A Task Allocation Framework for Human Multi-Robot Collaborative Settings
Roma Tre University(罗马第三大学);University of Cassino and Southern Lazio(卡西诺和南拉齐奥大学)
现代生产系统的要求以及更先进的机器人技术促进了由人类和自主机器人组成的团队的整合。然而,随着潜在的好处也来的问题,如何有效地处理这些团队考虑到所涉及的代理的不同特点。为此,本文提出了一个框架,在人类多机器人协作的情况下任务分配。所提出的解决方案结合了最佳离线分配与在线重新分配策略,该策略考虑了离线计划的不准确性和/或不可预见的事件、人的主观偏好以及从一个任务切换到另一个任务的成本,以提高人的满意度和团队效率。实验的情况下,两个机械手与人类操作员合作,执行装箱任务。
2022-10-25 cs.RO
VIO-UWB-Based Collaborative Localization and Dense Scene Reconstruction within Heterogeneous Multi-Robot Systems
University of Turku(图尔库大学);École Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院(EPFL))
多机器人系统的有效协作需要精确和鲁棒的相对定位估计:从协作操作到协作感知,包括协作探索或协作运输。针对由地面机器人和微型飞行器(MAVs)组成的异构多机器人系统的稠密场景重建问题,提出了一种新的协作定位方法。我们解决了没有滑动时间窗口的完整相对姿态估计的问题,依靠基于UWB的测距和基于视觉惯性里程计(VIO)的自运动估计定位,同时利用激光雷达机载地面机器人在一个单一的参考系中的完整相对姿态估计。在操作期间,刚度特征值向系统提供反馈。为了解决在GNSS拒绝环境中的路径规划和避障的MAVs的挑战,我们保持地面机器人和MAVs之间的视线。由于能够进行密集重建的激光雷达具有有限的FoV,这给系统带来了新的约束。因此,我们提出了一种新的配方与Dubins多个旅行商问题的一个变种与邻域(DMTSPN),其中我们包括与地面机器人的有限FoV的约束。我们的方法进行了验证与模拟和实验与真实的机器人系统的不同部分。
2022-04-10 cs.RO
Safe Multi-Robot Collaborative Transport Using Density Functions
Indian Institute of Technology Mandi(印度理工学院曼迪分校);Clemson University(克莱姆森大学)
本文提出基于密度的分层MPC框架,使多台四足机器人仅凭初始和目标位姿协作推动物体,实现避障与目标收敛,并在MuJoCo中验证其优于基线方法。
2026-10-07 cs.RO
Skill Sequence Planning for Collaborative Multi-Robot Construction
Texas A&M University(德克萨斯A&M大学);Amazon Robotics(亚马逊机器人);University of Michigan(密歇根大学);University of Tennessee(田纳西大学)
本文提出一种技能序列规划方法,利用可复用技能和建造关系图,使异构多机器人团队协作完成建造装配,减少单独编程需求,提升部署灵活性。
2026-09-23 cs.RO
Coordinating robotized construction using advanced robotic simulation: The case of collaborative brick wall assembly
Technical University of Munich(慕尼黑工业大学)
本文提出一种多机械臂协作系统,通过仿真优化机器人基座、材料位置及配置,以最小化单个机械臂时间,实现高效砖墙装配。
2024-05-27 cs.RO
CoRelNav: Collaborative Relational Navigation for Multi-Robot Spatially Constrained Semantic Navigation
Beijing Institute of Technology(北京理工大学)
CoRelNav提出了一种将多机器人探索与候选驱动协作验证相结合的方法,用于空间约束语义导航,在模拟和真实机器人上验证了其有效性。
2026-09-24 cs.RO
Efficient Collaborative Navigation through Perception Fusion for Multi-Robots in Unknown Environments
Beijing National Research Center for Information Science and Technology, Tsinghua University(北京信息科学与技术国家研究中心,清华大学)
本文提出了一种基于感知融合的多机器人协作导航方法,通过图注意力架构和信息增益权重提升规划效率,实验证明在未知环境中显著提高导航效率和路径优化能力。
2024-11-02 cs.RO
Safety in human-multi robot collaborative scenarios: a trajectory scaling approach
University of Salerno(萨勒诺大学)
