From Low to High Order Motion Planners: Safe Robot Navigation using Motion Prediction and Reference Governor
Eindhoven University of Technology（埃因霍温理工大学）；Eindhoven AI Systems Institute（埃因霍温人工智能系统研究所）
安全地绕过障碍物是高度动态机器人面临的一个根本挑战。使用轨迹优化和跟踪控制使简单参考路径规划器适应复杂机器人动力学的现有方法是脆弱的，并且需要显著的重新规划周期。在本文中，我们介绍了一种新的反馈运动规划框架，该框架将低阶（例如位置/速度控制）参考运动规划器的适用性扩展到高阶（例如，加速度/急动控制的）机器人模型。我们使用预测的机器人运动范围进行安全评估，并建立一个双向的接口之间的高层次的规划和低层次的控制，通过一个参考总督。我们描述了我们的反馈运动规划框架的通用基本构建块，并给出了运动控制，预测和参考规划的具体示例结构。我们证明了我们的规划框架的正确性，并在数值模拟中展示了其性能。我们的结论是，准确的运动预测是至关重要的高层次的规划和低层次的控制之间的差距。
2022-02-25 cs.RO cs.SY eess.SY
Safe Physical Human-Robot Interaction through Variable Impedance Control based on ISO/TS 15066
Faculty of Mechanical Engineering（机械工程学院）；K.N. Toosi University of Technology（霍加·纳赛尔·丁·图西理工大学）
本文提出一种基于ISO/TS 15066功率和力限制模式的变阻抗控制器，在保证人机协作安全的同时提升协作机器人运行速度，并在两个机器人平台上验证了其优于传统方法的效果。
2023-11-23 cs.RO cs.SY eess.SY
Towards Safe Multi-Level Human-Robot Interaction in Industrial Tasks
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Foxconn Interconnect Technology（富士康互联科技）；Zhejiang University（浙江大学）
本文提出三个独立安全模块（视觉监控、接触监控、分层意图跟踪），实现工业协作机器人在多层级人机交互中的安全保障，并探讨了基于人类行为建模的未来研究方向。
2023-08-06 cs.RO
Challenges in the Safety-Security Co-Assurance of Collaborative Industrial Robots
University of York（约克大学）；University of Sheffield（谢菲尔德大学）
本研究围绕协作工业机器人的安全与安保协同保障难题，梳理了相关保障方法，分析了制造业人机协作的技术现状与挑战，并指出了待解决的流程与技术问题。
2020-07-17 cs.CR cs.RO cs.SE
SafeGuard ASF: SR Agentic Humanoid Robot System for Autonomous Industrial Safety
本文提出SafeGuard ASF系统，利用人形机器人结合多模态感知与ReAct代理推理框架，实现工业环境中的火灾烟雾、管道异常温度及禁区入侵检测，通过训练多种运动策略实现自主巡逻与避障。
2026-03-26 cs.RO
A Composable Framework for Policy Design, Learning, and Transfer Toward Safe and Efficient Industrial Insertion
Carnegie Mellon University（卡内基梅隆大学）
精细的工业插入任务（例如，印制电路板组装）对于工业机器人来说仍然具有挑战性。这些挑战包括低误差容限、组件的精细度以及相对于要插入的组件的大的任务变化。为了为这些插入任务提供可行的机器人解决方案，我们还需要考虑现有机器人系统的硬件限制，并最大限度地减少集成工作。本文提出了一种组合框架，有效地整合现有的机器人平台上的安全插入策略，以完成这些插入任务。该策略具有可解释的模块化设计，可以在硬件上有效地学习，并容易地转移到新的任务。特别地，该策略包括作为用于插入的基线策略的安全插入代理、作为到机器人硬件的接口的最优可配置笛卡尔跟踪器、用于处理组件种类和插入错误的概率推理模块、以及用于优化上述模块中的参数以在指定硬件上实现最佳性能的安全学习模块。UR10机器人上的实验结果表明，该框架实现了安全性（对于组件的精细度），准确性（对于低公差），鲁棒性（对感知错误和组件缺陷），适应性和可移植性（对于任务变化），以及执行期间的任务效率加上学习期间的数据和时间效率。
2022-03-06 cs.RO
PanelShield: Verifiable Closed-Loop Safe Planning for Robotic Industrial Panel Operation
针对工业面板操作的安全约束规划问题，提出PanelShield框架，结合LTL与安全FSM实现可验证闭环规划，实验表明其可降低违规率至2.7%并提升任务性能。
2026-08-31 cs.AI cs.RO
