RoboCoDraw: Robotic Avatar Drawing with GAN-based Style Transfer and Time-efficient Path Optimization
A*STAR（新加坡科技研究局）；Institute of High Performance Computing, A*STAR（新加坡科技研究局高性能计算研究所）；Institute of Information Research, A*STAR（新加坡科技研究局信息研究所）
机器人绘画作为一种娱乐和互动工具越来越受欢迎。在本文中，我们提出了RoboCoDraw，一个实时协作的基于机器人的绘图系统，绘制风格化的人脸草图交互式的人类用户面前，通过使用生成对抗网络（GAN）为基础的风格转移和随机密钥遗传算法（RKGA）为基础的路径优化。RoboCoDraw系统以真实的人脸图像为输入，将其转换为风格化的头像，然后用机器人手臂进行绘制。该系统的核心组件是我们提出的Avatar-GAN，它从真实的人脸图像生成卡通头像。AvatarGAN仅使用未配对的人脸和头像图像进行训练，并且与vanilla CycleGAN相比，可以生成与人脸图像更相似的头像图像。在生成化身图像之后，将其馈送到线提取算法并转换为草图。一个基于RKGA的路径优化算法被应用到寻找一个时间效率高的机器人绘图路径执行的机器人手臂。我们展示了RoboCoDraw的各种人脸图像使用一个轻量级的，安全的协作机器人UR 5的能力。
2019-12-11 cs.GR cs.RO
From Scratch to Sketch: Deep Decoupled Hierarchical Reinforcement Learning for Robotic Sketching Agent
Seoul National University（首尔国立大学）
我们提出了一个自动学习框架的机器人素描代理，能够学习基于笔划的渲染和电机控制同时进行。我们制定的机器人素描问题作为一个深度解耦的分层强化学习;两个政策，基于笔划的渲染和电机控制独立学习，以实现子任务的绘图，并形成一个层次结构时，合作的现实世界的绘图。没有手工制作的功能，绘图序列或轨迹，和逆运动学，所提出的方法训练的机器人草图代理从头开始。我们进行了实验，6自由度的机器人手臂与2F夹具素描涂鸦。我们的实验结果表明，这两种策略成功地学习了子任务，并合作绘制目标图像。此外，通过不同的绘图工具和表面检查的鲁棒性和灵活性。
2022-08-09 cs.CV cs.RO
Ultrasound-Guided Robotic Blood Drawing and In Vivo Studies on Submillimetre Vessels of Rats
Tongji University（同济大学）；Chengdu Aixam Medical Technology Co., Ltd.（成都 Aixam 医疗科技有限公司）；Katholieke Universiteit Leuven（鲁汶大学）；Scuola Superiore Sant’Anna（圣安娜高等学校）；Shanghai East Hospital, School of Medicine, Tongji University（同济大学医学院附属上海东方医院）；State Key Laboratory of Cardiovascular Diseases（心血管疾病国家重点实验室）
本研究提出一种集成6自由度机械臂与3自由度末端执行器的超声引导机器人系统，并在40只大鼠0.7±0.2毫米尾静脉上实现95%的首次采血成功率，证明其在亚毫米血管通路中的有效性。
2025-04-04 cs.RO
Autonomous and Teleoperation Control of a Drawing Robot Avatar
Munich Institute of Robotics and Machine Intelligence, Technical University of Munich（慕尼黑工业大学慕尼黑机器人与机器智能研究所）；Centre for Tactile Internet with Human-in-the-Loop (CeTI)（人机协作触觉互联网中心）；Omar Al-Mukhtar University (OMU)（奥马尔·阿尔-穆赫塔尔大学）；Technische Universität Dresden（德累斯顿工业大学）；Franka Emika GmbH（Franka Emika公司）
本文提出一种绘图机器人化身的控制框架，通过自动化辅助任务减少用户负担，并引入新方法在运动约束下计算近最优相机位姿以提升视觉反馈质量，实验证明其有效改善了绘图性能。
2024-07-29 cs.RO
TSP-Bot: Robotic TSP Pen Art using High-DoF Manipulators
Ewha Womans University（梨花女子大学）
本研究提出TSP-Bot机器人绘画系统，通过将图像转点集、求解TSP路径、优化平滑路径，搭配多自由度机械臂平台，实现多色复杂TSP钢笔画的高质量自动创作。