在本文中,设计了一种策略来处理多机器人场景中的人的安全。在所提出的框架中,可以预见,机器人负责执行任何合作的操作任务,这是由一个适当的任务函数参数化。设计的架构回答了越来越多的人与机器人之间的严格合作的需求,因为它配备了一个通用的多机器人细胞的功能,使机器人和人类一起工作。通过定义一个依赖于操作人员和机器人的相对位置和速度的安全指数,适当地处理了人的安全。然后,多机器人任务轨迹被适当地缩放,以确保人类安全永远不会低于给定的阈值,该阈值可以根据最小允许距离在最坏的条件下设置。仿真结果证明了该方法的有效性。
2021-07-16 cs.RO
CU-Multi: A Dataset for Multi-Robot Collaborative Perception
Autonomous Robotics and Perception Group at the University of Colorado Boulder(科罗拉多大学波尔得分校自主机器人与感知组);Robot Perception Lab at Carnegie Mellon University(卡内基梅隆大学机器人感知实验室);Aerospace Controls Laboratory at Massachusetts Institute of Technology(麻省理工学院航空航天控制实验室);Computer Science and Artificial Intelligence Laboratory at Massachusetts Institute of Technology(麻省理工学院计算机科学与人工智能实验室);Human-Aware Robotic Exploration Lab at University of California Santa Cruz(加州大学圣克ruz分校人感知机器人探索实验室)
针对多机器人协同感知基准测试缺乏专用数据集的问题,提出CU-Multi数据集,包含多天采集的同步多机器人轨迹、RGB-D、RTK GPS、语义LiDAR及精确里程计,支持可重复评估。
2026-06-11 cs.RO
Bilevel Learning for Dual-Quadruped Collaborative Transportation under Kinematic and Anisotropic Velocity Constraints
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
针对四足机器人各向异性速度限制与载荷运动学约束下的双机协同运输难题,提出双层学习方法BLCT,上层学协作策略、下层优化速度控制,在复杂场景中性能优于基线方法。
2024-12-11 cs.RO
Autonomous and Adaptive Role Selection for Multi-robot Collaborative Area Search Based on Deep Reinforcement Learning
Xi’an Jiaotong University(西安交通大学);Chang’an University(长安大学);Shandong University(山东大学)
本文提出基于分层多智能体深度强化学习的多机器人协同区域搜索方法,通过上层角色选择与智能角色切换机制交替促进探索和覆盖,实验验证了其可扩展性和泛化能力。
2023-12-04 cs.RO
Di-NeRF: Distributed NeRF for Collaborative Learning with Relative Pose Refinement
Toronto Metropolitan University(多伦多 Metropolitan 大学)
提出一种完全分布式的Di-NeRF算法,使多机器人协同优化NeRF参数并联合精化相对位姿,实现低精度位姿下的稳健3D建图,实验验证其效率。
2025-08-07 cs.RO
Simultaneous View and Feature Selection for Collaborative Multi-Robot Perception
Colorado School of Mines(科罗拉多矿业学院)
协作多机器人感知提供环境的多个视图,提供不同的视角以协作地理解环境,即使当单个机器人具有较差的视角或当障碍物导致遮挡时。这些多个观测必须被智能地融合以进行准确的识别,并且需要选择相关的观测,以便允许不必要的机器人继续观察其他目标。这个研究问题在文献中还没有得到很好的研究。在本文中,我们提出了一种新的方法来协作多机器人的感知,同时集成视图选择,特征选择,和对象识别到一个统一的正则化优化配方,它使用稀疏诱导规范,以确定最具代表性的意见和最具歧视性的功能模式的机器人。由于我们的优化公式是很难解决,由于引入非光滑的范数,我们实现了一个新的迭代优化算法,这是保证收敛到最优解。我们评估我们的方法,通过模拟和物理多机器人系统的案例研究。实验结果表明,我们的方法可以通过准确的对象识别和有效的视图和特征选择有效的协作感知。
2021-03-06 cs.CV cs.RO
Collaborative Perception in Multi-Robot Systems: Case Studies in Household Cleaning and Warehouse Operations
Columbia University(哥伦比亚大学)
本文探讨多机器人系统中的协同感知(CP)范式,通过共享整合传感器数据提升任务效率、覆盖范围与安全性,并基于家庭清洁和仓库运营两个案例验证了CP优于独立感知(SP)的协调与性能优势。
2024-08-26 cs.CV cs.RO
Consensus-based Resource Scheduling for Collaborative Multi-Robot Tasks
