Mobile Manipulator for Autonomous Localization, Grasping and Precise Placement of Construction Material in a Semi-structured Environment
Czech Technical University in Prague(布拉格捷克理工大学);New York University(纽约大学);University of Pennsylvania(宾夕法尼亚大学)
移动机械手有可能彻底改变现代农业,物流和制造业。在这项工作中,我们提出了一个基于地面的移动机械手的自动化结构装配的设计。该系统能够在半结构化环境中自主定位、抓取、运输和部署建筑材料。特别努力使系统对照明变化保持不变,并且不依赖于外部定位系统。因此,所提出的系统是独立的,并且能够在室外和室内条件下操作。最后,我们提出的方法来扩大感知半径的车辆使用它与一个自主的无人机,提供空中侦察合作。所提出的系统的性能进行了评估,在现实世界的条件下进行了一系列的实验。
2020-11-16 cs.RO
Priority-based coordination of autonomous and legacy vehicles at intersection
本文提出一种基于优先级的协调方法,支持传统车辆安全通过交叉口,同时保持无碰撞和死锁特性。
2014-09-26 cs.RO cs.SY eess.SY
Guiding vector fields for the distributed motion coordination of mobile robots
我们建议协调引导向量场,以实现两个任务,同时与一组机器人:第一,指导和导航的多个机器人可能不同的路径或表面通常嵌入在2D或3D;第二,他们的运动协调,同时跟踪其规定的路径或表面。运动协调由路径或表面上的机器人之间的期望参数位移定义。通过控制引导矢量场之间的虚拟坐标来实现这种期望的位移,该虚拟坐标对应于路径或表面的参数。由动力系统理论和李雅普诺夫理论支持的严格的数学保证提供了有效的分布式运动协调和导航的机器人的路径或表面从所有初始位置。作为实际机器人应用的一个例子,我们从建议的协调指导向量场的Dubins汽车模型与驱动饱和得到一个控制算法。我们提出的算法是分布式的,可扩展到任意数量的机器人。此外,大量的说明性仿真和固定翼飞机的室外实验验证了我们的算法的有效性和鲁棒性。
2022-10-30 cs.RO cs.SY eess.SY
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
Priority-based coordination of mobile robots
MINES ParisTech(巴黎矿业学院);LAAS(系统分析与架构实验室)
本文研究了在交叉口协调多个移动机器人的问题,提出通过规划优先级而非具体轨迹来实现更鲁棒的协调系统,适用于自动驾驶车辆等共享道路的场景。
2014-10-03 cs.RO cs.SY eess.SY
A Novel Navigation System for an Autonomous Mobile Robot in an Uncertain Environment
Anhui Polytechnic University(安徽工程大学);Wuhu HIT Robot Technology Research Institute Co. Ltd(芜湖哈工大机器人技术研究院有限公司);Cranfield University(克兰菲尔德大学)
本文提出了一种新的导航系统,该系统采用自适应阈值聚类算法在滑动窗口中检测障碍物,利用决策树对检测到的障碍物进行分类,并采用简化的Mophin算法对潜在碰撞进行预测和最优路径搜索。与现有的机器人导航方法相比,该系统具有最优无碰撞路径、存储空间小、计算复杂度低等优点。仿真实验和八种场景下的机器人实验表明,该机器人能够有效地避免与周围环境中的任何静态或动态障碍物发生碰撞。
2020-06-08 cs.RO
Trust Through Transparency: Explainable Social Navigation for Autonomous Mobile Robots via Vision-Language Models
New York University, Tandon School of Engineering(纽约大学坦登工程学院);General Autonomy Inc.(通用自主公司)
本文提出一种多模态可解释模块,结合视觉语言模型和热图提升自主导航的透明度,通过自然语言总结使机器人感知、分析并表达观察结果,实验表明实时解释能提升用户信任和理解。
2025-04-07 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
VirTooS: A ROS 2 - Unity Virtualization Toolkit for Fleet Management of Autonomous Mobile Robots
