器人在受限的环境中行走时，可能会发现它们唯一的路径被障碍物阻挡。在障碍物是可移动的情况下，多足机器人可以操纵障碍物使用它的腿，让它继续在其path. We提出了一种方法，为六足机器人自主生成操作轨迹检测到的障碍物。以RGB-D传感器为输入，从环境中提取障碍物，并进行过滤，为操作算法提供关键接触点，计算出将障碍物移出路径的轨迹，在30自由度六足机器人上的实验表明，该算法能够有效地利用其前腿在三维环境中操作各种障碍物。
2020-11-12 cs.RO
A novel Skill-based Programming Paradigm based on Autonomous Playing and Skill-centric Testing
University of Innsbruck（因斯布鲁克大学）
我们介绍了一种新的范例，机器人编程，我们的目标是使机器人编程更容易为没有经验的用户。为了做到这一点，我们将两个主要组成部分在一个单一的框架：自主技能的机器人演奏和可视化编程。简单的机器人程序骨架解决一个特定情况下的任务，所谓的基本行为，由用户提供。然后，机器人通过自主游戏学习如何在许多不同的情况下解决相同的任务，这减少了没有经验的机器人程序员的障碍。程序员可以混合使用可视化编程和动觉教学，以提供这些简单的程序框架。机器人程序可以通过可视化编程和动觉示教的方式交互地实现。我们进一步整合了基于经验的技能为中心的机器人软件测试的工作，使用户能够不断测试实现的技能，而不必处理特定组件的细节。
2017-09-18 cs.RO
Enabling Autonomous Navigation in a Snake Robot through Visual-Inertial Odometry and Closed-Loop Trajectory Tracking Control
Electrical and Computer Engineering（电气与计算机工程系）
本研究通过视觉-惯性里程计和闭环轨迹跟踪控制，实现蛇形机器人在无外部跟踪设施环境下的自主导航，验证了多路径点跟踪的准确性。
2025-12-09 cs.RO
Exploring Mechanically Self-Reconfiguring Robots for Autonomous Design
University of Oslo（奥斯陆大学）
进化机器人的目标是优化机器人控制和形态，以生产更好，更强大的机器人。大多数以前的研究只解决控制的优化问题，并且只在仿真中进行。我们已经开发出一种四条腿的哺乳动物启发的机器人，具有自我重构形态。在本文中，我们讨论了能够有效地做实验，在现实世界中不断变化的形态开辟的可能性。我们讨论了这样一个平台和潜在的实验设计，可以解锁新的发现目前面临的挑战。最后，我们把我们的机器人在其背景下，在进化机器人领域的一般发展，并考虑什么进步的未来可能举行。
2018-05-08 cs.RO
Autonomous Visual Assistance for Robot Operations Using a Tethered UAV
Texas A&M University（德州农工大学）
本文提出了一种自主系留空中视觉助手的机器人操作在非结构化或受限的环境。由于缺乏足够的态势感知能力，机器人在远程环境中的遥操作是困难的，这主要是由固定和有限的视场以及缺乏来自机器人机载摄像机的深度感知造成的。实践的新兴状态是使用两个机器人，一个主机器人和一个辅助机器人，作为视觉助手，通过提供外部视角来克服机载传感器的感知限制。然而，使用远程操作的视觉助手时存在的问题：额外的人力，手动选择次优视点，以及初级和次级操作员之间的额外团队合作需求。在这项工作中，我们使用一个自主的系留空中视觉助理，以取代辅助机器人和操作员，减少人类机器人的比例从2：2到1：2。该视觉助手能够以风险感知的方式自主导航通过非结构化或受限空间，同时持续保持良好的视点质量，以提高主操作员的态势感知能力。通过拟议的合作机器人团队，核操作，拆弹小组，灾难机器人和其他具有新任务或高度闭塞环境的领域中的远程操作任务可以从减少人力和团队合作需求中受益，同时提高视觉辅助质量，基于可信赖的风险感知运动在混乱的环境中。
2019-07-10 cs.RO
A Deep Learning-Based Autonomous RobotManipulator for Sorting Application
University of Nevada, Reno（内华达大学雷诺分校）；Swansea University（斯旺西大学）