2024-04-10 cs.GR cs.RO
Off-line Programming and Simulation from CAD Drawings: Robot-Assisted Sheet Metal Bending
University of Coimbra（科英布拉大学）
工业机器人越来越多地用于生产系统。这是因为它们是高度灵活的机器，在经济上与人类劳动力竞争。问题是它们很难编程。因此，制造系统设计人员正在寻找更直观的方法来编程机器人，特别是使用他们开发的生产系统的CAD图纸。本文介绍了一种新的基于CAD的离线机器人编程（OLP）和仿真系统，其中用于单元设计的CAD软件包也用于OLP和机器人仿真的工业应用。因此，OLP对于任何具有CAD和机器人基础知识的人来说都变得更加容易。该系统在一个机器人辅助金属板弯曲单元进行了测试。实验允许识别所提出的解决方案的优点和缺点。
2013-11-18 cs.RO
Enabling Commercial Autonomous Space Robotic Explorers
与载人任务相比，自主机器人在空间探测任务中的应用减少了探测任务的安全问题，同时延长了探测距离，因为机器人任务不需要返回运输。此外，在这些任务中使用机器人也降低了任务的复杂性和成本，因为不需要机载生命支持系统：机器人可以承受并在人类无法生存的恶劣条件下工作，例如极端温度，压力和辐射。在这篇文章中，我们将介绍火星上的环境，回顾现有的自动驾驶技术部署在地球上，以及探索所需的技术，使未来的商业自主太空机器人探险家。最后但并非最不重要的是，我们还提出了自主空间探索者面临的紧迫技术挑战之一，即机载计算能力。
2019-08-12 cs.RO
Direct off-line robot programming via a common CAD package
University of Coimbra（科英布拉大学）
本文着重于直观和直接的离线机器人编程从一个常见的3-D CAD软件包上运行的CAD图纸。探讨了在CAD图形中表示机器人运动的最合适的方法，如何从图形中自动提取运动数据，将数据从虚拟（CAD模型）映射到真实环境，以及自动生成机器人路径/程序的过程。总之，本研究的目的是提出一种新的基于CAD的机器人编程系统，任何人都可以使用CAD和机器人的基本知识。不同操作任务的实验表明了该方法的有效性和通用性。
2013-09-09 cs.RO
Precision Meets Art: Autonomous Multi-UAV System for Large Scale Mural Drawing
Sverk Ltd.（Svek有限公司）；Lomonosov Moscow State University（罗蒙诺索夫莫斯科国立大学）；Cognitive Pilot Ltd.（Cognitive Pilot有限公司）；NUST MISIS（国立研究型技术大学莫斯科国立钢铁合金学院）；Kosygin State University of Russia（俄罗斯柯西金国立大学）
本文提出了一种自主多无人机系统，用于户外大规模壁画绘制，通过复杂定位系统和新型飞行控制算法实现了高精度和稳定性。
2026-01-10 cs.CV cs.RO cs.SY
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
Autonomous Visual Rendering using Physical Motion
Northwestern University（西北大学）
本文讨论的问题，使机器人表示和重建视觉信息，通过物理运动，专注于使用钢笔，画笔，或其他工具绘图。这项工作使用遍历性作为控制目标，将平面视觉输入转换为物理运动而无需预处理（例如，图像处理、运动基元）。%或人工生成的训练数据（即，机器学习）。我们实现了与现有的绘图方法相当的结果，同时降低了软件的算法复杂性。我们证明了具有不同时间范围特性（无穷小，有限和滚动范围）的最优遍历控制算法可以生成定性和风格上不同的运动，这些运动呈现广泛的视觉信息（例如，信件、肖像、风景）。此外，我们表明，遍历控制使相同的软件设计适用于多个机器人系统，通过将其特定的动态，从而减少对特定任务的机器人的依赖。最后，我们展示了Baxter机器人的物理绘图。
2017-09-08 cs.RO
Survivable Robotic Control through Guided Bayesian Policy Search with Deep Reinforcement Learning