Department of Electrical, Electronic and Information Engineering, University of Bologna(博洛尼亚大学电气、电子与信息工程学院)
本文提出VirTooS工具包,结合ROS 2与Unity引擎,支持自主移动机器人车队管理,可构建混合现实虚拟实验环境,实现真实与虚拟机器人交互,源代码将在GitHub公开。
2026-08-27 cs.RO
Compact Latent Coordination for Autonomous Vehicles at Unsignalized Intersections
Ben-Gurion University of the Negev(内盖夫本古里安大学)
针对无信号交叉口自动驾驶车辆协调难题提出MAPS分层DRL架构,主智能体生成编码全局策略的原型计划,工作智能体结合局部观测执行控制。实验表明MAPS能实现无碰撞导航、减少行驶时间,且原型计划泛化能力强。
2026-07-24 cs.AI cs.LG cs.MA
Digital Twin Enabled Runtime Verification for Autonomous Mobile Robots under Uncertainty
Aarhus University(奥胡斯大学)
针对不确定环境下自主移动机器人的可靠运行问题,提出基于数字孪生的运行时验证方法,通过TeSSLa生成监视器、云端数字孪生实时监测干预,有效提升机器人可靠性并将速度差异最多降低41%。
2024-12-13 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
UltraBot: Autonomous Mobile Robot for Indoor UV-C Disinfection
Skolkovo Institute of Science and Technology(斯科尔科沃科学技术研究院)
本文重点介绍了自主机器人UltraBot的开发,以减少COVID-19传播和其他有害细菌和病毒。这项研究背后的动机是开发这样一种机器人,它能够执行消毒任务,而不使用有害的喷雾剂和化学物质,这些化学物质可能会留下残留物,需要在很长一段时间后通风,并可能导致金属结构的腐蚀。UltraBot技术有可能提供最佳的自主消毒性能,同时照顾人们,使他们免受UV-C辐射。本文重点介绍了UltraBot的机械和电气结构以及低级和高级控制系统。进行的实验证明了机器人定位模块和UV-C消毒的最佳轨迹的有效性。UV-C消毒性能的结果显示,在UV-C照射10分钟后,在距离机器人2.8米的距离上,细菌总数(TBC)减少了94%。
2021-08-22 cs.RO
Review of Autonomous Mobile Robots for the Warehouse Environment
University of Nevada, Reno(内华达大学雷诺分校)
本文综述仓库AMR的硬件、机器人控制与系统控制进展及产业实例,指出其相较AGV的自主导航优势,并展望未来研究方向。
2024-06-12 cs.RO
MobileCharger: an Autonomous Mobile Robot with Inverted Delta Actuator for Robust and Safe Robot Charging
Skolkovo Institute of Science and Technology(斯科尔科沃科学技术研究院)
MobileCharger是一种新型的移动充电机器人,具有倒三角形致动器,用于两个移动机器人之间安全可靠的能量传输。基于RGB-D相机的计算机视觉系统允许使用卷积神经网络(CNN)检测目标移动机器人上的电极。嵌入式高保真触觉传感器被应用于基于接触表面上的压力数据使用CNN来估计充电器机构上的电极与主机器人上的电极之间的未对准。因此,所开发的视觉-触觉感知系统允许致动器的末端执行器的精确定位,并确保两个机器人的电极之间的可靠连接。实验结果表明,使用CNN的电极检测的平均精度高(84.2%)。基于CNN的电极搜索算法的成功率达到83%,平均执行时间为60 s。MobileCharger可以引入一个新的充电系统水平,并增加自主移动机器人的普及。
2021-07-23 cs.LG cs.RO
OPTIMA: Optimized Policy for Intelligent Multi-Agent Systems Enables Coordination-Aware Autonomous Vehicles
Bilibili Inc.(哔哩哔哩公司);Heinz College of Information Systems and Public Policy, Carnegie Mellon University(卡内基梅隆大学信息系统与公共政策学院)
