Extended Diffeomorphism for Real-Time Motion Replication in Workspaces with Different Spatial Arrangements
National Institute of Advanced Industrial Science and Technology (AIST)（国家先进工业科学与技术研究院）；Department of System Design Engineering（系统设计工程系）
针对多机器人遥操作中不同工作空间空间布置误差导致运动难以实时复现的问题，提出两种基于预定义关键点的扩展微分同胚平滑映射方法，经双臂UR5机器人拾取实验验证，可兼顾映射精度与运动平滑性。
2025-08-30 cs.RO
A Reactive Autonomous Camera System for the RAVEN II Surgical Robot
University of Virginia（弗吉尼亚大学）
手术机器人的内窥镜摄像机为外科医生提供了手术野的放大3D视图，但重新定位它会增加脑力工作量和手术时间。当手术工具移出摄像机视野时，摄像机放置不当会导致安全关键事件。本文提出了一种用于Raven II手术机器人的自主相机系统的概念证明，该系统旨在通过提供显示所有感兴趣对象的工作空间的最佳视图来减少外科医生的工作量并提高安全性。该系统使用迁移学习来定位和分类立体相机的视图内的感兴趣的对象。估计对象的位置和质心，并且一组控制规则确定相机朝向更期望的视图的移动。我们的感知模块在识别感兴趣的物体方面的整体准确率为61.21%，并且能够定位环境中的抓握器和多个块。我们的系统提出的命令与来自13名参与者的调查的期望命令的比较表明，自主相机系统提出相机的倾斜和平移的适当运动。
2020-10-09 cs.RO
SERA: Safe and Efficient Reactive Obstacle Avoidance for Collaborative Robotic Planning in Unstructured Environments
在工业4.0时代，非结构化环境中多个机器人之间的安全高效协作变得越来越重要。然而，实现人类和其他机器人之间的鲁棒和自主协作需要现代机器人系统具有有效的接近感知和反应性避障。在本文中，我们提出了一种新的方法，反应全身避障，确保无冲突的机器人，机器人之间的互动，即使在动态环境中。与现有的基于Jacobian类型、基于采样或几何技术的方法不同，我们的方法利用了最新的深度学习进展和拓扑流形学习，使其能够以高计算效率和快速图遍历技术轻松推广到其他问题设置。我们的方法允许机器人手臂在没有直接接触的情况下主动避开任意3D形状的障碍物，这是对传统工业协作机器人设置的重大改进。为了验证我们的方法，我们在一个机器人平台上实现了它，该平台由具有优化的接近传感器位置的双6自由度机械臂组成，能够在不同程度的干扰下协同工作。具体而言，一只手臂在实现其预定目标的同时执行反应性全身避障，而另一只手臂则模仿具有独立和潜在对抗性运动的人类合作者的存在。我们的方法为非静止环境中的安全人机协作提供了一个强大而有效的解决方案。
2023-03-28 cs.AI cs.RO
A Unified Framework for Real-Time Failure Handling in Robotics Using Vision-Language Models, Reactive Planner and Behavior Trees
Lund University（隆德大学）；KTH Royal Institute of Technology（瑞典皇家理工学院）；ABB Robotics（ABB机器人公司）
针对机器人系统故障恢复适应性差的问题，提出结合VLM、反应式规划器与行为树的统一框架，含执行前验证与反应式处理，经真实与仿真实验验证，成功率与适应性更优。
2025-03-21 cs.AI cs.RO
Predicting Stable Configurations for Semantic Placement of Novel Objects
NVIDIA Corporation（英伟达公司）；Paul G. Allen School of Computer Science & Engineering, University of Washington（华盛顿大学保罗·G·艾伦计算机科学与工程学院）；School of Computing, University of Utah（犹他大学计算学院）
