Towards Human-Robot Collaboration with Parallel Robots by Kinetostatic Analysis, Impedance Control and Contact Detection
Leibniz University Hannover（汉诺威莱布尼茨大学）
针对并联机器人腿链意外接触风险，本文结合运动静力学建模、广义动量扰动观测与笛卡尔阻抗控制，实现全结构低力接触的快速检测和安全反应。
2023-08-18 cs.RO cs.SY eess.SY
A Learning-Based Framework for Safe Human-Robot Collaboration with Multiple Backup Control Barrier Functions
California Institute of Technology（加州理工学院）；Wichita State University（威奇托州立大学）
针对复杂环境下机器人安全控制受执行器限制、单备份控制障碍函数保守性强的问题，提出基于LSTM分类器的多备份控制器切换框架，在保障安全的同时兼顾驾驶员意图，并在双轨机器人避障场景中验证了有效性。
2024-03-07 cs.RO cs.SY eess.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
Verified Synthesis of Optimal Safety Controllers for Human-Robot Collaboration
University of Bremen（不来梅大学）；University of York（约克大学）；University of Sheffield（谢菲尔德大学）
本研究提出一种工具支持的人机协作安全控制器综合、验证与确认方法，结合流程与安全法规从可行设计空间中选优、形式化验证并在数字孪生中确认，通过制造单元案例验证了方法有效性。
2021-06-11 cs.HC cs.RO cs.SE
Experimental Evaluation of Human Motion Prediction: Toward Safe and Efficient Human Robot Collaboration
Carnegie Mellon University（卡内基梅隆大学）；University of California, Berkeley（加州大学伯克利分校）
人体运动预测在现代工业环境中是重要的。准确的人体运动预测不仅可以提高人机协作的效率，而且可以提高人类在机器人附近的安全性。在现有的预测模型中，这些模型的参数化和识别方法各不相同。目前尚不清楚预测模型的必要参数化是什么，模型的在线适应是否必要，以及预测是否有助于提高人类机器人协作期间的安全性和效率。这些问题是由于难以在真实的人机交互环境中以闭环方式定量评估各种预测模型。本文提出了一种方法来评估不同的预测模型的闭环性能。特别是，我们比较了不同的参数化模型和模型，或没有在线参数自适应。在人机协作平台上进行了大量的实验。实验结果表明，人体运动预测显著提高了协作效率和人体安全性。由神经网络参数化的自适应预测模型实现了最佳性能。
2020-01-27 cs.RO
Learning-Based Safety-Aware Task Scheduling for Efficient Human-Robot Collaboration
Politecnico di Milano（米兰理工学院）
本文提出一种基于深度学习的安全感知任务调度方法，通过学习系统状态与安全影响的关系，优化任务选择以减少循环时间，提升人机协作效率。
2025-12-19 cs.RO
Distributed Virtual Model Control for Scalable Human-Robot Collaboration in Shared Workspace
Department of Engineering, University of Cambridge（工程系，剑桥大学）
本文提出一种分布式虚拟模型控制框架，通过去中心化方法实现安全的人机协作，有效解决死锁问题并提升协作效率。
2026-02-19 cs.RO cs.SY eess.SY
Safe Multimodal Communication in Human-Robot Collaboration
University of Modena and Reggio Emilia（摩德纳与雷焦艾米利亚大学）
针对人机近距离协作的通信与安全需求，提出融合语音和手势指令、带安全层的多通道通信框架，经对比实验验证可有效提取任务信息并通过调速保障操作员安全。
2023-08-07 cs.AI cs.RO
ContactRL: Safe Reinforcement Learning based Motion Planning for Contact based Human Robot Collaboration
School of Computing Science, University of Glasgow（计算科学学院，格拉斯哥大学）
ContactRL通过力反馈强化学习实现安全高效的物理协作，提升人机协作任务的安全性和效率。
2025-12-03 cs.RO
Uncertainty Estimation for Safe Human-Robot Collaboration using Conservation Measures
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