许多机器人操作技能可以用确定性特征来表示，并且存在用于学习这些技能的参数化电机计划的有效技术。然而，一个积极的研究挑战仍然是在机械故障的情况下维持操纵能力。理想情况下，像生物一样，机器人代理应该能够通过适应动态对手来重新配置其控制策略。在本文中，我们提出了一种方法，允许代理生存的情况下，机械损失，并自适应地学习操纵妥协的自由度-我们称我们的方法生存机器人学习（SRL）。我们的主要思想是利用贝叶斯策略梯度编码的知识偏见后验估计，这反过来又证明了未来的政策搜索探索，在样本效率和随机探索的政策搜索方法相比。SRL将策略先验表示为高斯过程，通过将引导偏差作为来自先前重放的代理，允许近似后验的易处理计算（当真实梯度难以处理时）。我们评估我们提出的方法对现成的无模型学习算法（DDPG），测试六足机器人平台上遇到增量故障仿真，我们的实验表明，我们的方法大大提高了样本需求和定量成功率在所有故障模式。我们实验的演示视频可以在https://sites.google.com/view/survivalrl上观看
2021-06-29 cs.RO
What Can Robots Teach Us About Trust and Reliance? An interdisciplinary dialogue between Social Sciences and Social Robotics
CY Cergy Paris University（赛尔吉巴黎大学）；ENSEA（法国高等电力学院）；CNRS（法国国家科学研究中心）；Université Paris 8（巴黎第八大学）；Inria（法国国家信息与自动化研究所）；Université de Lorraine（洛林大学）
本文主张融合社会科学与社会机器人学视角，通过跨学科对话探讨人机交互中信任的形成、检验与显现，以构建更扎实且适应性强的信任理解框架。
2025-07-17 cs.RO
Socially Cognizant Robotics for a Technology Enhanced Society
Rutgers University（罗格斯大学）
本文提出社会认知机器人技术这一跨学科方法，通过融合技术与社会科学的视角并纳入利益相关者参与，以平衡技术指标与人类及社会指标，从而改善机器人对个体和社会的交互与影响。
2023-10-27 cs.AI cs.RO
ROSY: An elegant language to teach the pure reactive nature of robot programming
Universidade do Minho（米尼奥大学）；INESC TEC（葡萄牙系统与计算机工程研究所）
机器人技术非常有趣，长期以来一直被认为是教授编程的好方法，同时与数学、物理或电子等工程和科学的其他分支建立了鼓舞人心的联系。虽然机器人和编程之间的这种共生关系被认为是非常有益的，但教育方法往往觉得有必要隐藏机器人系统的潜在复杂性，但结果是无法将机器人编程的反应本质传递给未来的机器人专家和程序员。本文介绍了ROSY，一种通过机器人技术教授新手程序员的新语言。它的函数式风格既熟悉高中代数背景，又体现了机器人编程固有的反应性。在更高的抽象层次上工作也教导了将机器人软件分解为交互控制器集合的有价值的设计原则。尽管它很简单，但ROSY是完全有效的Haskell代码，与ROS生态系统兼容。我们通过演示如何轻松清晰地表达非平凡的应用程序，揭示其良好的功能编程基础，并开发支持Web的机器人编程环境，为我们的语言提供了令人信服的案例。
2019-11-08 cs.PL cs.RO
Making Robots Draw A Vivid Portrait In Two Minutes
Peking University（北京大学）；Hangzhou Dianzi University（杭州电子科技大学）
艺术机器人已经取得了重大进展。然而，现有的机器人无法在短时间内制作高质量的肖像。在这项工作中，我们提出了一个绘图机器人，它可以自动将面部图片转换为生动的肖像，然后在平均两分钟内将其绘制在纸上。我们系统的核心是一种基于深度学习的新型人像合成算法。创新地，我们采用了自一致性损失，这使得算法能够生成连续和平滑的笔触。此外，我们提出了一个组件稀疏性约束，以减少在不重要的地区的笔画数。我们还实现了一个局部草图合成算法，以及一些前处理和后处理技术来处理背景和细节。我们的算法产生的肖像成功地捕捉个人特征，通过使用一组稀疏的连续的笔触。最后，肖像被转换成一系列的轨迹和再现的三自由度的机器人手臂。整个肖像画机器人系统命名为AiSketcher。大量的实验表明，AiSketcher可以为各种各样的图片生成相当高质量的草图，包括野外的人脸和任意内容的通用图像。据我们所知，AiSketcher是第一个使用神经风格转移技术的肖像画机器人。AiSketcher参加了许多展览，并在各种情况下表现出色。
2020-07-21 cs.CV cs.RO
A Deployment Case Study in Robotic Apparel Automation: Digital Twin Integration, Interoperability, and Workforce Enablement
Siemens Corporation（西门子股份公司）；Sewbo；Levi's（李维斯）；Bluewater Defense
针对织物柔性导致的机器人操作难题，本文通过牛仔布制造案例，提出集成数字线程、数字孪生、互操作层及运行时监控的机器人缝纫系统，实现快速部署与鲁棒性提升。