SERoCS: Safe and Efficient Robot Collaborative Systems for Next Generation Intelligent Industrial Co-Robots
University of California at Berkeley（加州大学伯克利分校）
人机协作已被认为是未来工厂的重要组成部分。正确设计这些协作机器人的行为仍然具有挑战性。这些机器人工作在动态不确定环境中，计算能力有限。设计目标是在保证安全的同时最大限度地提高任务效率。本文讨论了一套设计原则的安全和有效的机器人协作系统（SERoCS）的下一代合作机器人，它包括强大的认知算法的环境监测，有效的任务规划算法的参考代，安全的运动规划和控制算法的安全人机交互。拟议的SERoCS将解决设计挑战，并显着扩展协作机器人的技能，使它们能够安全有效地与人类同行一起工作。SERoCS的开发将为各行业采用协作机器人带来重大进步。实验验证了SERoCS的有效性。
2018-09-21 cs.RO
Accelerating Human-Aware Robot Trajectory Generation via Diffusion and Consistency Distillation
本研究针对人机交互场景下机器人轨迹生成的约束与效率问题，结合RRT/RRT*算法、扩散模型与一致性蒸馏技术，实现了快速、低加加速度的机器人轨迹生成。
2026-08-05 cs.RO
Safe Self-Supervised Learning in Real of Visuo-Tactile Feedback Policies for Industrial Insertion
UC Berkeley（加州大学伯克利分校）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Autodesk（欧特克）；Autodesk Research（欧特克研究院）
工业插入任务通常是重复执行的，零件受到严格的公差和容易破裂。在现实中学习工业插入策略是具有挑战性的，因为零件与环境之间的碰撞可能导致零件的滑动或断裂。在本文中，我们提出了一个安全的自我监督的方法来学习视觉触觉插入政策，是强大的把握姿势变化。该方法减少了人工输入和零件与容器之间的碰撞。该方法将插入任务分为两个阶段。在第一对准阶段中，学习基于抓取的抓取姿态估计模型以将插入部分与容器对准。在第二插入阶段，学习基于视觉的策略以将零件引导到插座中。该机器人使用力-扭矩传感来实现安全的自我监督数据汇集管道。来自NIST装配任务板的USB插入任务的物理实验表明，所得到的策略可以在45个不同的初始抓取姿势上实现45/45的插入成功，在两个基线上进行改进：（1）在50个人类插入演示上训练的行为克隆代理（1/45）和（2）在真实环境中训练的在线RL策略（TD 3）（0/45）。
2023-03-21 cs.RO
Realtime Trajectory Smoothing with Neural Nets
Nanyang Technological University（南洋理工大学）；DENSO CORP.（电装公司）；Eureka Robotics（尤里卡机器人公司）
为了安全有效地与人类合作，工业机器人需要能够快速改变其运动，以应对环境的突然变化，例如在规划的轨迹上出现障碍物。在实时运动规划中，通过视觉系统实时的检测障碍物，并相对于障碍物的当前位置规划新的轨迹，并立即在机器人上执行。然而，现有的实时运动规划器缺乏平滑后处理步骤-这在基于采样的运动规划中至关重要-导致规划的轨迹不稳定，因此效率低下且不太人性化。在这里，我们提出了一个实时轨迹平滑的基础上的捷径技术来解决这个问题。利用一种新的神经网络的快速间隙推理，所提出的方法是能够一致地平滑的6自由度工业机器人手臂的轨迹在200 ms内的商业GPU。我们将建议平滑到一个完整的视觉-运动规划-执行循环，并展示了一个实时的，平滑的，性能的工业机器人受到动态障碍。
2022-03-17 cs.RO
Real-Time Adaptive Industrial Robots: Improving Safety And Comfort In Human-Robot Collaboration
University of St. Gallen（圣加仑大学）
本研究提出一种具备用户感知能力的实时自适应工业机器人系统，通过非侵入式监测生理信号动态调整机器人运动，可显著降低操作人员认知负荷，提升协作舒适度与安全感，为人机交互提供了新范式。
2024-09-14 cs.RO
Integrated Hardware and Software Architecture for Industrial AGV with Manual Override Capability
University of Padova（帕多瓦大学）；Techmo Car S.p.a.（泰克莫汽车股份公司）
本文研究将传统人工操作车辆改造为全自主设备，提出集成传感器、执行器、先进控制算法与通信系统的软硬件架构，以提升工业环境下的自主性、安全性和运行效率，并给出了初步结果。
2024-08-22 cs.RO
Toward Certified Functional Safety for Industrial Humanoid Robots: The Fail-Passive Gap and a Feasibility Study
Siemens Foundational Technologies, Siemens Corporation（西门子基础技术部，西门子公司）
