Multi-view Pose Fusion for Occlusion-Aware 3D Human Pose Estimation
University of Padova（帕多瓦大学）
提出一种基于绝对单目3D骨架多视角融合与重投影误差优化的遮挡感知3D人体姿态估计方法，通过引入肢体长度对称约束，在严重遮挡的人机协作场景中显著优于现有技术。
2024-08-28 cs.CV cs.RO
Come Closer: The Effects of Robot Personality on Human Proxemics Behaviours
Heriot-Watt University（赫瑞-瓦特大学）
本研究通过固定机器人接待员Charlie，探讨内向与外向个性对人际距离的影响，发现内向机器人引发更近的接近距离，并提出新的人机交互近身空间分区。
2023-09-06 cs.RO
I Know What You Would Like to Drink: Benefits and Detriments of Sharing Personal Info with a Bartender Robot
University of Naples Federico II（那不勒斯费德里科二世大学）
本文介绍了机器人调酒师的好处和功能，它能够适应与人类用户的互动，根据他们的喜好在饮料，音乐和爱好。我们相信，在人机交互过程中的个性化体验会增加人类用户与机器人的互动，并且这些信息将在交互过程中被机器人使用。然而，这意味着用户需要与机器人共享一些个人信息。在本文中，我们介绍的研究课题和我们的方法来评估人们的看法和考虑他们的隐私与机器人。我们提出了一个主题内的研究，其中参与者与机器人进行了两次互动，首先没有任何关于用户的信息，然后，了解他们的偏好。我们观察到，不到60%的参与者不担心与机器人共享个人信息。
2021-04-02 cs.RO
Seeing Through Occlusion: Deterministic Arm Kinematic Correction for Robot Teleoperation
Department of Mechanical and Mechatronics Engineering, University of Waterloo, Canada（滑铁卢大学机械与机电工程系）
提出手臂运动学校正方法，利用恒定臂长几何约束和勾股定理确定性地重建遮挡关节深度，无需复杂建模，经Vicon验证有效，并成功应用于遥操作。
2026-06-18 cs.CV cs.HC cs.RO
Person Re-Identification for Robot Person Following with Online Continual Learning
Southern University of Science and Technology（南方科技大学）；Guangdong University of Technology（广东工业大学）
针对机器人跟随人员中固定特征提取器因领域偏移导致重识别失败的问题，提出基于在线持续学习的ReID框架，利用短期和长期经验在线优化特征提取器，显著提升了复杂条件下的重识别准确率。
2024-07-26 cs.RO
Factors that Affect Personalization of Robots for Older Adults
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）；Idiap Research Institute（伊迪亚普研究所）
本文基于两项实地研究提出面向养老机构辅助机器人个性化部署的因素分类框架，涵盖居民、护理伙伴、机器人、机构与外部环境。
2024-02-27 cs.RO
Beyond the Plane: A 3D Representation of Human Personal Space for Socially-Aware Robotics
Computer Vision and Robotics Laboratory (VeRLab), Department of Computer Science, Universidade Federal de Minas Gerais（计算机视觉与机器人实验室（VeRLab）、计算机科学系、巴西米纳斯吉拉斯联邦大学）
针对人机交互中机器人需尊重人类个人空间的需求，提出融合Z轴不适函数与经典XY平面公式的三维个人空间模型，可结合人体姿态与身高计算机器人任意部件位置引发的不适度。
2025-06-16 cs.RO
Model-based optimisation for the personalisation of robot-assisted gait training
University of Edinburgh（爱丁堡大学）；Huawei’s German Research Centre（华为德国研究中心）；DeepSea Technologies（深海科技公司）；Centre of Automation and Robotics（自动化与机器人中心）
提出一种基于模型的优化方法设计个性化机器人步态训练控制器，通过肌肉骨骼建模获取参数，实验表明个性化控制能改善部分受试者表现，但高变异性凸显了更好估计人机交互的必要性。
