Robotic Supervised Autonomy: A Review
Rochester Institute of Technology(罗切斯特理工学院)
这篇邀请论文讨论了一个新的,但重要的问题,监督自治,在机器人的背景下。本文定义了监督式自主,并将监督式自主与机器人遥操作和机器人完全自主进行了比较。在此基础上,介绍了监督自治的意义。本文讨论了有监督自治中的挑战性和未解决的问题,并回顾了我们研究室的相关工作。基于这些讨论,本文得出结论,监督自治是应用机器人系统来解决现实世界中的复杂问题的关键。
2019-06-27 cs.RO
Deep Learning in Robotics: A Review of Recent Research
University of Arkansas(阿肯色大学)
在过去十年中,深度学习的进步引发了一系列关于深度人工神经网络在机器人系统中应用的研究,从2014年至今,至少有30篇论文发表在这个主题上。本文以当代研究为例,讨论了深度学习与物理机器人系统的应用、优点和局限性。它旨在向更广泛的机器人社区传达最新进展,并激发对机器人技术中深度学习的兴趣和应用。
2017-07-22 cs.RO
Robotic Perception in Agri-food Manipulation: A Review
University of Lincoln(林肯大学)
为了更好地优化全球食品供应链,需要机器人解决方案来自动化目前由人类完成的任务。也就是说,表型分析,质量分析和收获都是农业机器人领域的开放问题。机器人感知是自主解决诸如场景理解和目标检测等问题的关键挑战,这些问题是机器人可能承担的任何抓取任务的重要先决条件。这项工作进行了简要回顾现代机器人的感知模型,并讨论其在农业食品领域的功效。
2022-08-22 cs.RO
Review on Efficient Strategies for Coordinated Motion and Tracking in Swarm Robotics
Middlesex University(密德萨斯大学)
群体机器人是一种创造性的组织多机器人结构的方法,由许多受公共昆虫影响的基本机器人组成。群体机器人最令人惊讶的属性是它们能够一起工作以实现集体目标。本文讨论了目前的调查,问题和算法,刺激在群体机器人协调运动的研究。群机器人运动的算法进行了对比,考虑到群体微型机器人完成聚合,创建,并通过对比算法和仿真之间的相关计算仿真。
2023-02-13 cs.RO
A review on cloud robotics based frameworks to solve simultaneous localization and mapping (slam) problem
National Institute of Technology, Raipur(印度国立理工学院赖布尔分校);Motilal Nehru National Institute of Technology, Allahabad(莫蒂拉尔·尼赫鲁国立理工学院阿拉哈巴德分校);Indian Institute of Information Technology, Allahabad(印度信息技术学院阿拉哈巴德分校)
云机器人是机器人技术的新兴领域之一。由于其对机器人技术的直接实际影响,它引起了很多关注。在云机器人技术中,云计算的概念用于将机器人的计算性大量工作卸载到云。除此之外,还可以根据需要为机器人提供额外的功能。同时定位与地图构建(SLAM)是机器人技术中的一种计算密集型算法,用于机器人在未知环境中进行导航和地图构建。几个基于云的框架被提出来专门解决SLAM的问题,DAvinCi,Rapyuta和C2TAM是其中的一些框架。在本文中,我们提出了一个详细的审查所有这些框架实现的SLAM问题。
2017-01-29 cs.RO
Literature Review on Endoscopic Robotic Systems in Ear and Sinus Surgery
CHU de Nantes(南特大学医疗中心);Laboratoire des Sciences du Numérique de Nantes UMR CNRS 6004(南特数字科学实验室(法国国家科学研究中心联合实验室 6004));CNRS(法国国家科学研究中心)
在耳鼻喉科手术中,内窥镜越来越多地用于提供难以到达区域的更好视图,并促进微创手术。然而,操纵内窥镜的需要限制了外科医生一次仅用一个器械操作的能力。目前,几个机器人系统正在开发中,展示了机器人辅助显微手术的价值。本文献综述的目的是介绍和分类目前的机器人系统,用于耳科和鼻内应用。对于这些解决方案,将进行与外科医生需求相关的功能分析,以便为创建新机器人制定一套规范。
2021-09-28 cs.RO
Anomaly Detection in Smart Manufacturing with an Application Focus on Robotic Finishing Systems: A Review
Western University(韦仕敦大学)
随着智能制造系统变得越来越复杂,产生大量数据,生产故障的可能性越来越大。出现了需要最小化或消除生产故障,其中之一是通过异常检测。然而,随着异常检测系统的部署,有许多方面需要考虑。本文概述了智能制造和机器人精加工系统中异常检测的组成部分、优点、挑战、方法和未决问题。
2021-07-13 cs.RO
A review of robotics taxonomies in terms of form and structure
Naval Research Laboratory(海军研究实验室)