提出分布式强化学习框架 OPTIMA,通过充分环境采样与多智能体算法交替优化,提升 CAVs 在复杂拥挤场景中的安全、高效协作及通用性。
2024-10-09 cs.LG cs.MA cs.RO
The interference immunity of the telemetric information data exchange with autonomous mobile robots
本研究针对自主移动机器人遥测数据交换,提出变熵扩频信号方法,理论分析与建模实验证明其干扰免疫性较正交信号相关处理至少改善2dB,具有实用价值。
2015-12-06 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
BrainWAM: Action-Space Coordination of Semantic Priors and Predictive Dynamics for Autonomous Driving
Institute of Automation, Chinese Academy of Sciences (CASIA)(中国科学院自动化研究所);Li Auto Inc.(理想汽车)
该研究针对自动驾驶中语义与预测动力学的规划需求,提出BrainWAM框架,通过结构化动作空间协调及异步整流流推理,在NAVSIM数据集上实现最优性能,优于仅VLA或仅WAM方法。
2026-08-20 cs.AI cs.CV cs.RO
Constrained Optimal Planning to Minimize Battery Degradation of Autonomous Mobile Robots
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
针对自主移动机器人电池退化问题,提出兼顾循环退化与日历老化、保障任务完成的约束最优规划优化框架,通过矩形分段线性近似线性化双线性问题,案例验证其可实现最优路径规划并减少电池老化。
2025-06-16 cs.RO cs.SY eess.SY
Coordinated Multi-Agent Reinforcement Learning for Unmanned Aerial Vehicle Swarms in Autonomous Mobile Access Applications
Korea University(高丽大学);Ajou University(亚洲大学)
本文针对自主移动接入场景,提出基于CTDE的多智能体深度强化学习方法,用单一神经网络集中训练多无人机协作,以最大化总服务质量。
2022-12-23 cs.AI cs.LG cs.MA
Multi-Agent Coordination in Autonomous Vehicle Routing: A Simulation-Based Study of Communication, Memory, and Routing Loops
Department of Computer Science(计算机科学系);The College of Wooster(沃斯特学院)
本研究通过引入对象内存管理(OMM)有效解决了多智能体自动驾驶中的路径循环问题,显著降低了平均旅行时间和等待时间,证明了持久共享内存对动态环境中多智能体协调的必要性。
2025-11-20 cs.LG cs.MA cs.RO
Prioritized Planning Algorithms for Trajectory Coordination of Multiple Mobile Robots
自主多机器人系统的一个重要性能是防止机器人之间的碰撞。解决这个问题的一种方法是规划无冲突的轨迹,并让每个机器人遵循其预先规划的轨迹。多机器人轨迹规划的一种实用方法是优先规划法,该方法在实践中已被证明是有效的,但在一般情况下是不完整的。通过优先规划可证明可解决的实例的正式分析仍然缺失。此外,优先规划是集中式算法,这在许多情况下可能是不期望的。在本文中,我们a)提出了一个修订版本的优先规划和特征的类的实例,可证明可解决的算法和b)提出了一个异步分散的优先规划的变体,它保持了集中式版本的理想属性,并在同一时间利用分布式计算能力的个人机器人,这在大多数情况下,允许找到关节轨迹更快。在真实室内地图上进行的实验评估表明,a)优先规划的修订版本可靠地解决了经典优先规划和流行的反应式技术ORCA失败的广泛类别的实例,b)异步分散算法提供的解决方案比以前提出的同步分散算法更快。
2014-09-08 cs.AI cs.MA cs.RO
Obstacle Avoidance for Autonomous Mobile Robots Based on Mapping Method
Hanoi University of Industry(河内工业大学);University of Economics - Technology for Industries(经济与技术工业大学)