该研究针对工业人形机器人功能安全认证的故障被动间隙，通过外部安全链定位间隙，在Unitree G1 EDU上验证方法，分析人形机器人主动安全状态，将间隙定位在SDA与平衡策略的接口处。
2026-08-05 cs.RO
Towards safe and optimal flight: Viability Kernel MPC for Fully Actuated Multirotor
University of Padova（帕多瓦大学）；University of Trento（特伦托大学）
该研究针对全驱动多旋翼，提出结合生存理论与数据驱动方法的Viability Kernel MPC算法，通过动态轴对齐边界框避障，经模拟验证可在杂乱环境中安全导航且计算高效。
2026-08-27 cs.RO cs.SY eess.SY
AR-based interaction for safe human-robot collaborative manufacturing
Tampere University of Technology（坦佩雷理工大学）
工业标准定义了工业制造中人机协作（HRC）的安全要求。这些标准特别要求实时监控和确保机器人与操作员之间的最小保护距离。在这项工作中，我们提出了一个基于深度传感器的工作空间监测模型和一个交互式增强现实（AR）用户界面（UI）安全HRC。AR UI在两种不同的硬件上实现：投影镜设置和可穿戴AR设备（HoloLens）。我们实验的工作空间模型和用户界面的一个现实的柴油发动机装配任务。与没有交互和工作空间共享的基线相比，基于AR的交互式UI分别减少了21-24%和57-64%的任务完成和机器人空闲时间。然而，主观评估显示，基于HoloLens的AR还不适合工业制造，而投影镜设置在安全性和工作人体工程学方面有明显的改进。
2019-09-06 cs.RO
PRO-MIND: Proximity and Reactivity Optimisation of robot Motion to tune safety limits, human stress, and productivity in INDustrial settings
Istituto Italiano di Tecnologia（意大利技术研究院）；Politecnico di Milano（米兰理工大学）
PRO-MIND提出一种人在回路框架，通过估计注意力、脑力负荷和基于心率变异性的压力，动态调整安全区域并利用B样条多目标优化机器人轨迹，在保障安全与舒适的同时提升人机协作生产率。
2024-09-10 cs.RO
Vision-Based Human Awareness Estimation for Enhanced Safety and Efficiency of AMRs in Industrial Warehouses
Fraunhofer Austria Research GmbH（弗劳恩霍夫奥地利研究有限公司）；Computer Vision Lab（计算机视觉实验室）；Digital Factory Vorarlberg GmbH（数字工厂沃尔夫斯堡有限公司）；Institute of Computer Technology（计算机技术研究所）
本文提出一种实时视觉方法，利用单个RGB摄像头估计AMR的人类意识，通过3D人体姿态提升和头部姿态估计确定人类位置和视线锥，从而判断人类是否意识到AMR，提升工业环境中的安全性和效率。
2026-04-18 cs.CV cs.RO
SHaRe-RL: Structured, Interactive Reinforcement Learning for Contact-Rich Industrial Assembly Tasks
CITEC, Faculty of Technology, Bielefeld University, Germany（CITEC，技术学院，比勒菲尔德大学，德国）；Fraunhofer IOSB-INA, Lemgo, Germany（弗劳恩霍夫 IOSB-INA，莱姆戈，德国）
SHaRe-RL通过整合先验知识，解决了工业装配中高混合低体积生产对精度、安全性和可靠性的需求，实现了高效安全的在线学习。
2026-03-17 cs.RO
Exploring Robot Trajectory Planning -- A Comparative Analysis of Algorithms And Software Implementations in Dynamic Environments
University of Lincoln（林肯大学）
本文比较分析了动态环境中机器人轨迹规划算法及其软件实现，旨在解决适应性和实时分析问题，以更好地应对不可预测环境。
2024-07-18 cs.RO cs.SE cs.SY
Vision-Based Safety System for Barrierless Human-Robot Collaboration
University of Luxembourg（卢森堡大学）
本文提出一种基于深度学习视觉的速度与分离监控系统，通过定义安全区并实时检测操作人员3D位置来动态控制工业机器人速度或停止，确保无屏障人机协作的安全性。
2022-08-03 cs.CV cs.LG cs.RO
Autonomous drone cinematographer: Using artistic principles to create smooth, safe, occlusion-free trajectories for aerial filming