识别和分类特定的机器人任务,行为和资源是跨实验室和平台复制和评估机器人实验的重要前提。如果没有一些方法来捕捉一个环境、平台或行为与另一个环境、平台或行为的差异,我们就无法开始确定这些变化对性能的影响,也无法预测机器人在新环境中的性能。作为实验重现性的第一步,现有的分类在机器人领域进行审查和结构和形式的共同模式提取,确定他们与传统分类和必要的结构元素,从其他分类和归类系统共享的属性。注意到分类学主题的多样性和随后在协调概念基础方面的困难。机器人分类法在结构和形式上是非常分散的,需要能够支持复杂关系的符号。
2021-01-07 cs.RO
Review of control algorithms for mobile robotics
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA(国家开放大学);UNIVERSIDAD PEDAGOGICA Y TECNOLOGICA DE COLOMBIA(哥伦比亚教育与技术大学)
本文综述了移动机器人控制算法,涵盖经典PID及现代深度学习等方法,聚焦导航、定位、建图与路径规划挑战,并讨论实际应用与挑战,为研究者提供全面参考。
2023-10-09 cs.RO
Secure Robotics: A Definition and a Brief Review from a Cybersecurity Control and Implementation Methodology Perspective
Bluerydge Cybersecurity and Technology(布鲁里奇网络安全与技术公司);University of Canberra(堪培拉大学);The Australian National University(澳大利亚国立大学)
安全机器人是一个多学科的努力,以改善机器人和具体的人工智能系统的网络安全态势。本文调查了封装安全机器人概念的新兴概念和想法,并确定了五个安全机器人网络安全控制实施层作为从业人员考虑的关键起点。它还认识到需要进一步研究人机信任与实施既定和新颖的网络安全控制之间的关系。
2022-11-14 cs.CR cs.RO
Distributed Robotic Systems in the Edge-Cloud Continuum with ROS 2: a Review on Novel Architectures and Technology Readiness
University of Turku(图尔库大学)
机器人系统比以往任何时候都更加连接,网络化和分布式。最近出现了符合\textit{de facto}机器人中间件标准ROS\2的新架构,以填补从边缘到云部署的混合系统方面的空白。本文回顾了使容器化机器人应用程序能够在边缘或云中无缝运行的新架构和技术。我们还概述了包括从扩展到ROS\,2工具到Kubernetes和ROS\,2集成的解决方案的系统。另一个重要的趋势是机器人学习,以及新的模拟器和云模拟如何实现,例如,大规模强化学习或分布式联邦学习解决方案。这也使机器人系统开发的持续交互和持续部署(CI/CD)管道能够更深入地集成,超越了标准软件单元测试,通过模拟测试自动构建和验证代码。我们讨论了当前的技术准备情况,并列出了可能出现的新应用场景。最后,我们讨论了分布式机器人系统目前面临的挑战,并列出了该领域的开放研究问题。
2022-11-02 cs.RO
Robotic Process Automation -- A Systematic Literature Review and Assessment Framework
Institute of Databases and Information Systems, Ulm University(乌尔姆大学数据库与信息系统研究所)
机器人流程自动化(RPA)是基于规则的常规流程的自动化,以提高效率并降低成本。由于过程自动化在工业中的重要性,RPA在科学领域也引起了越来越多的关注。本文通过系统性文献综述(SLR)介绍了RPA领域的最新进展。在本SLR中,根据明确定义的研究问题识别、分类和分析了63篇出版物。此外,从SLR的调查结果,系统地分析,评估和比较现有的以及即将到来的RPA工程的框架。所发现的专题组建议进一步调查,以制定一个更详细的结构研究方法的RPA。
2020-12-22 cs.RO
Accelerating Surgical Robotics Research: A Review of 10 Years With the da Vinci Research Kit
Imperial College London(伦敦帝国理工学院);University of Leeds(利兹大学);Johns Hopkins University(约翰斯·霍普金斯大学);Worcester Polytechnic Institute(伍斯特理工学院);Intuitive Surgical Inc(直觉外科公司)
机器人辅助手术现已在临床实践中得到广泛应用,并已成为多种临床适应症的金标准临床治疗选择。机器人辅助手术领域预计将在未来十年内大幅增长,一系列新的机器人设备将出现,以满足不同专业未满足的临床需求。一个充满活力的手术机器人研究社区对于概念化这种新系统以及开发和培训工程师和科学家将其转化为实践至关重要。达芬奇研究套件(dVRK)是一项学术和行业合作项目,旨在重新利用退役的达芬奇手术系统(Intuitive Surgical Inc,CA,USA)作为手术机器人研究的研究平台,一直是解决障碍的关键举措手术机器人领域新研究小组的进入。在本文中,我们提出了一个广泛的审查出版物,促进了dVRK在过去的十年。我们将研究工作分为不同的类别,并概述了机器人社区维护这一倡议并在此基础上建立的一些主要挑战和需求。
