Virtually turning robotic manipulators into worn devices: opening new horizons for wearable assistive robotics
CNRS（法国国家科学研究中心）；INSERM（法国国家健康与医学研究院）；Sorbonne Université（索邦大学）
机器人感觉运动延伸（多余的肢体，假肢，手持工具）是用于与附近环境交互的磨损设备，无论是帮助受损用户的能力还是提高工业操作员的灵活性。尽管取得了许多机械成就，但由于其重量和不适，嵌入这些机器人设备仍然至关重要。为了摆脱这些机械约束，我们提出了一个新的混合动力系统，使用虚拟磨损的机器人手臂在增强现实，和一个真正的机器人操纵器伺服这样的虚拟表示。我们的目标是在其重量完全被驱逐的同时带来一种穿着机器人系统的错觉，认为这种方法可以为可穿戴机器人技术的研究开辟新的视野，而不会对人类的运动能力造成任何固有的损害。
2022-11-15 cs.RO
Social Assistive Robotics for Autistic Children
University of Turin（都灵大学）
本文介绍了自闭症儿童社会辅助机器人项目，旨在使用机器人治疗自闭症。该项目的目标是测试自闭症儿童与社交机器人NAO的互动。特别是机器人将支持操作员（心理学家，教育工作者，语言治疗师等）。在他们的工作中。该项目的创新之处在于，儿童机器人交互将考虑儿童的情感和特定特征，机器人将相应地调整其行为。
2022-09-25 cs.AI cs.RO
Assistive Gym: A Physics Simulation Framework for Assistive Robotics
Georgia Institute of Technology（佐治亚理工学院）；Stanford University（斯坦福大学）；Enway GmbH（Enway有限公司）
自主机器人有可能成为多功能的护理人员，改善全球数百万人的生活质量。然而，在这一领域开展研究面临着许多挑战，包括人与机器人之间物理交互的风险。物理模拟已经被用于优化和训练机器人以进行物理辅助，但是通常集中在单个任务上。在本文中，我们提出了辅助健身房，一个开源的物理仿真框架辅助机器人模型的多个任务。它包括六个模拟环境，其中机器人操纵器可以尝试帮助一个人进行日常生活活动（ADL）：抓痒，饮水，喂食，身体操纵，穿衣和洗澡。辅助健身房模拟一个人的身体能力和偏好的帮助，这是用来提供奖励功能。我们提出了基线政策训练使用强化学习四个不同的商业机器人在六个环境。我们证明，人体运动模型的结果更好的援助，我们比较不同的机器人的性能。总的来说，我们表明，辅助健身房是一个很有前途的辅助机器人研究的工具。
2019-10-10 cs.AI cs.LG cs.RO
Towards Emotion Co-regulation with LLM-powered Socially Assistive Robots: Integrating LLM Prompts and Robotic Behaviors to Support Parent-Neurodivergent Child Dyads
Department of Industrial Design, Eindhoven University of Technology（工业设计系，埃因霍温理工大学）；Department of Biomedical Engineering, Eindhoven University of Technology（生物医学工程系，埃因霍温理工大学）；Department of Engineering, Institute of Science Tokyo（工程系，东京科学研究所）；Department of Engineering, Utrecht University（工程系，乌得勒支大学）
本研究开发了由 LLM 驱动的社交辅助机器人 MiRo-E，整合 LLM 提示与机器人行为，为神经多样性儿童与父母提供情绪协同调节干预，初步测试验证了其积极效果并指出了未来设计方向。
2025-07-14 cs.HC cs.RO
Employing Socially Assistive Robots in Elderly Care (longer version)
University of Turin（都灵大学）
针对全球人口老龄化导致的老年护理人力短缺、老年人生活质量受威胁的问题，本文通过梳理社交辅助机器人（SAR）在老年护理领域的研究现状，提出分别搭载Pepper和Nao机器人的两种场景解决方案，以提升SAR的可接受度。
2023-04-28 cs.HC 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
Co-Design of Assistive Robotics with Additive Manufacturing and Cyber-Physical Modularity to Improve Trust
Heriot-Watt University（赫瑞-瓦特大学）；The University of Edinburgh（爱丁堡大学）
机器人技术和自动化有可能显著改善有辅助需求的人及其护理人员的生活质量。目前，这种技术的采用还远远没有普及。本文提出了一种新的方法来设计高度可定制的机器人概念，拥抱模块化和协同设计过程，以增加最终用户在开发生存周期的参与。我们讨论这个过程中的背景下，老年人护理用例。使用设计方法和增材制造，我们概述了关键利益相关者如何从最初的概念到最终产品在其环境中的集成。在未来的工作中，我们将应用这一过程来证明我们的方法在改善护理环境中对机器人技术的长期接受和信任方面的有效性。
