Development of a Mobile Vehicle Manipulator Simulator for the Validation of Shared Control Concepts
Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院)
本文介绍了一个实时仿真器的开发控制大型车辆机械手的验证。这种开发的必要性可以通过缺乏这样的模拟器来证明:既没有开源项目,也没有商业产品,这将适合于测试协同控制概念。首先,我们提出了非线性仿真模型的车辆和机械手。使用MATLAB/Simulink进行建模,这也可以将代码生成为独立的C++ ROS节点(机器人操作系统节点)。代码生成的新挑战也进行了讨论。然后,将获得的独立C++操作系统节点集成到模拟器框架中,该框架包括图形用户界面、方向盘和操纵杆。该模拟器可以提供整个系统运动的实时计算,从而实现人与自动化的交互。此外,该模型的定性验证。最后,模拟器的功能证明了在测试中与人类操作员。
2022-11-23 cs.RO cs.SY eess.SY
Infant simulator with an embodied caregiver: Generating infant-perspective touch and vision during social interaction
Czech Technical University in Prague(捷克理工大学)
本文提出一个带具身照护者的婴儿模拟器扩展,通过重放二元互动并记录婴儿视角的触觉与视觉,为研究社交互动发展提供多模态数据生成平台。
2026-10-06 cs.RO
MultiVehicle Simulator (MVSim): lightweight dynamics simulator for multiagents and mobile robotics research
University of Almería(阿尔梅里亚大学);Deci AI(Deci人工智能公司)
提出MVSim轻量级多智能体动力学模拟器,支持数十个智能体及常见传感器GPU加速模拟,简化车辆动力学、导航与SLAM研究。
2023-02-21 cs.MA cs.RO
Hybrid Neural Network-Based Indoor Localisation System for Mobile Robots Using CSI Data in a Robotics Simulator
Computer Systems Department(计算机系统系);Artificial Intelligence Department(人工智能系)
提出一种结合CNN与MLP的混合神经网络HyNN,利用Massive MIMO的CSI数据估计移动机器人2D位置,并与ROS及模拟器集成实现精确室内定位。
2025-11-03 cs.LG cs.RO
MobileH2R: Learning Generalizable Human to Mobile Robot Handover Exclusively from Scalable and Diverse Synthetic Data
Tsinghua University(清华大学);Galbot;Peking University(北京大学);Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);Shanghai Qi Zhi Institute(上海期智研究院)
提出 MobileH2R 框架,通过可扩展的多样化合成人体运动、安全演示生成与 4D 模仿学习,训练移动机器人闭环交接策略,无需真实演示且成功率较基线至少提升 15%。
2025-01-09 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
OLiVia-Nav: An Online Lifelong Vision Language Approach for Mobile Robot Social Navigation
University of Toronto(多伦多大学)
OLiVia-Nav通过融合视觉语言模型与在线终身学习框架,实现机器人社交导航中的社会规范适应与动态轨迹规划,优于现有方法。
2025-03-08 cs.RO
SocialRobot: Towards a Personalized Elderly Care Mobile Robot
Citard Services Ltd.(Citard服务有限公司);University of Cyprus(塞浦路斯大学)
SocialRobot是一个欧洲合作项目,专注于提供实用和互动的解决方案,以提高老年人的生活质量。考虑到这一点,最先进的机器人移动平台已经与虚拟社会护理技术相结合,以满足老年人的个人需求和要求,遵循以人为本的方法。在这篇简短的论文中,我们概述了SocialRobot,开发的体系结构和人机交互的场景正在准备和测试的项目框架中的传播和开发的目的。
2018-09-14 cs.HC cs.RO
Rapid Development of a Mobile Robot Simulation Environment
Lawrence Technological University(劳伦斯理工大学)
