The NUbots Team Description Paper 2015
The University of Newcastle（纽卡斯尔大学）
NUbots是一支来自澳大利亚纽卡斯尔大学的跨学科RoboCup团队。该团队在机器学习和计算机视觉领域有着强大的贡献历史。自2002年以来，NUbots一直参加RoboCup联赛，过去多次获得第一名。2014年，NUbots还与纽卡斯尔大学机电实验室合作，参加了RobotX海洋机器人挑战赛，这导致了NUbots机器人视觉系统的几个新的想法和改进。本文概述了NUbots团队的历史，描述了团队成员的角色和研究，概述了NUbots机器人及其软件系统，以及几个相关的研究项目。
2015-02-11 cs.RO
Hibikino-Musashi@Home 2020 Team Description Paper
Kyushu Institute of Technology（九州工业大学）
Hibikino-Musashi@Home（HMA）成立于2010年。它位于日本北九州科学研究园区。自2010年以来，我们每年都参加开放平台联赛（OPL）的RoboCup@Home日本公开赛。我们作为开放平台联赛球队参加了2017年名古屋RoboCup比赛，并作为国内标准平台联赛（DSPL）球队参加了2017年名古屋，2018年蒙特利尔和2019年悉尼RoboCup比赛。我们还参加了2018年世界机器人挑战赛（WRC）的伙伴机器人挑战赛（真实空间）的服务机器人类别，并获得了第一名。目前，我们有20名成员，来自九州工业大学内的8个不同的实验室。在本文中，我们介绍了我们的团队已经完成的活动和我们使用的技术。
2020-05-29 cs.RO
UruBots Autonomous Car Team Two: Team Description Paper for FIRA 2024
Technological University of Uruguay - UTEC（乌拉圭理工大学 - UTEC）
本文介绍UruBots面向FIRA 2024自动驾驶竞速赛的低成本迷你车，采用Raspberry PI4与CNN端到端驾驶，实验验证其轻量化赛道表现。
2024-06-13 cs.RO
FC Portugal 3D Simulation Team: Team Description Paper 2020
University of Aveiro（阿威罗大学）；Faculty of Engineering of the University of Porto（波尔图大学工程学院）；Institute of Electronics and Telematics Engineering of Aveiro（阿威罗电子与遥测工程研究所）；University of Porto（波尔图大学）
葡萄牙足球俱乐部3D球队是在我们以前的模拟联赛2D/3D球队和我们的标准平台联赛球队的结构上开发的。我们关于机器人低层次技能的研究集中在开发行为，可以应用于真正的机器人与最小的适应使用基于模型的方法。我们对高水平足球协调方法和团队合作的研究主要集中在将以前开发的方法从我们的2D足球队适应到3D人形环境，以及基于以前开发的方法创建新的协调方法。多年来，我们团队的研究型发展一直推动其成为最具竞争力的团队之一（2000年世界冠军和2002年教练冠军，2000年和2001年欧洲冠军，2003年和2004年教练第二名，2006年救援模拟和3D模拟欧洲冠军，2006年在不来梅举行的3D仿真世界冠军，2007年、2012年、2013年、2014年和2015年的欧洲冠军）。本文介绍了我们的3D模拟联赛团队在过去几年中的一些主要创新。一个新的通用框架强化学习任务也已开发。目前的研究重点是通过开发新的学习算法来优化低级技能，如跑步和短跑，从而改进上述框架。我们还试图通过提供使用我们的新框架完成的强化学习作业来增加学生的接触，该框架公开了一个简单的界面，而无需共享低级别的实现细节。
2023-03-28 cs.RO
RoboCup Rescue 2025 Team Description Paper UruBots
Robo Hero；Moon University（Moon大学）；Anonymous University（匿名大学）
本文介绍UruBots队首次参加2025年RoboCup救援机器人联盟比赛的方法，包括参赛车辆及基于ROS、SLAM等人机交互、分割感知技术的搜救受害者方案，该开源方法可供社区使用以学习并贡献于联盟。
2025-04-14 cs.RO
Cyrus 2D Simulation Team Description Paper2018
K. N. Toosi University of Technology（K. N. 图西理工大学）；Qazvin Azad University（加兹温阿扎德大学）；Tehran University（德黑兰大学）
Cyrus 2D Soccer Simulation成立于2012年，旨在研究和开发多智能体系统。今年我们与Ziziphus合作，加快了我们的研究。本文简要介绍了一种利用神经网络对多智能体系统中玩家行为进行预测的方法。该数据集是从过去几年RoboCup比赛的日志文件中获得的。行为预测用于拦网、盯人和防守决策。塞勒斯使用的基本代码是特工3.11.