近年来,移动机器人因其在各种环境中的应用而受到研究者的极大关注。移动机器人在穿越障碍物时,需要识别障碍物并生成新的轨迹以到达目的地。提出了一种基于开源的机器人操作系统(ROS)和动态窗口逼近(DWA)算法的移动机器人避障方法。实验是使用移动机器人进行的,其中导航数据是基于由激光扫描仪收集的数据。实验结果表明,该机器人能够在静态和动态障碍物环境中正常工作。
2021-09-14 cs.RO cs.SY eess.SY
SwarmDrive: Semantic V2V Coordination for Latency-Constrained Cooperative Autonomous Driving
Institute for Wireless Communication and Navigation(无线通信与导航研究所);RPTU University Kaiserslautern-Landau(科布伦茨-兰道大学)
SwarmDrive通过语义车辆间协调框架,在高不确定性时共享紧凑意图分布,并通过事件触发共识融合,提升协同自动驾驶性能,减少延迟并提高成功率。
2026-04-22 cs.AI cs.RO
Stochastic scheduling of autonomous mobile robots at hospitals
Faculty of Science, Kunming University of Science and Technology(昆明理工大学理学院);Business Analytics Research Center, Chang Gung University(长庚大学商业分析研究中心)
本文研究医院中受环境影响的自主移动机器人随机调度问题,通过改进禁忌搜索算法优化路线以最小化日常成本,实验证明其优于现有方法,能有效提升医疗资源利用率并降低成本。
2023-11-23 cs.RO math.OC
Learning-based social coordination to improve safety and robustness of cooperative autonomous vehicles in mixed traffic
本文提出基于多智能体强化学习的方法,通过量化自动驾驶车辆的社会偏好并引入利他主义,提升其在混合交通中与人类驾驶车辆协作的安全性和鲁棒性。
2022-11-22 cs.LG cs.RO
A CODECO Case Study and Initial Validation for Edge Orchestration of Autonomous Mobile Robots
fortiss - research Institute of the Free State of Bavaria associated with the Technical University of Munich (TUM)(拜恩施研究所以及慕尼黑技术大学)
本文通过案例研究比较CODECO与Kubernetes在自主移动机器人边缘编排中的性能,发现CODECO在CPU消耗和通信稳定性方面表现更优,但伴随内存开销和生命周期延迟的增加。
2025-11-11 cs.ET cs.NI cs.RO
Modeling and Control of an Autonomous Three Wheeled Mobile Robot with Front Steer
Autonomous Ground Vehicle Research Group(自主地面车辆研究组);Indian Institute of Technology (IIT) Kharagpur(印度理工学院(IIT)卡里格普尔);West Bengal, India(印度西孟加拉)
本文提出了一种自主三轮移动机器人的前轮转向建模与控制策略,设计了速度控制PID控制器并实现了数字控制框架,同时展示了轨迹控制框架,通过实验验证了系统模型并讨论了控制器性能与鲁棒性。
2016-12-05 cs.RO cs.SY eess.SY
Proposal of algorithms for navigation and obstacles avoidance of autonomous mobile robot
本文提出算法用于室内自主移动机器人导航与避障,利用激光雷达获取3D环境图像,通过改进的向量场直方图算法生成2D地图并控制轨迹跟踪,实验结果良好。
2016-11-28 cs.RO cs.SY eess.SY
Modeling and Analysis of Multi-Line Orders in Multi-Tote Storage and Retrieval Autonomous Mobile Robot Systems
Bristol Research and Innovation Laboratory, Toshiba Europe Ltd.(东芝欧洲有限公司布里斯托尔研究与创新实验室);Toshiba Corporation(东芝公司)
针对多料箱存取自主移动机器人系统的多线路订单处理需求,提出共享令牌多类别半开排队网络模型,验证了其高精度,并发现最近存取策略及增加机器人料箱缓冲位可减少所需机器人数量。