近年来，机器人操作和抓取机构受到了相当大的关注，导致了广泛的工业应用的发展。本文提出了一种自主机器人抓取系统的对象分类应用的发展。RGB-D数据被机器人用于执行目标检测、姿态估计、轨迹生成和目标分类任务。所提出的方法也可以处理抓住用户选择的某些对象。利用训练好的卷积神经网络进行目标检测，确定待抓取目标对应的点云簇。根据所选择的点云数据，抓取生成器算法输出潜在的抓取。然后，抓取过滤器对这些潜在的抓取进行评分，并选择得分最高的抓取在真实机器人上执行。运动规划器生成无碰撞轨迹以执行所选择的抓取。在AUBO机器人上的实验表明，该方法在自主物体分拣方面具有鲁棒性和快速分拣性能。
2020-09-08 cs.RO
Generating Explanations for Autonomous Robots: a Systematic Review
University of León（莱昂大学）
本文系统性综述了为自主机器人生成解释的策略与XAR趋势，指出可解释性系统虽取得进展但仍无法完全覆盖复杂行为，且在理论概念和评估方法上存在不足。
2025-01-30 cs.RO
Modularis: Modular Underwater Robot for Rapid Development and Validation of Autonomous Systems
University of Florida（佛罗里达大学）
针对现成水下机器人难以兼顾成本、定制性与环境适应性，且定制建造昂贵耗时的问题，本文提出开源模块化水下机器人 Modularis，以加速感知、规划与控制算法的测试与验证。
2024-01-11 cs.RO
Aerial-Ground collaborative sensing: Third-Person view for teleoperation
ETH Zurich（苏黎世联邦理工学院）
快速部署和操作是时间关键应用的关键要求，例如搜索和救援（SaR）。有效的遥控地面机器人可以在这种情况下支持第一反应者。然而，第一人称视角遥操作在困难地形中是次优的，而第三人称视角可以大大提高遥操作性能。在这里，我们提出了一个基于微型飞行器（MAV）的系统，可以自主地提供第三人称视角的地面机器人。虽然我们的方法是基于本地的视觉伺服，它进一步利用全球定位的几个地面机器人之间的无缝转移，这些地面机器人在GPS拒绝的环境。因此，一个MAV可以根据需求支持多个地面机器人。此外，我们的系统可以实现不同的视觉检测机制，增强可操作性和返回主页功能。我们评估我们的系统在现实世界中的SaR方案。
2018-07-09 cs.RO
Multi-Robot Autonomous Exploration and Mapping Under Localization Uncertainty with Expectation-Maximization
Stevens Institute of Technology（史蒂文斯理工学院）
本研究面向去中心化多机器人团队，提出一种考虑地图与定位不确定性的自主探索算法，通过虚拟地标量化噪声影响、采用期望最大化启发的迭代算法评估行动效果，实验证明其可在地图不确定性抑制与任务分配效率间实现平衡。
2024-03-06 cs.RO
Design of an Autonomous Precision Pollination Robot
精确的机器人授粉系统不仅可以填补自然授粉者减少的空白，而且可以在效率和均匀性方面超越它们，帮助养活地球上快速增长的人口。本文介绍了一个自主机器人命名为“BrambleBee”，它的目的是在温室环境中授粉树莓植物的设计和正在进行的开发。部分灵感来自蜜蜂的生态和行为，BrambleBee采用最先进的定位和映射，视觉感知，路径规划，运动控制和操纵技术来创建一个高效和强大的自主授粉系统。
2018-08-29 cs.RO
Versatile Multilinked Aerial Robot with Tilting Propellers: Design, Modeling, Control and State Estimation for Autonomous Flight and Manipulation
The University of Tokyo（东京大学）