我们提出了一种在线和数据驱动的不确定性量化方法，以实现安全的人机协作应用程序的开发。系统的安全性和风险评估与测量的准确性密切相关：独特的参数通常无法通过已知模型直接访问，因此必须进行测量。然而，由于传感器的有限性能，甚至未知的环境干扰或人类，测量通常会受到不确定性的影响。在这项工作中，我们量化这些测量的不确定性，利用守恒措施，这是定量的，系统特定的属性是恒定的，随着时间的推移，空间，或其他状态空间维度。我们的方法的关键思想在于在运行时参考守恒方程的传入数据的即时数据评估。特别是，我们估计违反先验已知的，特定领域的守恒性质，并考虑它们作为测量不确定性的后果。我们在人机协作的背景下验证了我们的方法，从而突出了我们对在真实世界条件下成功开发安全机器人系统的贡献的重要性，例如，在工业环境中。此外，我们展示了如何获得的不确定性值可以直接映射到任意的安全限制（例如，ISO 13849），允许在运行时监控安全标准的遵守情况。
2022-09-01 cs.RO
Adaptive Safety-critical Control with Uncertainty Estimation for Human-robot Collaboration
Queen’s University Belfast（贝尔法斯特女王大学）
针对人机协作中人类行为不确定带来的安全风险，提出融合 TVIBLF 与 AECBF 的自适应安全关键控制框架及二次惩罚最短路径方法，确保机器人在意外情况下仍满足安全约束并稳定切换跟踪与避碰模式。
2023-08-19 cs.RO
On Using Neural Networks to Learn Safety Speed Reduction in Human-Robot Collaboration: A Comparative Analysis
Politecnico di Milano（米兰理工大学）
本文提出利用深度学习直接从过程执行数据预测机器人安全缩放因子，以提高周期时间预测和调度算法效率。
2025-12-19 cs.RO
A Safety-Aware Kinodynamic Architecture for Human-Robot Collaboration
University of Modena and Reggio Emilia（摩德纳和雷焦艾米利亚大学）；Datalogic S.p.A.（得利捷公司）
本文提出一种双层轨迹规划与缩放架构，在遵守安全法规的同时根据人类行为自适应调整轨迹并缩放速度，实现人机协作中安全与高效的平衡，并在Pilz PRBT机械臂上完成实验验证。
2021-03-02 cs.RO
A Null-space based Approach for a Safe and Effective Human-Robot Collaboration
University of Modena and Reggio Emilia（摩德纳-雷焦艾米利亚大学）
在物理人类机器人协作期间，重要的是能够实现时变交互行为，同时确保鲁棒稳定性。可以利用导纳控制和无源性理论来实现这些目标。然而，当导纳动态是时变的时，为了确保无源和稳定的行为，可能发生的是，必须在导纳动态中引入一些寄生耗散效应。这些影响被用户感知并降低协作性能。在本文中，我们利用任务冗余的机械手，以收获能量在零空间，并避免虚假的动态导纳。所提出的架构进行了验证，通过仿真和实验上的协作机器人。
2022-11-24 cs.RO
User-specific, Adaptable Safety Controllers Facilitate User Adoption in Human-Robot Collaboration
随着辅助和协作机器人在现实世界中变得越来越普遍，我们需要开发对用户安全的接口和控制器，以建立信任并鼓励采用。在这篇蓝天论文中，我们讨论了需要共同发展的任务和用户特定的安全控制器，可以适应人们的安全偏好。我们认为，虽然大多数自适应控制器专注于行为适应，安全适应也是一个主要的考虑因素，建立信任的协作系统。此外，我们强调需要适应随着时间的推移，占用户的偏好变化的经验和信任的建立。我们提供了一个通用的公式，这些接口应该是什么样子，什么功能是必要的，使他们可行和成功。在该公式中，用户提供示范和标记的安全等级，从中学习安全价值函数。这些价值函数可以通过更新演示上的安全标签来更新，以学习更新的函数。我们将讨论如何在高级别上实现这一点，以及一些有前途的方法和技术。
2022-10-14 cs.RO
Collaborative Conversation in Safe Multimodal Human-Robot Collaboration
University of Modena and Reggio Emilia（摩德纳大学与雷焦艾米利亚大学）
针对人机协作中因缺乏高效通信导致非预期减速、需兼顾安全标准的问题，提出模拟人际对话的新型协作架构，结合预测模拟器预判安全限制，经UR10e验证较现有技术提升用户体验，执行时间降23%、停机时间减50%。
2024-09-11 cs.RO
A Virtual Fencing Framework for Safe and Efficient Collaborative Robotics
New York University（纽约大学）
本文提出一种虚拟围栏框架，通过检测和预测人体运动来确保协作机器人安全运行，采用优化问题模型解决安全与性能的权衡，实验验证其在保持安全的同时减少操作暂停。
2025-03-26 cs.RO cs.SY eess.SY