2020-08-08 cs.RO
UruBots UAV -- Air Emergency Service Indoor Team Description Paper for FIRA 2024
Technological University of Uruguay - UTEC（乌拉圭科技大学 - UTEC）
本文介绍Urubots队伍参加FIRA 2024空中应急服务（室内）赛事的自主UAV，其依托机载计算机视觉完成室内导航，无需外部操作或处理。
2024-06-13 cs.RO
TurtleRabbit 2024 SSL Team Description Paper
Universität Freiburg（弗赖堡大学）；Western Sydney University（西悉尼大学）
本文介绍了西悉尼大学新 RoboCup SSL 团队 TurtleRabbit，通过采用现成电子组件、BLDC 电机及 3D 打印等低成本开源硬件策略，降低了新团队参赛门槛并保持竞争力。
2024-02-13 cs.RO
LegenDary 2012 Soccer 2D Simulation Team Description Paper
Islamic Azad University of Lahijan（拉希詹伊斯兰阿扎德大学）
在Legendary项目中，我们开始了基于Agent 2D的RoboCup 2D足球仿真的新研究。在本文中，我们主要介绍了团队的算法和结构，我们用来开发我们的团队在分开的部分。我们专注于传球、运球和盖帽技术。我们改进了他们，让球队为这场比赛做好了准备。传球是我们球队最重要的部分，我们在这方面做了很多工作。
2019-04-13 cs.MA cs.RO
Hibikino-Musashi@Home 2025 Team Description Paper
Kyushu Institute of Technology（九州工业大学）；The University of Kitakyushu（北九州市立大学）
Hibikino-Musashi@Home团队致力于开发家庭服务机器人，利用大语言模型和脑启发记忆模型实现个性化帮助，并参与比赛提升系统性能。
2025-11-25 cs.RO
Hibikino-Musashi@Home 2022 Team Description Paper
Kyushu Institute of Technology（九州工业大学）
Hibikino-Musashi@Home（HMA）成立于2010年。它位于日本北九州科学研究园区。自2010年以来，我们每年都参加开放平台联赛（OPL）的RoboCup@Home日本公开赛。我们作为开放平台联赛球队参加了2017年名古屋RoboCup比赛，并作为国内标准平台联赛（DSPL）球队参加了2017年名古屋，2018年蒙特利尔，2019年悉尼，2018年，我们还参加了世界机器人挑战赛（WRC）的伙伴机器人挑战赛（真实空间）的服务机器人类别，并获得第一名。目前，我们有来自九州工业大学和北九州大学9个不同实验室的27名成员。在本文中，我们介绍了我们的团队已经完成的活动和我们使用的技术。
2022-11-12 cs.RO
Hibikino-Musashi@Home 2024 Team Description Paper
Kyushu Institute of Technology（九州工业大学）；The University of Kitakyushu（北九州市立大学）
本文介绍Hibikino-Musashi@Home团队为参加国内标准平台联赛而开发的数据集生成器、开源模拟器环境及基于大语言模型的任务规划器，旨在构建家庭服务机器人并持续参赛改进系统。
2024-11-06 cs.RO
b-it-bots RoboCup@Work Team Description Paper 2023
Hochschule Bonn-Rhein-Sieg（波恩-莱茵-锡格应用科学大学）
本文介绍 b-it-bots 团队用于 KUKA youBot 的硬件与软件架构，涵盖导航、操纵、识别与规划能力，并新增垂直抓取、基于空余空间的放置及 ROS2 移植。
2023-12-29 cs.RO
ZJUNlict Extended Team Description Paper for RoboCup 2019
Zhejiang University（浙江大学）
在2018年RoboCup小型联赛中，ZJUNLict团队获得了冠军，因此，本文详细描述了ZJUNLict所付出的奉献和努力。机械部分有三个平均优化，它们占了我们大部分令人难以置信的目标，它们是“接触点优化”，“阻尼系统优化”和“运球优化”。在电气部分，我们实现了“直接转矩控制”，“高效的无线电通信协议”，这将被归功于稳定的运球和机器人和计算机之间更安全的通信。我们的软件团队和硬件团队一样，通过“视觉损失补偿”来预测卡尔曼滤波器的移动，以及“拦截预测算法”来实现一些技巧，提高我们的控球率。
2019-05-22 cs.RO
Cyrus 2D Simulation Team Description Paper 2016
Khajeh Nasir Toosi University of Technology（卡扎尔·纳西尔·图西科技大学）；Tehran University（德黑兰大学）；Shiraz University of Technology（设拉子科技大学）；Atomic Energy High School（原子能高中）
这个描述包括一些关于算法的解释，以及Cyrus团队成员正在实现的算法。本说明的目的是对投篮、拦网、盯人和防守决策进行简要说明。它还解释了已经实施的部分。塞勒斯使用的基本代码是特工3.11.