人类环境包含以各种布置配置的许多对象。我们的目标是使机器人能够根据在新环境中学习到的语义关系来放置以前看不见的对象。我们将这个问题分为两部分：（1）为对象找到物理上有效的位置;（2）确定这些姿势是否满足学习到的高级语义关系。我们从头开始构建我们的模型和训练，以便与我们提出的未知对象语义放置规划算法紧密集成。我们纯粹在模拟中训练我们的模型，不需要在现实世界中使用的微调。我们的方法，使运动规划语义重排的场景中的未知对象具有不同的几何形状，只有RGB-D传感。我们通过一组模拟消融的实验表明，单独使用一个关系分类器是不够的可靠的规划。我们进一步证明了我们的计划器的能力，通过一组现实世界的实验，各种对象生成和执行不同的操作计划。
2021-08-26 cs.CV cs.RO
Learning Object Arrangements in 3D Scenes using Human Context
Cornell University（康奈尔大学）
我们考虑在3D场景中学习对象安排的问题。这里的关键思想是学习对象如何根据它们的启示、易用性和可达性与人类姿势相关联。与对象-对象关系建模相反，人-对象关系建模在对象数量上线性缩放。我们根据3D空间特征设计了适当的密度函数来捕捉这一点。我们使用Dirichlet过程混合模型的变体来学习场景中人类姿势的分布，该模型允许在相同的对象类型中共享密度函数参数。然后我们可以根据这些有意义的人类姿势来推断房间中物体的排列。在我们对20个不同房间共47个物体的广泛实验中，我们的算法预测了正确的位置，平均误差为1.6米。在安排五个真实场景时，它获得了4.3/5的分数，而最佳基线方法为3.7。
2012-06-27 cs.CV cs.LG cs.RO
Same Goal, Different Words: Spatial Instruction Sensitivity in World-Action Models
Northeastern University（东北大学）；General Motors Robotics（通用汽车机器人部门）；Amazon Robotics（亚马逊机器人部门）
该研究评估世界-动作模型在空间目标等价描述下的操作一致性，发现指令表述差异会影响稳定放置成功率，提出需全面评估模型的可引导性、语言理解与接地性。
2026-10-19 cs.RO
Inference of Human-derived Specifications of Object Placement via Demonstration
Massachusetts Institute of Technology（麻省理工学院）；MIT Lincoln Laboratory（MIT林肯实验室）
针对现有机器人拾取放置任务中对人类重视的空间关系表达能力不足的问题，提出PARCC形式化逻辑框架及对应的演示推断算法，经人类研究验证该框架可准确捕捉人类预期放置规范，且演示学习效果优于人工直接提供规范。
2025-11-19 cs.AI cs.HC cs.RO
Optimization of Forcemyography Sensor Placement for Arm Movement Recognition
Huazhong University of Science and Technology（华中科技大学）；Union Hospital, Tongji Medical College, Huazhong University of Science and Technology（华中科技大学同济医学院附属协和医院）
如何设计一个最佳的人体运动识别可穿戴设备是至关重要的可靠和准确的人机协作。以前的工作主要是制造可穿戴设备的启发式。相反，本文提出了一个学术问题：我们能否设计一种优化算法来优化可穿戴设备的制造，例如自动计算出最佳传感器布置？具体来说，这项工作的重点是优化FMG臂章中的手臂运动识别应用的力肌（FMG）传感器的位置。首先，基于图论，考虑传感器信号和连通性，对臂章进行建模。然后，基于图的臂带建模网络（GAM-Net）的手臂运动识别。然后，建立了FMG臂章传感器布局优化模型，提出了一种基于贪婪局部搜索的优化算法。为了研究我们的优化算法的有效性，收集了一个数据集的机械维修任务，使用FMG臂章与16个传感器。我们的实验表明，仅使用4个传感器优化我们的算法可以帮助保持相当的识别精度使用所有传感器。最后，从生理学角度验证了优化的传感器布置结果。这项工作希望阐明可穿戴设备的自动制造，同时考虑下游任务，如人体生物信号收集和运动识别。我们的代码和数据集可在https://github.com/JerryX1110/IROS22-FMG-Sensor-Optimization上获得
2022-07-22 cs.CV cs.HC cs.RO
Enabling Failure Recovery for On-The-Move Mobile Manipulation