2021-11-17 cs.RO
Affective Robotics For Wellbeing: A Scoping Review
University of Cambridge(剑桥大学)
本文系统回顾了过去十年HRI文献,分析了面向福祉的情感机器人的目标、平台、形状、能力与自主性等特征,并提出未来研究议程与建议。
2023-04-04 cs.RO
A systematic literature review on Robotic Process Automation security
University of Guelph(圭尔夫大学)
技术官僚时代充斥着新技术,这些尖端设施伴随着风险和陷阱。机器人流程自动化是另一项创新,它使大容量,手动,可重复,日常实践,基于规则和无动力的人类差事计算机化。机器人过程自动化的主要目标是用虚拟劳动力或计算机化专家来代替单调的人类差事,他们从事与人类劳动者过去所做的类似工作。这使得人类劳动者能够专注于棘手的任务和批判性思维。机器人流程自动化工具被认为是直接和强大的明确的业务流程计算机化。机器人过程自动化包括决定是否应该发生过程的智能。它能够分析呈现的数据,并根据开发人员设置的逻辑参数提供决策。此外,它不像其他形式的自动化那样需要系统集成。尽管如此,由于创新尚未出现,机器人过程自动化在执行过程中面临一些困难。
2022-12-11 cs.RO
A Systematic Literature Review of Experiments in Socially Assistive Robotics using Humanoid Robots
University of Tsukuba(筑波大学)
我们进行了系统的文献综述,以发现人形机器人是如何被应用于社会辅助机器人实验。我们检索了24篇论文,其中16篇被纳入进行更深入的分析。为了进行这种分析,我们使用了一个受基于行为的机器人启发的概念框架。我们想知道是哪个机器人(大多数使用机器人NAO),应用程序的目标是什么(教学,协助,演奏,指导),如何控制机器人(在大多数实验中手动),机器人表现出什么样的行为(对触摸做出反应,指向身体部位,唱歌,跳舞,等等),机器人使用了什么样的执行器(总是电机,有时扬声器,几乎没有任何其他类型的致动器)和机器人使用什么类型的传感器(在许多研究中,机器人根本不使用任何传感器,在其他研究中,机器人经常使用相机和/或麦克风)。本研究的结果可用于设计针对类人社会辅助机器人的软件框架,特别是在软件产品线工程项目的背景下。
2017-11-15 cs.RO
Deep Causal Learning for Robotic Intelligence
Rochester Institute of Technology(罗切斯特理工学院)
这篇特邀评论讨论了机器人智能背景下的因果学习。本文首先介绍了人类认知中因果学习的心理学研究成果,然后介绍了因果发现和因果推理的传统统计方法。本文回顾了最近的深度因果学习算法,重点介绍了它们的架构和使用深度网络的好处,并讨论了深度因果学习与机器人智能需求之间的差距。
2022-12-23 cs.RO
Robotics Applications in Neurology: A Review of Recent Advancements and Future Directions
Kariadi Hospital(卡里亚迪医院);Indonesia Center for Technology Empowerment (ICTE)(印度尼西亚技术赋能中心);Diponegoro University(迪波内戈罗大学);UNDIP(迪波内戈罗大学);UNS(塞贝拉斯马雷特大学);Syiah Kuala University(锡亚库阿拉大学);RS Permata Cirebon(佩尔马塔井里汶医院)
本综述聚焦神经病学领域机器人技术在诊断、治疗、康复三大方向的最新进展,分析现有技术的挑战与局限,并展望其与神经假体、AI、VR等技术融合的未来方向,凸显其革新领域、改善患者生活的潜力。
2023-12-12 cs.RO
Robotic Non-Destructive Testing of Manmade Structures: A Review of the Literature
Indian Institute of Technology(印度理工学院);Aachen University(亚琛大学)
这篇文献综述探讨了机器人如何用于维护人造结构,如管道,钢筋混凝土甲板和空间站作为一个样本的广泛的机器人无损检测(NDT)的应用。机器人NDT可用于发现管道中的斑块、钢结构建筑中的腐蚀以及空间站中的冲击损伤,这些通常是肉眼看不到的。检查后,被检查的材料被保存在其原始状态。本文的结构如下:首先,阐述了无损检测的定义,并讨论了将用于上述结构的检测的具体方法。其次,解释为什么机器人适合于检查,特别是机器人相对于人类的优势。第三,三个现实世界的例子通知读者在机器人无损检测的当前进展。最后,机器人问题的总结提醒人们,测试和开发必须继续机器人无损检测成为主流。
2020-07-12 cs.RO
3D ToF LiDAR in Mobile Robotics: A Review
Northwestern Polytechnical University(西北工业大学);RENAULT S.A.S(雷诺集团);University of Oxford(牛津大学);NIO Inc.(蔚来汽车);Czech Technical University(捷克技术大学);Univ. Bourgogne Franche-Comté(勃艮第-弗朗什-孔泰大学);UTBM(贝尔福-蒙贝利亚尔技术大学)
