Haptic Shared Control for Dissipating Phantom Traffic Jams
Delft University of Technology(代尔夫特理工大学)
高速公路上发生的交通堵塞导致旅行时间增加以及燃料消耗和碰撞增加。没有明确原因的交通堵塞,如匝道或事故,被称为幻影交通堵塞,据说占所有交通堵塞的50%。它们是由人类驾驶行为引起的不稳定交通流的结果。自动化的纵向车辆运动只有5%的所有汽车在流可以消除幻影交通堵塞。然而,当人类驾驶员需要从自动化系统接管控制时,驾驶自动化会带来安全问题。我们研究是否幻影交通堵塞可以溶解使用触觉共享控制。这使人类处于循环中,从而绕过了人类接管控制能力有限的问题,同时受益于自动化的大多数优势。在驾驶模拟器中有24名参与者的实验中,我们测试了触觉共享控制对交通流动态的影响,并将其与手动控制和全自动控制进行了比较。我们还研究了两种控制类型对模拟无声自动化故障期间参与者行为的影响。结果表明,触觉共享控制可以帮助消除幻影交通堵塞比完全手动控制,但不如完全自动化。我们还发现,与完全自动化相比,触觉共享控制减少了由无声自动化故障引起的不安全情况的发生。我们的研究结果表明,触觉共享控制可以消除虚幻的交通堵塞,同时防止与全自动化相关的安全风险。
2022-12-22 cs.HC cs.RO
Safe and Stable Teleoperation of Quadrotor UAVs under Haptic Shared Autonomy
Boston University(波士顿大学);Mechanical Engineering(机械工程学院)
该研究在触觉共享自主框架下,结合控制屏障函数与微分约束提出两种控制-力反馈设计路径,实现四旋翼无人机触觉遥操作的安全稳定,并通过仿真与实体实验验证方法特性。
2024-03-22 cs.RO
Haptic Shared Control in Steering Operation Based on Cooperative Status Between a Driver and a Driver Assistance System
Ritsumeikan University(立命馆大学)
触觉共享控制有望实现人类和自动化系统之间的顺利协作,因为触觉促进了相互通信。一种共享给定任务的方法对于实现有效的共享控制是重要的。因此,应考虑人类操作员和自动化系统之间的适当合作关系。本文提出了一种方法来评估操作员和自动化系统之间的合作状态,在触觉共享控制的转向操作使用伪功率对每个代理的扭矩和车辆的横向速度作为每个代理的贡献车辆运动。该方法允许我们基于两个轴来估计合作状态:主动持有者和两个代理之间的意图一致性。提出了一种基于估计的协作状态的车道保持辅助系统(LKAS)的控制方法,使驾驶员能够平稳地改变车道。提出了一种基于协作状态估计的增益整定控制方法,以降低意图不一致时辅助系统的伪功率。还提出了一种用于切换跟随车道以匹配驾驶员和辅助系统的意图的方法。使用驾驶模拟器进行用户研究,以证明所提出的方法的有效性。结果表明,所提出的方法有利于顺利驾驶员发起的车道变化,而不会显着影响驾驶员的扭矩或方向盘角度,同时显着提高车道保持性能。
2015-04-22 cs.RO
Towards Universal Shared Control in Teleoperation Without Haptic Feedback
FZI - Forschungszentrum Informatik(弗赖堡信息研究所);Department of Electrical Engineering, Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院电气工程系)
针对无触觉反馈遥操作问题,提出一种多目标优化共享控制方法,将用户输入转换为UR5e无碰撞轨迹并抑制液体晃动,平均规划延迟13毫秒,验证了实时性。
2025-07-05 cs.RO cs.SY eess.SY
Exploring Remote Collaborative Tasks: The Impact of Avatar Representation on Dyadic Haptic Interactions in Shared Virtual Environments
IEEE Publication Technology Group(IEEE出版技术组)
本文通过四种化身表征条件的双人触觉协作实验,发现伙伴化身能显著提升社会临场感,但化身不影响任务绩效与用力,凸显视觉与触觉融合对远程协作的价值。
2025-05-28 cs.HC cs.RO
Impedance Modulation for Negotiating Control Authority in a Haptic Shared Control Paradigm
University of North Carolina at Charlotte(北卡罗来纳大学夏洛特分校);University of Michigan(密歇根大学)
团队成员之间的沟通和合作可以通过身体互动得到显著增强。成功的合作需要将各个合作伙伴的意图纳入共同的行动计划,这可能涉及就意图和作用进行持续的谈判。本文提出了一种自适应触觉共享控制框架,其中人类驾驶员和自动化系统通过电动方向盘物理连接。凭借触觉反馈,驾驶员和自动化系统可以监控彼此的动作,并且仍然可以直观地表达他们的控制意图。本文的目的是开发一个自动化系统的系统模型,可以改变它的阻抗,使控制权可以直观地和顺利地在两个代理之间转换。为此,我们定义了一个代价函数,不仅确保了安全的协作任务,但也考虑到辅助行为的自动化系统。我们采用一种基于修正最小二乘法的预测控制器来调节自动化系统的阻抗,使得代价函数达到最优。结果表明,所提出的方法的意义,谈判的控制权,特别是当人类和自动化是在一个非合作模式。此外,自适应触觉共享控制的性能与传统的固定自动化阻抗触觉共享控制范例进行了比较。
2020-03-20 cs.RO cs.SY eess.SY