2022-02-08 cs.AI cs.RO
Hibikino-Musashi@Home 2023 Team Description Paper
Kyushu Institute of Technology（九州工业大学）；The University of Kitakyushu（北九州市立大学）
本文介绍Hibikino-Musashi@Home团队为参加家庭标准平台联赛开发的技术，包括数据集生成器、开源开发环境及机器人系统，旨在实现协助人类的家政服务机器人，并提出脑启发人工智能系统。
2023-10-19 cs.RO
Hibikino-Musashi@Home 2017 Team Description Paper
Kyushu Institute of Technology（九州工业大学）
Hibikino-Musashi@Home团队成立于2010年。它位于日本北九州科学研究园。自2010年以来，我们每年都参加RoboCup@Home日本公开赛开放平台联赛。目前，Hibikino-Musashi@Home团队有24名成员，来自九州工业大学的七个不同实验室。我们的家庭服务机器人被用作教育和实施我们研究成果的平台。在本文中，我们介绍了我们的团队和我们在机器人中实现的技术。
2017-11-15 cs.AI cs.RO
Hospitable Travel Agent Dialogue Robot: Team Irisapu Project Description for DRC2022
Aichi Prefectural University（爱知县立大学）
本文介绍了Irisapu团队为2022年对话机器人竞赛（DRC 2022）初赛设计的对话机器人系统。我们的目标是设计一个好客的旅行社机器人。我们开发的系统在初赛的13个系统中排名第8，但我们的机器人因其自然和可爱而获得了高分。我们的下一个挑战是创建一个能够为用户提供更多有用信息的系统。
2022-10-18 cs.HC cs.RO
TRAIL Team Description Paper for RoboCup@Home 2023
The University of Tokyo（东京大学）
东京大学TRAIL团队依托机器学习研究经验构建家用服务机器人，在2023年RoboCup@Home中整合三项前沿技术，并搭建社区数据管理平台以推动领域研究。
2023-10-05 cs.RO
Namira Soccer 2D Simulation Team Description Paper 2020
University of Georgia（佐治亚大学）；Koç University（科奇大学）；Shiraz University（设拉子大学）
在这篇文章中，我们将讨论的方法和想法，这是实施纳米拉2D足球模拟队在最近一年。在代码开发过程中，我们进行了大量的科学和编程活动，但我们将详细介绍其中最突出的活动。本文将讨论卡尔曼滤波定位方法和两个有用的软件包。Namira使用agent 2d-3.1.1作为基本代码，使用librcsc-4.1.0作为库，并进行了一些故意的更改。
2020-06-24 cs.AI cs.MA cs.RO
UruBots Autonomous Cars Team One Description Paper for FIRA 2024
Technological University of Uruguay（乌拉圭理工大学）；UTEC（乌拉圭理工大学（UTEC））；Ostfalia University of Applied Sciences（奥斯塔利亚应用科学大学）
论文介绍 UruBots 面向 FIRA 2024 的 RC 尺寸自动驾驶车，通过五层 CNN 学习五千余条摄像头样本实现导航与实时决策，并验证其硬件方案具备参赛能力。
2024-06-13 cs.RO
UruBots RoboCup Work Team Description Paper
Technological University of Uruguay（乌拉圭理工大学）
本文介绍RoboCup Work联盟参赛团队UruBots的方案，基于轮轨混合移动系统的Limo机器人（团队补充功能组件），实现Work场景高效自主导航、物体操作及模拟工业环境工作，旨在首次参与该竞赛并贡献成果。
2025-04-13 cs.RO cs.SY eess.SY
CYRUS Soccer Simulation 2D Team Description Paper 2022
Dalhousie University（达尔豪斯大学）；Amirkabir University of Technology（阿米尔卡比尔理工大学）；Qom University of Technology（库姆理工大学）；Shiraz University（设拉子大学）；Polish Academy of Sciences（波兰科学院）；Memorial University of Newfoundland（纽芬兰纪念大学）