School of Computing, University of Georgia(佐治亚大学计算机学院)
本文提出将边缘计算与共识调度相结合的去中心化方法,用于多机器人协作任务,通过效用最大化选择资源,实现更低延迟、更高吞吐量和更好帧率。
2023-11-16 cs.NI cs.RO
UWB-Based Localization for Multi-UAV Systems and Collaborative Heterogeneous Multi-Robot Systems: a Survey
Fudan University(复旦大学);University of Turku(图尔库大学)
近年来,超宽带技术作为GNSS拒绝环境中的定位的鲁棒解决方案而出现。特别是,与其他无线定位解决方案相比,其高精度使更广泛的协作和多机器人应用场景成为可能,能够取代更复杂和昂贵的运动捕获区域,用于精度在几十厘米量级就足够的用例。我们提出了第一次调查的UWB定位集中在多无人机系统和异构多机器人系统。我们发现,以前的文献综述没有考虑深入的挑战,在空中导航和导航与多个机器人,而且在异构多机器人系统。特别是,据我们所知,这是第一次调查,以审查在UWB为基础的(i)方法,使特设和动态部署;(ii)协作定位技术;(iii)合作传感和合作机动,如无人机对接在移动平台上的最新进展。最后,我们还回顾了现有的数据集,并讨论了这种技术在GNSS拒绝环境中的本地化和多机器人系统中的协作的潜力。
2020-04-28 cs.RO eess.SP
Can a Robot Walk the Robotic Dog: Triple-Zero Collaborative Navigation for Heterogeneous Multi-Agent Systems
Yuanpei College, Peking University(北京大学元培学院);School of Computer Science, Peking University(北京大学计算机学院);School of Computer Science, Beijing University of Posts and Telecommunications(北京邮电大学计算机学院);Pengcheng Laboratory(鹏城实验室);Beijing Jinruyi Large Model Technology Co., Ltd.(北京金如意大模型科技有限公司)
本文提出三零路径规划框架,通过协调者-探索者架构实现无需训练、无需先验知识和无需模拟的异构多机器人系统协作导航,实验显示其在复杂环境中具有鲁棒性和适应性。
2026-03-27 cs.MA cs.RO
Collaborative Multi-Robot Non-Prehensile Manipulation via Flow-Matching Co-Generation
Carnegie Mellon University(卡内基梅隆大学);Amazon Robotics(亚马逊机器人)
本文提出一种统一框架,通过流匹配共生成与匿名多机器人运动规划,实现协作多机器人非抓取操作,提升复杂多物体环境下的操作效率。
2026-02-17 cs.MA cs.RO
Decentralized Ability-Aware Adaptive Control for Multi-robot Collaborative Manipulation
University of Edinburgh(爱丁堡大学);Shenzhen Institute for Artificial Intelligence and Robotics for Society(深圳人工智能与机器人研究院)
多机器人团队可以完成比单个机器人更灵巧、复杂和更重的有效载荷任务,但需要有效的协作。多机器人协作是极具挑战性的,由于不同的运动学和动力学能力的机器人,它们之间的有限的通信,以及系统参数的不确定性。在本文中,一个分散的能力感知自适应控制提出了解决这些挑战的基础上的两个关键特征。首先,共同的操作任务表示为建议的名义任务椭球,这是用来最大化每个机器人的力能力在线通过优化其配置。其次,分散自适应控制器的设计是李雅普诺夫稳定的异构驱动约束的机器人和不确定的物理参数的对象和环境。在所提出的框架中,分散的协调和负载分配的机器人之间实现没有通信,而只有控制不足的广播,如果任何机器人达到其力的限制。在这种情况下,以分散的方式修改对象参考轨迹以保证稳定的交互。最后,我们进行了几个数值和物理仿真分析和验证所提出的方法与异构多机器人团队的协作操作任务。
2021-02-07 cs.MA cs.RO
Efficient, Decentralized, and Collaborative Multi-Robot Exploration using Optimal Transport Theory
New Mexico Institute of Mining and Technology(新墨西哥矿业与技术学院)
提出了一种基于最优运输(OT)的分散式多机器人协作探索策略。该方法是在给定的域中实现具有预定义优先级的有效探索。在这种情况下,效率表示一组机器人(代理)如何覆盖域,反映域中相应的优先级图(或重要程度)。分散式探索意味着每个智能体在没有任何监督智能体/计算机的情况下独立地执行其探索任务。当一个代理在通信范围内遇到另一个代理时,每个代理都会收到关于哪些区域已经被其他代理覆盖的信息,从而产生协作探索。运用优选论理论对机器人轨迹形成的分布与给定的指示优先级的参考空间分布之间的差异进行量化。一个计算上可行的方法来衡量所提出的勘探计划的性能。此外,形式化算法提供了高效,分散,协同勘探计划。仿真结果验证了所提出的方法。