多连杆空中机器人是空中机器人领域的一个前沿课题，它具有良好的变形能力，对操纵和操纵都有好处。然而，由于可控性的弱点和自主飞行状态估计的缺乏，在户外物理世界的性能尚未得到评估。因此，我们采用倾斜螺旋桨，以提高可控性。本论文针对此一问题，提出了相关的设计、建模与控制方法，以实现稳定的悬停与变形。此外，状态估计，其中涉及传感器之间的时间同步和多链接运动学也提出了这项工作，使完全自主飞行在室外环境中。各种自主室外实验，包括快速机动拦截目标，物体抓取交付，和毯子操作消防进行评估的可行性和通用性的建议机器人平台。据我们所知，这是第一个研究的多连杆空中机器人实现完全自主飞行和操作任务在室外环境。我们亦在2020年穆罕默德·本·扎耶德国际机器人竞赛的所有挑战中应用我们的平台，并在国际上获得挑战一第三名和挑战三第六名，展示了可靠的实地飞行性能。
2020-08-12 cs.RO
RMF-Owl: A Collision-Tolerant Flying Robot for Autonomous Subterranean Exploration
NTNU（挪威科技大学）；University of Nevada, Reno（内华达大学里诺分校）
本文介绍了RMF-Owl的设计、硬件实现、自主探测和目标检测能力，它是一种为弹性自主地下探测而设计的新型耐碰撞空中机器人。该系统专为地下勘探而定制，专注于碰撞容限、具有强大定位和映射功能的弹性自主性，以及在受限、充满障碍物和拓扑复杂的地下环境中进行高性能勘探路径规划。此外，RMF-Owl提供搜索、检测和定位感兴趣物体的能力，这在搜索和救援任务中特别有用。一系列的现场实验结果，以证明该系统的自主探索具有挑战性的未知地下环境的能力。
2022-02-22 cs.RO
Gaka-chu: a self-employed autonomous robot artist
Massachusetts Institute of Technology（麻省理工学院）；M2M Economy, Inc (“Merklebot”)（M2M Economy公司（Merklebot））
本文提出首个经济自主机器人Gaka-chu，它通过区块链智能合约自主创作并拍卖绘画、购买材料，在6个月实验中售出四幅作品并偿还投资者，验证了机器人经济自主的可行性。
2023-03-13 cs.RO
Autonomous Soil Collection in Environments With Heterogeneous Terrain
Noblis（诺布利斯公司）
本研究开发了一种安装在移动机器人上的通用机械臂原型，用于在异构未开垦地形中自主区分并浸入正确的无定形材料，实现无需人工干预的土壤采集与分析，区别于传统土壤芯样采样器。
2024-07-15 cs.RO
Distributed Formation Control for Autonomous Robots in Dynamic Environments
Institute of Control Engineering, University of the Federal Armed Forces Hamburg（汉堡联邦国防军大学控制工程研究所）；Department of Computer Science and Engineering, University of Nevada, Reno（内华达大学雷诺分校计算机科学与工程系）；Department of Electrical Engineering and Computer Science, Cleveland State University（克利夫兰州立大学电气工程与计算机科学系）
在本文中，我们提出了一种新的分布式编队控制方法，自主机器人遵循所需的形成，同时跟踪动态环境中的移动目标。在我们的方法中，所需的编队，其中包括虚拟节点排列成特定的形状，首先生成。然后，自主机器人的控制所提出的人工力场，以收敛到这些虚拟节点没有碰撞。基于李雅普诺夫方法的稳定性分析。此外，在避障控制器的设计中，一种新的旋转力场和排斥力场的组合允许机器人避开和逃离凸和非凸形状的障碍物。以V形编队和圆形编队为例，利用各自的优势，验证了该方法的有效性。
2017-05-04 cs.RO
Is it personal? The impact of personally relevant robotic failures (PeRFs) on humans' trust, likeability, and willingness to use the robot
Ben-Gurion University of the Negev（内盖夫本-古里安大学）