在过去的十年中,3D飞行时间(ToF)LiDAR在移动机器人中的使用迅速增长。本文在积累相关研究成果的基础上,对3D ToF LiDAR在科研和工业应用中的应用进行了系统的回顾和分析。前者包括目标检测、机器人定位、长期自主、恶劣天气条件下的LiDAR数据处理以及传感器融合。后者包括服务机器人、辅助和自动驾驶,以及最近为应对公共卫生危机而进行的应用。我们希望我们的努力能够有效地为读者提供相关参考,并促进现有成熟技术在现实系统中的部署。
2022-02-22 cs.RO
Parallel Computing Architectures for Robotic Applications: A Comprehensive Review
North South University(南北大学)
本文综述了并行计算架构(多核CPU、GPU、FPGA、分布式系统)在机器人应用中提升实时处理、传感器融合和路径规划性能的潜力,并讨论了实际案例、比较、挑战及解决方案。
2025-09-07 cs.RO
Smart Driver Monitoring Robotic System to Enhance Road Safety : A Comprehensive Review
University of Tennessee(田纳西大学)
本综述梳理了从传统生理监测到人脸识别等的驾驶员监测技术现状,探讨现有系统挑战,研究集成AI与传感器的智能机器人系统实现实时人机互动的方案,为人机交互与汽车安全交叉领域研究奠定基础并指明新方向。
2024-01-28 cs.RO
Immuno-inspired robotic applications: a review
University of Texas at Austin(德克萨斯大学奥斯汀分校)
人工免疫系统主要模仿生物免疫功能的适应性。它们适应不同病原体的能力使这种系统成为各种机器人应用的合适选择。通常,基于AIS的机器人应用根据表示模式的选择将局部瞬时感觉信息映射到抗原或共刺激信号中。然后,算法使用相关的免疫功能来输出进化的抗体或树突细胞的成熟度(根据驱动信号)。据观察,研究人员在试图解决手头的问题时,不试图复制生物免疫,而是选择必要的免疫功能,从而导致这些应用被报道的特设方式。因此,作者提出了一个全面的审查免疫启发的机器人应用程序,试图将它们根据基本的免疫定义进行分类。实施细节以相应的数学表达式及其表示模式(包括二进制、实数或混合数据)的形式列成表格。根据现代免疫学解释,也确定了报告的应用的局限性。作为这项研究的结果,作者建议重新关注先天免疫,并强调免疫表征应该受益于机器人的体现,必须扩展到包括现代趋势。
2012-02-20 cs.RO
Active Learning in Robotics: A Review of Control Principles
Northwestern University(西北大学)
主动学习是一个决策过程。无论是在抽象的环境中还是在实际的环境中,主动学习都需要分析和行动。这是一个机器人学中的主动学习的综述,主要关注符合具身学习系统要求的方法。机器人必须能够通过持续的在线部署来高效灵活地学习。这提出了一组独特的控制导向的挑战-必须选择合适的措施作为目标,综合实时控制,并产生分析,以保证性能和安全性与环境或机器人本身的有限知识。在这项工作中,我们调查的机器人主动学习系统的基本组成部分。我们讨论类的学习任务,机器人通常遇到的措施,他们衡量的信息内容的意见,并生成行动计划的算法。此外,我们提供了各种例子-从环境映射到非参数形状估计-突出学习任务,信息措施和控制技术之间的质的差异。最后,我们讨论了面向控制的开放式挑战,包括安全约束学习和分布式学习。
2021-06-25 cs.RO
Autonomous Robotic Pruning in Orchards and Vineyards: a Review
Politecnico di Torino(托斯尼亚理工学院)
本文综述2014—2024年果园与葡萄园自主机器人修剪研究,梳理机器视觉、感知、骨架化与控制等技术进展,并指出开放挑战与未来方向。
2025-05-12 cs.RO
Foundation Model Driven Robotics: A Comprehensive Review
School of Mechanical and Aerospace Engineering, Nanyang Technological University(南洋理工大学机械与航空航天工程学院);J. Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University(德克萨斯农工大学J. Mike Walker ’66机械工程系)
本综述全面回顾了大型语言模型和视觉语言模型在机器人学中的应用,系统分析了仿真设计、开放世界执行等集成策略与瓶颈,并提出了通过更鲁棒的具身模型弥合语义推理与物理智能的未来路线图。
2026-11-16 cs.RO
Raven: Open Surgical Robotic Platforms
Rochester Institute of Technology(罗切斯特理工学院);University of Washington(华盛顿大学);University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
Raven I和Raven II手术机器人作为开放式研究平台,已经为机器人手术研究界服务了十年。本文简要介绍了Raven I和Raven II机器人,综述了基于Raven机器人的、旨在应用于Raven机器人的、或与Raven机器人直接比较的最新出版物,并以Raven机器人为例讨论了当前研究界的热点问题和机器人手术研究的趋势。本文并没有进行全面的文献综述,而是仅回顾了近三年来正式发表的著作,并利用这些最新出版物分析了机器人手术主题的研究兴趣、热门开放研究问题和机会。