HARMONI: Haptic-Guided Assistance for Unified Robotic Tele-Manipulation and Tele-Navigation
University of Surrey, UK(英国萨里大学);University of Lincoln, UK(英国林肯大学);University of Huddersfield, UK(英国赫尔顿大学);University of Nottingham, UK(英国诺丁汉大学)
针对现有触觉引导遥操作任务受限、导航与操作分离导致认知负荷高的问题,提出集成9自由度从动臂与7自由度主端臂的HARMONI统一框架,经20人用户实验验证可在不增认知负荷下提升任务准确率与效率。
2025-06-16 cs.RO
Modeling and analysis of driver behavior under shared control through weighted visual and haptic guidance
Institute of Industrial Science, The University of Tokyo(东京大学生产技术研究所)
对于驾驶员自动化共享控制系统的最佳设计,在开发过程的早期,基于测量和建模对驾驶员行为的理解至关重要。本文提出了一种驾驶员模型,通过加权过程的视觉引导从前方道路和触觉引导从转向系统的车道跟随任务。建议的加权过程描述了驾驶员与触觉指导转向和驾驶员依赖它的相互作用。驾驶模拟器实验进行手动驾驶和触觉指导的模型参数识别。在考虑个体差异后,所提出的驾驶员模型在14名参与者中以令人满意的拟合优度匹配驾驶员输入扭矩。验证结果表明,模拟轨迹有效地遵循驾驶课程匹配的测量轨迹,从而表明,所提出的驾驶员模型是能够预测驾驶员的行为在触觉引导。此外,通过数值分析,考虑到不同的驾驶员状态和系统故障,不同程度的驾驶员依赖对驾驶性能的影响进行了评估。模型评估结果揭示了潜在的建议的驱动程序模型被应用在触觉引导系统的设计和评估。
2020-10-07 cs.HC cs.RO cs.SY
Cyber Racing Coach: A Haptic Shared Control Framework for Teaching Advanced Driving Skills
Department of Mechanical Engineering, University of Michigan(机械工程系,密歇根大学);Toyota Research Institute(丰田研究院)
本研究提出基于触觉共享控制的Cyber Racing Coach框架,含可协作的高性能自动驾驶系统与随表现渐隐的转向辅助机制,经人体实验验证,相比自学与全辅助基准更能帮助驾驶员习得优质赛车技能,提升表现与稳定性。
2025-10-04 cs.HC cs.RO
A Reinforcement Learning Framework for Safety-Aware Haptic Shared Control in Surgical Robotics
Institute of Control Systems, Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院控制研究所)
本研究针对手术机器人触觉共享控制的几何安全影响问题,构建两智能体合作马尔可夫博弈模型,采用无模型多智能体强化学习框架,对比MADDPG、rMAPPO与上方约束方法,为相关研究提供基准。
2026-10-14 cs.RO cs.SY eess.SY
Adaptive driver-automation shared steering control via forearm surface electromyography measurement
Institute of Industrial Science, The University of Tokyo(东京大学工业科学研究所);Technical University of Darmstadt(达姆施塔特工业大学)
共享转向控制已经开发出来,以减少驾驶员的工作量,同时保持驾驶员在控制回路。驾驶员可以整合来自前方道路的视觉感知信息和来自方向盘的触觉感知信息,以实现更好的驾驶性能。以往的研究表明,与自适应自动化的权威,固定自动化的权威并不总是适当的人的因素。设计了一种基于驾驶员前臂表面肌电(sEMG)测量的自适应共享转向控制系统,并评估了该系统在双车道变换任务中对驾驶员行为的影响。共享转向控制通过触觉引导系统实现,触觉引导系统在方向盘上提供主动辅助扭矩。10名受试者参加了高保真驾驶模拟器实验。两种类型的自适应算法进行了研究:触觉指导减少驾驶员的握力增加(HG-减少),和触觉指导增加驾驶员的握力增加(HG-增加)。这两种算法进行了比较,手动驾驶和两个级别的固定权限触觉指导,共五个实验条件。驾驶系统的评价是基于两组因变量:驾驶员行为的客观措施和驾驶员工作量的主观措施。结果表明,自适应权限的HG-减少产生较低的驾驶员工作量和减少车道偏离的风险相比,手动驾驶和固定权限的触觉引导。
2020-09-09 cs.HC cs.RO cs.SY
Multimodal Shared Autonomy for Social Navigation Assistance of Telepresence Robots
Worcester Polytechnic Institute(伍斯特理工学院)