Carnegie Mellon University（卡内基梅隆大学）；Yamaha Motor Co., Ltd.（雅马哈发动机株式会社）
自主空中摄影有可能在不需要人工干预的情况下自动捕获美观的视频，使个人拥有高端电影制片厂的能力。当前的方法要么只处理离线轨迹生成，要么提供在短时间范围内推理的策略和对障碍物的简单表示，这导致运动不稳定和现实生活中的适用性低。在这项工作中，我们开发了一种空中拍摄的方法，能够权衡拍摄平滑度，遮挡，和摄影指导方针的原则性的方式，即使在嘈杂的演员预测。我们提出了一种新的实时协变梯度下降算法，我们使用它来有效地找到所需的轨迹，通过优化一组成本函数。实验结果表明，我们的方法创建有吸引力的镜头，避免障碍物和遮挡65次超过1.25小时的飞行时间，重新规划在5 Hz与10 s的时间范围。我们使用不同的镜头类型，强劲地拍摄人类演员，汽车和自行车在障碍物之间进行不同的运动。
2018-08-28 cs.AI cs.RO
Updating Industrial Robots for Emerging Technologies
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Karlsruhe University of Applied Sciences（卡尔斯鲁厄应用科学大学）
工业武器需要超越其标准形态，以拥抱新的和新兴的技术。在本文中，我们将首先执行四个流行的，但不同的现代工业机器人手臂的分析。通过看到共同的趋势，我们将尝试推断和扩展这些趋势的未来。在这里，特别关注的是通过盔装显示器（HMD）以及智能手机基于增强现实（AR）的交互。还将考虑长期的人机交互和所述交互的个性化。在人机交互中使用AR已被证明可以增强通信和信息交换。工业手臂设计的一个基本补充是在机器人上集成QR标记，用于访问信息和添加跟踪功能，以更容易地显示AR叠加。在最近的一个信息访问的例子中，梅赛德斯-奔驰在他们的汽车上添加了QR标记，以帮助救援人员在车祸后估计切割和疏散人员的最佳位置。人们还必须在一个越来越注重协作的环境中处理安全问题。因此，QR标记可以与欧盟项目SafeLog中开发的基于RF的测距模块相结合，该模块既可以用于安全，也可以用于在与工业臂进行近距离交互时跟踪人类位置。未来的工业武器也应该是直观的编程和交互。这将通过AR和盔装显示器以及已经提到的基于RF的人员跟踪来实现。最后，机器人和人类之间更个性化的互动可以通过终身学习的人工智能和无实体的个性化代理来实现。我们提出了一种设计，不仅存在于物理世界中，而且部分存在于混合现实的数字世界。
2023-03-28 cs.RO
Simulation-based Testing for Early Safety-Validation of Robot Systems
Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）
工业人机协作系统必须在安全性方面进行彻底验证。工人的潜在危险暴露得越早，实施必要变革的成本就越低。由于机器人系统的复杂性，安全缺陷通常隐藏，特别是在早期设计阶段，当物理实现尚未可用于测试时。基于模拟的测试是在早期阶段识别危险的一种可能方法。然而，创建危险变得可观察的模拟条件可能是困难的。由于搜索空间较大，蛮力法或蒙特卡罗法通常不适用于危险识别。这项工作通过使用人体模型和优化算法在模拟中生成高风险的人类行为来解决这个问题，从而暴露潜在的危险。在应用实例中示出了概念的证明，其中该方法用于在工业机器人单元中发现危险。
2020-11-20 cs.RO
On-line collision avoidance for collaborative robot manipulators by adjusting off-line generated paths: An industrial use case
University of Coimbra（科英布拉大学）；Arts et Métiers（法国国立高等工程技术学院）
人机碰撞避免是协作机器人和工业4.0框架中的关键。它对于实现安全标准，同时使人类和机器在非结构化和时变环境中并肩工作起着重要作用。本研究将机械手的在线碰撞避免引入到一个实际的工业应用中，该应用实现了典型的传感器和常用的协作工业机械手KUKA iiwa。在所提出的方法中，人类的同事和机器人表示的几何图元（胶囊）。当人/障碍物在附近时，使用假设的排斥和吸引向量的概念，计算它们之间的最小距离和相对速度。通过耦合这一概念与机器人的运动学的数学表示，实现了具有碰撞避免能力的任务级控制。因此，离线生成的工业任务的标称路径在运行中被修改，使得机器人能够安全地避免与同事碰撞，同时能够完成工业操作。为了保证在不同任务之间切换时的运动连续性，引入了排斥向量整形的概念。在汽车工业装配机器人单元上的试验表明，通过调整离线生成的标称路径，机器人运动平稳，成功避免了碰撞。
2019-09-11 cs.RO
Soft Motion Trajectory Planner for Service Manipulator Robot
Université de Toulouse（图卢兹大学）；Instituto Tecnologico de Orizaba（奥里萨巴技术学院）