2020-09-29 cs.RO cs.SY eess.SY
CoCoL: A Communication Efficient Decentralized Collaborative Method for Multi-Robot Systems
College of Control Science and Engineering, Zhejiang University(控制科学与工程学院,浙江大学);Division of Decision and Control Systems, KTH Royal Institute of Technology(决策与控制系统系,皇家理工学院)
本文提出 CoCoL,一种基于镜像下降和梯度跟踪的通信高效去中心化多机器人协作学习方法,在非独立同分布、流数据和时变拓扑场景下显著降低通信开销并保持领先精度。
2025-08-28 cs.LG cs.MA cs.RO
Distributing Collaborative Multi-Robot Planning with Gaussian Belief Propagation
Imperial College London(帝国理工学院)
当许多机器人必须在狭小的空间中一起工作时,前向时间窗口上的精确协调规划可以实现安全和高效的运动,但这通常需要对所有设备进行集中控制,这很难扩展。我们展示了GBP规划,一个新的纯分布式技术的基础上高斯置信传播的多机器人规划问题,制定了一个通用的因素图定义动态和碰撞约束在一个向前的时间窗口。在模拟中,我们表明,我们的方法允许高性能的协作规划,机器人能够在繁忙,复杂的场景中相互交叉。即使在通信故障的情况下,它们也比其他分布式规划技术保持更短,更快和更平滑的轨迹。我们鼓励读者在https://youtu.be/8VSrEUjH610上观看随附的视频演示。
2023-01-26 cs.AI cs.MA cs.RO
Role Engine Implementation for a Continuous and Collaborative Multi-Robot System
本研究面向动态环境下的异构协作多机器人系统,开发了混合运行模式的角色引擎,结合高斯过程推理与环境骨架方法优化角色分配与动作流,经仿真和实物实验验证了可行性与效率。
2023-07-06 cs.MA cs.RO
Multi-Robot Collaborative Perception with Graph Neural Networks
New York University(纽约大学)
多机器人系统,如成群的空中机器人自然适合于提供额外的灵活性,弹性,和鲁棒性相比,在几个任务中的单个机器人,使代理之间的合作。为了提高自主机器人的决策过程和态势感知能力,多机器人系统必须协调它们的感知能力,以有效和有意义的方式收集、共享和融合环境信息,以准确地获得上下文相关的信息或获得对传感器噪声或故障的恢复能力。在本文中,我们提出了一个通用的图神经网络(GNN)的主要目标是增加,在多机器人感知任务,单机器人的推理感知精度以及传感器故障和干扰的弹性。我们表明,该框架可以解决多视图视觉感知问题,如单目深度估计和语义分割。几个实验都使用照片般真实的和真实的数据收集从多个空中机器人的观点表明,所提出的方法在具有挑战性的推理条件,包括图像损坏的严重噪声和相机遮挡或故障的有效性。
2022-01-23 cs.CV cs.RO
A Collaborative Robot-Assisted Manufacturing Assembly Process
University of Coimbra(科英布拉大学);CEMMPRE(CEMMPRE研究院);ARISE(ARISE研究院)
针对工业中协作机器人落地难的问题,研究对比人工与机器人辅助装配流程,验证其在三种运行模式下的效能,证实其能改善工效与操作便捷性且不显著增加装配时长,还具备工序引导功能。
2024-03-08 cs.RO
Human-robot Collaborative Navigation Search using Social Reward Sources
Institut de Robòtica i Informàtica Industrial (CSIC-UPC)(机器人与工业信息研究所(CSIC-UPC))
提出了一种用于人机协同导航任务--人机协同搜索的社会奖励源(SRS)设计。它是一种灵活的方法,能够处理协作任务,人机交互和环境限制,所有这些都集成在一个共同的环境中。我们根据未探索区域的可观察性和隔离度对任务奖励进行建模,并通过不同级别的人机通信对模型进行评估。通过对代理人的个人表现和参与者的感知定性调查的定量评价,验证了模型。之后,使用先前的度量将三个建议的通信级别相互比较。
2019-09-10 cs.RO
Human-in-the-loop Robotic Manipulation Planning for Collaborative Assembly
Osaka University(大阪大学);University of California, Santa Cruz(加州大学圣克鲁兹分校)
提出了一种面向人机协同装配的机器人操作规划器。与以往研究一个独立的、完全配备人工智能的自主系统的方法不同,本文探讨了机器人和人之间的子任务分配,并研究了一个用于协同装配的人在回路机器人系统。该系统通过利用机器人和人类的优势,避免他们的缺点,分配装配的子任务。系统中的机器人将执行拾取和放置任务,并为人类提供工件。人类合作者将工作的精细操作,如对齐,固定,拧,等约束为基础的增量操作规划方法,提出了产生的机器人的运动。所提出的系统的性能证明,要求一个人和双臂机器人协作组装一个内阁。实验结果表明,所提出的系统和规划器是有效的,高效的,可以帮助人类舒适地完成装配任务。