移动远程呈现机器人(MTR)在不断扩大的远程工作世界中越来越受欢迎,为人们积极参与远程活动提供了新的途径。然而,由于有限的情况感知和狭窄的视场,操作MTR的人通常难以在人口密集的环境中导航,这降低了用户的接受度和满意度。共享自主导航主要在静态环境或只有一个行人与机器人交互的情况下进行了研究。我们提出了一种多模式共享自治的方法,利用视觉和触觉指导,在人口稠密的环境中为远程操作员提供导航帮助。它使用了一种修改形式的倒数速度障碍,以产生安全的控制输入,同时考虑到社会化学的约束。两种不同的视觉引导设计,以及触觉力渲染,提出了传达安全的控制输入。我们进行了一项用户研究,比较的优点和局限性的多模式导航辅助触觉或视觉辅助单独在一个共同的导航任务。该研究涉及15名参与者在一个有移动行人的虚拟大厅中操作虚拟远程呈现机器人,使用不同的辅助方式。我们评估了导航性能、透明度和合作以及用户偏好。我们的研究结果表明,参与者更喜欢多模式辅助视觉引导轨迹触觉或视觉方式单独,虽然它对导航性能没有影响。此外,我们发现,视觉引导轨迹传达了更高程度的理解和合作比等效的触觉线索在导航任务。
2022-10-17 cs.HC cs.RO
Effect of Adaptive and Fixed Shared Steering Control on Distracted Driver Behavior
Corpy & Co., Inc.(Corpy公司);The University of Tokyo(东京大学)
驾驶员分心是全世界交通事故的众所周知的原因。研究表明,共享转向控制,主动提供触觉引导扭矩的方向盘上,有效地提高了分心的驾驶员的性能。最近,基于驾驶员的生理状态的自适应共享转向控制已经被开发出来,尽管其对分心的驾驶员行为的影响仍然不清楚。为此,进行了一项高保真驾驶模拟器实验,涉及18名参与者进行双车道变换。实验条件包括两种驾驶员状态:注意力集中和分心。在每种条件下,评估进行了三种类型的触觉指导:无(手动),固定的权力,自适应权力的基础上反馈的前臂表面肌电图的驱动程序。评估结果表明,对于专心和分心的司机,触觉指导与自适应权力产生较低的驾驶员工作量和减少车道偏离风险比手动驾驶和固定的权力。此外,分心的驾驶员倾向于降低方向盘上的抓地力,以遵循具有固定权限的触觉引导,从而导致相对较短的双车道变换持续时间。
2021-06-07 cs.HC cs.RO cs.SY
Model-based Evaluation of Driver Control Workloads in Haptic-based Driver Assistance Systems
Worcester Polytechnic Institute(伍斯特理工学院);Toyota Motor North America(丰田汽车北美公司)
本研究提出了一种新的方法来建模和仿真人车交互,以研究自动驾驶系统(ADS)对驾驶性能和驾驶员控制工作量的影响。现有的驾驶员ADS交互研究依赖于模拟或真实世界的人类驾驶员实验,这些实验在提供驾驶员动态交互和控制工作负载的客观评估方面受到限制。我们的方法利用一个集成的基于人体模型的主动驾驶系统(HuMADS)来模拟车辆超车任务中驾驶员模型和基于触觉的ADS之间的动态交互。两个驾驶员手臂转向模型开发紧张和放松的人类驾驶员的条件下,并验证了对实验数据。我们进行了一项模拟研究,以评估三种不同的触觉共享控制条件(基于控制冲突的存在和类型)对超车任务性能和驾驶员工作量的影响。我们发现,无冲突共享控制方案可以提高驾驶性能并减少控制工作量,而冲突方案会导致不安全的操纵和增加工作量。这些研究结果,这是一致的实验研究,证明了我们的方法,以改善未来的ADS设计更安全的驾驶员辅助系统的潜力。
2022-10-24 cs.RO
Intention-Based Lane Changing and Lane Keeping Haptic Guidance Steering System
Institute of Industrial Science, the University of Tokyo(东京大学工业科学研究所)
触觉引导在共享转向辅助系统中的应用,由于其在车辆控制中的相互通信能力,引起了智能车辆领域的广泛关注。通过在方向盘上施加连续扭矩,驾驶员和支撑系统可以共享车辆的横向控制。然而,目前的触觉引导转向系统在辅助变道方面存在一些不足。本研究探索一种新的转向交互方法,包括基于意图的触觉共享转向系统的设计和评价。这种基于意图的方法可以通过检测驾驶员车道变换意图来支持车道保持和车道变换辅助。通过使用基于深度学习的方法对驾驶员关于车道交叉的决策时机进行建模,提出了用于实现转向控制系统的自适应增益控制方法。提出了一种意图一致性方法,用于检测驾驶员和系统是否朝着相同的目标轨迹运动,并准确地捕捉驾驶员意图。通过驾驶模拟器实验对系统性能进行了测试。参与者被要求进行六次有辅助方法的试验和一次没有辅助的试验。结果表明,该支持系统降低了车道保持任务中的车道偏离风险,能够支持快速稳定的换道机动。
2020-11-15 cs.AI cs.HC cs.LG
Generation of Time-Varying Impedance Attacks Against Haptic Shared Control Steering Systems
University of Michigan-Dearborn(密歇根大学迪尔伯恩分校)
本文针对车辆HSC转向系统的信息物理安全问题,提出通过合成非无源时变阻抗目标动力学生成攻击指令的方法,经仿真验证可破坏人机交互动力学稳定性,揭示了新型攻击的破坏能力。
2023-07-07 cs.RO cs.SY eess.SY
Stable Haptic Teleoperation of UAVs via Small $L_2$ Gain and Control Barrier Functions
Boston University(波士顿大学)
我们提出了一种新的触觉遥操作方法,不仅考虑了安全性,但也遥操作系统的稳定性。具体来说,我们建立在以前的工作上的触觉共享控制,它使用控制障碍功能(CBF)生成一个参考触觉反馈,通知人类操作员的内部状态的系统,帮助他们安全地导航机器人,而不带走他们的控制权。至关重要的是,在这种方法中,呈现给用户的力并不直接反映在机器人的运动中(机器人仍然由用户直接控制);然而,该领域以前的工作忽略了考虑通过用户的反馈回路,可能导致不稳定的闭合轨迹。在本文中,我们介绍了一个微分约束的渲染力,使系统的有限增益$L_2$稳定的约束结果在一个二次约束二次规划(QCQP),我们提供了一个封闭形式的解决方案。我们的约束是相关的,但比以前的文献中使用的典型的被动约束限制性较小。我们进行了一个实验模拟中,一个人类操作员飞行的无人机附近的障碍物来评估所提出的方法。