2026-06-16 cs.RO
Image-driven Robot Drawing with Rapid Lognormal Movements
Goldsmiths, University of London（伦敦大学金史密斯学院）；Idiap Research Institute and École Polytechnique Fédérale de Lausanne (EPFL)（日内瓦联邦理工学院（EPFL）与IDIAP研究所）；University of Konstanz（康斯坦茨大学）；Ecole Polytechnique de Montréal（蒙特利尔联邦理工学院）
本文提出一种结合sigma-lognormal人体运动模型与可微矢量图形渲染器的方法，通过图像空间成本函数和最小时间平滑准则优化生成自然类人的机器人绘制轨迹，并展示了合成涂鸦生成与机器人复现及图像抽象化应用。
2025-07-03 cs.GR cs.RO
A System-Level View on Out-of-Distribution Data in Robotics
Stanford University（斯坦福大学）
本文针对机器人系统中分布外数据损害学习组件可靠性的问题，提出应从系统级视角考量机器人在分布外条件下的整体能力，并梳理关键研究方向以推动安全可靠的学习型自主机器人发展。
2023-08-25 cs.LG cs.RO cs.SY
Multi Layered Autonomy and AI Ecologies in Robotic Art Installations
Hong Kong University of Science and Technology (HKUST)（香港理工大学）；Central Academy of Fine Arts（中央美术学院）
本研究介绍了大型机器人艺术装置《Symbiosis of Agents》，通过三层信念系统构建AI机器人生态，让观众成为共同创作者，探讨AI时代的艺术创作权、能动性与伦理问题。
2025-09-30 cs.AI cs.RO
Selectively Actuated Fiberbots for High-precision Minimally Invasive Surgery
Imperial College London（帝国理工学院）；Hamlyn Centre for Robotic Surgery, Imperial College London（帝国理工学院哈姆林外科机器人中心）；University of Glasgow（格拉斯哥大学）
该研究提出一种电热驱动纤维基机器人，其远端活动段焦耳加热集中，尺寸紧凑可通过内窥镜工作通道，能实现低于100μm的精准操控，可兼容现有内窥镜系统，有望提升微创手术精度。
2026-10-12 cs.RO
High-level robot programming based on CAD: dealing with unpredictable environments
University of Coimbra（科英布拉大学）；Institute for Systems and Computer Engineering of Porto（波尔图系统与计算机工程研究所）
目的-本文的目的是提出一种基于CAD的人机界面，允许非专家用户教机器人的方式类似于人类相互教导。设计/方法/方式-直观的机器人编程是通过使用CAD图纸离线生成机器人程序。感觉反馈允许最小化不确定性的影响，提供信息以在机器人操作期间调整机器人路径。结果-据发现，它是可能的，从一个共同的CAD图纸生成一个机器人程序，并运行它没有任何重大的问题校准或CAD模型的准确性。研究限制/影响-所提出的系统的限制与事实有关，它的目的是用于特定的技术应用。实际影响-由于大多数制造企业有CAD软件包在他们的设施今天，基于CAD的机器人编程可能是一个很好的选择，而不需要熟练的机器人程序员编程机器人。独创性/价值-本文提出了一种新的基于CAD的机器人编程系统。机器人程序直接从运行在常用3D CAD软件包（Autodesk Inventor）上的CAD绘图生成，而不是从商业计算机辅助机器人（CAR）软件生成，使其成为简单的CAD集成解决方案。这是一个低成本和低设置时间的系统，不需要高级的机器人编程技能来操作它。总之，机器人程序是从机器人语言的高度抽象生成的。
2013-09-09 cs.RO
A Cooperative Contactless Object Transport with Acoustic Robots
University College London（伦敦大学学院）
本文提出了一种基于声学机器人的非接触式空中物体运输系统，通过相位超声波换能器和机器人控制系统实现物体的精确操控，并验证了其在独立和协同运输中的可行性。
2025-06-16 cs.RO
A Neuro-Symbolic Humanlike Arm Controller for Sophia the Robot
Hanson Robotics Ltd（汉森机器人公司）