Queensland University of Technology（昆士兰科技大学）；LYRO Robotics（LYRO机器人公司）
提出一种反应式基座控制方法，使移动机械臂在移动中从操纵故障中恢复，兼顾可靠性与性能。
2023-05-15 cs.RO
Where to relocate?: Object rearrangement inside cluttered and confined environments for robotic manipulation
Korea Institute of Science and Technology（韩国科学技术研究院）
我们提出了一种算法，确定在哪里重新定位对象内的一个混乱和有限的空间，同时重新安排对象检索目标对象。虽然已经提出了决定要删除什么的方法，但在工作空间内放置删除对象的规划并没有得到太多的关注。相反，被移除的对象通常被放置在工作空间之外，这导致额外的费力工作（例如，操纵器和移动基座的运动规划和执行、其它区域的感知）。其他一些方法仅在工作空间内操作对象，但没有原则，因此重新排列变得效率低下。在这项工作中，我们考虑单调（每个对象只移动一次）和非单调的安排问题已被证明是NP-困难的。一旦要重新定位的对象的序列是由任何现有的算法，我们的方法的目的是最大限度地减少拾取和放置动作的数量，放置对象，直到目标变得可访问。从大量的实验中，我们表明，我们的方法减少了取放动作的数量和总执行时间（减少分别高达23.1%和28.1%）相比，基线方法，同时实现更高的成功率。
2020-03-24 cs.RO
Physics-informed Neural Time Fields for Prehensile Object Manipulation
Department of Computer Science, Purdue University（计算机科学系，普渡大学）
本文提出一种多模态物理信息神经网络，无需专家数据即可高效求解Eikonal方程，在复杂杂乱环境中快速规划物体操作轨迹并反应性重规划抓取，在仿真和真实场景中优于基线方法。
2025-08-05 cs.RO
Efficient Manipulation-Enhanced Semantic Mapping With Uncertainty-Informed Action Selection
University of Bonn（波恩大学）；Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习与人工智能研究所）
本研究针对杂乱环境下服务机器人语义建图的遮挡与不确定性问题，提出结合不确定性感知动作选择的操作增强语义建图框架，实现精准建图且大幅降低规划时间与物体位移。
2025-09-02 cs.RO
Visual Prompting for Robotic Manipulation with Annotation-Guided Pick-and-Place Using ACT
Embodied AI Research Team（具身人工智能研究团队）；National Institute of AIST（国家信息与系统技术研究所）
针对便利店机器人拾取放置任务的挑战，提出带标注引导视觉提示的感知-行动流水线，采用ACT算法实现自适应操作，提升了零售环境下的抓取精度与适应性。
2026-08-19 cs.AI cs.RO
Personalized Robotic Object Rearrangement from Scene Context
Georgia Institute of Technology（佐治亚理工学院）
提出了PARSEC基准和基于LLM的ContextSortLM模型，通过利用多场景上下文学习用户偏好，解决了部分布置环境中物体多有效放置位置的个性化重排问题。
2025-06-26 cs.AI cs.RO
simPLE: a visuotactile method learned in simulation to precisely pick, localize, regrasp, and place objects
Amazon Robotics（亚马逊机器人公司）；Samsung AI Center（三星人工智能中心）；Massachusetts Institute of Technology（麻省理工学院）；Carnegie Mellon University（卡内基梅隆大学）
本文提出simPLE方法，通过仿真学习任务感知抓取、视觉触觉感知和重新抓取规划，实现精确且通用的拾取与放置，在双臂机器人上对15种物体达到高成功率。
2023-07-24 cs.CV cs.LG cs.RO