2021-03-22 cs.RO
Optimal data pooling for shared learning in maintenance operations
Eindhoven University of Technology(埃因霍温理工大学)
针对状态视情维护与备件管理中高维马尔可夫决策过程求解难的问题,提出将其降为二维MDP的分解方法,验证了数据池化可显著降本,并明确两类问题分别对应控制限、订货点至水平的最优策略。
2023-11-06 cs.LG math.PR
Effects of Different Hand-Grounding Locations on Haptic Performance With a Wearable Kinesthetic Haptic Device
Stanford University(斯坦福大学);Kyoto University(京都大学)
将动觉反馈接地到用户的手可以增加触觉设备的便携性和可穿戴性。然而,不同的手接地位置对用户的触觉感知的影响是未知的。在这封信中,我们调查了三个不同的手接地位置的手,食指近节指骨,食指中节指骨上的触觉感知使用一种新设计的可穿戴触觉设备的影响。该新型装置可以在两个方向上向用户的食指提供动觉反馈:沿着手指轴和手指的屈伸运动方向。我们测量用户的触觉感知每个接地位置通过心理物理实验的两个反馈方向。结果表明,在所研究的位置,接地在近节指骨有一个较小的平均只是明显的差异,两个反馈方向,表明更敏感的触觉感知。基于用户评级的触觉反馈的真实性是最高的,其中在中节指骨处接地用于沿着手指轴的反馈,并且在近节指骨处接地用于在屈曲-伸展方向上的反馈。用户将触觉反馈识别为最舒适的,其中在手背处接地以用于沿着手指轴的反馈,并且在近端指骨处接地以用于在屈曲-伸展方向上的反馈。这些研究结果表明,接地位置的选择对用户的触觉感知和定性体验有显着的影响。研究结果为设计下一代可穿戴手接地动觉设备提供了见解,以实现更好的触觉性能和用户体验在虚拟现实和遥控机器人应用。
2019-06-02 cs.RO physics.app-ph
Effects of Wrist-Worn Haptic Feedback on Force Accuracy and Task Speed during a Teleoperated Robotic Surgery Task
提出将触觉反馈转移至腕部以避免阻碍手部操作,实验表明腕戴式触觉反馈在遥操作机器人手术中显著降低了施力误差,但延长了任务时间。
2025-07-09 cs.HC cs.RO
Effect of Haptic Feedback on Avoidance Behavior and Visual Exploration in Dynamic VR Pedestrian Environment
Department of Mechano-informatics, The University of Tokyo(机械信息学系,东京大学);Department of Electrical Engineering, Stanford University(电气工程系,斯坦福大学);Department of Mechanical Engineering, Stanford University(机械工程系,斯坦福大学)
本研究通过用户实验探讨了VR拥挤行人环境中触觉反馈对用户行走行为的影响,发现触觉反馈能改变避障动作、增强侧后方感知与视觉探索,并提升对碰撞的敏感度。
2025-06-26 cs.HC cs.RO
Order-Optimal Regret in Distributed Kernel Bandits using Uniform Sampling with Shared Randomness
School of Electrical & Computer Engineering, Cornell University(康奈尔大学电气与计算机工程学院);Carnegie Mellon University(卡内基梅隆大学)
本文提出一种分布式核老虎机算法,通过本地均匀探索和与中央服务器的共享随机性,结合高斯过程稀疏近似,首次以次线性通信代价实现与集中式学习相同的最优遗憾阶。
2024-02-20 cs.DC cs.LG stat.ML
Low-Rank Single-Index Bandits with Unknown Links: From Matrices to Tensors
本研究提出T-ESTOR和T-BSTOR算法,解决低秩矩阵与张量老虎机中未知奖励链接的问题,分别实现最优遗憾界,并通过实验验证了结构化估计的优势。
2026-09-29 cs.LG stat.ML
Learning Safety Constraints from Demonstrations with Unknown Rewards
ETH Zurich(苏黎世联邦理工学院);University of Vienna(维也纳大学);Microsoft Research(微软研究院)
提出CoCoRL,在奖励和环境动态未知时从多奖励安全演示中推断CMDP共享约束,并保证安全、可收敛及跨环境迁移。
2024-03-02 cs.AI cs.LG stat.ML
Haptic Guidance and Haptic Error Amplification in a Virtual Surgical Robotic Training Environment