2024-07-08 cs.MA cs.RO
Jointly Assigning Processes to Machines and Generating Plans for Autonomous Mobile Robots in a Smart Factory
University of Southern California(南加州大学);University of Rochester(罗切斯特大学)
本文提出ACES求解器,联合优化智能工厂中工序到机器的分配与移动机器人路径规划,以最大化吞吐量,并可扩展到实际工业场景。
2025-02-28 cs.RO math.OC
Mantis: Enabling Energy-Efficient Autonomous Mobile Agents with Spiking Neural Networks
Technische Universität Wien (TU Wien)(维也纳工业大学);New York University Abu Dhabi (NYUAD)(纽约大学阿布扎比分校)
针对自主移动智能体低能耗与动态环境自适应的需求,提出Mantis方法,通过优化SNN操作、采用仿生在线学习机制和模型选择,在保持高准确率的同时显著降低内存占用和能耗。
2022-12-24 cs.AI cs.LG cs.NE
3DOF Pedestrian Trajectory Prediction Learned from Long-Term Autonomous Mobile Robot Deployment Data
University of Lincoln(林肯大学);University of Technology of Belfort-Montbéliard(贝尔福-蒙贝利亚技术大学)
提出了一种新的自主移动服务机器人3自由度行人轨迹预测方法。虽然大多数以前报道的方法是基于学习单目相机图像中的2D位置,但我们的方法使用测距传感器来学习和预测3DOF姿态轨迹(即世界坐标系内的2D位置加上1D旋转)。我们的方法T-Pose-LSTM(Temporal 3DOF-Pose长短期记忆)使用来自真实世界机器人部署的长期数据进行训练,旨在学习上下文相关(特定于环境和时间)的人类活动。我们的方法结合了长期的时间信息(即日期和时间)与短期的姿态观测作为输入。训练序列到序列LSTM编码器-解码器,将观察编码到LSTM中,然后解码为预测。对于部署,它可以实时执行动态预测。我们不使用手动注释的数据,而是依靠强大的人体检测,跟踪和SLAM系统,为我们提供全球坐标系中的示例。我们使用超过15 K的行人轨迹记录在一个护理院的环境中,在为期三个月的方法进行验证。实验表明,所提出的T-Pose-LSTM模型推进了最先进的基于2D的方法,用于长期移动机器人部署中的人类轨迹预测。
2017-09-30 cs.CV cs.RO
Tire Wear Aware Trajectory Tracking Control for Multi-axle Swerve-drive Autonomous Mobile Robots
Nanyang Technological University(南洋理工大学)
本文针对多轴全向驱动自主移动机器人提出一种考虑轮胎磨损最小化的模型预测控制方法,通过分层控制器和简化动力学模型实现实时求解,实验证明可在保持跟踪精度的同时显著降低轮胎磨损。
2025-06-05 cs.RO math.OC
Hierarchical Reinforcement Learning in Multi-Goal Spatial Navigation with Autonomous Mobile Robots
University of South Florida(佛罗里达州立大学)
本文通过多项实验对比分层强化学习与传统强化学习在复杂机器人导航任务中的表现,重点考察子目标创建方式、手动与自动创建差异及终止频率影响,证明了HRL的优越性及其实现机制。
2025-08-18 cs.AI cs.RO
Robust Fusion of LiDAR and Wide-Angle Camera Data for Autonomous Mobile Robots
Institute for Digital Technologies, Loughborough University(拉夫堡大学数字技术研究所)
协助人类完成日常生活任务的自主机器人正变得越来越受欢迎。自主移动机器人通过感知和感知周围环境来做出准确的驾驶决策。利用几种不同传感器的组合,例如LiDAR、雷达、超声波传感器和相机,来感测自动驾驶车辆的周围环境。这些异构传感器同时捕获环境的各种物理属性。这种多模态和冗余感测需要积极利用可靠和一致的感知环境通过传感器数据融合。然而,这些多模态传感器数据流在许多方面彼此不同,例如时间和空间分辨率、数据格式和几何对齐。对于后续的感知算法,利用多模态传感提供的多样性,数据流需要在空间上,几何上和时间上彼此对齐。在本文中,我们解决的问题,融合输出的光探测和测距(LiDAR)扫描仪和广角单目图像传感器的自由空间探测。LiDAR扫描仪和图像传感器的输出具有不同的空间分辨率,并且需要彼此对准。一个几何模型是用来空间对齐的两个传感器的输出,然后由高斯过程(GP)的回归为基础的分辨率匹配算法来插值缺失的数据与量化的不确定性。结果表明,所提出的传感器数据融合框架显着帮助后续的感知步骤,如不确定性感知的自由空间检测算法的性能改善所示