Fixed-time Adaptive Neural Control for Physical Human-Robot Collaboration with Time-Varying Workspace Constraints
Queen’s University Belfast（贝尔法斯特女王大学）；University of Warwick（华威大学）；National University of Singapore（新加坡国立大学）
针对物理人机协作中的时变工作空间约束与接触柔顺需求，提出融合柔顺控制、TVIBLF和固定时间技术的自适应神经控制框架，并通过两连杆机械臂仿真验证其更优跟踪与收敛性能。
2023-04-26 cs.RO cs.SY eess.SY
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
Digital Shadows of Safety for Human Robot Collaboration in the World-Wide Lab
RWTH Aachen University（亚琛工业大学）
本研究扩展了全球实验室（WWL）中人机协作（HRC）的行为树（BTs）表示，提出将安全功能标准化并直接集成到BTs中，利用WWL平台促进工业与学术从业者对安全要求和解决方案的交换、重用与试验。
2023-04-04 cs.HC cs.RO
Dialogue based Interactive Explanations for Safety Decisions in Human Robot Collaboration
Department of Civil Engineering and Management, Faculty of Science and Engineering, The University of Manchester（曼彻斯特大学科学与工程学院土木工程与管理系）；VRAIN, Universitat Politècnica de València（瓦伦西亚理工大学VRAIN研究所）；Department of Engineering, University of Cambridge（剑桥大学工程系）；Department of Mechanical and Aerospace Engineering, Faculty of Science and Engineering, The University of Manchester（曼彻斯特大学科学与工程学院机械与航空航天工程系）；Center for the Possible Futures, Kyoto Institute of Technology（京都工艺纤维大学未来可能性中心）；Institute of Industrial Science, The University of Tokyo（东京大学生产技术研究所）；Graduate School of Frontier Sciences, The University of Tokyo（东京大学新领域创成科学研究科）
本文提出一种基于对话的交互式解释框架，用于人机协作中的安全决策，通过约束基础的安全评估实现解释与决策的紧密耦合，支持因果、对比和反事实查询，提升安全干预的透明度和协作效率。
2026-04-10 cs.HC cs.RO
3D Collision-Force-Map for Safe Human-Robot Collaboration
Czech Technical University in Prague（布拉格捷克技术大学）；Faculty of Electrical Engineering, Czech Technical University in Prague（布拉格捷克技术大学电气工程学院）
为了保证协作机器人的安全性，限制了它们的性能，特别是它们的速度和周期时间。ISO/TS 15066标准定义了功率和力限制操作模式，并规定了移动机器人在撞击过程中允许施加在人体部位上的力阈值，以及一个简单的公式，以获得机器人在整个工作空间中的最大允许速度。在这项工作中，我们测量了两个协同机械手（UR 10 e和KUKA LBR iiwa）向下移动对冲击测量装置施加的力。首先，我们的经验表明，在机器人工作空间内的冲击力可以变化超过100%。这些力与机器人基座的距离和工作空间中的高度负相关。其次，我们提出了一个数据驱动的模型，3D碰撞力地图，从距离，高度和速度预测冲击力，并证明它可以在有限数量的数据点上进行训练。第三，我们分析了冲击力的演变，发现UR 10 e从未发生过夹紧。我们发现，ISO/TS 15066中与机器人质量、速度和冲击力相关的公式是不够的，导致了显著的低估和高估，从而导致了不必要的长周期时间，甚至是危险的应用。我们提出了一种经验方法，可以部署到快速确定最佳的速度和位置，可以安全地执行任务，以最大的效率。
2021-03-26 cs.RO
SAGE: Safety-Aligned Gradient Enforcement for Human--Robot Collaboration
University of Texas at Arlington（德克萨斯大学阿灵顿分校）；Carnegie Mellon University（卡内基梅隆大学）
针对人机协作中安全与可解释性的双重挑战，提出SAGE框架，通过SAIL内化安全约束和TALO协调多智能体更新，在仿真和物理实验中显著提升成功率并降低碰撞。
2026-09-21 cs.RO
Vision-Based Safe Human-Robot Collaboration with Uncertainty Guarantees