2019-06-27 cs.RO
The active visual sensing methods for robotic welding: review, tutorial and prospect
School of Computer Science and Technology, Huaibei Normal University(淮北师范大学计算机科学与技术学院)
本文系统综述了机器人焊接中的主动视觉感知方法,将其按用途分为焊缝跟踪、缺陷检测、三维熔池测量和路径规划四类,并提供三维标定教程及未来展望。
2024-03-06 cs.CV cs.RO
Taxonomy and Trends in Reinforcement Learning for Robotics and Control Systems: A Structured Review
本文综述了强化学习原理、深度强化学习算法及其在机器人和控制系统中的应用,探讨了核心算法策略及现代DRL技术,旨在连接理论进展与实际应用。
2026-03-15 cs.LG cs.RO
Robotic Tactile Perception of Object Properties: A Review
University of Leeds(利兹大学);Istituto Italiano di Tecnologia(意大利理工学院);University of Glasgow(格拉斯哥大学)
触摸传感可以帮助机器人了解他们周围的环境,特别是他们与之交互的物体。为此,在过去的几十年里,机器人专家已经开发了几种触觉感知解决方案,在文献中广泛报道。近年来,对所传达的触觉信息的解释的研究也开始引起越来越多的关注。然而,关于这一专题的全面研究报告尚未提出。为了收集和总结该领域的主要科学成果,本调查广泛回顾了当前机器人触觉感知物体属性的趋势。在对物体属性的触觉识别进行广泛综述之前,简要介绍了现有的触觉感知技术。本次审查的目标对象属性是形状,表面材料和对象姿态。还讨论了触摸传感与其他传感源结合的作用。在这篇评论中,公开的问题,并提出了未来的方向应用触觉感知在不同的任务。
2017-11-10 cs.CV cs.RO
Underwater Robotic Simulators Review for Autonomous System Development
University College London(伦敦大学学院);Technology Innovation Institute(技术创新研究院)
本文系统综述并比较了五个ROS兼容的开源水下机器人仿真器,从保真度、可扩展性、任务适配性及sim-to-real能力等方面进行评估,为仿真环境选择与未来标准化发展提供指导。
2025-04-08 cs.RO
Advances in Transformers for Robotic Applications: A Review
University of California, Los Angeles(加州大学洛杉矶分校);Northeastern University(东北大学)
本文综述Transformer架构在机器人领域的应用,涵盖感知、规划、控制及与深度强化学习的集成,并讨论其提升人机交互、长时域决策和泛化的潜力,最后指出局限与未来方向。
2024-12-13 cs.AI cs.RO
Predictive Processing in Cognitive Robotics: a Review
Universidad Nacional Autónoma de México(墨西哥国立自治大学);Scuola Superiore Sant’Anna(圣安娜高等研究院);National Research Council(国家研究委员会);Humboldt-Universität zu Berlin(柏林洪堡大学);Universidad Autónoma del Estado de Morelos(莫雷洛斯州自治大学)
预测加工已经成为认知科学中一个有影响力的框架。该框架颠覆了传统的感知观,认为信息处理的主要流程是以自上而下的分层方式实现的。此外,它旨在统一感知,认知和行动作为一个单一的推理过程。然而,在相关文献中,预测处理框架及其相关方案,如预测编码,主动推理,感知推理,自由能量原理,往往是互换使用。在认知机器人领域,没有明确区分哪些方案已经实施,以及在哪些假设下实施。在本文中,工作定义的主要目的是分析在预测处理框架下工作的认知机器人研究的最新发展,以及一些相关的非机器人模型。分析表明,首先,认知机器人实现和非机器人模型的研究需要扩展到研究如何将多个外感受模态集成到预测误差最小化方案中。其次,这里发现的一个相关区别是,认知机器人实现往往强调生成模型的学习,而在非机器人模型中几乎不存在。第三,尽管与主动推理相关,但很少有认知机器人实现研究控制周围的问题,以及它是否应该由本体感受预测的逆模型替代而产生。最后,有限的注意力已经放在精确加权和跟踪预测误差动态。这些机制有助于在预测处理框架下探索认知机器人研究中更复杂的行为和任务。
2021-01-22 cs.RO
Functional advantages of an adaptive Theory of Mind for robotics: a review of current architectures