足球仿真2D联赛是RoboCup比赛的主要联赛之一。在足球模拟2D（SS 2D）游戏中，由11名球员和1名教练组成的两支球队相互竞争。玩家只能与称为Soccer Simulation Server的服务器进行通信。本文介绍了2021年RoboCup冠军CYRUS足球模拟队的研究现状。我们将提出我们的想法，通过使用通行证预测深度神经网络来改善取消标记决策和定位。根据我们的实验结果，这一想法被证明是有效的，以提高对对手的赛勒斯的胜率。
2022-05-22 cs.AI cs.LG cs.RO
A Descriptive Model of Robot Team and the Dynamic Evolution of Robot Team Cooperation
目前，多机器人领域的机器人团队协作研究还处于定性分析阶段，缺乏能够定量描述任务需求不断变化时团队协作关系动态演化的描述模型。首先从整体上静态描述了机器人团队的组织模型HWROM，然后借鉴马尔可夫过程和贝叶斯定理，动态描述了团队协作关系的建立。最后从合作实体层、能力层和关系层三个层次研究了团队的形成和合作机制，并讨论了在演化过程中如何优化关系动作集。提出并描述了机器人团队的动态演化模型和团队间的协作关系，不仅可以从整体上概括机器人团队，而且可以定量描述机器人团队的动态演化过程。用户还可以根据该模型对机器人团队的协作关系和遇到新需求时的行动进行预测。期刊网页和大量机器人相关论文www.ars-journal.com
2006-01-14 cs.RO
ZJUNlict Extended Team Description Paper 2025
State Key Lab. of Industrial Control Technology（工业控制技术国家重点实验室）；Zhejiang University（浙江大学）
ZJUNlict 团队通过在 v2023 机器人中集成 IMU 提升硬件性能，并优化策略与 CUDA 等软件模块，显著提高了决策效率与球类预测能力，以适应快节奏比赛动态。
2025-11-04 cs.RO cs.SY eess.SY
Human-Robot Team Performance Compared to Full Robot Autonomy in 16 Real-World Search and Rescue Missions: Adaptation of the DARPA Subterranean Challenge
Monash University（莫纳什大学）；CSIRO（澳大利亚联邦科学与工业研究组织）
人类-机器人团队中的人类操作员通常被认为是任务成功的关键。为了探索操作员输入对任务成功和团队绩效的直接和感知影响，基于DARPA地下挑战进行了16次真实任务（10小时）。这些任务是部署一个不同的机器人团队进行搜索任务，以定位和识别人工制品，如攀登绳，钻头和代表人类幸存者的人体模型。评价了两个条件：与没有人类操作员输入的自主任务（Robot-Autonomy）相比，人类操作员可以控制具有最先进自主性的机器人团队（Human-Robot Team）。人类-机器人团队通常处于定向自主模式（70%的任务时间），发现更多的物品，穿越更远的距离，覆盖更多独特的地面，并且在安全相关事件之间有更长的时间。人类-机器人团队在找到第一件神器方面更快，但对机器人团队的信息反应较慢。在常规条件下，伪影、距离和覆盖范围的评分相当。干预的原因包括创建路点以优先考虑高产地区，并在容易出错的空间中导航。在观察到机器人的自主性后，操作员报告说，机器人的能力和信任度有所提高，但即使在执行任务表现出色之后，机器人的行为也并不总是透明和可以理解的。
2022-12-11 cs.RO
Team Irisapu Project Description for DRC2023
Aichi Prefectural University（爱知县立大学）
Team Irisapu 在 DRC2023 预赛中，利用 GPT-3 按五个子场景生成对话回复，并引入恢复策略处理对话中断，虽因系统错误未获满意成绩，但在信息可靠性评估中排名第三。
2023-12-21 cs.AI cs.RO
Zeus: A System Description of the Two-Time Winner of the Collegiate SAE AutoDrive Competition
University of Toronto（多伦多大学）
SAE自动驾驶挑战赛是一项为期三年的大学比赛，旨在到2020年开发自动驾驶汽车。第二年的比赛于2019年6月在密歇根大学为自动驾驶汽车测试而建造的模拟城镇MCity举行。团队被要求在处理行人、交通灯和交通标志的同时，自动导航一系列十字路口。宙斯是多伦多大学在自动驾驶挑战赛中获胜的参赛者。本文描述了Zeus的系统设计和开发，以及在此过程中吸取的许多经验教训。这包括团队的组织结构、传感器套件、软件组件和第二年比赛的表现等详细信息。凭借一个主要由本科生组成的团队和最少的资源，多伦多大学在短短两年内就在自动驾驶汽车方面取得了进展。这篇文章可能对希望开发自己的自动驾驶平台的研究人员很有价值。