人机交互引入了两个主要约束：安全性和舒适性。因此，服务机器人机械手不能像工业机器人机械手那样被控制，在工业机器人机械手中，人员与机器人的工作范围隔离。在本文中，我们提出了一个软运动轨迹规划，试图确保这些约束得到满足。该规划器可用于在线建立适合于人的视觉和力控制回路。由该规划器构建的立方体轨迹是作为操纵任务规划器的输出的良好候选者。然后，所获得的系统是同质的任务规划的机器人控制。软运动轨迹规划器利用四元数在刚体空间中限制加加速度、加速度和速度。三菱PA 10 -6CE手臂上进行的实验结果。
2009-05-06 cs.RO
Capability-based Frameworks for Industrial Robot Skills: a Survey
Siemens Technology（西门子技术）；Institute of Robotics and Mechatronics, German Aerospace Center (DLR)（德国航空航天中心机器人与机电一体化研究所）；Chair of Human-centered Assistive Robotics, Technical University of Munich (TUM)（慕尼黑工业大学以人为中心的辅助机器人学教席）；Autonomous Systems, Technische Universität Wien (TU Wien)（维也纳工业大学自主系统研究所）
本文综述了工业机器人技能框架，分析210篇论文发现研究界普遍认同基于task、skill和primitive的分类法，并指出工业应用多关注固定参数的简单能力与安全性，呼吁未来研究采用该分类法并探索参数化能力。
2024-08-26 cs.RO
Stochastic Decision-Making Framework for Human-Robot Collaboration in Industrial Applications
Department of Control and Instrumentation Engineering, King Fahd University of Petroleum and Minerals (KFUPM)（控制与仪器工程系，国王法赫德石油与矿物大学）；Interdisciplinary Research Center for Intelligent Manufacturing & Robotics, King Fahd University of Petroleum and Minerals (KFUPM)（智能制造与机器人交叉研究中心，国王法赫德石油与矿物大学）
本文提出了一种随机建模方法，用于工业应用中人机协作的决策框架，以提高协作的安全性和效率。
2026-01-21 cs.RO
Safe Autonomous Lane Changing: Planning with Dynamic Risk Fields and Time-Varying Convex Space Generation
Waseda University（早稻田大学）；James Watt School of Engineering, University of Glasgow（格拉斯哥大学詹姆斯·瓦特工程学院）
本文提出基于动态风险场和时间变化凸空间的轨迹规划方法，通过整合风险感知与碰撞避免，实现安全高效的自动驾驶变道。
2026-03-06 cs.HC cs.RO
Robotic Foundation Models for Industrial Control: A Comprehensive Survey and Readiness Assessment Framework
Siemens AG（西门子股份公司）
本文调研了工业控制中机器人基础模型的应用现状，通过系统评估框架分析了其工业适用性，指出工业成熟度有限，需加强安全、实时性、感知与集成等关键因素的系统性考虑。
2026-03-06 cs.AI cs.RO
Online Generation of Collision-Free Trajectories in Dynamic Environments
Faculty of Electrical Engineering, University of Sarajevo（萨拉热窝大学电气工程学院）
提出一种在线方法，将任意几何路径转换为运动学可行、加加速度受限的轨迹，支持实时环境适应并提供条件性停止安全保证。
2026-07-14 cs.RO
Enhancing Human-Robot Collaboration: A Sim2Real Domain Adaptation Algorithm for Point Cloud Segmentation in Industrial Environments
University of Zurich（苏黎世大学）；Italian Institute of Technology (IIT)（意大利理工学院）；Zurich University of Applied Sciences（苏黎世应用科学大学）
针对工业人机协作场景下真实标注点云数据不足的问题，提出结合DGCNN与带残差层CNN的双流FUSION网络作为Sim2Real域适应算法，实现97.76%的分割准确率，性能与鲁棒性均优于现有方法。
2025-06-11 cs.CV cs.RO
A Cost-Effective Thermal Imaging Safety Sensor for Industry 5.0 and Collaborative Robotics
本研究面向工业5.0与协作机器人场景的安全需求，设计了一款采用混合检测方法的高性价比热成像安全传感器，实验验证其人员检测准确率达97%且计算成本低，可触发不同制造安全模式。
2024-10-30 cs.RO