机器人领域已经取得了巨大的进步,但是,主要的挑战仍然存在,包括构建具有自适应心理理论(ToM)的机器人。在本论文中,七个当前的机器人架构的人机交互,以及四个主要的功能优势,配备一个自适应的ToM机器人。本论文的目的是确定ToM功能以何种方式集成到所分析的架构中以及集成的频率,以及它们是否为机器人提供相关的功能优势。我们的评估表明,不同的方法被用来实现ToM功能的机器人架构。此外,虽然用于错误信念理解和跟踪的ToM通常是内置的社交机器人架构,但用于主动性、主动感知和学习的ToM并不常见。尽管如此,在机器人中实现更好的自适应ToM功能的进展是有必要的,以使它们能够充分利用具有类似于人类的ToM的优势。
2019-08-31 cs.AI cs.HC cs.RO
Robotic Vision for Human-Robot Interaction and Collaboration: A Survey and Systematic Review
Australian Research Council Centre of Excellence for Robotic Vision(澳大利亚研究理事会机器人视觉卓越中心);Queensland University of Technology(昆士兰科技大学);Monash University(莫纳什大学);University of Oxford(牛津大学)
本综述系统性回顾了过去10年310篇文献,全面分析了机器人视觉在人机交互与协作中的应用趋势、方法、数据集及未来挑战,指出该领域在动作识别和物体交接等方面取得进展,但计算机视觉新技术转化不足。
2023-07-28 cs.RO
Security Landscape for Robotics
The University of Strathclyde(思克莱德大学)
在本文中,在机器人技术的安全性的当前状态被描述为需要审查。当我们考虑在互联网连接的机器人中实现的安全机制时,安全需求成为一个至关重要的安全需求。回顾机器人领域的安全现状,有四个关键要求需要解决:校准供应链、命令的完整性和真实性(即远程操作)、物理平面安全以及安全、受控的日志记录和审计。
2019-04-05 cs.CR cs.RO
Accessible Survey of Evolutionary Robotics and Potential Future Research Directions
Bournemouth University(伯恩茅斯大学)
本文综述了应用于进化机器人领域的各种进化方法,旨在解决机器人设计和控制领域的难题。进化机器人是一个快速发展的领域,近年来吸引了大量的研究关注。因此,本文整理了最近的研究结果以及一些预期的应用。所审查的文献有系统地组织起来,对最近的事态发展作了分类概述,并以表格形式提出,以供快速参考。我们从ER的角度讨论了机器人技术中存在的突出潜力和挑战,相信这些将在不久的将来通过应用进化方法得到解决。本研究的主要目的是探讨进化方法在机器人应用程序开发中的适用性。我们相信,这项研究将使研究人员能够利用进化方法来解决机器人技术中复杂的突出问题。
2022-10-21 cs.RO
Field-programmable dynamics in a soft magnetic actuator enabling true random number generation and reservoir computing
Helmholtz-Zentrum Dresden-Rossendorf e.V.(德累斯顿-罗斯托克亥姆霍兹中心);Institute of Ion Beam Physics and Materials Research(离子束物理与材料研究研究所);Kyiv Academic University(基辅学术大学);Department of Mathematical and Computer Sciences, Physical Sciences and Earth Sciences(数学与计算机科学系,物理科学与地球科学系);University of Messina(梅斯ina大学);Istituto Nazionale di Geofisica e Vulcanologia(国家地震与火山研究所);Helmholtz-Zentrum Hereon(亥姆霍兹这里昂研究中心);Institute of Functional Materials for Sustainability(可持续功能材料研究所);Technische Universität Dresden(德累斯顿技术大学);Dresden Center for Intelligent Materials (DCIM)(德累斯顿智能材料中心(DCIM));Institute of Lig(材料研究所)
本研究通过软磁致动器实现复杂动态,用于真正随机数生成和回声计算,拓展了软计算和人机交互的应用。
2025-11-28 cond-mat.other cond-mat.str-el cs.RO
Deep Reinforcement Learning for the Control of Robotic Manipulation: A Focussed Mini-Review
ICube Lab Robotics Department Strasbourg University UMR 7357 CNRS(斯特拉斯堡大学ICube实验室机器人系 UMR 7357 CNRS);ICube Lab UMR 7357 Centre National de la Recherche Scientifique CNRS(ICube实验室 UMR 7357 法国国家科学研究中心)