Stanford University(斯坦福大学);Hospital for Special Surgery(特种外科医院);University of Notre Dame(圣母大学);University of Washington(华盛顿大学);Ben-Gurion University of the Negev(内盖夫本-古里安大学);Intuitive Surgical Inc.(直觉外科公司);Case Western Reserve University(凯斯西储大学)
本研究探讨虚拟手术机器人训练中触觉引导与误差放大对手术新手学习表现的影响,发现误差放大力场能带来更大提升且学习未达平台期,而不同初始能力的学员从不同触觉训练中获益不同。
2023-09-11 cs.HC cs.RO
Learning Models for Shared Control of Human-Machine Systems with Unknown Dynamics
Northwestern University(西北大学);Rehabilitation Institute of Chicago(芝加哥康复研究所)
我们提出了一种新的方法来共享控制的人机系统。我们的方法假设没有系统动力学的先验知识。相反,我们通过使用Koopman算子从观察中学习用户交互的动态和信息。使用学习的模型,我们定义了一个优化问题来计算给定任务的最优策略,并将用户输入与最优输入进行比较。我们证明了我们的方法与用户研究的有效性。当演示数据来自用户自己的交互、一组用户的交互和领域专家时,我们还通过比较我们方法的有效性来分析学习模型的个体性质。积极的结果包括统计上的显着改善任务指标比较时,我们的共享控制模式的用户控制模式。令人惊讶的结果包括一些发现,这些发现表明,基于用户自己的数据对模型进行个性化并不会影响学习有用的动态系统的能力。我们将在讨论中进一步探讨这种紧张关系,因为它与开发人在环系统有关。
2018-08-24 cs.LG cs.RO
ArUcoGlide: a Novel Wearable Robot for Position Tracking and Haptic Feedback to Increase Safety During Human-Robot Interaction
Skolkovo Institute of Science and Technology(斯科尔科沃科学技术学院)
本文提出ArUcoGlide可穿戴机器人框架,融合标记跟踪、触觉反馈与APF避碰算法,在共享空间协作实验中缩短操作时间并增大人机安全距离。
2023-07-17 cs.HC cs.RO
Uncertainty-based Arbitration of Human-Machine Shared Control
本文提出基于自动化不确定性的机人类共享控制仲裁方法,通过调整自主级别提升任务完成的容错能力,实验显示共享控制方法在任务完成误差容忍度上提升超5倍。
2015-11-18 cs.RO cs.SY eess.SY
Simultaneous Achievement of Driver Assistance and Skill Development in Shared and Cooperative Controls
Ritsumeikan University(立命馆大学)
先进的驾驶辅助系统成功地减少了驾驶员的工作量并提高了安全性。另一方面,过度使用这种系统会阻碍驾驶技能的发展。然而,存在协作驾驶员辅助系统,包括共享和协作控制,其可以在适当的系统设置下促进辅助系统与人类操作员之间的有效协作。鉴于有效的协作设置,我们的目标是同时开发或保持驾驶技能,同时减少工作量。由于这种系统及其方法的研究很少,我们讨论了一种方法,考虑在技能培训领域的相关概念,应用共享和合作控制。通过触觉共享控制辅助的反向停车被呈现为在辅助期间提高性能的手段,而辅助之后的技能提高被用于展示通过减少工作量和技能提高来同时实现驾驶员辅助的可能性。
2019-07-01 cs.HC cs.RO
Enabling Shared-Control for A Riding Ballbot System
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本研究针对自平衡骑乘式球机器人PURE,提出基于新型被动人工势场的共享控制避障方法,经20名受试者实验验证,可在不影响速度的前提下减少碰撞、降低认知负荷,填补了辅助移动领域相关研究空白。
2024-09-11 cs.RO
A Study of Shared-Control with Force Feedback for Obstacle Avoidance in Whole-body Telelocomotion of a Wheeled Humanoid
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
远程操作已经成为完全自主系统的替代解决方案,用于在类人机器人上实现人类水平的能力。具体来说,具有全身控制的遥操作是一种很有前途的免提策略来命令类人机器人,但需要更多的体力和脑力。为了缓解这一限制,研究人员提出了共享控制方法,将机器人决策纳入其中,以帮助人类完成低级任务,进一步减少操作工作量。然而,共享控制方法的轮式人形telelocomotion在全身水平上还有待探索。在这项工作中,我们研究了全身反馈如何影响不同的共享控制方法在不同环境中避障的性能。提出了一种基于时间导数的S形函数(TDSF),以产生更直观的障碍物力反馈。进行了全面的人体实验,结果得出结论,力反馈增强了在陌生环境中的全身远程运动性能,但可能会降低在熟悉环境中的性能。通过触觉传达机器人的意图显示了进一步的改进,因为操作员可以利用力反馈进行短距离规划,并利用视觉反馈进行长距离规划。
2022-09-12 cs.RO
Human-centered Control of a Growing Soft Robot for Object Manipulation
Stanford University(斯坦福大学)