2021-08-02 cs.RO
Towards Assistive Robotic Pick and Place in Open World Environments
Northeastern University（东北大学）；University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）
辅助机器人操作器必须能够自主拾取和放置各种各样的新颖物体才能真正有用。然而，目前的辅助机器人缺乏这种能力。此外，辅助系统需要有一个易于学习，使用和理解的界面。本文在这方面向前迈出了一步。我们提出了一个机器人系统包括一个机器人手臂和一个移动踏板车，提供了两个拾取和下降和拾取和放置功能的开放世界环境中没有建模的对象或环境。该系统使用激光指示器直接选择世界中的对象，并通过将界面投影到世界中来向用户反馈。我们对几个实验场景的评估显示，相对于文献[5]中的基线，运行时间和抓取成功率都有显着提高，并且还证明了桌面场景的准确拾取和放置能力。
2019-07-08 cs.RO
Assistive robotic device: evaluation of intelligent algorithms
Université Laval（拉瓦尔大学）；Centre for interdisciplinary research in rehabilitation and social integration, CIUSSS de la Capitale-National（首都国家综合卫生与社会服务中心 康复与社会融合跨学科研究中心）；Centre for interdisciplinary research in rehabilitation of Greater Montreal, Centre intégré de santé et de services sociaux de Laval（拉瓦尔综合卫生与社会服务中心 大蒙特利尔康复跨学科研究中心）；McGill University（麦吉尔大学）
辅助机器人设备可以用来帮助上肢残疾的人在日常生活中获得更多的自主权。虽然基本的运动，如定位和定向在空间中的辅助机器人夹持器允许许多任务的性能，它可能是耗时和繁琐的执行更复杂的任务。为了克服这些困难，可以在不同层次上进行改进，例如机械设计，控制接口和智能控制算法。为了指导解决方案的设计，必须评估不同创新的影响和潜力。因此，本文提出了三个智能算法的评估，旨在提高性能的JACO机械臂（Kinova机器人）。评价的算法有“预设位置”、“流动性过滤器”和“饮用模式”。该算法的评估进行了14电动轮椅的用户，并显示了统计上显着的改善机器人的性能。
2018-12-18 cs.RO
Development of a Feeding Assistive Robot Using a Six Degree of Freedom Robotic Arm
Northern Arizona University（北亚利桑那大学）
本文开发了一款基于Arduino Braccio六自由度机械臂的语音控制喂食辅助机器人，集成距离传感器和蓝牙模块，帮助身体残障人士在餐桌或床上自主选择和进食三种食物，提升其生活质量和日常活动自主性。
2023-09-20 cs.RO
Exploring AI-enhanced Shared Control for an Assistive Robotic Arm
TU Dortmund University（多特蒙德工业大学）；University of Duisburg-Essen（杜伊斯堡-埃森大学）；Westphalian University of Applied Sciences（威斯特法伦应用科学大学）
本研究探索将AI集成到辅助机械臂的共享控制中，旨在降低用户认知负担和运动技能需求，同时保持人类控制权，以实现个人自主性。
2024-07-18 cs.AI cs.HC cs.RO
Eye-Tracking-Driven Control in Daily Task Assistance for Assistive Robotic Arms
Offenburg University of Applied Sciences（奥芬堡应用科学大学）；University of Siegen（锡根大学）
本文提出了一种基于眼动的控制框架，通过任务图标和特征匹配方法，帮助身体严重残疾者独立完成日常任务。
2026-01-24 cs.RO
Improving Robotic Arms through Natural Language Processing, Computer Vision, and Edge Computing
Saint Louis University（圣路易斯大学）
本文提出一种结合边缘计算、自然语言处理和计算机视觉的辅助机器人原型，利用LLM和视觉系统协同解释并执行自然语言复杂指令，实验表明该系统在意图识别与物体操作上表现优异，显著提升了残疾用户的交互体验。
2024-10-10 cs.RO
In Time and Space: Towards Usable Adaptive Control for Assistive Robotic Arms
Westphalian University of Applied Sciences（威斯特法伦应用科学大学）；University of Duisburg-Essen（杜伊斯堡-埃森大学）；University of Bremen（不来梅大学）