2019-09-25 cs.RO
Influence of collaborative customer service by service robots and clerks in bakery stores
CyberAgent, Inc.(CyberAgent公司);Osaka University(大阪大学)
近年来,各种服务机器人已被引入商店作为推荐系统。之前的研究试图通过提高这些机器人的社会接受度和信任度来增加它们的影响力。然而,当这种服务机器人在真实环境中向顾客推荐产品时,对顾客的影响不仅受机器人本身的影响,还受周围人(例如店员)的社会影响。因此,利用店员的社会影响力可以增加机器人对客户的影响力。因此,我们比较了两个面包店的机器人和店员之间的机器人和没有协同客户服务的影响。实验结果表明,协同客户服务提高了推荐面包的购买率,并改善了客户对机器人和商店体验的印象。由于结果还表明,店员与机器人合作所需的工作量并不高,因此本研究表明,所有配备服务机器人的商店在引入协同客户服务方面可能表现出很高的效率。
2022-12-20 cs.RO
A Framework for Learning Behavior Trees in Collaborative Robotic Applications
ABB Corporate Research(ABB企业研究院);KTH - Royal Institute of Technology(KTH皇家理工学院);ABB Robotics(ABB机器人)
在现代工业协作机器人应用中,期望自动地、直观地和时间有效地创建机器人程序。此外,机器人需要通过反应性策略来控制,以应对其运行环境的不可预测性。在本文中,我们提出了一个框架,结合了一种方法,学习行为树(BTs)从演示的方法,进化它们与遗传编程(GP)的协作机器人应用。本文的主要贡献是表明,通过结合这两种学习方法,我们得到了一种方法,允许非专家用户半自动,时间效率高,交互式生成BT。我们验证了一系列的操作实验的框架。BT在模拟中完全学习,然后转移到真正的协作机器人上。
2023-03-20 cs.RO
PACC: A Passive-Arm Approach for High-Payload Collaborative Carrying with Quadruped Robots Using Model Predictive Control
Istituto Italiano di Tecnologia (IIT)(意大利技术研究院);TU Darmstadt(达姆施塔特工业大学);Sao Paulo University (USP)(圣保罗大学)
本文提出一种基于内在阻抗被动臂的四足机器人协同搬运方法,采用去中心化模型预测控制器融合机械臂动力学与外力估计,在保障运动能力的同时提升负载效率并降低能耗,经人机与机器人协同搬运实验验证有效。
2025-03-07 cs.RO
KUKA Sunrise Toolbox: Interfacing Collaborative Robots with MATLAB
University of Coimbra(科英布拉大学)
协作机器人越来越多地出现在我们的生活中。配备KUKA日出.OS控制器的KUKA LBR iiwa是协作型/灵敏型机器人的典范。本文介绍了一个MATLAB工具箱,KUKA日出工具箱(KST),用于KUKA日出.OS与MATLAB的接口。KST包含联网、实时控制、点对点运动、参数设置器和获取器以及物理交互的功能。KST包括50多种功能,通过传输控制协议/互联网协议(TCP/IP)在与KUKA日出控制器连接的远程计算机上运行。在三个用例中展示了KST的潜力。
2017-09-05 cs.RO
SENSAR: A Visual Tool for Intelligent Robots for Collaborative Human-Robot Interaction
在智能机器人和人类之间建立共同点需要将机器人的意图、行为和知识传达给人类,以建立信任并确保共享环境中的安全。本文介绍了SENSAR(Seeing Everything iN Situ with增强现实),一个增强现实机器人系统,使机器人能够在真实世界的背景下与渲染的图形交流他们的感官和认知数据,允许用户理解,纠正和验证机器人对世界的感知。我们的系统旨在通过建立人类和机器人的感知对齐的共同点来支持人机交互研究。
2020-11-09 cs.RO
Collaborative Robot Learning from Demonstrations using Hidden Markov Model State Distribution
Rochester Institute of Technology(罗切斯特理工学院)
在机器人技术中,由于经验是昂贵的,因此需要一种交互式和快速的学习方法。机器人学习从示范(RLfD),使机器人学习的政策,从教师执行的演示。RLfD使人类用户能够以直观的方式向机器人添加新的功能,而无需明确地重新编程它。在这项工作中,我们提出了一种新的交互式框架,其中协作机器人从人类教师进行的演示中学习基于轨迹的任务技能。机器人从每个演示中提取特征,称为关键点,并使用隐马尔可夫模型(HMM)学习演示技能的模型。我们的实验结果表明,学习模型可以用来产生一个广义的轨迹为基础的技能。
2018-09-27 cs.RO
Leveraging Passive Compliance of Soft Robotics for Physical Human-Robot Collaborative Manipulation
Brigham Young University(杨百翰大学)