2025-03-01 cs.RO
NetROS-5G: Enhancing Personalization through 5G Network Slicing and Edge Computing in Human-Robot Interactions
Iquadrat Informatica（Iquadrat信息公司）；University of Patras（帕特雷大学）；ISI/ATHENA（ISI/雅典娜）
针对机器人机载算力不足导致人机交互个性化受限的问题，提出NetROS-5G框架，融合5G网络切片、边缘与云计算以降低延迟并实现高性价比的卓越个性化。
2023-12-11 cs.RO
M2HRI: An LLM-Driven Multimodal Multi-Agent Framework for Personalized Human-Robot Interaction
University of Virginia（弗吉尼亚大学）
提出M2HRI框架，通过个性、长期记忆和情境化协调机制赋予每个机器人独特身份，实验表明该方法能提升交互自然性和协调性。
2026-06-23 cs.RO
Personalized Behaviour Models: A Survey Focusing on Autism Therapy Applications
Hochschule Bonn-Rhein-Sieg（波恩-莱茵-锡格应用技术大学）
患有自闭症谱系障碍的儿童发现机器人比人类更容易沟通。因此，机器人已被引入自闭症治疗。然而，由于环境的复杂性，使用的机器人往往必须手动控制。这是这种系统的显著缺点，并且需要使它们更加自主。特别是，机器人应该解释儿童的状态，并根据治疗中儿童的行为不断调整其行动。本调查详细阐述了不同形式的个性化机器人行为模型。从人与机器人交互领域的各种方法，以及儿童与机器人交互，进行了讨论。目的是比较它们的缺陷，在真实场景中的可行性，以及自闭症特定机器人辅助治疗的潜在可用性。机器人在治疗游戏期间学习适当的交互策略的算法的一般挑战是增加机器人的自主性，从而为机器人的决策提供基础。
2022-05-18 cs.RO
Is it personal? The impact of personally relevant robotic failures (PeRFs) on humans' trust, likeability, and willingness to use the robot
Ben-Gurion University of the Negev（内盖夫本-古里安大学）
在三个实验室的实验中，我们研究个人相关的故障（PeRFs）对协作机器人的看法的影响。PeR取决于特定问题对特定人员的适用程度，即，它会影响一个人的目标和价值观。我们假设PeRFs会减少对机器人的信任，以及机器人的喜欢和使用意愿（LWtU），而不是对参与者来说不是个人的失败。为了在人机交互中实现PeR，我们使用了三种不同的操作机制：A）财产损失，B）经济损失，以及C）第一人称与第三人称故障场景。总共有132名参与者在洗衣分类的协作任务中亲自与机器人进行了互动。所有三个实验都在相同的实验环境中进行，精心设计以模拟现实的衣物分类场景。结果表明，PeRFs对机器人感知的影响在研究中各不相同。在实验A和B中，与没有失败的会话相比，与PeRF的遭遇显着降低了信任。但并不完全是为了LWTU。在实验C中，PeR操作没有影响。这项工作突出了在实验室环境中研究机器人故障所需的挑战和调整。我们表明，PeR操作影响用户如何看待失败的机器人。结果带来了新的问题，故障类型和他们的感知严重性对用户的感知机器人。把PeR放在一边，我们观察到用户感知交互失败的方式（实验C）与他们感知技术失败的方式（A和B）的差异。
2022-01-14 cs.HC cs.RO
Toward a Universal Concept of Artificial Personality: Implementing Robotic Personality in a Kinova Arm
University of Genoa（热那亚大学）；Italian Institute of Technology (IIT)（意大利技术研究院）
本研究针对现有机器人人格方法碎片化、难适配非人形机器人的问题，将已验证的三维人格认知架构集成到Kinova Jaco2机械臂中，通过144组用户实验验证了用户可感知非人形机器人的人格差异及语言的作用。
2025-01-12 cs.HC cs.RO
Person Transfer in the Field: Examining Real World Sequential Human-Robot Interaction Between Two Robots
Northeastern University（东北大学）；Carnegie Mellon University（卡内基梅隆大学）
本文通过4天7小时的现场研究，观察18次两台机器人间的“人员转移”并访谈11名参与者，揭示移动机器人交接、信任与位置等序贯人机交互设计要点。
2024-06-11 cs.HC cs.RO
Designing Empathetic Companions: Exploring Personality, Emotion, and Trust in Social Robots