针对辅助机器人手臂控制中模式切换耗时且认知负担重的问题，提出结合前馈多模态反馈的自适应自由度映射控制方法，经VR实验验证可显著降低任务时间、切换次数和工作量。
2023-11-14 cs.AI cs.HC cs.RO
Assistive VR Gym: Interactions with Real People to Improve Virtual Assistive Robots
Georgia Institute of Technology（佐治亚理工学院）
多功能机器人护理人员可以使全球数百万人受益，包括老年人和残疾人。最近的工作探索了机器人护理人员如何通过物理模拟学习与人互动，但将学到的知识转移到真正的机器人上仍然具有挑战性。虚拟现实（VR）有可能帮助弥合模拟和现实世界之间的差距。我们介绍了辅助VR健身房（AVR健身房），它使真人能够与虚拟辅助机器人进行交互。我们还提供证据表明，AVR Gym可以帮助研究人员提高模拟训练的辅助机器人与真人的性能。在AVR Gym之前，我们使用两个模拟机器人（来自Willow Garage的PR2和来自Kinova的Jaco），仅在模拟中训练机器人控制策略（原始策略），用于四个机器人任务（机器人辅助喂食，饮水，瘙痒抓挠和床上洗澡）。与AVR Gym合作，我们根据从真人测试原始政策中获得的见解制定了修订后的政策。通过对AVR Gym的八名参与者进行的正式研究，我们发现原始策略表现不佳，修订后的策略表现明显更好，并且用于训练修订后策略的生物力学模型的改进导致模拟人更好地匹配真实参与者。值得注意的是，与会者非常不同意原始政策在援助方面取得了成功，但非常同意修订后的政策在援助方面取得了成功。总的来说，我们的研究结果表明，VR可以用来提高模拟训练的控制策略的性能，而不会使人处于危险之中，从而成为真正的机器人辅助的宝贵垫脚石。
2020-07-22 cs.HC cs.LG cs.RO
Improving Assistive Robotics with Deep Reinforcement Learning
Georgia Institute of Technology（佐治亚理工学院）
辅助机器人（Assistive Robotics）是一类机器人技术，它帮助人类完成日常护理任务，这些任务可能由于残疾或年龄而被禁止。虽然研究表明，经典的控制方法可以用来设计策略来完成这些任务，这些方法可能很难推广到各种实例的任务。强化学习可以为这个问题提供一个解决方案，其中机器人在仿真中进行训练，并将其策略转移到现实世界的机器上。在这项工作中，我们复制了一个已发布的基线，用于在辅助健身房环境中训练机器人完成三项任务，并探索了使用递归神经网络和阶段性策略梯度学习来增强原始工作。我们的基线实现达到或超过了原始工作的基线，然而，我们发现我们对新方法的探索并没有我们预期的那么有效。我们讨论了基线的结果，以及为什么我们的新方法不那么成功的一些想法。
2022-11-08 cs.AI cs.RO
TEGA: A Tactile-Enhanced Grasping Assistant for Assistive Robotics via Sensor Fusion and Closed-Loop Haptic Feedback
Department of Civil and Coastal Engineering, University of Florida（土木与海岸工程系，佛罗里达大学）；Nvidia（英伟达）
TEGA通过融合EMG意图到力推断与触觉传感，提供闭环触觉反馈，提升残疾用户抓取稳定性与任务成功率。
2026-03-05 cs.RO
Intuitive sequence matching algorithm applied to a sip-and-puff control interface for robotic assistive devices
Université Laval（拉瓦尔大学）；Centre for Interdisciplinary Research in Rehabilitation and Social Integration (CIRRIS)（康复与社会融合跨学科研究中心）
本文介绍了一种基于序列匹配算法的控制接口的开发和初步验证。辅助技术领域中的一个重要挑战是用户控制高维度设备（例如，具有多个自由度的辅助机器人，或计算机）与低维度控制接口（例如，几个开关）。序列匹配在于识别从传感器的信号获得的模式与预定义的模式库进行比较。目标是允许用户用低维接口（例如，莫尔斯电码允许用一个开关输入几个字母）。在本文中，该算法被用于辅助机器人手臂的控制的上下文中，并已被适配到一个啜和喷接口，可以检测到短和长的突发。与经典的啜吸接口相比，8名健康受试者的初步验证表明，序列匹配使控制更快，更容易，更舒适。本文是一个概念证明，引领了更先进的算法和更通用的传感器，如惯性测量单元（IMU）的使用。
2020-10-15 cs.RO
Certifiably-correct Control Policies for Safe Learning and Adaptation in Assistive Robotics
Arizona State University（亚利桑那州立大学）；University of Colorado Boulder（科罗拉多大学博尔德分校）；Toyota NA-R&D（丰田北美研发中心）