我们提出了一个用户友好的界面,遥操作软体机器人机械手在复杂的环境。该系统的关键组件包括一个具有抓取末端效应器的操纵器,该末端效应器通过尖端外翻、基于手势的控制和触觉显示向操作员提供反馈和指导。在最初的工作中,操作员使用软体机器人来建造一个积木塔,未来的工作将扩展到共享的自主场景,其中人类操作员和机器人智能都是完成任务所必需的。
2019-10-28 cs.RO
SPIRIT: Perceptive Shared Autonomy for Robust Robotic Manipulation under Deep Learning Uncertainty
SPIRIT通过结合深度学习的不确定性估计与触觉遥控,实现安全稳健的机器人操作,提升性能与可靠性。
2026-03-05 cs.AI cs.RO
Flying Together: Human-Guided Immersive Shared Control for Aerial Robot Teams in Unknown Environments
New York University(纽约大学);Ecole Polytechnique Federale de Lausanne(洛桑联邦理工学院);University of California Berkeley(加州大学伯克利分校)
本文提出了一种基于虚拟现实的共享控制框架,用于在约束和未知环境中操作无人机团队,通过实时用户引导探索,提升在无结构环境中的自主导航能力。核心方法是一种基于用户引导的运动原语规划器,结合阻抗控制器,使操作员能够灵活影响团队行为并引导无人机前往自主规划器可能忽略的感兴趣区域。
2026-05-20 cs.RO
Shared Telemanipulation with VR controllers in an anti slosh scenario
FZI - Forschungszentrum Informatik(FZI 信息技术研究中心);Institute of Control Systems, Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院 控制系统研究所)
本文提出一种基于非线性模型预测控制和低成本VR控制器的遥操作框架,在UR5e机械臂上验证了防液体洒出的共享遥操作,有效解决了传统遥操作透明度低、反馈有限及触觉设备成本高的问题。
2023-09-14 cs.RO cs.SY eess.SY
A Shared Control Approach Based on First-Order Dynamical Systems and Closed-Loop Variable Stiffness Control
Technical University of Munich(慕尼黑工业大学);TU Wien(维也纳工业大学);German Aerospace Center (DLR)(德国航空航天中心)
本研究提出一种基于一阶动力系统与变刚度动力系统的新型共享控制框架,可实现权限分配、运动修正与人机同步,在遥操作及目标到达任务中表现更优,获用户更高评价。
2023-07-19 cs.RO
Maintaining driver attentiveness in shared-control autonomous driving
Department of Computer Science, University of York(约克大学计算机科学系)
针对共享控制自动驾驶中驾驶员注意力维持问题,提出基于MAPE控制环路的自适应系统,结合深度神经网络分析注意力、经形式化验证的控制器规划警报与调速,并用概率模型检验综合控制器,以提升驾驶员注意力。
2021-02-05 cs.RO cs.SY eess.SY
Unknown Object Grasping for Assistive Robotics
DLR Institute of Robotics and Mechatronics(DLR机器人与机电一体化研究所);University of Edinburgh(爱丁堡大学)
本文提出一种面向辅助机器人的共享自主抓取流程,结合立体视觉实例分割与三维重建,由用户引导接近方向,并通过物理抓取规划在DLR EDAN平台上对10个未知物体实现87%的抓取成功率。
2024-05-04 cs.RO
SoftNash: Entropy-Regularized Nash Games for Non-Fighting Virtual Fixtures
Waseda University(早稻田大学)
SoftNash通过引入参数τ调节控制器自信度,实现非对抗性共享控制,提升舒适度和主体感。
2025-11-27 cs.HC cs.RO
HoloBots: Augmenting Holographic Telepresence with Mobile Robots for Tangible Remote Collaboration in Mixed Reality
University of Tsukuba(筑波大学);University of Calgary(卡尔加里大学)
本文提出HoloBots系统,通过同步全息用户运动与桌面移动机器人,实现混合现实中的有形远程协作,显著提升了用户的共存感和共享体验。
2023-07-30 cs.HC cs.RO
Shared-Control Teleoperation Paradigms on a Soft Growing Robot Manipulator
Kadir Has University(卡迪尔哈斯大学);University of Naples Federico II(那不勒斯费德里科二世大学);Stanford University(斯坦福大学);Washington State University(华盛顿州立大学);Purdue University(普渡大学);UC Santa Barbara(加州大学圣巴巴拉分校)
针对软体生长机器人自由度异于人类导致的控制分配问题,提出并评估六种共享控制遥操作范式,揭示自动化程度、操作者体验及触觉反馈对任务性能的影响。