在三个实验室的实验中，我们研究个人相关的故障（PeRFs）对协作机器人的看法的影响。PeR取决于特定问题对特定人员的适用程度，即，它会影响一个人的目标和价值观。我们假设PeRFs会减少对机器人的信任，以及机器人的喜欢和使用意愿（LWtU），而不是对参与者来说不是个人的失败。为了在人机交互中实现PeR，我们使用了三种不同的操作机制：A）财产损失，B）经济损失，以及C）第一人称与第三人称故障场景。总共有132名参与者在洗衣分类的协作任务中亲自与机器人进行了互动。所有三个实验都在相同的实验环境中进行，精心设计以模拟现实的衣物分类场景。结果表明，PeRFs对机器人感知的影响在研究中各不相同。在实验A和B中，与没有失败的会话相比，与PeRF的遭遇显着降低了信任。但并不完全是为了LWTU。在实验C中，PeR操作没有影响。这项工作突出了在实验室环境中研究机器人故障所需的挑战和调整。我们表明，PeR操作影响用户如何看待失败的机器人。结果带来了新的问题，故障类型和他们的感知严重性对用户的感知机器人。把PeR放在一边，我们观察到用户感知交互失败的方式（实验C）与他们感知技术失败的方式（A和B）的差异。
2022-01-14 cs.HC cs.RO
Person Transfer in the Field: Examining Real World Sequential Human-Robot Interaction Between Two Robots
Northeastern University（东北大学）；Carnegie Mellon University（卡内基梅隆大学）
本文通过4天7小时的现场研究，观察18次两台机器人间的“人员转移”并访谈11名参与者，揭示移动机器人交接、信任与位置等序贯人机交互设计要点。
2024-06-11 cs.HC cs.RO
A Capability and Skill Model for Heterogeneous Autonomous Robots
Helmut-Schmidt-University（赫尔穆特·施密特大学）
异构自主机器人团队变得越来越重要，因为他们促进各种复杂的任务。对于这样的异构机器人，目前没有一致的方式来描述每个机器人提供的功能。在制造领域，能力建模被认为是一种很有前途的方法，语义模型的功能提供不同的机器。本文研究了如何将能力模型从制造业扩展到自主机器人领域，并提出了一种建立能力模型的方法。
2023-02-09 cs.AI cs.RO
Robot Person Following in Uniform Crowd Environment
Khalifa University of Science and Technology（哈利法科技大学）
个人跟踪机器人有许多应用，如安全，老年人护理和社交机器人。当人在制服人群中移动时，这样的任务特别具有挑战性。此外，尽管在文献中报道了跟踪器的显著进步，但最先进的跟踪器几乎没有解决在这种情况下的人跟随。在这项工作中，我们专注于提高机器人的感知能力的人以下的任务，通过开发一个强大的和实时适用的对象跟踪器。我们提出了一种新的机器人人跟踪系统，该系统具有新的RGB-D跟踪器，即具有RGB-D的深度跟踪（DTRD），该系统能够应对由统一人群环境引入的棘手挑战。我们的跟踪器利用Transformer编码器-解码器架构与RGB和深度信息，以区分目标人从类似的干扰。大量的综合实验和结果表明，我们的跟踪器具有较高的性能在两个定量评价指标，并证实了其优于其他SOTA跟踪器。
2022-05-21 cs.CV cs.RO
Technical Opinion: From Animal Behaviour to Autonomous Robots
University of Aberdeen（阿伯丁大学）；University of Uyo（乌约大学）
随着机器人在非结构化现实世界环境中的应用越来越多，机器人专家越来越关注这种环境的复杂性所带来的问题。解决这些问题的方法之一是机器人的自主性。由于自然界已经解决了自主性问题，它可以成为开发自主机器人的合适模型。本文从动物行为的角度对机器人自主性进行了简要的综述。它检查了一些国家的最先进的技术，以及建议可能的研究方向。
2020-12-11 cs.AI cs.RO
Design and Development of Autonomous Delivery Robot