保证以人为中心的应用程序的安全性在机器人学习中至关重要，因为学习的策略可能会在以前看不见的场景中表现出不安全的行为。我们提出了一个框架，本地修复一个错误的策略网络，以满足一组正式的安全约束，使用混合二次规划（MIQP）。我们的MIQP公式明确地施加了安全约束的学习策略，同时最小化原始的损失函数。然后验证策略网络在本地是安全的。我们展示了我们的框架的应用程序，以获得机器人小腿假肢的安全政策。
2023-03-12 cs.RO
STREAMS: An Assistive Multimodal AI Framework for Empowering Biosignal Based Robotic Controls
Dept. of Electrical Engineering University of Rhode Island Kingston, RI, USA（电气工程系 罗德岛大学 罗得岛州金斯顿）；Computer Engineering Northeastern University Boston, Massachusetts, USA（计算机工程 美国东北大学 波士顿）
本文提出 STREAMS 框架，融合环境信息与合成生物信号输入，通过基于 DQN 的深度强化学习和自训练共享自主机制生成平滑机器人轨迹，并在仿真与零样本真机用户研究中验证其显著提升。
2025-06-10 cs.RO
Real-Time sEMG-Based Telecontrol of an Assistive Robotic Arm Using a 1D Convolutional Neural Network
Polytechnique Montréal（蒙特利尔综合理工大学）
研究上肢运动障碍者用sEMG控制辅助机器人手臂的问题，核心方法是基于一维卷积神经网络，主要贡献是实现高分类性能、稳定实时行为，证明sEMG遥操作可行性，强调整合多技术的重要性，为后续研究指明方向。
2026-10-05 cs.RO
When to Act: Calibrated Confidence for Reliable Human Intention Prediction in Assistive Robotics
Hertie Institute for Clinical Brain Research & Center for Integrative Neuroscience, University of Tübingen（海德堡临床脑研究所及整合神经科学中心，图宾根大学）
本文提出了一种基于校准概率的安全触发框架，用于提升辅助机器人中意图预测的可靠性，通过校准信心减少误校准并提高安全性。
2026-01-08 cs.AI cs.RO
Assistive arm and hand manipulation: How does current research intersect with actual healthcare needs?
University of Alberta（阿尔伯塔大学）
人类辅助机器人有可能帮助老年人和残疾人进行日常生活活动（ADL）。机器人研究人员提出了自自底向上的的解决方案，使用各种控制方法进行不同类型的运动。另一方面，健康研究侧重于临床评估和康复，这两个领域之间存在着重要的差异。特别是，很少有人知道在日常生活中，人类在他们的日常环境中-在家里，工作等，这些信息可以帮助指导开发和优先考虑的机器人技术，在家里辅助机器人部署。这项研究针对几个生活记录数据库，其中我们计算（i）ADL任务频率从长期低采样频率视频和物联网（IoT）传感器数据，以及（ii）短期手臂和手部运动数据从30 fps视频数据的家庭任务。机器人和医疗保健社区有不同的术语和分类来表示任务和运动。我们推导并讨论了一个机器人相关的分类，从这个定量的ADL任务和ICF运动数据，试图改善这些分类的差异。我们的统计数据量化了人类每天接触，打开抽屉，门，检索和使用物体数百次。仅在美国，商业轮椅安装的机器人手臂就可以帮助15万上肢残疾人，但只有几百个机器人被部署。更好的用户界面和更有能力的机器人可以显著增加潜在用户群和ADL任务的解决数量。
2021-01-07 cs.RO
Use of a Socially Assistive Robot as a Online Shopping Digital Skills Assistan
Heriot-Watt University（赫瑞-瓦特大学）
本工作提出将社交辅助机器人作为在线购物数字技能助手，通过分析在线食品购物用例中决策过程的伦理问题，为共同设计会议中机器人的决策机制提供参考。
2023-04-04 cs.HC cs.RO
Socially Assistive Robots: A Technological Approach to Emotional Support
Sunway University（双威大学）
本研究开发了一种基于社交辅助机器人技术的情绪支持机器人，利用面部识别和手势分析检测悲伤情绪，并通过拥抱和AI对话提供共情互动，实验验证了其可行性和有效性。
2024-11-07 cs.HC cs.RO
Unknown Object Grasping for Assistive Robotics
DLR Institute of Robotics and Mechatronics（DLR机器人与机电一体化研究所）；University of Edinburgh（爱丁堡大学）
本文提出一种面向辅助机器人的共享自主抓取流程，结合立体视觉实例分割与三维重建，由用户引导接近方向，并通过物理抓取规划在DLR EDAN平台上对10个未知物体实现87%的抓取成功率。
2024-05-04 cs.RO