深度学习提供了操纵、处理和分析数据的新方法。它有时可能达到与人类专家表现相当或超过人类专家表现的结果,并已成为人工智能时代的灵感来源。机器学习的另一个子领域称为强化学习,试图通过与环境的交互来找到最佳行为策略。结合深度学习和强化学习可以解决与稀疏奖励信号任务(如机器人操作和控制任务)中数据的维度和可扩展性相关的关键问题,这两种方法都不允许单独应用。本文介绍了深度强化学习算法的最新进展,这些算法试图解决机器人操作控制领域的应用问题,如样本效率和泛化能力。尽管有这些不断的改进,目前,学习强大的和通用的操作技能的机器人与深度强化学习的挑战仍然远远没有解决现实世界的应用。
2021-02-08 cs.RO
Soft Pneumatic Actuators for Robotics: From Motion Generation to Performance Optimization
本文基于运动类型(直线、弯曲、扭转、全向)分类综述软体气动执行器的设计策略,分析结构特征对运动输出、力产生、空气需求等性能的影响,并讨论选择与比较时的关键条件。
2026-11-13 cs.RO
Past, Present, and Future: A Survey of The Evolution of Affective Robotics For Well-being
University of Cambridge(剑桥大学);Politecnico di Milano(米兰理工大学);Purdue University(普渡大学);Simon Fraser University(西蒙菲莎大学);Northwestern University(西北大学)
本文系统综述了过去10年面向福祉的情感机器人研究,从技术、设计和伦理三个视角分析其演进,并基于现有空白提出未来研究方向。
2024-08-02 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
Physical Reservoir Computing in Hook-Shaped Rover Wheel Spokes for Real-Time Terrain Identification
Dyson School of Design Engineering, Imperial College London(帝国理工学院伦敦校区设计工程学院);Department of Computer Science, University of Aberdeen(阿伯丁大学计算机科学系);NASA Jet Propulsion Laboratory(美国国家航空航天局喷气推进实验室)
针对传统地形检测方法计算密集、实时性差的问题,提出将物理储层计算与车轮辐条压电传感器结合的实时地形识别方法,实现90%分类准确率,增强漫游车自主性与适应性。
2025-04-17 cs.RO
A Survey on Robotic Prosthetics: Neuroprosthetics, Soft Actuators, and Control Strategies
National Institute of Science Education and Research(国家科学教育与研究学院)
本文综述了机器人假肢领域,重点梳理神经假肢、软体执行器(如EAP、SMA、FFA)及控制策略的研究进展,并展望其未来发展方向。
2024-08-03 cs.RO cs.SY eess.SY
Robotics in Elderly Healthcare: A Review of 20 Recent Research Projects
University of Oslo(奥斯陆大学);Norwegian University of Life Sciences NMBU(挪威生命科学大学(NMBU))
本文回顾了2008至2021年间20个老年医疗保健机器人研究项目,通过主题分析发现当前研究重功能而轻伦理设计,并提出了未来研究的五个关键方向。
2023-02-09 cs.RO
Technical Design Review of Duke Robotics Club's Oogway: An AUV for RoboSub 2024
Duke Robotics Club(杜克机器人俱乐部)
本文介绍了Duke Robotics Club为2024 RoboSub竞赛升级的AUV机器人Oogway,其基于独立且高度集成的子系统设计,通过升级控制系统、电气架构及声纳集成等,成功获得参赛资格。
2024-10-13 cs.RO
Vision Language Action Models in Robotic Manipulation: A Systematic Review
Khalifa University Center for Autonomous Robotic Systems (KUCARS), Khalifa University, United Arab Emirates(卡利法大学自主机器人系统中心(KUCARS)、卡利法大学、阿拉伯联合酋长国);Institute of Industrial and Control Engineering (IOC), Universitat Politecnica de Catalunya, Spain(工业与控制工程研究所(IOC)、巴塞罗那技术大学、西班牙)
本文综述了视觉语言动作模型在机器人操作中的应用,分析了102个模型、26个数据集和12个模拟平台,探讨了多模态对齐和可扩展预训练等关键挑战。
2025-07-14 cs.CV cs.RO
Machine Vision in the Context of Robotics: A Systematic Literature Review
Dresden University of Applied Sciences(德累斯顿应用技术大学)