Department of Aeronautics and Astronautics, Stanford University（斯坦福大学航空航天系）；Chair of Imaging and Computer Vision, RWTH Aachen University（亚琛工业大学影像与计算机视觉教授职位）；School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院）；Department of Computer Engineering, Technical University of Munich（慕尼黑技术大学计算机工程系）
本文提出一种基于视觉的人体姿态估计与运动预测框架，通过置信度保证实现安全的人机协作。结合aleatoric不确定性估计与OOD检测，提供高概率置信度的置信区间。
2026-09-24 cs.CV cs.RO
Human-Robot Gym: Benchmarking Reinforcement Learning in Human-Robot Collaboration
Technical University of Munich（慕尼黑工业大学）
本文提出人机健身房（human-robot gym），一个用于人机协作中安全强化学习的基准套件，包含八个真实任务并配备可证明安全性的防护盾，评估表明其任务具有挑战性，且基于动作的奖励可超越专家，过拟合可忽略。
2024-06-25 cs.RO
SafePR: Unified Approach for Safe Parallel Robots by Contact Detection and Reaction with Redundancy Resolution
Institute of Mechatronic Systems, Leibniz University Hannover（机电系统研究所，莱比锡大学汉诺威分校）
SafePR通过接触检测与反应及冗余解算实现安全并行机器人运动，有效避免自碰撞和奇异点，确保人机交互安全。
2025-11-25 cs.RO cs.SY eess.SY
Towards Proactive Safe Human-Robot Collaborations via Data-Efficient Conditional Behavior Prediction
Carnegie Mellon University（卡内基梅隆大学）；Robotics Institute（机器人研究所）；Department of Electrical and Computer Engineering（电气与计算机工程系）
本文针对数据稀疏场景下的人机协作，提出基于条件行为预测的主动控制方法，实现机器人主动目标选择与安全轨迹生成，并在真实用户实验中验证其能有效提升人机交互质量。
2024-07-01 cs.RO
Non Normalized Shared-Constraint Dynamic Games for Human-Robot Collaboration with Asymmetric Responsibility
University of California at Berkeley（加州大学伯克利分校）
本文提出非归一化的共享约束动态博弈框架，用于人机协作导航，通过滚动时域最优控制实现安全约束的不对称责任分配。
2025-12-09 cs.RO
The Effect of Robot Skill Level and Communication in Rapid, Proximate Human-Robot Collaboration
Georgia Institute of Technology（佐治亚理工学院）
本研究提出人机双打乒乓球测试平台，通过用户实验探讨机器人技能与通信对敏捷近距离人机协作中信任、安全及团队表现的影响，发现技能提升显著增加信任，而机器人发声意图反而降低表现与安全感。
2023-04-07 cs.RO
Co-Simulation of Human-Robot Collaboration: from Temporal Logic to 3D Simulation
McMaster University（麦克马斯特大学）；Politecnico di Milano（米兰理工大学）
人机协作（HRC）正在迅速取代机器人在制造业中的传统应用。机器人和人类操作员不再需要在隔离区域执行任务，而是能够在近距离工作并执行混合任务--部分由人类和机器人执行。我们在早期的工作中提出了一种方法[16]，以促进和促进正式建模HRC系统，这是众所周知的安全关键。依靠时序逻辑建模能力和自动化模型检验工具，我们建立了一个框架，对HRC系统进行正式建模，并根据ISO 10218-2 [10]标准验证操作人员的人身安全。为了使我们提出的形式化验证框架更吸引安全工程师，他们通常不是很喜欢的正式建模和验证技术，我们决定耦合我们的模型检验方法与3D模拟器，以更透明的方式向安全工程师展示潜在的危险情况。本文报告了我们的联合仿真方法，使用Morse模拟器[4]和Zot模型检查器[14]。
2020-07-23 cs.LO cs.RO
Considering Human Behavior in Motion Planning for Smooth Human-Robot Collaboration in Close Proximity
City University of Hong Kong（香港城市大学）