2020-04-19 cs.RO
Bold Hearts Team Description for RoboCup 2019 (Humanoid Kid Size League)
University of Hertfordshire（赫特福德大学）
我们参加了在蒙特利尔举行的2018年RoboCup比赛，我们新开发的BoldBot基于Darwin-OP和大部分自行打印的定制部件。本文是关于从比赛中吸取的教训和2019年RoboCup比赛的进一步发展。首先，我们简要介绍了团队以及过去的成就。然后，我们提出了一个简单的，独立的2D模拟器，我们用来简化新成员的条目，使基本的RoboCup概念快速访问。我们描述了我们在2018年竞赛中使用的视觉语义分割方法，该方法取代了我们之前的查找表（LUT）实现。我们还讨论了我们计划添加到BoldBot的打印部分的额外结构支持，以及我们向ROS 2作为新中间件的过渡。最后，我们将展示我们团队的开源贡献的集合。
2019-04-22 cs.AI cs.CV cs.LG
Deploying COTS Legged Robot Platforms into a Heterogeneous Robot Team
CSIRO（联邦科学与工业研究组织）
商业现货（COTS）足式机器人平台的最近可用性已经开辟了将腿式系统部署到不同场景中的新机会。虽然足式机器人的主要优势是它们能够穿越非结构化地形，但机器人平台所能实现的目标与它们的动物同行之间仍然存在很大的差距。因此，当作为不同平台的异构机器人团队的一部分进行部署时，了解腿式平台比轮式、履带式或空中平台表现更好的不同场景是有益的。两个COTS四足机器人，Ghost Robotics的Vision 60和Boston Dynamics的Spot，被部署到一个异构的团队中。描述了一些面临的挑战，同时整合的平台，以及在穿越不同地形的一些实验提供给洞察到现实世界中部署的足式机器人。
2021-06-14 cs.RO
Efficient Feature Mapping Using a Collaborative Team of AUVs
Virginia Tech（弗吉尼亚理工大学）；US Naval Research Laboratory（美国海军研究实验室）；Bartin University（巴尔滕大学）
本文提出一种基于严格不确定性评估的新型水平集估计目标函数，结合路径规划与去中心化方法，并通过AUV团队实地实验验证了在声学通信受限和计算资源有限条件下仍能保持理论性能保证。
2024-12-27 cs.RO
Capability-aware Task Allocation and Team Formation Analysis for Cooperative Exploration of Complex Environments
Stanford University（斯坦福大学）；NASA Jet Propulsion Laboratory（美国国家航空航天局喷气推进实验室）；California Institute of Technology（加州理工学院）
针对复杂环境多机器人协同探索的自主部署需求，提出基于MDP的异质能力机器人任务分配与团队建模方法，在SubT挑战赛场景验证效果并分析团队设计权衡。
2024-11-01 cs.RO
UruBots Autonomous Cars Challenge Pro Team Description Paper for FIRA 2025
Technological University of Uruguay（乌拉圭技术大学）
本文介绍 UruBots 为 FIRA 2025 Pro 组开发的紧凑型自动驾驶车，采用摄像头图像与 CNN 输出转向、油门控制，实现避障并在 30 秒内完赛。
2025-06-09 cs.RO cs.SY eess.IV
RobôCIn Small Size League Extended Team Description Paper for RoboCup 2023
Universidade Federal de Pernambuco（伯南布哥联邦大学）
本文介绍RobôCIn团队为卫冕2023年RoboCup SSL B组冠军的改进，包括代码迁移重构、机械系统优化、视觉挑战赛筹备，及过去一年的学术成果。
2023-07-19 cs.AI cs.RO
Reactive Task Allocation and Planning for Quadrupedal and Wheeled Robot Teaming
Georgia Institute of Technology（佐治亚理工学院）；Georgia Tech Research Institute（佐治亚理工研究院）；UBTECH North America Research and Development Center Corporation（优必选北美研发中心有限公司）