Verification-Gated Agentic Mission-State Governance for Intelligent Industrial Multi-Robot Systems
Beijing University of Posts and Telecommunications（北京邮电大学）
提出验证门控任务状态治理框架，通过同步任务森林与黑板状态，经确定性验证后原子提交，减少无效提交和冲突，提升工业多机器人系统安全与效率。
2026-07-01 cs.RO
Deep-Reinforcement-Learning-Based Semantic Navigation of Mobile Robots in Dynamic Environments
Technical University of Berlin（柏林工业大学）
移动机器人在工业任务中变得越来越重要，例如在危险环境中的调试，交付或操作。安全自主导航的能力，特别是在动态环境中，在工业移动机器人中至关重要。当前的导航方法依赖于预先存在的静态地图，并且在动态环境中容易出错。此外，出于安全原因，它们通常依赖于手工制作的安全指南，这使得系统灵活性较低且速度较慢。基于视觉的导航和高层次的语义有可能通过创建链接来增强路径规划的安全性，从而使代理可以推理出更灵活的导航。在这个帐户上，我们提出了一个基于强化学习的本地导航系统，学习导航行为完全基于视觉观察，以应付高度动态的环境。因此，我们开发了一个简单而有效的模拟器-ARENA 2D-这是能够产生高度随机化的训练环境，并提供语义信息训练我们的代理。我们展示了增强的结果，在安全性和鲁棒性方面超过了传统的基线方法的基础上的动态窗口方法。
2020-08-02 cs.RO
Distributed Collision-free Protocol for AGVs in Industrial Environments
在本文中，我们提出了一个分散的协调算法的安全和有效的管理一组移动机器人在动态的工业环境中的预定义的路径。该算法是基于一个共享资源协议和重新规划策略。它被证明是保证有序的流量避免碰撞，死锁（失速情况）和活锁（代理移动，而不到达最终目的地）。该方法证明了资源的相互访问，同时给出了最大AGV数量的条件，以确保在系统演化过程中没有死锁。最后给出了验证局部活锁的条件。与分布式机器人系统（DRS）的模型一致，不需要集中式机制，同步时钟，共享内存或地面支持。一个本地机器人间的通信，基于标志牌，被认为是在一个小数目的空间相邻的机器人单元。
2011-01-12 cs.RO
Collaborating for Success: Optimizing System Efficiency and Resilience Under Agile Industrial Settings
Irish Manufacturing Research Company Ltd（爱尔兰制造研究公司）；Shutterfly（舒特弗莱公司）；KineticAI INC.（动能人工智能公司）
针对敏捷工业人机协作中效率与韧性兼顾的难题，提出融合2D激光与3D视觉的分层控制方案，通过扩展安全监测区与速度调节，经实验验证可有效缩短任务时长与响应延迟。
2024-09-12 cs.RO
Motion Priority Optimization Framework towards Automated and Teleoperated Robot Cooperation in Industrial Recovery Scenarios
Industrial Cyber-Physical Systems Research Center at National Institute of Advanced Industrial Science and Technology (AIST)（日本国家先进工业科学技术研究院工业闭环系统研究中心）
本研究提出运动优先级优化框架，通过协作式远程恢复和动态优先级分配，在可配置风险限制内实现制造与恢复机器人避碰，减少生产损失。
2024-01-24 cs.RO
Vision Language Model-based Testing of Industrial Autonomous Mobile Robots
Simula Research Laboratory and University of Oslo（Simula研究实验室和奥斯陆大学）；Mondragon University（蒙dragon大学）；Simula Research Laboratory（Simula研究实验室）；PAL Robotics（PAL机器人技术）
本文提出基于视觉语言模型的测试方法，用于生成违反功能和安全要求的机器人交互场景，以提高自主移动机器人在复杂环境中的安全性和可靠性。
2026-03-05 cs.RO cs.SE
TalkWithMachines: Enhancing Human-Robot Interaction for Interpretable Industrial Robotics Through Large/Vision Language Models
AIT Austrian Institute of Technology（奥地利技术研究院AIT）
本文提出TalkWithMachines框架，结合LLMs和VLMs增强工业机器人的人机交互，通过将模型内部状态转化为可读文本提升可解释性，并设计了四种模拟控制工作流程验证其有效性。
2024-12-19 cs.AI cs.CL cs.HC