机器人仿真在智能地面车辆(IGV)的开发过程中提供了许多优势,例如在不同的场景中测试软件组件,而不需要完整的物理机器人。本文讨论了使用快速应用程序开发和Unity游戏引擎创建的3D仿真环境,以便在移动机器人比赛中进行测试。我们的经验表明,模拟环境极大地促进了比赛软件的开发。该模拟器还有助于机器人的硬件开发。
2022-08-09 cs.RO
Autonomous Exploration and Mapping for Mobile Robots via Cumulative Curriculum Reinforcement Learning
Shanghai Jiao Tong University(上海交通大学)
深度强化学习(Deep Reinforcement Learning,DRL)已广泛应用于自主探索和地图绘制任务中,但通常面临采样效率、对未知地图大小的适应性差以及模拟速度慢等挑战。为了加快收敛速度,我们将课程学习(CL)与DRL相结合,首先提出了累积课程强化学习(CCRL)训练框架,以缓解一般CL面临的灾难性遗忘问题。此外,我们提出了一种新的状态表示,它考虑了局部自我中心地图和全球勘探地图调整到固定的维度,以便灵活地适应各种大小和形状的环境。此外,为了促进DRL模型的快速训练,我们开发了一个轻量级的基于网格的模拟器,与流行的机器人仿真平台(如Gazebo)相比,它可以大大加快仿真速度。基于定制的模拟器,进行了综合实验,结果表明,与一般CL和无课程的DRL模型相比,CCRL框架不仅缓解了灾难性遗忘问题,而且提高了样本效率和DRL模型的泛化能力。我们的代码可在https://github.com/BeamanLi/CCRL_Exploration上获得。
2023-02-25 cs.RO
HuNavSim: A ROS 2 Human Navigation Simulator for Benchmarking Human-Aware Robot Navigation
Pablo de Olavide University(巴勃罗·德·奥拉维德大学)
本文提出首个基于 ROS 2 的开源人类导航仿真器 HuNavSim,提供丰富逼真的人类导航行为和完整的社会导航基准测试指标,旨在简化人类感知机器人导航系统的开发与评估。
2023-09-13 cs.RO
Role Playing Learning for Socially Concomitant Mobile Robot Navigation
National University of Singapore(新加坡国立大学)
在本文中,我们提出了角色扮演学习(RPL)计划的移动机器人导航社会与人类同伴在人口稠密的环境中。构造神经网络(NN)来参数化一个随机策略,该随机策略直接将机器人收集的传感器数据映射到其速度输出,同时尊重一组社会规范。一个有效的模拟学习环境是建立在地图和行人轨迹收集从一些现实世界的人群数据集。在每次学习迭代中,配备NN策略的机器人在学习环境中虚拟地创建,以扮演陪伴行人的角色,并以社会伴随的方式向目标导航。因此,我们称这个过程为角色扮演学习,它是在强化学习(RL)框架下制定的。神经网络的政策是优化端到端使用信赖域策略优化(TRPO),考虑到机器人的传感器测量的不确定性。仿真和实验结果证明了该方法的有效性和优越性。
2017-05-29 cs.AI cs.RO
Socially reactive navigation models for mobile robots in dynamic environments
Instituto Superior Técnico(高等技术学院)
本研究提出自适应空间模型与改进的姿态估计算法,使移动机器人在动态环境中能社会可接受地近距离接近个人或群体,并通过仿真和实验验证其有效性。
2023-10-15 cs.RO
Learning Early Social Maneuvers for Enhanced Social Navigation
Bogazici University(博阿齐奇大学)
本文提出一种仅使用原始传感数据并考虑行人未来路径的示范学习社会导航框架,以减少人机共处焦虑并提升社会合规性。
2024-05-02 cs.RO
Pedestrian Path Modification Mobile Tool for COVID-19 Social Distancing for Use in Multi-Modal Trip Navigation
Automated Driving Lab, Ohio State University(俄亥俄州立大学自动驾驶实验室)
新型冠状病毒大流行是目前全球最大的问题之一。虽然卫生和戴口罩占疾病控制和预防中心(CDC)和世界卫生组织(WHO)目前建议的预防措施的很大一部分,但社交距离是另一种可以保护人们的最重要的预防措施,因为空气传播的病毒很容易通过空气传播。如果行人知道彼此的位置,甚至如果他们知道可能是携带者的人的位置,那么在户外行走时保持社交距离会更有效。有了这些信息,他们可以根据附近行走的人改变路线,或者他们可以远离包含或最近包含人群的区域。本文介绍了一个移动终端应用程序,该应用程序将成为2019冠状病毒病(COVID-19)期间社交距离的非常有益的工具。该应用程序的工作原理,同步接近实时,在一个网络的方式与所有用户获得他们的位置,并绘制一个虚拟的安全气泡周围。这些安全气泡与恒定速度行人模型一起使用,以预测未来可能的社交距离违规行为,并通过声音和振动警告用户。此外,它考虑到病毒在空中停留一定时间,因此,在用户过去的轨迹中创建时间衰减的非安全区域。当作为多模式出行规划应用程序的一部分使用时,移动应用程序生成无碰撞路径,用于在行人交通模式的不期望位置周围导航。结果也适用于其他交通模式。文中讨论了该系统的特点和实现方法。该应用程序进行了测试,使用以前收集的真实行人行走数据在一个现实的环境。