University of Genoa（热那亚大学）
本研究提出基于个性模型的认知架构，通过用户实验验证情感生成器，揭示机器人个性特质对信任与愉悦性的影响。
2025-04-17 cs.HC cs.RO
Affect-Driven Modelling of Robot Personality for Collaborative Human-Robot Interactions
University of Cambridge（剑桥大学）；Istituto Italiano di Tecnologia（意大利理工学院）；University of Hamburg（汉堡大学）
协作互动需要社交机器人适应人类情感行为的动态。然而，目前的方法在机器人的情感行为生成集中在瞬时感知，以产生一个一对一的映射观察到的人类表情和静态机器人动作。在本文中，我们提出了一个新的框架，个性驱动的行为生成社交机器人。该框架包括：（i）一个混合神经模型，用于评估面部表情和语音，形成内在的情感表征的机器人，（ii）情感核心，采用自组织神经模型嵌入机器人的个性特征，如耐心和情绪驱动，和（iii）一个强化学习模型，使用机器人的情感评价，学习互动行为。为了进行评估，我们进行了一项用户研究（n = 31），其中NICO机器人作为最后通牒游戏中的提议者。机器人个性的影响，其谈判策略是见证了参与者，谁排名高情感驱动的持久性较高的病人的机器人，而惰性和不耐烦的机器人更高的慷慨和利他行为。
2022-02-25 cs.AI cs.RO
We are all Individuals: The Role of Robot Personality and Human Traits in Trustworthy Interaction
Heriot-Watt University（赫瑞-瓦特大学）；Semasio（Semasio公司）
本研究通过定量和定性分析，探讨了社交机器人个性（外向-内向）与个体人类特征对信任的影响，发现外向型Robo-Barista更受偏好和信任，且个体态度对信任有显著影响。
2023-07-28 cs.AI cs.RO
SocioGesture: Real-Time and Adaptive Social Gesture Perception for Human-Robot Interaction
OpenMind
提出SocioGesture系统，采用置信感知骨架与双流模型，提升社交手势识别的鲁棒性与实时性，可扩展词汇且适配机器人部署。
2026-09-07 cs.CV cs.RO
A MultiModal Social Robot Toward Personalized Emotion Interaction
The George Washington University（乔治华盛顿大学）
人类的情感通过多种方式表达，包括语言和非语言信息。此外，人类用户的情感状态可以是参与和成功交互的水平的指标，适合于机器人用作通过交互优化机器人行为的奖励因素。本研究展示了一个多模态人机交互（HRI）框架与强化学习，以提高机器人的交互政策和个性化的人类用户的情感互动。我们的目标是在社交场景中应用这个框架，让机器人生成一个更自然、更吸引人的HRI框架。
2021-10-08 cs.AI cs.RO
PACE: Persona Adaptation through Conversational Elicitation in Human-Robot Interaction
Macquarie University（麦考瑞大学）；NVIDIA（英伟达）
研究如何让类人机器人有可适应角色，提出PACE框架，通过用户问答动态生成角色，经提高结构化提示，经系统集成转化为行为，实证评估显示其对人机交互多方面有积极影响，为部署个性化等身份开辟途径。
2026-10-09 cs.HC cs.RO
Multimodal Active Measurement for Human Mesh Recovery in Close Proximity
Toyota Motor Corporation（丰田汽车公司）；Toyota Technological Institute（丰田工业大学）
针对近距离物理人机交互中相机观测不全导致人体姿态估计精度低的问题，提出融合相机与触觉、测距传感器的主动测量框架，动态优化观测位置并融合多模态数据，在模拟和真实场景中均提升了估计精度。
2024-10-08 cs.CV cs.RO
One Size Does not Fit All: Personalised Affordance Design for Social Robots
University of Sheffield（谢菲尔德大学）
本文研究社交机器人外观、声音与语言行为的个性化可供性，发现情境、个体差异及对能力与温暖的角色期望会影响偏好，主张采用综合个性化设计。
2023-12-11 cs.HC cs.RO
Effects of Faults, Experience, and Personality on Trust in a Robot Co-Worker
University of Bristol（布里斯托大学）