本文采取的第一步，反应，分层多机器人任务分配和规划框架给出了一个全球性的线性时序逻辑规范。四足机器人和轮式机器人的能力通过异构团队来实现各种导航和交付任务。然而，当部署在现实世界中时，所有机器人都容易受到不同类型的干扰，包括但不限于运动故障，人为干预和环境障碍。为了解决这些干扰，我们提出了任务级的局部和全局重新分配策略，以有效地在线生成更新的动作状态序列，同时保证完成原始任务。这些任务重新分配方法消除了重建整个计划或重新合成新任务的过程。为了将任务规划器与低层输入相结合，行为树执行层监视不同类型的干扰，并采用重新分配方法来制定相应的恢复策略。为了评估这个规划框架，动态仿真进行了一个现实的医院环境中的异构机器人团队组成的四足和轮式机器人交付任务。
2022-06-21 cs.RO
HM3D-M3: A Benchmark for Multi-Agent, Multi-Modal, Multi-Object Goal Navigation
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；University of Chinese Academy of Sciences（中国科学院大学）；School of Computer Science, Nanjing University（南京大学计算机科学学院）；School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院）；School of Electrical and Automation Engineering, Nanjing Normal University（南京师范大学电气与自动化工程学院）
针对现有基准缺失多智能体、多模态、多目标目标导航的问题，提出HM3D-M3基准及两个基线方法，验证其性能优于适配方法与零样本方法，还部署了异构三机器人团队。
2026-10-15 cs.RO
RoboCup@Home: Summarizing achievements in over eleven years of competition
University of Koblenz-Landau（科布伦茨-兰道大学）
科学竞赛在机器人技术中很重要，因为它们促进了知识交流，并允许团队在非标准化的场景中测试他们的研究并比较结果。在服务机器人领域，它的作用变得至关重要。像RoboCup@Home这样的比赛将机器人带到人们面前，这是将机器人融入社会的基本步骤。在本文中，我们从定性的角度总结并讨论了团队在其团队描述论文中声称的成就与在比赛中观察到的结果^[1]之间的差异。最后，我们总结了一系列需要克服的重要挑战，以便将机器人带到人们的家中。我们认为，比赛也是一个很好的机会，收集数据的直接和公正的相互作用，为进一步的研究。^1作者属于早在2007年就参加过RoboCup@Home的几支球队
2019-02-02 cs.RO
Hydra-Multi: Collaborative Online Construction of 3D Scene Graphs with Multi-Robot Teams
Massachusetts Institute of Technology（麻省理工学院）
本文提出Hydra-Multi多机器人空间感知系统，通过增量融合、相对变换估计和回环校正实现在线协同构建3D场景图，并验证其在仿真、真实及异构团队中的准确性。
2023-04-26 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
Team Xiaomi EV-AD VLA: Caption-Guided Retrieval System for Cross-Modal Drone Navigation -- Technical Report for IROS 2025 RoboSense Challenge Track 4
Tsinghua University（清华大学）；Xiaomi EV（小米电动车）；Georgia Institute of Technology（佐治亚理工学院）；National University of Singapore（新加坡国立大学）；The Chinese University of Hong Kong（香港中文大学）；Renmin University of China（中国人民大学）
针对跨模态无人机导航中的文本-图像细粒度匹配难题，本文提出标题引导检索系统 CGRS，通过 VLM 生成候选图像标题并进行多模态重排序，在挑战赛中所有召回指标一致提升 5%，最终获得 TOP-2。
2025-11-06 cs.RO
Compositional Coordination for Multi-Robot Teams with Large Language Models
Department of Computer Science, University of Southern California（计算机科学系，南加州大学）；GRASP Lab, University of Pennsylvania（GRASP实验室，宾夕法尼亚大学）