我们概述了使用机器感知、卷积神经网络和符号AI进行逻辑控制和启示索引的新型机器人手臂的设计和构造。我们描述了我们的机器人手臂与人类一样的机械配置和美学，28自由度，触摸传感器，和一系列的弹性致动器。这些手臂是在Roodle和Gazebo中使用URDF模型以及Unity建模的，并实现了运动控制解决方案，用于解决百家乐（赌场纸牌游戏），剪刀石头布，握手和绘画的现场游戏。这包括与人的实时交互，结合了手部和面部姿势的社会控制，以及用于抓取和操纵任务的物理逆运动学（IK）。由此产生的框架是Sophia 2020 alpha平台的一个组成部分，该平台正在与作者与AHAM团队合作进行的研究中使用，AHAM是ANA Avatar Xprize致力于人类-AI混合远程呈现的努力。这些结果可在广泛发布的Hanson Robotics Sophia 2020机器人平台上进行测试，供用户尝试和扩展。
2020-10-27 cs.AI cs.RO
Speculative Design of Equitable Robotics: Queer Fictions and Futures
University of Cambridge（剑桥大学）
本文以探索性散文形式研究面向LGBTQ+群体的公平机器人，梳理酷儿机器人现状，提出三项思辨设计方案，探讨相关伦理问题并展望理想的酷儿机器人未来。
2025-09-01 cs.CY cs.HC cs.RO
ActiveVLA: Injecting Active Perception into Vision-Language-Action Models for Precise 3D Robotic Manipulation
Fudan University（复旦大学）；Shanghai Innovation Institute（上海创新研究院）；Nanyang Technological University（南洋理工大学）
ActiveVLA通过引入主动感知能力，提升机器人在复杂环境中的高精度3D操控性能。
2026-01-13 cs.RO
Sequential Planning via Anchored Robotic Keypoints
Department of Electrical, Computer, and Systems Engineering（电气、计算机与系统工程系）；Department of Mechanical and Aerospace Engineering（机械与航空航天工程系）
提出SPARK，一种无训练神经符号操作系统，通过单一Gemini调用生成类型化行为树，结合SAM3的替代提示检测和恢复循环，在LIBERO-PRO上达到43.7%，超越CaP-Agent0和VLA基线。
2026-11-03 cs.RO
Trust Considerations for Explainable Robots: A Human Factors Perspective
Massachusetts Institute of Technology（麻省理工学院）
人工智能（AI）和机器人技术的最新进展引起了人们对AI系统和机器人的关注，人类用户需要能够理解。可解释人工智能（XAI）和可解释机器人文献旨在通过为用户提供有关人工智能和机器人行为的必要信息来增强人类理解和人类-机器人团队绩效。同时，人的因素文献长期以来一直致力于解决有助于人类表现的重要因素，包括人类对自治系统的信任。在本文中，从人的因素的文献，我们讨论了三个重要的信任相关的设计可解释的机器人系统的考虑：信任的基础，信任校准，和信任的特异性。我们进一步详细说明现有的和潜在的机器人系统的基础上提供的解释，可解释的机器人的信任评估指标。
2020-05-12 cs.HC cs.RO
Robotic Blended Sonification: Consequential Robot Sound as Creative Material for Human-Robot Interaction
Queensland University of Technology（昆士兰科技大学）
本文提出“机器人混合声化”概念，通过实时捕获和处理机器人的伴随声音，并将其作为创意材料，探索其在人机交互艺术与应用研究中的潜力。
2024-04-22 cs.HC cs.RO cs.SD
Meta-learning enhanced adaptive robot control strategy for automated PCB assembly
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Engineer School（工程师学院）；New York University（纽约大学）；Department of Electronic Engineering（电子工程系）；Tsinghua University（清华大学）
本文提出一种基于元学习的自适应机器人控制策略，用于提高自动化PCB组装中对异形组件的定位精度和效率。
2026-01-10 cs.RO