2023-06-17 cs.RO
Cooperative Transportation using Multiple Single-Rotor Robots and Decentralized Control for Unknown Payloads
Cloud Informatics Research-Domain, Toyota Central R&D Labs., Inc.(丰田中央研究实验室云信息研究部门);R-Frontier Division, Frontier Research Center. Toyota Motor Corporation(丰田电机公司前沿研究中心R前沿部门)
本研究提出了一种基于刚性连接单旋翼机器人和分散控制的协同运输系统,通过反馈控制保证未知严格正实系统的渐近稳定性,并通过仿真与八机器人实验验证了其在未知负载及机器人故障条件下的运输能力。
2025-05-06 cs.RO
Multiperspective Teaching of Unknown Objects via Shared-gaze-based Multimodal Human-Robot Interaction
University of Tübingen(图宾根大学);Technical University of Munich(慕尼黑工业大学)
为了在多方面的情况下成功部署机器人,了解机器人及其环境是必不可少的。随着最先进的物体检测器性能的提高,机器人在其交互域内检测物体的能力也在增强。然而,它将机器人绑定到一些经过训练的类,并阻止它适应预定义场景之外的不熟悉环境。在这种情况下,人类可以在数量庞大的交互实体中帮助机器人,并通过充当教师来传授必要的专业知识。我们提出了一种新的管道,有效地利用人类的目光和增强现实在人机协作的上下文中教机器人在其周围环境中的新对象。通过交织凝视(引导机器人的注意力到感兴趣的对象)与增强现实(传达各自的类信息),我们使机器人能够快速获得大量的自动标记的训练数据自己。在一个迁移学习的方式训练,我们展示了机器人的能力,检测最近学习的对象和评估不同的机器学习模型和学习过程的影响,以及所涉及的训练数据的量。我们的多模态方法被证明是一种有效而自然的方法,可以根据一些实例来教授机器人新的对象,并允许它检测没有训练数据集的类。此外,我们将我们的数据集公开提供给研究社区,其中包括RGB和深度数据,内在和外在相机参数以及感兴趣的区域。
2023-03-01 cs.HC cs.RO
Shared Autonomy via Hindsight Optimization for Teleoperation and Teaming
Carnegie Mellon University(卡内基梅隆大学);National Research Council of Italy(意大利国家研究委员会)
在共享自治中,用户和自治系统一起工作以实现共享目标。为了有效地协作,自治系统必须知道用户的目标。因此,大多数先前的作品遵循预测然后行动的模型,首先以高置信度预测用户的目标,然后在给定目标的情况下提供帮助。不幸的是,在用户几乎实现目标之前,可能无法自信地预测用户的目标,这导致预测然后行动方法提供的帮助很少。然而,即使对于任何单个目标的置信度较低(例如,朝向多个目标移动),系统也通常可以提供有用的帮助。在这项工作中,我们通过将共享自治建模为部分可观察的马尔可夫决策过程(POMDP)来形式化这种见解,提供帮助,最大限度地减少未知目标的预期成本。由于最优地解决这个POMDP是棘手的,我们使用后见之明优化近似。我们将我们的框架应用于共享控制遥操作和人机合作。与预测然后行动的方法相比,我们的方法更快地实现目标,需要更少的用户输入,减少用户空闲时间,并导致更少的用户-机器人碰撞。
2017-06-01 cs.RO
Shared Autonomy via Hindsight Optimization
Carnegie Mellon University(卡内基梅隆大学)
在共享自治中,用户输入和机器人自治相结合,以控制机器人实现目标。通常,机器人并不知道用户想要实现的先验目标,并且必须预测用户的预期目标,并帮助实现该目标。我们制定的共享自治的问题,作为一个部分可观察的马尔可夫决策过程与用户的目标的不确定性。我们利用最大熵逆最优控制估计分布在用户的目标的基础上的历史输入。理想情况下,机器人通过解决一个最小化(未知)目标的预期成本的行动来帮助用户。由于求解POMDP来选择最优动作是棘手的,我们使用后见之明优化来近似解。在用户研究中,我们将我们的方法与标准的预测混合方法进行了比较。我们发现,我们的方法使用户能够更快地完成任务,同时利用更少的输入。然而,当被要求对每个系统进行评级时,用户的评估结果各不相同,理由是在保持控制权限和快速完成任务之间进行权衡。
2015-04-17 cs.RO
Toward Zero-Shot User Intent Recognition in Shared Autonomy
University of Utah(犹他大学)
针对共享自主中机器人需先验意图知识或大量演示才能辅助人类的问题,提出零样本纯视觉共享自主框架VOSA,结合末端视觉与混合控制,在用户研究中性能比肩有先验的基线,且更省力省时、受参与者偏好。
2025-01-14 cs.HC cs.RO
A Blended Human-Robot Shared Control Framework to Handle Drift and Latency
Northeastern University(东北大学)