Extending 3D body pose estimation for robotic-assistive therapies of autistic children
Institute for Systems and Robotics（系统与机器人研究所）；Instituto Superior Técnico（高等技术学院）；Universidade de Lisboa（里斯本大学）；Politecnico di Milano（米兰理工大学）
针对自闭症儿童机器人辅助治疗中的姿态估计问题，通过改进现有3D人体建模方法并引入线性回归模型微调输入，开发出适用于儿童的3D姿态估计器，误差低于0.3m，在真实场景中帧估计成功率优于现有方法。
2024-02-12 cs.CV cs.HC cs.RO
A Multimodal Data Collection Framework for Dialogue-Driven Assistive Robotics to Clarify Ambiguities: A Wizard-of-Oz Pilot Study
Aerospace and Mechanical Engineering Department（航空航天与机械工程系）；Computer Science Department（计算机科学系）；Saint Louis University（圣路易斯大学）
本文提出一种多模态数据收集框架，通过对话交互协议和双房间巫师-of-奥兹设置，模拟机器人自主性并捕捉自然用户行为，用于澄清对话驱动控制中的歧义问题。
2026-04-16 cs.RO
MEMOR-E: In-Context and Fine-Tuned LLM Personalization for Alzheimer's Assistive Robotics
Istanbul Medipol University（伊斯坦布尔梅迪波大学）；Arizona State University（亚利桑那州立大学）
提出移动四足机器人MEMOR-E，结合微调与上下文学习的大语言模型，实现阿尔茨海默病患者的个性化认知支持与可解释人机交互。
2026-04-28 cs.AI cs.RO
WheelArm-Sim: A Manipulation and Navigation Combined Multimodal Synthetic Data Generation Simulator for Unified Control in Assistive Robotics
Aerospace and Mechanical Engineering Department, Saint Louis University（圣路易斯大学航空航天与机械工程系）；Computer Science Department, Saint Louis University（圣路易斯大学计算机科学系）
WheelArm-Sim 是一种用于辅助机器人统一控制的多模态合成数据生成模拟器，通过集成轮椅和机械臂控制，为数据驱动的机器学习模型提供支持。
2026-01-29 cs.RO
Rico: extended TIAGo robot towards up-to-date social and assistive robot usage scenarios
Warsaw University of Technology（华沙工业大学）；Faculty of Electronics and Information Technology（电子与信息技术学院）
本文介绍 AI 驱动的移动机器人平台 Rico，通过既有场景应用、能力与实验验证其作为无机械臂平台适配社交和辅助任务的适用性。
2024-09-06 cs.RO
Inclusion in Assistive Haircare Robotics: Practical and Ethical Considerations in Hair Manipulation
Carnegie Mellon University（卡内基梅隆大学）；University of Southern California（南加利福尼亚大学）
针对机器人护发系统开发，本文提出需考虑头发类型、身份表达、成本可及性、文化意识及社会风险等实践与伦理问题，并规划与专家和用户的互动研究以提供包容性设计指导。
2024-11-07 cs.RO
Motion Control of Interactive Robotic Arms Based on Mixed Reality Development
Harbin Institute of Technology（哈尔滨工业大学）
本研究在第四次工业革命背景下，针对基于 Unity 的 MR 应用开发，提出了多种应用于 UR5、UR5e、myCobot 等交互式机械臂的有效运动控制方法，包括 GUI 控制面板、文本输入控制、末端执行器动态跟踪及 ROS-Unity 数字孪生连接，以促进更先进的人机交互。
2024-01-03 cs.HC 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
Eye-tracking-Driven Shared Control for Robotic Arms: Wizard of Oz Studies to Assess Design Choices
Offenburg University of Applied Sciences（奥芬堡应用科学大学）；University of Siegen（锡根大学）
本文通过巫师奥兹研究评估了基于眼动追踪的共享控制设计，旨在提升残疾人与机器人手臂的交互体验和可用性。