提出LAN2CB框架，利用大语言模型将自然语言任务描述转化为行为树和Python代码，实现多机器人协调，减少人工工作并支持多种任务。
2025-10-22 cs.AI cs.LG cs.MA
PIP-LLM: Integrating PDDL-Integer Programming with LLMs for Coordinating Multi-Robot Teams Using Natural Language
Department of Computer Science, University of Southern California（计算机科学系，南加州大学）；GRASP Lab, University of Pennsylvania（GRASP实验室，宾夕法尼亚大学）
提出PIP-LLM框架，结合PDDL团队级规划与整数规划机器人级规划，将自然语言指令分解为子任务依赖图，优化旅行成本与负载，提升多机器人协调的成功率和可扩展性。
2025-10-26 cs.AI cs.RO
Training Human-Robot Teams by Improving Transparency Through a Virtual Spectator Interface
University of Michigan（密歇根大学）；Oakland University（奥克兰大学）；U.S. Army DEVCOM Ground Vehicle Systems Center（美国陆军DEVCOM地面车辆系统中心）
针对人机团队行动后回顾（AAR）难以理解机器人意图的问题，提出虚拟观察者界面（VSI）训练工具，通过1×3组间实验发现其虽未显著提升团队表现，但能更有效改善态势感知（SA）。
2025-04-12 cs.AI cs.HC cs.RO
Cooperative and Asynchronous Transformer-based Mission Planning for Heterogeneous Teams of Mobile Robots
McMaster University（麦克马斯特大学）
针对异构移动机器人团队在通信受限、资源有限下的协作规划难题，提出基于MARL与AMAT架构的CATMiP框架及CMacDec-POMDP模型，采用异步集中训练分布式执行方案，实验验证其在效率、可扩展性与抗干扰性上更具优势。
2025-07-31 cs.AI cs.RO
Gliders2012: Development and Competition Results
CSIRO Information and Communication Technologies Centre（澳大利亚联邦科学与工业研究组织信息与通信技术中心）；Saber Astronautics Australia（澳大利亚Saber航天公司）
RoboCup 2D模拟联赛包含了几个具有挑战性的功能，为人工智能（AI）设定了基准。在本文中，我们描述了我们团队Gliders2012开发的一些想法和工具。在我们的描述中，我们专注于评估功能，作为我们的行动选择的中心机制之一。我们还指出了一个新的框架，用于在Web浏览器中查看日志文件，我们发布该框架供RoboCup社区使用和进一步开发。最后，我们还总结了2012年RoboCup小组赛和决赛的结果，Gliders2012在19支球队中排名第四。
2012-11-21 cs.AI cs.MA cs.RO
Interactive Robot Learning of Gestures, Language and Affordances
Institute for Systems and Robotics（系统与机器人研究所）；Instituto Superior Técnico, Universidade de Lisboa（里斯本大学高等理工学院）；Queen Mary University of London（伦敦玛丽女王大学）；KTH Royal Institute of Technology（KTH皇家理工学院）
机器人和人工智能（AI）研究中一个不断发展的领域是人机协作，其目标是实现人类和机器人之间的有效团队合作。然而，在许多情况下，人类团队仍然优于人类-机器人团队，主要是因为人类团队可以很容易地通过语言达成共同目标，并且各个成员可以有效地观察彼此，利用他们共享的运动技能和感觉运动资源。本文表明，认知机器人是可能的，确实富有成效的，结合从与环境的元素（启示探索）的概率观察另一个代理的行动互动获得的知识。我们提出了一个模型，该模型将（i）学习机器人启示和文字描述与（ii）视觉传感器对人类手势的统计识别相结合。我们讨论的理论动机，可能的实现，我们显示的初步结果，突出表明，在获得了周围环境的知识，一个人形机器人可以概括这种知识的情况下，当它观察到另一个代理（人类合作伙伴）执行相同的电机动作之前执行的训练过程中。
2017-11-24 cs.AI cs.CL cs.CV