为了设计出值得信赖的机器人，我们需要了解信任的影响因素：人们的态度、经验和特征;机器人的物理设计、可靠性和性能;任务的规格以及执行任务的环境，例如在闲暇时或在时间压力下。由于机器人被用于各种各样的任务和应用，机器人设计师应该提供证据和指导，以告知他们的决策，以实现安全，可信和高效的人机交互。在这项工作中，信任的影响因素，在协同制造的情况下进行了研究，与一个真正的机器人和参与者的物理对象组装，然后拆卸的实验。客观和主观的措施，以评估发展的信任，故障和非故障的机器人条件下，和以前的经验与机器人的影响，和人格特质。我们的研究结果突出了与其他更具社会性的机器人助理（如家庭护理助理）场景相比的差异，因为条件（故障与否）不会对人类对机器人的感知产生显着影响，包括人类的喜好，可爱性，可信度，甚至能力。然而，个性和先前的经验确实会影响参与者对机器人的看法，尽管这种影响相对较小。
2017-03-09 cs.HC cs.RO
Exercising with an "Iron Man": Design for a Robot Exercise Coach for Persons with Dementia
School of Information Technology, Halmstad University（哈尔姆斯塔德大学信息技术学院）
社会辅助机器人越来越多地被设计成在各种治疗场景中与人类互动。我们认为，一个有用的方案是为痴呆症患者（PwD）提供运动指导，这涉及到与记忆和沟通有关的独特挑战。我们提出了一个机器人的设计，可以寻求帮助残疾人进行练习，通过识别行为和提供反馈，在一个在线的，多模态的，和从事的方式。此外，在符合中保真原型设计方法，我们报告的一些反馈，从探索性的用户研究使用Baxter机器人，它提供了一些确认的有用性的一般情况下，此外，结果表明，机器人的反馈程度可以定制，以提供注意力或乐趣的印象。概述了未来改进的局限性和可能性，涉及深度学习和触觉反馈，为下一个设计提供信息。
2019-09-26 cs.CY cs.RO
PERCY: Personal Emotional Robotic Conversational System
University of New South Wales（新南威尔士大学）；University of Technology Sydney（悉尼科技大学）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；Universidad Central de Chile（智利中央大学）
针对传统对话机器人缺乏个性化与情感感知、难以维持长期交互的问题，提出基于ROS多模态框架的PERCY系统，融合微调GPT-4与多模态情感分析实现个性化开放域对话，经评估在对话质量与个性化表现上均具优势。
2025-03-04 cs.HC cs.RO
Measuring the perception of the personalized activities with CloudIA robot
University of Florence（佛罗伦萨大学）；Scuola Superiore Sant’Anna（圣安娜高等研究院）
本文介绍非拟人化的 CloudIA 社交辅助机器人，经多学科团队与护理人员设计后，在两家护理机构由15名老人测试，验证其辅助护理及活动个性化的可行性。
2023-12-11 cs.HC cs.RO
Assistive Robots and Reasonable Work Assignment Reduce Perceived Stigma toward Persons with Disabilities
HCAI, University of Augsburg（HCAI，乌尔姆大学）；IAM, University of Augsburg（IAM，乌尔姆大学）；AuxMe, University of Augsburg（AuxMe，乌尔姆大学）
研究通过实验发现，合理分配任务和使用辅助机器人可有效降低对残疾人的认知污名，支持在工作场景中应用协作机器人。
2026-01-30 cs.HC cs.RO
Proceeding of the 1st Workshop on Social Robots Personalisation At the crossroads between engineering and humanities (CONCATENATE)
本研讨会旨在探讨社交机器人个性化的跨学科挑战，汇聚不同领域研究者提出指导原则，解决个性化HRI在定义、实现及法律伦理合规方面的关键问题。
2023-11-23 cs.AI cs.HC cs.RO
Persona-Based Process Design for Assistive Human-Robot Workplaces for Persons with Disabilities
Chair of Mechatronics, University of Augsburg（机械学系，奥格斯堡大学）
本文提出基于人设的过程设计方法，通过抽象常见障碍转化为人设，结合设计思维开发策略，实现适应性行为，提升包容性设计效果。
2026-04-29 cs.HC cs.RO cs.SY
Personality in Healthcare Human Robot Interaction (H-HRI): A Literature Review and Brief Critique