本文通过气动连续体软体机械臂与全向移动基座组成的系统,基准测试了大型软体机器人与人协作操控长形物体的能力,结果表明其表现可媲美人类非视觉跟随者,并挑战了软体机器人力量受限的传统认知。
2025-04-11 cs.RO
Hand Gesture Recognition for Collaborative Robots Using Lightweight Deep Learning in Real-Time Robotic Systems
Institut Teknologi Sepuluh Nopember(泗水理工学院)
本文提出一种仅22 KB、1,103参数的轻量级深度学习手势识别系统,可识别八种手势,经TensorFlow Lite量化剪枝后压缩至7 KB,并在ROS2框架下的UR5协作机器人上验证了实时手势控制的有效性。
2025-07-24 cs.RO
Integrating a Manual Pipette into a Collaborative Robot Manipulator for Flexible Liquid Dispensing
Osaka University(大阪大学);RIKEN(理化学研究所)
本文提出了一种系统集成的方法,为6自由度(自由度)的协作机器人操作移液器的液体分配。其技术发展有三个方面。首先,我们设计了一个端部执行器,用于固定和触发手动移液器。其次,我们利用了一个协作机器人,以识别实验室器皿的姿势和规划机器人运动的基础上,认识到的姿势。第三,我们开发了基于视觉的分类器来预测和纠正定位误差,从而将移液器精确地连接到一次性吸头上。通过实验和分析,我们证实了所开发的系统,特别是规划和视觉识别方法,可以帮助确保高精度和灵活的液体分配。该系统适用于低频率、高重复性的生化液体分配任务。我们希望它能促进实验室自动化的协作机器人的部署,从而提高实验效率,而无需显着定制实验室环境。
2022-07-04 cs.RO
A Dynamic Architecture for Task Assignment and Scheduling for Collaborative Robotic Cells
University of Modena and Reggio Emilia(摩德纳-雷焦艾米利亚大学)
在协作机器人单元中,人类操作员和机器人共享工作空间,以便执行由一组任务组成的共同作业。一个适当的分配和调度的任务,为人类和机器人是至关重要的,以实现高效的人机协作。为了处理人类的动态和不可预测的行为,并允许人类和机器人协商要执行的任务,一个两层的体系结构,用于解决任务分配和调度问题。第一层最优地解决任务分配问题,考虑标称执行时间。第二层,这是反应性的,适应在线的任务序列由机器人执行考虑偏离标称行为和来自人类和机器人的请求。在一个协同装配作业上对该体系结构进行了实验验证。
2021-04-29 cs.RO
Human-Robot Collaborative Carrying of Objects with Unknown Deformation Characteristics
Istituto Italiano di Tecnologia(意大利技术研究院)
在这项工作中,我们引入了一个自适应控制框架,用于人类与机器人协作运输具有未知变形行为的物体。建议的框架作为输入的触觉信息通过对象传输,和运动学信息的人体从运动捕捉系统获得的移动协作机器人上创建反应性全身运动。为了验证我们的框架实验,我们比较了它的性能与导纳控制器在一个部分可变形的物体的共同运输任务。我们还展示了框架的潜力,同时共同运输刚性(铝棒)和高度变形(绳)的对象。一个移动机械手,其中包括一个全方位的移动基地,协作机械臂,机械手被用作实验中的机器人合作伙伴。定量和定性的结果表明,该框架可以有效地处理对象的未知变形能力,并提供直观的援助,以人类的合作伙伴。
2022-07-21 cs.RO
Multi-agent Collaborative Perception for Robotic Fleet: A Systematic Review
Carnegie Mellon University(卡内基梅隆大学);University of Maryland(马里兰大学);Worcester Polytechnic Institute(伍斯特理工学院)
本综述总结20余篇协同感知研究,探讨测试评估框架,实验证明协同感知较单机器人感知性能提升超200%,并附开源仓库。
2024-03-22 cs.RO
An Optimization Approach for a Robust and Flexible Control in Collaborative Applications
University of Modena and Reggio Emilia(摩德纳与雷焦艾米利亚大学)
在人机协作中,机器人在高度动态的环境中运行。因此,关键是要保证系统在交互过程中的鲁棒稳定性,而且还要保证机器人行为的高度灵活性,以确保对协作场景的可变条件的安全性和反应性。在本文中,我们提出了一种控制架构,能够最大限度地提高机器人的灵活性,同时保证一个稳定的行为时,与环境的物理交互。这通过将基于能量罐的可变导纳架构与控制屏障功能相结合来实现。所提出的架构进行了实验验证的协作机器人。
2021-03-04 cs.RO
Air-Ground Collaborative Robots for Fire and Rescue Missions: A Survey from the Mapping and Navigation Perspective
Southern University of Science and Technology(南方科技大学);Jiaxing Research Institute, Southern University of Science and Technology(南方科技大学嘉兴研究院)