2026-02-20 cs.HC cs.RO
Motion Macro Programming on Assistive Robotic Manipulators: Three Skill Types for Everyday Tasks
FZI Research Center for Information Technology（FZI信息技术研究中心）
本文提出局部、全局和混合三种技能类型，基于动态运动基元实现辅助机器人操作臂的日常任务运动宏编程，用户可自行编程，实验验证了抓痒、整理物品和投币等任务。
2023-05-12 cs.RO
SPARCS: Structuring Physically Assistive Robotics for Caregiving with Stakeholders-in-the-loop
Cornell University（康奈尔大学）；Columbia University（哥伦比亚大学）
物理机器人的现有工作是有限的，在其提供长期援助的能力。这主要是由于（一）缺乏明确界定的问题，（二）任务多样性，以及（三）接触社区利益攸关方的机会有限。我们提出构建物理辅助机器人护理与利益相关者在循环（SPARCS），以解决这些挑战。SPARCS是一个物理机器人部署框架，包括（i）构建块，定义物理机器人部署场景的模型，（ii）结构化工作流，分层工作流，使我们能够回答物理机器人部署的是什么和如何，以及（iii）SPARCS-Box，一个基于网络的平台，以促进所有利益相关者之间的对话。我们收集的临床数据为6个不同残疾的照顾对象，并展示了使用SPARCS设计定义明确的治疗方案，并确定他们的护理要求。所有数据和工作流程都可以在SPARCS-Box上使用。我们证明了实用的SPARCS在建立一个机器人辅助喂养系统的照顾对象之一。我们还进行了实验，以显示该系统的适应性，以不同的浏览场景。最后，我们通过咨询护理人员和护理人员来确定物理机器人的开放性挑战。补充材料可以在https://emprise.cs.cornell.edu/sparcs/上找到。
2022-10-20 cs.RO
An intent-based approach for creating assistive robots' control systems
Warsaw University of Technology（华沙理工大学）
当前机器人技术的研究水平要求对机器人控制器的开发采用通用的方法。在辅助机器人领域，人机交互起着重要的作用。特别是，人类产生的意图，影响机器人控制系统。在文章中，提出了一种方法来创建辅助机器人的控制系统，该系统对用户通过语音命令、按钮或操作员控制台传递的意图做出反应。整个方法被应用到由定制的TIAGo机器人和附加硬件组件组成的实际系统中。在该平台上进行的示例性实验说明了辅助机器人中人机界面多样化的动机。
2021-12-02 cs.RO cs.SE
DiG-Net: Enhancing Human-Robot Interaction through Hyper-Range Dynamic Gesture Recognition in Assistive Robotics
本文提出DiG-Net框架，通过结合DADA模块和时空图模块，实现超远距离（30米）的鲁棒手势识别，提升助残机器人在家庭医疗、工业安全等场景中的可用性。
2026-03-15 cs.AI cs.CV cs.RO
Learning Latent Actions to Control Assistive Robots
Virginia Tech（弗吉尼亚理工大学）；Stanford University（斯坦福大学）；University of Toronto（多伦多大学）
辅助机器人手臂使残疾人能够独立完成日常工作。这些手臂是灵巧和高维的;然而，人们必须用来控制他们的机器人的界面是低维的。考虑用2自由度操纵杆远程操作7自由度机器人手臂。机器人正在帮你吃晚饭，现在你想切一块豆腐。今天的机器人假定操纵杆输入和机器人动作之间有一个预定义的映射：在一种模式下，操纵杆控制机器人在x-y平面的运动，在另一种模式下，操纵杆控制机器人的z-偏航运动，等等。但是这种映射错过了你试图执行的任务！理想情况下，一个操纵杆轴应该控制机器人如何刺豆腐，另一个轴应该控制不同的切割动作。我们的见解是，我们可以实现直观的，用户友好的辅助机器人的控制，通过嵌入机器人的高维行动到低维和人类可控的潜在行动。我们把这个过程分为三个部分。首先，我们探索模型学习潜在的行动，从离线任务演示，并正式的属性，潜在的行动应该满足。接下来，我们将学习到的潜在动作与自主机器人辅助相结合，以帮助用户达到并保持他们的高水平目标。最后，我们学习操纵杆输入和潜在动作之间的个性化对齐模型。我们在四个用户研究中评估了我们的方法，其中非残疾参与者到达棉花糖，煮苹果派，切豆腐和组装甜点。然后，我们测试我们的方法与两个残疾成年人每天利用辅助设备。
2021-07-10 cs.RO
The Sense of Agency in Assistive Robotics Using Shared Autonomy
Robotics Institute（机器人研究所）；Carnegie Mellon University（卡内基梅隆大学）
本研究聚焦辅助机器人的共享自主范式，探究能动感与任务表现的关系，发现机器人自主度提升会优化任务表现但降低能动感，还提出了可实时监测维持能动感的代理指标。
2025-01-13 cs.RO