University of Michigan（密歇根大学）；School of Information（信息学院）；Robotics Institute（机器人研究所）
机器人正在成为提供医疗保健的重要方式，而个性对于理解它们的有效性至关重要。尽管如此，在医疗保健人类机器人交互（H-HRI）中缺乏对个性的系统全面理解。为了解决这个问题，作者进行了一项审查，确定了18项关于H-HRI人格的研究。本文介绍了系统的文献综述的结果。洞察力来自于此审查有关的方法，结果和使用的样本。这篇综述的作者讨论了这些文献的发现，同时确定了几个值得注意的差距。总之，本文是理解H-HRI人格的一个重要起点。
2020-08-15 cs.AI cs.CY cs.HC
Why did My Robot Just Change Personality? Prompting Guidelines for a Grounded Robot Persona in LLM-Based HRI
RPTU Kaiserslautern（凯泽斯劳滕工业大学）；Linköping University（林雪平大学）；University of Hertfordshire（赫特福德大学）；Eindhoven University of Technology（埃因霍温理工大学）；Australian National University（澳大利亚国立大学）；University of Cambridge（剑桥大学）；University of Naples Federico II（那不勒斯费德里科二世大学）；Ben-Gurion University of the Negev（本-古里安大学内盖夫分校）；The Azrieli National Center for Autism and Neurodevelopment Research（阿兹列利国家自闭症与神经发育研究中心）
本文针对基于LLM的HRI中机器人人格模糊等问题，提出含八个组件的提示设计框架及指南，为HRI研究提供结构化设计与报告辅助，强调提示设计需作为社会技术问题处理。
2026-08-28 cs.AI cs.HC cs.RO
A Review of Personality in Human Robot Interactions
School of Information（信息学院）；Robotics Institute（机器人研究所）；University of Michigan（密歇根大学）；HEC Paris（巴黎高等商学院）
个性已被确定为理解人类机器人交互质量的重要因素。尽管如此，这一领域的研究仍然支离破碎，缺乏一个连贯的框架。这使得我们很难理解我们所知道的和确定我们所不知道的。因此，我们对人类与机器人互动中的个性的了解并没有跟上机器人在组织或更广泛社会中的部署。为了解决这个问题，本文回顾了83篇文章和84项独立的研究，以评估人类机器人个性研究的现状。本次审查：（1）突出主要的专题研究领域，（2）确定文献中的差距，（3）从文献中得出并提出主要结论，（4）为未来的研究提供指导。
2020-02-05 cs.AI cs.CY cs.HC
Designing Personalized Interaction of a Socially Assistive Robot for Stroke Rehabilitation Therapy
Carnegie Mellon University（卡内基梅隆大学）；Instituto Superior Técnico, Universidade de Lisboa（里斯本大学高等理工学院）；Madeira Interactive Technology Institute, University of Madeira（马德拉大学马德拉交互技术研究所）
社会辅助机器人的研究有可能增加和协助神经和肌肉骨骼问题（如中风）患者的物理治疗。在物理治疗过程中，生成个性化反馈对于提高患者的参与度至关重要。然而，以前的工作，社会辅助机器人物理治疗主要利用预定义的纠正反馈，即使患者有各种身体和功能的能力。本文提出了一种交互式的方法，社会辅助机器人，可以动态地选择运动学特征的评估对个别病人的练习，以预测运动的质量，并提供个性化的机器人运动教练的互动患者特定的纠正反馈。
2020-07-13 cs.HC cs.LG cs.RO
A ROS Architecture for Personalised HRI with a Bartender Social Robot
University of Naples Federico II（那不勒斯费德里科二世大学）；Totaro Automazioni s.r.l.（托塔罗自动化有限责任公司）
BRILLO（交互式长期操作的调酒机器人）项目的总体目标是创建一个自主的机器人调酒师，可以在完成调酒任务的同时与客户互动。在这种情况下，人们对使用有吸引力的技术的新奇效应注定会消失，因此，它会对服务机器人应用的成功产生负面影响。因此，在访问其服务时提供个性化的自然交互对于提高用户的参与度以及他们的忠诚度至关重要。在本文中，我们提出了开发的三层ROS架构集成的感知层管理不同的社会信号的处理，决策层处理多方互动，和执行层控制的行为组成的复杂的机器人的手臂和脸。最后，通过信念层的用户建模允许个性化交互。
2022-03-15 cs.AI cs.MA cs.RO