2018-08-23 cs.CV cs.RO
RCAMP: A Resilient Communication-Aware Motion Planner for Mobile Robots with Autonomous Repair of Wireless Connectivity
KTH Royal Institute of Technology(瑞典皇家理工学院);Purdue University(普渡大学);Sapienza University of Rome(罗马大学)
移动机器人,无论是自主的还是遥控的,都需要与基站进行稳定的通信以交换有价值的信息。考虑到无线电信号传播中的随机因素,如阴影和衰落,以及不可预测事件或硬件故障的可能性,通信丢失通常会在概率和影响方面带来重大的任务风险,特别是在城市搜索和救援(USAR)行动中。根据具体情况,断开连接的机器人要么被放弃,要么尝试自主回溯到基站。虽然最近的结果在通信感知运动规划可以用来有效地管理与机器人的连接,有没有结果集中在自主重新建立的无线连接的移动机器人没有回溯或使用详细的先验信息的网络。在本文中,我们提出了一个强大的和在线的无线电信号映射方法,使用高斯随机场,并提出了一个弹性的通信感知运动规划器(RCAMP),集成了上述信号映射框架与运动规划。RCAMP考虑了环境和机器人的物理约束,基于可用的感官信息。我们还提出了一种使用RCMAP的自我修复策略,该策略在通信丢失的情况下将连接性和目标位置都考虑在内。我们证明了所提出的规划器在一组现实的模拟勘探任务中的单通道或多通道的通信方案。
2017-10-18 cs.LG cs.NI cs.RO
Spatial-Temporal-Aware Safe Multi-Agent Reinforcement Learning of Connected Autonomous Vehicles in Challenging Scenarios
University of Connecticut(康涅狄格大学)
通信技术使互联车辆和自动驾驶车辆(CAV)之间能够协调。然而,如何利用共享信息来提高CAV系统在动态和复杂驾驶场景中的安全性和效率仍然不清楚。在这项工作中,我们提出了一个框架的约束多智能体强化学习(MARL)与并行安全盾的CAV在具有挑战性的驾驶场景,包括未连接的危险车辆。MARL的协调机制包括信息共享和协作策略学习,采用图卷积网络(GCN)-Transformer作为时空编码器,增强了Agent的环境感知能力。安全盾模块具有基于控制屏障功能(CBF)的安全检查功能,可防止座席采取不安全的操作。我们设计了一个受约束的多智能体优势行动者-批评者(CMAA 2C)算法来训练CAV的安全和合作策略。部署在CARLA模拟器的实验,我们验证了安全检查,时空编码器,并在我们的方法设计的协调机制的性能,通过比较实验,在几个具有挑战性的情况下,与未连接的危险车辆。结果表明,我们提出的方法显着提高系统的安全性和效率在具有挑战性的情况下。
2023-03-13 cs.AI cs.MA cs.RO
Fast Image-Anomaly Mitigation for Autonomous Mobile Robots
Sevensense Robotics AG;ETH Zürich(苏黎世联邦理工学院)
像下雨或灰尘这样的相机异常会严重降低图像质量及其相关任务,如定位和分割。在这项工作中,我们通过实施预处理步骤来解决这一重要问题,该预处理步骤可以有效地以实时方式减轻此类伪影,从而支持具有有限计算能力的自治系统的部署。我们提出了一个具有聚合的浅层生成器,在对抗环境中进行训练,以解决重建遮挡区域的不适定问题。我们添加了一个增强器来进一步保留高频细节和图像彩色化。我们还制作了一个最大的公开可用的训练器1来训练我们的架构,并使用逼真的合成雨滴来获得改进的模型初始化。我们在现有的数据集和我们自己的图像上对我们的框架进行基准测试,获得最先进的结果,同时实现实时的每一次测试,推理时间比现有方法快40倍。
2021-09-04 cs.AI cs.CV cs.RO
Modeling Curiosity in a Mobile Robot for Long-Term Autonomous Exploration and Monitoring
Woods Hole Oceanographic Institution(伍兹霍尔海洋研究所);McGill University(麦吉尔大学)