Visvesvaraya National Institute of Technology（维斯瓦瓦拉亚国家理工学院）
自主机器人领域正在快速发展。在车辆中使用越来越多传感器的趋势是由立法和消费者对更高安全性和可靠服务的需求推动的。如今，机器人随处可见，从家庭，医院到工业和军事行动。自主机器人被开发得足够强大，可以与人类一起工作，并有效地完成工作。人类对周围的物理力量有一种自然的理解，比如重力，运动感等，这些都不是明确教授的，而是自然发展的。但机器人却不是这样。为了使机器人完全自主并有能力与人类一起工作，机器人必须能够感知情况并设计一个平稳运行的计划，考虑执行任务时可能发生的所有逆境。在这篇论文中，我们提出了一个自主的移动机器人平台，提供VNIT校园内的包没有任何人的相互沟通。从一个初始的用户提供的地理目标位置，该系统规划一个优化的路径，并自主导航通过它。
2021-03-16 cs.CV cs.RO
Umgebungserfassungssystem fuer mobile Roboter (environment logging system for mobile autonomous robots)
FACHHOCHSCHULE LAUSITZ University of Applied Sciences（劳西茨应用技术大学）
本学位论文描述了该模块的理论基础、概念和应用开发过程的最终结果。对于环境记录而言，使用用于内部的小型移动机器人应当是昂贵的激光扫描仪的经济替代方案。因此，作用半径内物体的结构、颜色或材料以及环境亮度和照明对测量结果没有影响。
2012-01-03 cs.AR cs.RO
Cooperation of Multiple Autonomous Robots and Analysis of their Swarm Behavior
在本文中，我们扩展了之前对协作自主机器人的研究，以包括环境变化和群中机器人数量变化可能影响执行分配给机器人群的任务的效率的情况。我们提出了一种新的方法，基于划分的机器人行为。描述子路线的子图使我们能够使用有限数量的状态组合来模拟自主机器人之间的高级交互，避免可达性的组合爆炸。我们确定了可以确保机器人交互正确性的系统。提出了组合机器人行为验证与分析的新技术。分区图使我们能够模拟先进的自主机器人之间的相互作用和检测不规则性，如死锁，缺乏终止等技术提出了验证和分析组合机器人的行为，使用模型检验方法。所描述的系统，Dedan验证器，仍在开发中。在不久的将来，计划进行定时和概率验证。
2018-12-28 cs.MA cs.RO
Complete Visibility Algorithm for Autonomous Mobile Luminous Robots under an Asynchronous Scheduler on Grid Plane
Nagoya Institute of Technology（名古屋工业大学）；Hosei University（法政大学）
针对无限网格平面上不透明发光机器人的完全可见性问题，提出一种仅用两种颜色、支持异步运行且无需知晓机器人总数的分布式算法，明确了机器人能力与问题可解性的关联。
2023-06-14 cs.DC cs.RO
Secure Encoded Instruction Graphs for End-to-End Data Validation in Autonomous Robots
University of Turku（图尔库大学）；Massachusetts Institute of Technology（麻省理工学院）
随着自主机器人的普及，机器人操作的安全性越来越受到关注。自主机器人可以被视为网络物理系统：它们可以在虚拟，物理和人类领域中运行。因此，保护自主机器人的操作不仅需要保护它们的数据（例如，传感器输入和任务指令），但是保护它们与其环境的交互。目前缺乏方法，可以让机器人在没有外部反馈的情况下安全地确保其传感器和执行器正确运行。本文介绍了一种编码方法和端到端的验证框架的自主机器人的任务。特别是，我们提出了一个概念证明的地图编码方法，它允许机器人导航现实的环境和验证操作指令几乎为零{ \it先验}知识。我们展示了我们的框架，使用两种不同的编码地图在模拟和真实的机器人实验。我们的编码地图具有与典型的基于地标的导航相同的优势，但具有加密哈希的额外优势，可以实现端到端的信息验证。我们的方法适用于机器人操作的任何方面，其中有一个预定义的一组动作或指令给机器人。
2022-04-10 cs.CR cs.RO