Situated Participatory Design: A Method for In Situ Design of Robotic Interaction with Older Adults
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）；Idiap Research Institute（Idiap研究所）
我们提出了一个参与式的设计方法来设计与老年人的人机交互和它的应用，通过设计一个辅助机器人的高级生活设施的案例研究。该方法被称为情景设计（sPD），其设计考虑了与老年人合作的挑战，涉及三个阶段，通过与机器人的真实，迭代交互来设计和测试使用场景。在与9名住院医生和3名护理人员的设计会议中，我们发现了一些关于sPD的见解，这些见解有助于我们了解其优点和局限性。例如，我们观察了设计如何通过迭代交互演变，以及早期接触机器人如何帮助参与者考虑在日常生活中使用机器人。通过sPD，我们的目标是帮助未来的研究人员增加和深化老年人在设计辅助技术方面的参与。
2023-02-21 cs.HC cs.RO
AdaptiX -- A Transitional XR Framework for Development and Evaluation of Shared Control Applications in Assistive Robotics
TU Dortmund University（多特蒙德工业大学）；University of Duisburg-Essen（杜伊斯堡-埃森大学）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）
针对辅助机器人用户输入与软件控制脱节的问题，研究团队提出开源AdaptiX XR框架，支持高分辨率仿真环境下的共享控制应用开发评估，还可通过ROS集成实现无差距的真实机械臂控制，助力HRI研究快速迭代。
2024-05-17 cs.AI cs.HC cs.RO
Using Socially Expressive Mixed Reality Arms for Enhancing Low-Expressivity Robots
University of Southern California（南加州大学）
表现力--使用多种方式来传达机器人的内部状态和意图--对于交互至关重要。然而，由于成本、安全和其他限制，许多机器人缺乏高度的物理表现力。本文探讨了使用混合现实来增强机器人有限的表现力，通过添加虚拟手臂，扩展机器人的表现力。手臂能够进行一系列非物理约束的手势，在一项受试者间研究（$n=34$）中进行了评估，参与者与社交辅助机器人一起参与混合现实数学任务。研究结果表明，虚拟手臂增加了更高程度的感知情感，乐于助人，和物理存在的机器人。报告较高感知物理存在的用户也发现机器人具有更高程度的社交存在，易用性，有用性，并且对使用混合现实机器人持积极态度。实验结果也证明了用户能够区分虚拟手势的效价和意图。
2019-11-30 cs.HC cs.RO
ShelfHelp: Empowering Humans to Perform Vision-Independent Manipulation Tasks with a Socially Assistive Robotic Cane
University of Colorado Boulder（科罗拉多大学博尔德分校）
本文提出社交辅助机器人系统ShelfHelp，通过为智能手杖增加视觉商品定位算法和自主语音操控引导规划器，帮助视障人士在杂货店独立购物，实验证明其性能与人类辅助基线相当且获得积极主观评价。
2024-05-30 cs.AI cs.CV cs.HC
Object Instance Retrieval in Assistive Robotics: Leveraging Fine-Tuned SimSiam with Multi-View Images Based on 3D Semantic Map
Ritsumeikan University（立命馆大学）；Soka University（早稻田大学）；Kyoto University（京都大学）
针对辅助机器人InstanceImageNav任务中多视角下物体实例难识别的问题，提出SimView方法，结合3D语义地图多视角图像与SimSiam自监督学习现场训练模型，在Habitat Matterport 3D上验证较CLIP准确率提升1.7倍。
2024-09-13 cs.RO
Assistax: A Multi-Agent Hardware-Accelerated Reinforcement Learning Benchmark for Assistive Robotics
University of California, Berkeley（加州大学伯克利分校）；Stanford University（斯坦福大学）
提出Assistax基准，利用JAX硬件加速和基于多智能体强化学习的辅助机器人任务，实现高达370倍加速，并测试机器人的零样本协调能力。
2026-07-22 cs.AI cs.LG cs.MA
StretchBot: A Neuro-Symbolic Framework for Adaptive Guidance with Assistive Robots
Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；University of Montpellier（蒙彼利埃大学）