Towards Privacy-Aware and Personalised Assistive Robots: A User-Centred Approach
Imperial College London（帝国理工学院）
该研究提出以用户为中心的隐私感知方法，利用联邦学习解决辅助机器人中的隐私问题，并开发智能轮椅辅助方案，以提升老年人和护理依赖者的生活质量。
2024-05-23 cs.HC cs.LG cs.RO
Through the Looking Glass: Diminishing Occlusions in Robot Vision Systems with Mirror Reflections
Toshiba Corporation（东芝公司）；Keio University（庆应义塾大学）
机器人视觉的质量极大地影响了自动化系统的性能，其中遮挡是最大的挑战之一。如果目标被传感器遮挡，则检测和抓取此类物体变得非常具有挑战性。例如，当多个机器人手臂在一个工作场所中合作时，将在机器人手臂本身下方创建遮挡，并将物体隐藏在下方。虽然通过安装多个传感器可以大大减少堵塞，但传感器成本的增加不容忽视。此外，每次机器人操作例程和布局改变时，必须重新布置传感器布置。为了减少遮挡，我们提出了第一个机器人视觉系统与倾斜型反射镜反射传感。通过即时倾斜传感器本身，我们获得了两种不同的观点的传感结果：传统的直接视线传感和非视线传感通过镜面反射。我们提出的系统自适应地去除遮挡检测场景中的遮挡，并动态配置传感器的倾斜角度来感测检测到的遮挡区域。因此，即使在机器人操作或布局改变之后，也不需要重新布置传感器。由于所需的硬件是倾斜单元和市售的镜子，因此成本增加是微不足道的。通过实验，我们表明，我们的系统可以实现类似的检测精度与多个传感器的系统，无论单传感器的实现。
2021-08-31 cs.RO
A lightweight method for detecting dynamic target occlusions by the robot body
Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）
机器人视觉受遮挡的影响很大，这对自主系统提出了挑战。机器人本身可能会隐藏摄像机感兴趣的目标，而它在视野内移动，导致任务执行失败。例如，如果感兴趣的目标被机器人部分遮挡，则正确地检测和抓住它变得非常具有挑战性。为了解决这个问题，我们提出了一种计算量小的方法来确定机器人遮挡的区域。为此，我们使用统一机器人描述格式（URDF）来生成3D机器人模型的虚拟深度图像。利用虚拟深度图像，我们可以有效地确定部分遮挡区域，以提高感知系统给出的信息的鲁棒性。由于该方法的实时性，它可以成功地检测移动机器人的运动目标的遮挡。我们验证了该方法的有效性，在实验装置中使用6自由度的机器人手臂和RGB-D相机检测和处理两个任务的遮挡：姿态估计的移动对象的拾取和人类跟踪机器人交接。代码在\url{https://github.com/auth-arl/virtual\_depth\_image}中提供。
2023-02-14 cs.RO
Occlusion-Based Cooperative Transport for Concave Objects with a Swarm of Miniature Mobile Robots
Worcester Polytechnic Institute（伍斯特理工学院）
本文提出一种基于遮挡的分散式群体搬运策略，通过向凹形物体空腔填充机器人形成“伪物体”，在不依赖先验几何知识与显式通信的条件下实现凹形物体的协作搬运。
2024-09-04 cs.RO
Robotic Occlusion Reasoning for Efficient Object Existence Prediction
University of Hamburg（汉堡大学）；Tsinghua University（清华大学）
关于潜在遮挡的推理对于机器人有效地预测环境中是否存在物体是必不可少的。虽然现有的工作表明，具有主动感知的机器人可以完成各种任务，但仍然不清楚是否可以实现遮挡推理。为了回答这个问题，我们引入了机器人对象存在预测的任务：当被问及对象时，机器人需要在随机放置对象的桌子周围移动尽可能少的步骤来预测查询对象是否存在。为了解决这个问题，我们提出了一种新的递归神经网络模型，可以使用课程训练策略与监督和强化学习方法联合训练。实验结果表明：1）主动感知和遮挡推理是成功完成任务所必需的; 2）所提出的模型表现出良好的遮挡推理能力，在平均只需要基线运动步数的$10\%$的情况下，达到了与穷举探索基线相似的预测精度;以及3）该模型推广到具有适度准确性损失的新颖对象组合。
2021-07-28 cs.RO
An Attentional Recurrent Neural Network for Occlusion-Aware Proactive Anomaly Detection in Field Robot Navigation
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对田间机器人导航中的传感器遮挡问题，提出融合历史状态、当前传感与控制动作的注意力循环网络，并显式建模遮挡以降低误报。
2023-09-28 cs.RO