Making VLMs More Robot-Friendly: Self-Critical Distillation of Low-Level Procedural Reasoning
本文提出 SelfReVision 框架，通过自批判、修订与验证的自蒸馏循环，使小型视觉语言模型无需外部监督即可生成可执行的机器人低层规划，性能超越大 100 倍的模型。
2025-07-20 cs.RO
Robots as Mental Well-being Coaches: Design and Ethical Recommendations
University of Cambridge（剑桥大学）；Politecnico di Milano（米兰理工大学）
针对当前缺乏机器人心理健康教练设计指导的问题，本文基于扎根理论对三步迭代用户研究数据开展定性分析，提炼出相关设计指南与伦理考量，为该领域研究者和机器人专家提供参考。
2024-01-30 cs.HC cs.RO
Robots Pre-train Robots: Manipulation-Centric Robotic Representation from Large-Scale Robot Datasets
University of California, San Diego（加利福尼亚大学圣迭戈分校）；Tongji University（同济大学）；Shanghai Jiao Tong University（上海交通大学）；University of Maryland, College Park（马里兰大学帕克分校）；Tsinghua University（清华大学）
针对人类视频预训练机器人视觉表示存在分布偏移、缺动力学信息的问题，提出融合视觉与动作等动力学信息的MCR框架，在仿真和真实机器人操作任务上均显著提升性能。
2024-10-30 cs.AI cs.CV cs.RO
SpikePingpong: Spike Vision-based Fast-Slow Pingpong Robot System
Peking University（北京大学）；Beijing Academy of Artificial Intelligence (BAAI)（北京人工智能研究院）
SpikePingpong系统结合尖峰视觉与模仿学习，实现高精度乒乓球机器人控制，达到92%的30厘米精度成功率。
2026-02-24 cs.CV cs.RO
Can a Robot Shoot an Olympic Recurve Bow? A preliminary study
National Taiwan Normal University（台湾师范大学）
机器人领域，尤其是人形机器人领域，已经举办了几项以研究为目标的竞赛。这些比赛让机器人完成一些任务，提供了一种衡量机器人设计最先进水平的方法，也是一个指标，表明我们离人类的表现还有多远。最著名的比赛是RoboCup，它的长期目标是在2050年与真正的人类球队竞争，以及FIRA HuroCup联赛，其中人形机器人必须根据实际的奥运赛事执行任务。让机器人在相同的规则下与人类竞争是一个具有挑战性的目标，我们相信，在射箭运动中，人形机器人最有潜力在不久的将来实现这一目标。在这项工作中，我们朝着这个方向迈出了第一步。我们提出了一个人形机器人，是能够抓住，绘图和射击反曲弓在10米远的目标相当准确。此外，我们还表明，它也能够拍摄超过50米的距离。
2022-12-21 cs.RO cs.SY eess.SY
rMuscle: Robotic Muscle Memory for Efficient Vision-Language-Action Model Inference
Institute of Parallel and Distributed Systems, Shanghai Jiao Tong University（上海交通大学并行与分布式系统研究所）
针对VLA模型推理延迟问题，提出受肌肉记忆启发的rMuscle框架，利用跨执行相似性通过双阶段缓存减少计算和权重访问，在多种任务上实现1.29-1.42倍加速且保持成功率。
2026-10-22 cs.AI cs.RO
Data Standards for Humanoid Robotics: The Missing Infrastructure for Physical AI
本文论证数据标准是人形机器人可扩展性的关键基础设施，通过提出ISO/WD 26264-1标准，解决数据非累积性问题，使具身经验可解释、可共享、可追溯和可复用。
2026-06-19 cs.AI cs.RO
Unlock Reliable Skill Inference for Quadruped Adaptive Behavior by Skill Graph
Zhejiang University（浙江大学）；School of Engineering, Westlake University（西湖大学工程学院）
受动物技能组合启发，提出机器人技能图（RSG）框架，通过组织并重用基本技能，实现四足机器人在新任务和环境中的可靠技能推断与快速适应。