机器视觉对机器人技术至关重要,因为机器视觉有很多应用依赖于视觉传感器的输入,例如自主移动机器人和智能生产系统。为了创造未来的灵巧家庭和系统,对研究领域当前挑战的概述将有助于以系统和可复制的方式确定进一步的可能方向。在这项工作中,进行了系统的文献综述,涵盖了过去10年的研究。我们从四个数据库中筛选了172篇论文,并选择了52篇相关论文。虽然鲁棒性和计算时间都有了很大的提高,但遮挡和光照变化仍然是面临的最大问题。从最近的出版物的数量,我们得出结论,所观察到的领域是相关的和感兴趣的研究界。在该领域的许多领域出现了进一步的挑战。
2019-05-03 cs.CV cs.LG cs.RO
Foundation Models in Robotics: A Comprehensive Review of Methods, Models, Datasets, Challenges and Future Research Directions
Department of Informatics and Telematics, Harokopio University of Athens(信息与电信系,哈罗科比欧大学)
本文综述了机器人中基础模型的发展,涵盖方法、模型、数据集、挑战及未来方向,分析了不同阶段的研究演变及关键方面。
2026-08-25 cs.RO
A review of motion planning algorithms for intelligent robotics
University of Eastern Finland(东芬兰大学);Shenzhen Technology University(深圳技术大学)
研究和分析了典型的运动规划算法的原理。这些包括传统的规划算法,监督学习,最优值强化学习,策略梯度强化学习。我们研究的传统规划算法包括图搜索算法、基于采样的算法和插值曲线算法。监督学习算法包括MSVM、LSTM、MCTS和CNN。最优值强化学习算法包括Q学习、DQN、双DQN、决斗DQN。策略梯度算法包括策略梯度法、行动者-批评者算法、A3 C、A2 C、DPG、DDPG、TRPO和PPO。通过分析比较,提出了评价运动规划算法性能和应用的新的通用标准。重点分析了最优值算法和策略梯度算法的收敛速度和稳定性。根据运动规划算法的原理和分析比较,提出了未来的发展方向。本文对机器人运动规划算法的优缺点、相互关系和未来发展趋势有了一个清晰全面的认识,为更好的运动规划算法的研究铺平了道路。
2021-02-05 cs.AI cs.RO
A Comprehensive Review of Bio-Inspired Approaches to Coordination, Communication, and System Architecture in Underwater Swarm Robotics
La Trobe University(拉特罗布大学)
本文综述了水下群体机器人中生物启发方法的协调、通信和系统架构,分析了关键算法、通信限制及硬件设计,提出多维分类框架以指导未来研究方向。
2026-01-18 cs.NE cs.RO
Teach Me How to Learn: A Perspective Review towards User-centered Neuro-symbolic Learning for Robotic Surgical Systems
German Research Center for Artificial Intelligence (DFKI)(德国人工智能研究中心(DFKI));Saarland Informatics Campus(萨尔兰信息学园区);University of Bremen(不来梅大学)
本文提出面向机器人手术的以用户为中心神经符号学习范式,综述人在环路手术机器人研究,并展望基于专家外科医生隐式与显式反馈的在线学徒学习以解决自主手术机器人交互挑战。
2023-07-07 cs.AI cs.HC cs.RO
A Review Of Robotic World Models For Dynamic Environments Based On Factor And Scene Graphs
University of Luxembourg(卢森堡大学)
本综述系统梳理基于因子图和场景图的机器人世界模型,重点分析动态环境建模方法、混合模型架构及下游任务应用,并指出不确定性传播、可观测性、终身维护和评估基准等开放挑战。
2026-10-08 cs.CV cs.RO
Vision-based Robotic Grasping From Object Localization, Object Pose Estimation to Grasp Estimation for Parallel Grippers: A Review
CloudMinds Technologies(达闼科技)
本文对基于视觉的机器人抓取进行了全面的综述。总结了基于视觉的机器人抓取过程中的三个关键任务:物体定位、物体姿态估计和抓取估计。具体地说,目标定位任务包括无分类目标定位、目标检测和目标实例分割。该任务提供输入数据中的目标对象的区域。物体位姿估计任务主要是指估计6D物体位姿,包括基于对应关系的方法、基于模板的方法和基于投票的方法,其提供已知物体的抓取位姿的生成。抓取估计任务包括2D平面抓取方法和6DoF抓取方法,其中前者被约束为从一个方向抓取。这三个任务可以通过不同的组合来完成机器人抓取。许多目标位姿估计方法不需要目标定位,而是将目标定位和目标位姿估计联合进行。许多抓取估计方法不需要目标定位和姿态估计,而是以端到端的方式进行抓取估计。本调查详细回顾了传统方法和基于RGB-D图像输入的最新深度学习方法。相关的数据集和国家的最先进的方法之间的比较也进行了总结。此外,还指出了基于视觉的机器人抓取的挑战和解决这些挑战的未来方向。
2020-10-26 cs.CV cs.RO