本文提出StretchBot，结合多模态感知与知识图谱引导的大语言模型推理，实现短时间伸展指导中的情境感知调整，同时保持结构化流程。实验显示自适应指导在适应性和相关性上更优，而脚本指导在流畅性和可预测性上仍具竞争力。
2026-04-01 cs.HC cs.RO
Gaze-based, Context-aware Robotic System for Assisted Reaching and Grasping
Imperial College London（帝国理工学院）
辅助机器人系统致力于支持那些有运动障碍的人，使他们能够再次移动并恢复功能。这些系统的主要问题是其低级控制的复杂性，以及如何将其转换为更简单，更高级的命令，这些命令对于人类用户来说是简单和直观的。我们已经创建了一个多模态系统，由不同的传感，决策和驱动方式组成，从而实现直观的人在回路辅助机器人。该系统从用户的凝视中获取线索，解码他们的意图并实现低级运动动作以实现高级任务。这导致用户只需查看感兴趣的对象，机器人系统就可以帮助他们够到这些对象，抓住它们，并使用它们与其他对象进行交互。我们提出了我们的3D凝视估计的方法，和基于语法的实现与机器人系统的动作序列。对8名受试者的3D凝视估计进行了评价，显示总体准确度为$4.68\pm0.14cm$。用5个受试者测试了完整的系统，示出了达到凝视点动作的$100\%$的成功实施和96%的拾取和放置任务的完全实施，以及$76\%$的拾取和倾倒任务。最后，我们提出了一个讨论我们的结果和未来的工作是需要改进的系统。
2019-03-06 cs.HC cs.RO
Personalized Affect-Aware Socially Assistive Robot Tutors Aimed at Fostering Social Grit in Children with Autism
University of Southern California（南加州大学）
情感感知的社会辅助机器人（SAR）导师有很大的潜力，以增加和民主化的专业治疗干预自闭症谱系障碍（ASD）的儿童从不同的社会经济背景。然而，大多数关于ASD SAR的研究都是关于认知和/或社交技能的教学，而不是解决用户在现实世界社交情况下的情感需求。为了弥合这一差距，这项工作的目的是开发个性化的情感意识SAR导师，以帮助减轻社交焦虑和培养社会砂砾-社会技能发展的成长心态-在自闭症儿童。我们提出了一种新的范式，将临床验证的接受和承诺培训（ACT）与个性化的SAR干预。这项工作为开发个性化的情感感知SAR干预措施铺平了道路，以支持ASD儿童独特而多样的社会情感需求和挑战。
2021-03-29 cs.HC cs.RO
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
Towards Robust Perception for Assistive Robotics: An RGB-Event-LiDAR Dataset and Multi-Modal Detection Pipeline
Robotics Institute, Faculty of Engineering and Information Technology, University of Technology Sydney (UTS)（悉尼科技大学工程与信息技术学院机器人研究所）
针对辅助机器人导盲应用，提出多模态检测流水线并发布包含 RGB、事件、LiDAR 和 IMU 的数据集，通过对比发现基于事件的检测模型在精确率和召回率上表现受限，为开发更鲁棒的感知算法填补数据空白。
2024-08-23 cs.RO
HARMONIC: A Multimodal Dataset of Assistive Human-Robot Collaboration
Carnegie Mellon University（卡内基梅隆大学）；University of Washington（华盛顿大学）
我们提出了人类和机器人自然交互协作（HARMONIC）数据集的多模态观测。这是一个大型的多模态数据集，人类与机器人手臂在一个共享的自主设置中进行交互，旨在模仿辅助进食。该数据集提供了24个不同的人用6自由度（DOF）机器人手臂参与辅助进食任务的人类，机器人和环境数据视图。从每个参与者那里，我们记录了双眼的视频，来自头戴式摄像机的以自我为中心的视频，操纵杆命令，来自用于操作操纵杆的前臂的肌电图，第三人称立体视频，还包括作为这些记录的直接结果的几个特征，例如投射到以自我为中心的视频上的眼睛注视、身体姿势、手部姿势和面部关键点。这些数据流是专门收集的，因为它们已被证明与人类的心理状态和意图密切相关。这个数据集可能对研究意图预测、人类心理状态建模和共享自主性的研究人员感兴趣。数据流以各种格式提供，如视频和人类可读的CSV和YAML文件。
2020-07-31 cs.HC cs.RO
Robustness Testing of Multi-Modal Models in Varied Home Environments for Assistive Robots
Ludwig Maximilian University of Munich（慕尼黑大学）；Institute for Information and Language Processing（信息与语言处理研究所）；Munich Center of Machine Learning (MCML)（慕尼黑机器学习中心）
针对辅助机器人模型多在虚拟环境训练、缺乏真实环境鲁棒性的问题，研究在AI2Thor环境中引入光照、镜面等干扰测试前沿多模态机器人模型，拟结合老年机器人社区反馈建模实际挑战。
2024-06-19 cs.RO