本文提出了一种新的方法来建模的好奇心在移动机器人,这是有用的监测和自适应数据汇集任务,特别是在长期自主任务的情况下,预先编程的任务可能有有限的效用。我们使用一个实时的主题建模技术来建立一个语义感知模型的环境,使用它,我们计划一个路径,通过在世界上的位置与高语义信息含量。所提出的感知模型的终身学习行为使其适合于长期的探索任务。我们使用模拟勘探实验,使用空中和水下数据验证的方法,并演示了在各种情况下的水水下机器人的实施。我们发现,所提出的探索路径,偏向于具有高主题困惑的位置,产生更好的地形模型,具有高的判别力。此外,我们表明,在Aqua机器人上实现的算法能够完成珊瑚礁检查,潜水员跟踪和海底勘探等任务,而无需任何事先培训或准备。
2015-09-26 cs.CV cs.LG cs.RO
Stochastic triangular mesh mapping: A terrain mapping technique for autonomous mobile robots
Stellenbosch University(斯泰伦博斯大学)
对于移动机器人在一般环境中自主操作,需要以密集度量地图的形式感知。为了这个目的,我们提出了随机三角网格(STM)映射技术:2.5-D表示的环境的表面使用三角形表面元素的连续网格,其中每个表面元素模型的平均平面和粗糙度的底层表面。与现有的映射技术相比,STM映射通过确保连续模型来对环境的结构进行建模,同时还能够以测量次数的线性计算成本进行增量更新。我们通过使用地标相对子地图来减少机器人姿态(位置和方向)的不确定性的影响。在测量和机器人姿态的不确定性占在地图更新过程中使用贝叶斯推理技术。我们证明了STM地图可以与生成点测量的传感器一起使用,例如光检测和测距(LiDAR)传感器和立体相机。我们表明,STM地图是一个更准确的模型比唯一可比的在线表面映射技术$\unicode{x2014}$一个标准的海拔地图$\unicode{x2014}$,我们也提供了定性的结果,在实际的数据集。
2020-02-28 cs.LG cs.RO stat.ML
DMV-AVP: Distributed Multi-Vehicle Autonomous Valet Parking Using Autoware
Faculty of Engineering(工程学院);Applied Science Ontario Tech University(应用科学奥本大学)
DMV-AVP基于Autoware实现多车自动驾驶代客泊车的分布式仿真,通过协调框架和视觉检测模块提升多车辆协同泊车能力。
2026-02-01 cs.AI cs.MA cs.RO
On the Interaction between Autonomous Mobility-on-Demand and Public Transportation Systems
Stanford University(斯坦福大学);Technical University of Munich(慕尼黑技术大学)
本文研究了自动驾驶出行即服务与公共交通系统的耦合模型及协调策略,通过网络流模型最大化社会福利,并设计定价与收费方案实现社会最优,以纽约市为例验证了协同效应。
2018-09-05 cs.RO cs.SY eess.SY
On the Interaction between Autonomous Mobility on Demand Systems and Power Distribution Networks -- An Optimal Power Flow Approach
Marain Inc.(Marain公司);Stanford University(斯坦福大学);eIQ Mobility(eIQ Mobility公司);SLAC National Accelerator Laboratory(SLAC国家加速器实验室)
在未来的交通系统中,电动自主移动按需(AMoD)车队的充电行为,即,为按需出行请求提供服务的电动自动驾驶汽车车队可能会挑战配电网络(PDN),导致过载或电压下降。在本文中,我们表明,如果PDN的操作约束和外源负载(例如,来自家庭或企业)在操作电动AMoD车队时被考虑。我们专注于系统级的角度来看,假设AMoD和PDN运营商之间的充分协调。从这个单一实体的角度来看,我们评估潜在的协调效益。具体来说,我们扩展了以前的结果,基于优化的建模方法,电动AMoD系统,共同控制电动AMoD车队和一系列的PDN,并分析负载平衡约束下的协调的好处。对于加利福尼亚州奥兰治县的案例研究,我们表明,电动AMoD车队和PDN之间的协调消除了99%的过载和50%的电压降,电动AMoD车队将导致在不协调的设置。我们的研究结果表明,协调电动AMoD和PDN可以帮助保持PDN的可靠性下增加的电动AMoD充电负载,从而显着减轻或推迟PDN容量升级的需要。
2021-02-02 cs.MA cs.RO cs.SY
On the interaction between Autonomous Mobility-on-Demand systems and the power network: models and coordination algorithms