如何最大限度地发挥人机协作团队在灾害响应和搜救任务中的作用仍然是一个具有挑战性的问题。这是由于环境的动态性、不确定性以及人类操作员认知性能的可变性。通过让自主智能体与操作员共享控制,我们可以通过增加操作员的输入并补偿导致性能下降的因素来实现接近最优的性能。但是,该解决方案没有考虑在灾难响应和SAR场景中操作时,在任务完成期间可能发生的潜在硬件故障所导致的人工输入延迟和错误。在本文中,我们提出了使用混合共享控制(BSC)架构来解决这些问题,并研究该架构的性能在约束,动态环境中的差分驱动机器人,有输入延迟和错误的里程反馈。我们进行了验证研究(n=12),我们的控制架构,然后在2个不同的环境中,是未知的人类操作员和自主智能体的用户研究(n=14)。结果表明,BSC架构可以防止冲突和提高运营商的性能,而不需要一个完整的控制转移之间的人类操作员和自主智能体。
2018-11-23 cs.RO
Human-Robot Mutual Adaptation in Shared Autonomy
Carnegie Mellon University(卡内基梅隆大学);National University of Singapore(新加坡国立大学)
共享自主性将用户输入与机器人自主性相结合,以控制机器人并帮助用户完成任务。我们的工作旨在提高这样一个人-机器人团队的性能:机器人试图引导人类走向一个有效的策略,有时违背人类自己的偏好,同时仍然保持他的信任。我们通过一个原则性的人-机器人相互适应的形式主义来实现这一点。我们将人类的有界记忆适应模型集成到部分可观察的随机决策模型中,使机器人能够适应适应性强的人类。当人类适应性强时,机器人会引导人类采取一个好的策略,也许人类事先不知道。当人类固执而不适应时,机器人会遵从人类的偏好,以保持他们的信任。在共享自治设置中,与许多其他常见的人机协作设置不同,只有机器人的动作可以改变世界的物理状态,人类和机器人的目标并不完全可观察。我们解决这些挑战,并显示在人类受试者的实验中,提出的相互适应形式主义提高人类-机器人团队的性能,同时保持高水平的用户信任的机器人,相比,有机器人严格遵循参与者的偏好的常见方法。
2017-01-26 cs.RO
Interactive OT Gym: A Reinforcement Learning-Based Interactive Optical tweezer (OT)-Driven Microrobotics Simulation Platform
Department of Bioengineering, Imperial-X Initiative, Imperial College London(生物工程系、Imperial-X计划、帝国理工学院伦敦)
针对光镊协同微操作难题,提出基于强化学习的Interactive OT Gym仿真平台,集成触觉反馈与上下文感知共享控制策略,实现人机控制自适应混合,在细胞操作任务中将完成时间缩短约67%且成功率达100%。
2025-05-30 cs.AI cs.RO
Learning Stable Robot Grasping with Transformer-based Tactile Control Policies
Italian Institute of Technology(意大利技术研究院);University of Genoa(热那亚大学);National University of Singapore(新加坡国立大学);Institute for Infocomm Research (IR), A*STAR(新加坡科技研究局信息通信研究所);King’s College London(伦敦国王学院)
本文提出改进版稳定抓取任务,针对重心未知且移动的物体,利用基于Transformer的端到端强化学习同时优化重新抓取位置和抓取力,并在仿真与真实环境中实现零样本迁移。
2024-07-30 cs.RO
A Barrier Pair Method for Safe Human-Robot Shared Autonomy
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
共享自治提供了一个框架,其中人类和自动化系统(如机器人)共同控制系统的行为,从而为各种应用(包括人机交互)提供有效的解决方案。然而,在共享自治的一个具有挑战性的问题是安全性,因为人类的输入可能是未知的和不可预测的,这影响了机器人的安全约束。如果人类输入是通过与机器人的物理接触施加的力,它也会改变机器人的行为以保持安全。我们提出了一个两层的控制框架,以解决在实时应用程序中的共享自治的安全问题。在第一层中,我们使用人类输入测量的历史来推断人类希望机器人做什么,并根据该推断来定义机器人的安全约束。在第二层中,我们制定了一个快速探索的随机树的障碍对,与每个障碍对组成的障碍函数和控制器。使用这些屏障对中的控制器,机器人能够在人类输入的干预下保持其安全操作。该控制框架允许机器人帮助人类,同时防止他们遇到安全问题。我们证明了所提出的控制框架上的两连杆机械手机器人的模拟。
2021-12-01 cs.RO math.OC
TOAST: Trajectory Optimization and Simultaneous Tracking using Shared Neural Network Dynamics
Agency for Defense Development(国防发展局);Ground Technology Research Institute(地面技术研究院)
神经网络越来越多地应用于模型预测控制器(MPC)中,以控制非线性动态系统。然而,MPC仍然提出了一个问题,即可实现的更新速率不足以应付模型的不确定性和外部干扰。在本文中,我们提出了一种新的控制方案,可以设计一个最佳的跟踪控制器使用的神经网络动态的MPC,使其有可能被应用为任何现有的基于模型的前馈控制器的即插即用扩展。我们还描述了我们的方法如何处理包含历史信息的神经网络,它不遵循一般形式的动态。所提出的方法进行评估,其在经典的控制基准与外部干扰的性能。我们还扩展了我们的控制框架,以应用于具有未知摩擦的激进自动驾驶任务。在所有的实验中,我们的方法优于比较方法的大幅度。我们的控制器也表现出较低的控制抖振水平,表明我们的反馈控制器不干扰MPC的最优命令。
2022-07-14 cs.RO cs.SY eess.SY