本文系统综述了空地协同机器人在消防救援中的建图与导航技术,提出UAV建图与UGV导航框架,分类分析不同配置的实用性,并指出挑战与未来研究方向。
2026-09-28 cs.RO
Robots and COVID-19: Challenges in integrating robots for collaborative automation
目的:回顾了装配应用中人机协作的现状,并提出了研究界和从业人员当前面临的主要挑战。背景:随着COVID-19疫情开始浮出水面,制造商面临应对需求挑战的压力。社会距离措施使得能够工作的人更少。在这种情况下,机器人被指向支持人类解决供应短缺。在制造业价值链中需要人工的一项重要活动是装配。HRC装配系统应该保护共存的人类,执行一系列动作,并且经常需要重新配置以处理产品多样性。这就要求它们在使用寿命期间具有弹性并能适应各种配置。除了使用机器人的潜在优势外,在工业装配中使用机器人的挑战也是巨大的。方法:这篇小型综述总结了装配应用中协作机器人工业部署的挑战。应用:记录的挑战突出了工业应用中人机交互的未来研究方向。
2020-06-01 cs.RO
Optimizing Collaborative Robotics since Pre-Deployment via Cyber-Physical Systems' Digital Twins
Politecnico di Milano(米兰理工大学)
本文提出在预部署阶段利用数字孪生和贝叶斯优化设计协作机器人单元,通过集成生产KPI实现数据驱动决策,从而获得更安全、高效和适应性强的协作环境。
2024-10-18 cs.RO
Demonstration of real-time event camera to collaborative robot communication
University of Coimbra(科英布拉大学);Politecnico di Torino(都灵理工大学)
本文演示了利用事件相机的高频轻量数据实时获取挥手位置并作为运动命令控制协作机器人,实测总延迟110毫秒,验证了事件相机用于实时机器人系统的可行性。
2024-07-16 cs.RO
A Laser-based Dual-arm System for Precise Control of Collaborative Robots
Idiap Research Institute(伊迪亚普研究所)
协作机器人以相对较低的成本提供增强的交互能力,但与工业机器人相比,它们不可避免地缺乏精确度。此外,除了机器人自身的不完美模型之外,日常操作还涉及各种错误来源,尽管这些错误很小,但会迅速积累。当任务发生变化和机器人重新编程时,通常需要耗时的校准。这些方面严重限制了协作机器人在要求高精度的任务(例如制表)中的应用。我们解决这个问题,依靠一个双臂系统与基于激光的传感来测量感兴趣的对象之间的相对姿态和补偿来自机器人本体感受的姿态误差。我们的方法利用先前的对象3D模型的知识,结合点云配准,有效地提取相关的姿态和计算校正轨迹。这将产生高精度的组件行为。该方法在穿针实验中得到了验证,具有150μm的线和300μm的孔,以及使用两个7轴Panda机器人的USB插入任务。
2021-03-25 cs.RO
A Collaborative Aerial-Ground Robotic System for Fast Exploration
The Hong Kong University of Science and Technology(香港科技大学);Beihang University(北京航空航天大学)
未知环境的自主探索已广泛应用于检查、监视、搜救等领域。在探测任务中,对机器人的基本要求是尽可能快地探测未知空间。在本文中,我们提出了一个自主的协作系统由一个空中机器人和地面车辆探索在未知的环境。将基于前沿面的方法与谐波场相结合生成路径,并针对地面机器人在障碍物中的安全性和动力学可行性,生成一条最小加加速度的分段Bezier曲线。对于空中机器人,采用运动基元法进行局部路径规划。我们实现了一个自主的协同空-地系统的建议框架。大量的现场实验以及模拟验证的方法,并证明其对每一个单一的车辆更高的效率。
2019-10-20 cs.RO
KittingBot: A Mobile Manipulation Robot for Collaborative Kitting in Automotive Logistics
University of Bonn(波恩大学)
个性化的汽车制造需要配套:为每辆汽车收集单独的零件变体。这种具有挑战性的物流任务通常由仓库管理员手动执行。我们提出了一个移动操作机器人系统的自主配套,建立在Kuka Miiwa平台,其中包括一个全向基地,一个7自由度的协同iiwa机械手,相机和距离传感器。已开发并集成了用于运输箱的检测和姿态估计、这些容器中的部件分割、部件变体识别、抓取生成和臂轨迹优化的软件模块。我们的系统专为协作配套而设计,即一些零件由仓库管理员收集,而其他零件则由机器人拾取。为了解决安全的人-机器人协作,快速手臂轨迹重新规划,考虑以前不可预见的障碍物实现。该系统在欧洲机器人挑战赛2中进行了评估,Miiwa机器人展示了自主配套,零件变体识别和避免不可预见的障碍物。
2018-09-14 cs.RO
CoViLLM: An Adaptive Human-Robot Collaborative Assembly Framework Using Large Language Models
The Pennsylvania State University(宾夕法尼亚州立大学)