2021-11-05 cs.CY cs.RO
Socially aware navigation for mobile robots: a survey on deep reinforcement learning approaches
King Fahd University of Petroleum & Minerals(法赫德国王石油与矿业大学)
本文综述了深度强化学习在社会感知导航中的应用,分析了关键技术和挑战,提出未来需结合多种方法并建立平衡的评估标准。
2025-11-18 cs.AI cs.RO
Using Markov Decision Process to Model Deception for Robotic and Interactive Game Applications
The Pennsylvania State University(宾夕法尼亚州立大学);Penn State Harrisburg(宾州州立大学哈里斯堡分校)
本文研究欺骗的背景下,使用模拟移动机器人的运动。我们分析了一些以前设计的欺骗性策略的移动机器人模拟器。然后,我们提出了一种新的方法,自适应地选择面向目标的欺骗性轨迹欺骗人类的多次互动。此外,我们提出了一个新的度量来评估欺骗的数据收集时,从用户与移动机器人模拟器进行交互。我们进行了一个用户研究,以测试我们提出的自适应欺骗算法,这表明,我们的算法欺骗人类,甚至多次互动,它是更有效的欺骗策略比随机选择。
2020-12-22 cs.HC cs.MA cs.RO
Empirical Pedestrian Safety Assessment in a Mobile Robot Using a Predictive Social Force Model
National Cheng Kung University(国立成功大学)
研究移动机器人与行人共享人行道时的安全评估,通过整合预测社会力向量引入PSFM和PTSFM,在非完整移动机器人上实验,证实PTTC集成可提升安全指标,预测贡献有限,单行人场景中预测带来的额外好处不多。
2026-07-13 cs.RO cs.SY eess.SY
Socially-Aware Shared Control Navigation for Assistive Mobile Robots in the Built Environment
University of Michigan(密歇根大学)
本文提出一种社会感知共享控制导航系统,结合用户偏好场全局规划与SS-MPC-DCBF局部控制,提升辅助移动机器人的安全性与用户信任。
2024-05-27 cs.AI cs.HC cs.RO
Stability and Comfort in Mobile Robot-Pedestrian Interactions
National Cheng Kung University(国立成功大学)
研究针对非完整约束移动机器人,利用社会力模型等设计算法,通过仿真校准、实验比较及统计分析,证明算法稳定性,突出其在提高行人舒适性方面的优势。
2026-07-21 cs.RO cs.SY eess.SY
Socially Compliant Navigation Dataset (SCAND): A Large-Scale Dataset of Demonstrations for Social Navigation
The University of Texas at Austin(德克萨斯大学奥斯汀分校);Army Research Laboratory(陆军研究实验室);Google(谷歌)
社会导航是自主智能体(如机器人)在其他智能体(如人类)存在的情况下以“社会顺应”方式导航的能力。随着在人类居住的环境中自主导航的移动机器人的出现(例如,家庭和餐馆中的家庭服务机器人以及公共人行道上的食品递送机器人),在这些机器人上结合社会兼容的导航行为对于确保安全和舒适的人类机器人共存变得至关重要。为了应对这一挑战,模仿学习是一个很有前途的框架,因为它更容易让人类展示社会导航的任务,而不是制定奖励函数,准确地捕捉社会导航的复杂多目标设置。然而,模仿学习和逆强化学习在移动机器人社交导航中的应用目前受到缺乏大规模数据集的阻碍,这些数据集可以捕获野外社交兼容的机器人导航演示。为了填补这一空白,我们引入了社交兼容导航数据集(SCAND),这是一个大规模的社交兼容导航演示的第一人称视图数据集。我们的数据集包含8.7小时,138个轨迹,25英里的社会兼容性,人类遥控驾驶演示,包括多模态数据流,包括3D激光雷达,操纵杆命令,里程计,视觉和惯性信息,由四个不同的人类演示者在室内和室外环境中收集两个形态不同的移动机器人Boston Dynamics Spot和Clearpath Jackal。我们还通过真实世界的机器人实验进行了初步的分析和验证,并表明在SCAND上通过模仿学习学习的导航策略会产生社会顺应行为
2022-06-08 cs.CV cs.LG cs.RO