Recovering the View: Benchmarking Physical Active Vision for Occlusion Recovery in Robotic Manipulation
Sun Yat-sen University（中山大学）；University of Electronic Science and Technology of China（电子科技大学）；Pengcheng Laboratory（鹏城实验室）；X-Era AI Lab（X-Era AI实验室）
针对机器人操作中遮挡导致观测不可靠的问题，本文提出双臂主动视觉基准BAVO-Bench和主动视觉策略A-FAR，通过统一3D表示和预训练4D模型提供未来感知指导，显著提升对结构性和时间偏移遮挡的鲁棒性。
2026-09-30 cs.RO
Occlusion-Free Image Based Visual Servoing using Probabilistic Control Barrier Certificates
University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）
针对 IBVS 中特征点遮挡导致伺服失败的问题，提出融合 PrCBC 与 MPC 的控制器，在噪声不确定性下以预定概率保证无遮挡并完成视觉伺服。
2024-07-08 cs.RO
Occlusion Handling by Pushing for Enhanced Fruit Detection
LIRMM, Univ. Montpellier, CNRS（蒙彼利埃大学-法国国家科学研究中心-蒙彼利埃机器人研究所）；Monash University（莫纳什大学）
本文提出通过推动清除遮挡物提升水果检测效果，结合深度学习、经典图像处理和3D霍夫变换实现遮挡处理。
2026-04-07 cs.RO
Occlusion aware obstacle prediction using people as sensors
University of Moratuwa（莫拉图瓦大学）
本文提出一种以人为传感器的遮挡感知障碍物预测框架，通过分析人类避让行为并结合传感器融合与轨迹数据，实时推断遮挡区域障碍物，提升机器人导航安全性与效率。
2024-12-29 cs.RO
HarvestPoint-ACT: Explicit Target Selection and Harvest-Point Conditioning for Robotic Fruit Harvesting under Occlusion
College of Computer and Information Sciences, Fujian Agriculture and Forestry University（福建农林大学计算机与信息学院）；School of Mechatronic Engineering and Automation, Shanghai University（上海大学机电工程与自动化学院）；Graduate School of Engineering Science, The University of Osaka（大阪大学工程科学研究生院）
HarvestPoint-ACT通过显式感知目标与采摘点，结合调度器选择目标，在树冠模型上实现88%采摘成功率，重度遮挡下达75%，解决机器人水果采摘的遮挡与闭合点推断问题。
2026-08-20 cs.RO
OA-MPC: Occlusion-Aware MPC for Guaranteed Safe Robot Navigation with Unseen Dynamic Obstacles
Stanford University（斯坦福大学）；Swiss Federal Institute of Technology Zürich (ETH)（苏黎世联邦理工学院）
本文提出遮挡感知MPC方法，通过可达性分析计算被遮挡动态智能体的前向可达集，结合NMPC与碰撞避免的迭代优化及终端停止约束，实现未知动态环境下可证明安全的实时导航。
2024-10-23 cs.RO
RPF-Search: Field-based Search for Robot Person Following in Unknown Dynamic Environments
Robotics and Computer Vision (RCV) Laboratory, Southern University of Science and Technology (SUSTech)（机器人与计算机视觉实验室，南方科技大学）；Human-Robot Interfaces and Interaction (HRI 2 ) Laboratory, Istituto Italiano Di Tecnologia (IIT)（人机交互实验室，意大利技术研究院）；Swiss Federal Technology Institute of Lausanne（洛桑联邦理工学院）
提出一种启发式引导搜索框架，通过信念引导场和观察策略分别处理地形与动态遮挡，动态建图以提升未知动态环境中机器人跟随目标的重找效率与成功率。
2025-07-11 cs.RO