本文提出CoViLLM框架,结合深度相机定位、人类操作员分类和大语言模型,实现定制化和新产品的自适应装配,通过NIST装配任务板验证,实验表明该框架提升了人机协作的灵活性。
2026-08-17 cs.RO
3D Hand-Eye Calibration for Collaborative Robot Arm: Look at Robot Base Once
Department of Mechanical and Production Engineering, Aarhus University(机械与生产工程系,奥胡斯大学);Department of Computer Science, Lund University(计算机科学系,卢德大学)
本文提出一种无需外部标定物的3D手眼标定方法,通过将机器人基座点云与扫描数据对齐,在14个品牌机器人臂上验证了其与商业方案相当的精度,并将标定时间缩短至数秒。
2025-05-09 cs.RO
Collaborative Radio SLAM for Multiple Robots based on WiFi Fingerprint Similarity
Singapore University of Technology and Design(新加坡科技设计大学);Southwest University of Science and Technology(西南科技大学);Nanyang Technological University(南洋理工大学)
同时定位与地图构建(SLAM)使自主机器人能够在未知环境中导航和执行任务。然而,利用单个机器人在大型环境中执行SLAM是低效的,并且视觉或基于LiDAR的SLAM需要计算上昂贵的特征提取和匹配算法。在本文中,我们提出了一种协作SLAM方法与多个机器人使用的普及WiFi无线电信号。提出了一种集中式的解决方案,以优化轨迹的基础上里程计和无线电指纹收集从多个机器人。为了提高定位精度,引入了一种新的相似性模型,该模型结合了接收信号强度(RSS)和接入点(AP)的检测可能性。我们进行了大量的实验,以证明所提出的相似性模型和协作SLAM框架的有效性。
2021-10-20 cs.RO
CoSTAR: Instructing Collaborative Robots with Behavior Trees and Vision
Johns Hopkins University(约翰斯·霍普金斯大学)
为了使协作机器人变得有用,不是机器人专家的最终用户必须能够指示它们执行各种任务。考虑到这一目标,我们开发了一个系统,用于最终用户创建具有广泛功能的强大任务计划。CoSTAR:任务自动化和识别协作系统是我们在汉诺威工业博览会2016年KUKA创新奖竞赛中的获奖作品,今年的重点是柔性制造。CoSTAR的独特之处在于它如何创建自然的抽象,使用感知来表示世界,用户可以理解并利用这种方式来编写有能力和强大的任务计划。我们基于行为树的任务编辑器将来自已知对象分割和姿态估计的高级信息与空间推理和机器人动作相集成,以创建强大的任务计划。我们描述了该系统的跨平台设计和实现多个工业机器人,并评估其适用于各种各样的用例。
2016-11-18 cs.RO
CoHaptics: Development of Human-Robot Collaborative System with Forearm-worn Haptic Display to Increase Safety in Future Factories
Skolkovo Institute of Science and Technology(斯科尔科沃科学技术研究院);University of Southern Denmark(南丹麦大学);University of Genoa(热那亚大学)
复杂的任务需要人类的协作,因为机器人没有足够的灵活性。然而,机器人仍然被用作工具,而不是协作系统。我们正在引入一个框架,以确保在人机协作环境中的安全性。该系统由一个触觉反馈显示器,低成本的可穿戴mocap,和一个新的避碰算法的人工势场(APF)的基础上。可穿戴光学运动捕捉系统能够在大工作区域以高精度和低延迟跟踪人手位置。这项研究评估了触觉反馈是否可以提高人机协作的安全性。三个实验进行了评估所提出的系统的性能。第一个评估人类的触觉设备在与机器人工具中心点(TCP)的互动。第二个实验分析了在即将发生碰撞时人类-机器人的行为。第三个实验评估了系统在共享工作环境中的协作活动。该研究表明,当控制回路中包括触觉反馈时,安全距离(机器人-障碍物最小距离)从12.39 cm增加到16.55 cm,增加了4.1 cm,并且当启用防撞算法时,机器人的路径减少了81%。
2021-09-13 cs.RO
Optimal Robot Path Planning In a Collaborative Human-Robot Team with Intermittent Human Availability
University of Waterloo(滑铁卢大学)
本文研究人类间歇可用的人机协作场景下机器人最优路径规划问题,提出基于预算和关键出发时间的新方法,在保证最优解的同时扩展了问题规模,并在城市路网上验证了其优于基线算法的性能。
2023-07-10 cs.RO
Collaborative Human-Robot Exploration via Implicit Coordination
Carnegie Mellon University(卡内基梅隆大学)
针对人机协作探索中目标通信效率低的问题,本文利用头盔式深度相机隐式传递感兴趣区域,并结合信息增益目标引导无人机在人类视角内规划,实现对难达区域的安全协作探索。
2022-09-19 cs.RO