2025-02-26 cs.AI cs.RO
Siamese Network with Dual Attention for EEG-Driven Social Learning: Bridging the Human-Robot Gap in Long-Tail Autonomous Driving
University of Michigan（密歇根大学）
针对机器人缺乏人类社会学习中从交互反馈学习的认知发展途径问题，提出结合双注意力孪生网络与动态时间规整重心平均的BCI框架，实现EEG信号分类检测安全关键事件，在长尾自动驾驶场景中提升机器人认知能力与安全性能。
2025-04-14 cs.HC cs.LG cs.RO
A novel concept for Titan robotic exploration based on soft morphing aerial robots
GRVC Robotics Lab, University of Seville（塞维利亚大学GRVC机器人实验室）
提出一种基于软体变形空中机器人的泰坦探测新概念，利用可变形机臂实现栖息、采样和高效飞行，并通过低温实验验证了PTFE材料的适用性。
2023-11-15 cs.RO cs.SY eess.SY
Future Intelligent Autonomous Robots, Ethical by Design. Learning from Autonomous Cars Ethics
Mälardalen University（梅拉达伦大学）；University of Gothenburg（哥德堡大学）
智能自主机器人技术的发展以其对个人和社会产生预期的有益影响为前提。在这种颠覆性的新兴技术的情况下，不仅如何构建的问题，而且为什么要构建以及会产生什么后果的问题都很重要。智能自动驾驶机器人汽车的道德领域是具有可操作实用价值的研究的一个很好的例子，其中包括法律系统和其他社会和政府行为者以及公司和企业在内的各种利益相关者进行合作，带来对技术的道德和社会方面的共同看法。它可以作为一般智能自主机器人开发方法的起始平台，考虑技术生存周期不同阶段的人机界面-开发、实施、测试、使用和处置。从我们对自主智能机器人汽车伦理的研究以及现有的机器人伦理文献中，我们的贡献包括一套价值观和伦理原则，以及确定的挑战和应对挑战的建议方法。这可能有助于智能自主机器人领域的利益相关者将伦理原则与其应用联系起来。我们对自动驾驶汽车道德要求的建议可用于其他类型的智能自动驾驶机器人，但对于社交机器人需要进行更多有关与用户交互的研究。我们强调，现有的道德框架需要以一种对背景敏感的方式加以应用，通过多学科、多能力团队的评估，通过多标准分析。此外，我们认为，需要不断发展的道德原则，指导方针和法规，通过技术的进步和相关利益相关者的参与。
2021-07-16 cs.AI cs.CY cs.RO
What Teaches Robots to Walk, Teaches Them to Trade too -- Regime Adaptive Execution using Informed Data and LLMs
University of Toronto（多伦多大学）；Princeton University（普林斯顿大学）；Vector Institute for AI（矢量人工智能研究院）
受机器人强化学习启发，提出基于预训练LLM与市场反馈强化学习（RLMF）的金融市场机制自适应方法，在FLARE、NIFTY股票走势基准上准确率显著优于SOTA大模型。
2024-06-20 cs.AI cs.LG cs.RO
Adaptive Gait Modeling and Optimization for Principally Kinematic Systems
Johns Hopkins University（约翰斯·霍普金斯大学）；Johns Hopkins University Applied Physics Lab（约翰斯·霍普金斯大学应用物理实验室）
针对主运动学系统，提出自适应系统辨识框架，结合数据驱动与几何力学，实现步态优化，在Purcell游泳者上实现十倍速度提升，适用于地形适应与损伤恢复。
2024-04-18 cs.RO cs.SY eess.SY
A Pragmatist Robot: Learning to Plan Tasks by Experiencing the Real World
Robotic Systems Lab, ETH Zürich（瑞士联邦理工学院机器人系统实验室）；ETH AI Center, ETH Zürich（瑞士联邦理工学院人工智能中心）；Huawei Noah’s Ark Lab, London, UK（华为诺亚实验室，伦敦，英国）；UCL Centre for AI, London, UK（伦敦大学学院人工智能中心）
PragmaBot 通过现实世界经验学习任务规划，利用 STM 自我反思和 RAG 提高任务成功率
2026-02-14 cs.AI cs.CL cs.RO