Visibility Maximization Controller for Robotic Manipulation
Monash University（莫纳什大学）；Queensland University of Technology（昆士兰科技大学）
由机器人自身身体引起的遮挡是眼对手相机设置中采用的闭环控制方法的常见问题。我们提出了一个基于优化的反应控制器，最大限度地减少自遮挡，同时实现所需的目标姿态。该方法允许机器人的基地，手臂和头部之间的协调控制编码的视线的可见性作为一个软约束的目标，以及其他任务相关的约束，并解决可行的关节和基地的速度。在模拟和真实世界的实验中，机器人与固定或移动基地，移动或固定的对象，和多个对象的方法的通用性。实验揭示了闭塞率和其他任务指标之间的权衡。虽然基于规划的基线实现了比所提出的控制器更低的阻塞率，但它是以非常低效的路径和任务成功率的显著下降为代价的。另一方面，所提出的控制器被示出为提高线目标对象的可见性，而不会牺牲太多的任务成功和效率。视频和代码可以在rhys-newbury.github.io/projects/vmc/上找到。
2022-02-25 cs.RO
AGRNav: Efficient and Energy-Saving Autonomous Navigation for Air-Ground Robots in Occlusion-Prone Environments
University of Hong Kong（香港大学）；Huawei Technologies, Co. Ltd.（华为技术有限公司）；Shanghai AI Laboratory（上海人工智能实验室）
针对空地机器人在遮挡环境中的导航问题，提出AGRNav框架，结合轻量级语义补全网络与分层规划，实现安全节能的混合路径搜索，在仿真和真实环境中优于现有方法。
2024-03-18 cs.RO
An MCTS-DRL Based Obstacle and Occlusion Avoidance Methodology in Robotic Follow-Ahead Applications
Simon Fraser University（西蒙弗雷泽大学）
针对机器人前方跟随中的碰撞与遮挡问题，提出融合 MCTS 和深度强化学习的高层决策算法生成短期导航目标，并通过实验验证其优于现有方法。
2023-09-28 cs.RO cs.SY eess.SY
MOT-DETR: 3D Single Shot Detection and Tracking with Transformers to build 3D representations for Agro-Food Robots
Wageningen University & Research（瓦赫宁根大学及研究中心）
本文提出MOT-DETR方法，结合卷积网络与transformer进行3D多目标检测与跟踪，通过融合2D和3D数据，有效应对农业机器人场景中的遮挡问题，并在长期遮挡、大帧间距离及相机位姿噪声下表现优于现有方法。
2024-12-18 cs.RO
OA-NBV: Occlusion-Aware Next-Best-View Planning for Human-Centered Active Perception on Mobile Robots
OA-NBV是一种面向移动机器人人类中心主动感知的遮挡感知下一步最佳视角规划方法，通过目标为中心的可见性模型提高遮挡环境下视角选择的成功率和观察质量。
2026-09-14 cs.AI cs.RO
Now You Feel It, Now You See Me: Digital-Twin-based Teleoperation Interface for Dexterous Manipulation
DGIST（大邱庆北科学技术院）；Seoul National University（首尔大学）
针对裸手遥操作缺乏力反馈和遮挡视觉反馈的问题，提出基于数字孪生的AR遥操作界面，通过视觉-力反馈和遮挡缓解视觉辅助，经用户研究验证其支持精细力调节和遮挡下的示范收集。
2026-10-06 cs.RO
Active Object Tracking using Context Estimation: Handling Occlusions and Detecting Missing Targets
在执行视觉伺服或目标跟踪任务时，主动传感器规划对于保持目标在视线内或在目标丢失时重新定位目标至关重要。特别是，当处理一个已知的目标从传感器的视野丢失，我们建议使用先验知识相关的上下文信息来估计其可能的位置。为此，本研究提出了一个动态贝叶斯网络，使用上下文信息来有效地搜索目标。采用蒙特卡罗粒子滤波来近似目标状态的后验概率，由此定义不确定性。我们定义的机器人的效用函数，通过信息理论的形式主义，寻求最佳的行动，减少任务的不确定性，促使机器人代理调查的目标最有可能存在的位置。使用上下文状态模型，我们设计了代理的高层决策框架，使用部分可观测马尔可夫决策过程。基于通过顺序观察估计的上下文的置信状态，机器人的导航动作被确定为进行探索和检测任务。通过使用这种多模态上下文模型，我们的代理可以有效地处理基本的动态事件，如目标的障碍或他们的缺席的视野。我们实现并展示了这些功能的移动机器人在实时。
2021-12-18 cs.RO