Stanford University(斯坦福大学);University of California, Santa Barbara(加州大学圣巴巴拉分校)
本文研究了自主出行-on-demand系统与电力网络的相互作用,提出了一种模型来捕捉两者之间的耦合关系,并通过联合优化算法协调两个系统。
2019-06-08 cs.MA cs.RO cs.SY
InCoM: Intent-Driven Perception and Structured Coordination for Mobile Manipulation
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences(中国科学院大学先进交叉学科学院);AnyverseDynamics
InCoM通过意图驱动的感知和结构化协调框架,解决移动操作中基座与机械臂动作耦合及感知注意力分配问题,提升任务成功率。
2026-07-14 cs.RO
RoboSpan: Learning Modular Coordination Policies for High-DoF Whole-Body Mobile Manipulation with Teleoperation
Jiangnan University(江南大学);Linkerbot Beijing Technology Co., Ltd.(北京灵犀机器人科技有限公司)
本文提出 RoboSpan 平台及 HMF 框架,通过解耦动作空间、引入 COMET 与分层任务分解等方法,使 29 自由度全身移动操作任务成功率超主流基线 20%,提升了接触操作的稳定性与鲁棒性。
2026-10-15 cs.RO
CRAFT: Coaching Reinforcement Learning Autonomously using Foundation Models for Multi-Robot Coordination Tasks
Department of Mechanical Engineering, University of California Berkeley(机械工程系,加州大学伯克利分校)
提出CRAFT框架,利用大语言模型分解任务、生成奖励函数,并通过视觉语言模型优化,实现多机器人协调学习,在四足导航和双臂操作任务中验证有效性。
2026-06-05 cs.RO
Coordination of multiple mobile manipulators for ordered sorting of cluttered objects
Sogang Univ.(西江大学);Univ. of Michigan(密歇根大学)
本文提出一种多移动机械臂协调分拣方法,通过搜索满足顺序约束的分拣序列并结合贪心任务分配,高效解决杂乱环境中的非单调物体重排问题。
2023-10-09 cs.RO
ASC: Adaptive Skill Coordination for Robotic Mobile Manipulation
Georgia Institute of Technology(佐治亚理工学院);Meta AI
提出自适应技能协调(ASC)方法,通过技能库、协调策略和纠正策略实现机器人移动操作长时程任务,在八个真实环境零样本部署成功率达98%,显著优于顺序执行且对各类干扰具鲁棒性。
2023-11-19 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
ROBOCYCLE: Autonomous Dual-Arm Robotic Manipulation and Coordination for Recycling Applications
Tecnologico de Monterrey, School of Engineering and Sciences, Department of Computer Science(墨西哥蒙特雷理工大学工程学院与科学学院计算机科学系);National Institute of Advanced Industrial Science and Technology (AIST)(国家先进工业科学与技术研究院)
针对城市垃圾处理难题,介绍ROBOCYCLE平台,集成多视图RGB-D感知、基于变压器的实例分割及6自由度抓取规划,有效处理不规则和可变形垃圾,取得高成功率,为现实环境自主垃圾管理提供方案。
2026-07-07 cs.RO
Mobile Formation Coordination and Tracking Control for Multiple Non-holonomic Vehicles
Department of Automatic Control, Lund University(自动化系,吕勒奥大学)
本文针对非holonomic车辆在SE(2)上的轨迹跟踪和移动编队协调问题,提出了一种基于中间姿态变量的分阶段控制方法,并证明了严格刚体运动的编队条件,同时通过仿真和实验验证了所提控制器的性能。
2019-02-28 cs.MA cs.RO cs.SY