众所周知，深入了解同事的行为和偏好对协作效率至关重要。在这项工作中，我们提出了一种方法来完成顺利的人与机器人合作，在密切的接近考虑到人类的行为，同时规划机器人的轨迹。特别地，我们首先使用占用图来概括人类随时间的运动偏好，然后在基于优化的运动规划器中通过[1]中引入的两个代价项来考虑这些先验信息：1）避开先前由人类占用的工作空间，以消除中断并提高任务成功率; 2）倾向于在人与机器人之间保持安全距离以提高安全性。在实验中，我们比较了规划人员之间的协作性能，使用不同的组合，人类意识到的成本项目，包括回避因子，避免和安全距离因子，和基线，没有考虑人类相关的因素。生成的轨迹在模拟和现实环境中进行了测试，结果表明，我们的方法可以显着提高协作任务的成功率，也是人性化的。我们的实验结果还表明，成本函数需要调整在特定的任务的方式，以更好地反映人类的偏好。
2019-05-17 cs.RO
Adaptive Collision Sensitivity for Efficient and Safe Human-Robot Collaboration
Czech Technical University in Prague（布拉格捷克理工大学）；Faculty of Electrical Engineering（电气工程学院）
本文提出一种基于机器人连杆有效质量动态判断碰撞力的自适应碰撞灵敏度框架，在UR10e、KUKA LBR iiwa机器人实验中，该方法使拾取-放置场景生产力提升超45%，适用于可计算有效质量的机器人。
2026-11-09 cs.RO
Relevance-driven Decision Making for Safer and More Efficient Human Robot Collaboration
Massachusetts Institute of Technology（麻省理工学院）
受人类认知机制启发，提出相关性概念及双循环框架，通过LLM量化相关性和实时决策，实现更安全高效的人机协作，显著提升预测准确率并大幅减少碰撞。
2025-04-18 cs.AI cs.RO
Probing Collision Grounding in Vision-Language Models for Safe Human-Robot Collaboration
University of Michigan, Ann Arbor（密歇根大学，安娜堡）
针对安全人机协作，提出碰撞接地概念及物理基准TouchSafeBench，评估视觉-语言模型在分类当前安全状态和预警即将碰撞任务中的表现，发现现有模型不可靠，视觉流畅性不等于物理责任性。
2026-10-26 cs.AI cs.CL cs.CV
Compliant Blind Handover Control for Human-Robot Collaboration
University of Modena and Reggio Emilia（摩德纳与雷焦艾米利亚大学）
针对人机协作中操作者背对机器人的盲交接场景，提出自主交接架构，解决递送安全与物品释放时机问题，推动人机协作协议发展与高效协作。
2024-09-11 cs.RO
Barrier functions enable safety-conscious force-feedback control
MIT（麻省理工学院）；MIT-IBM Watson AI Lab（麻省理工学院-IBM沃森人工智能实验室）；IBM（国际商业机器公司）
为了成为人类的有效合作伙伴，机器人必须越来越适应与环境的接触。不幸的是，机器人很难区分“足够”和“太多”的力量：完成任务需要一些力量，但太多可能会损坏设备或伤害人类。传统的设计柔顺力反馈控制器的方法，如刚度控制，需要手动调整控制参数，使其难以建立安全，有效的机器人协作。在本文中，我们提出了一种新的但易于实现的力反馈控制器，使用控制障碍函数（CBFs），直接从用户的最大允许力和扭矩的规格来获得一个兼容的控制器。我们比较我们的方法，传统的刚度控制，以证明我们的控制架构的潜在优势，我们证明了我们的控制器上的一个例子人-机器人协作任务的有效性：合作操作的一个庞大的对象。
2022-09-25 cs.RO cs.SY eess.SY
Safety Controller Synthesis for Collaborative Robots
University of York（约克大学）
针对人机协作中自动安全控制器需在弱假设下保证正确性的挑战，提出一种有工具支撑、结合制造与法规、经形式化验证且满足最优性的控制器综合方法，可实现危险检测、安全切换与任务恢复。
2020-07-07 cs.RO cs.SY eess.SY
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
Effect of Active and Passive Protective Soft Skins on Collision Forces in Human-robot Collaboration
Czech Technical University in Prague（布拉格捷克理工大学）；Blue Danube Robotics GmbH（蓝多瑙河机器人有限公司）
软电子皮肤是将工业机械手转变为协作机器人的手段之一。对于已经适合物理人机协作的操纵器，软皮肤可以使它们更安全。在这项工作中，我们研究了两个协作机械手（UR 10 e和KUKA LBR iiwa）和一个经典的工业机械手（KUKA Cybertech），在存在或不存在的工业防护皮肤（AIRSKIN）的影响后的行为。此外，我们隔离的被动填充和主动贡献的传感器对机器人的反应的影响。我们提出了总共2250碰撞测量和研究的冲击力，接触时间，夹紧力，和脉冲。数据集是公开的。我们总结我们的结果如下。对于瞬态碰撞，被动蒙皮特性使碰撞力降低了约40%。在准静态接触期间，皮肤覆盖物的效果-主动或被动-不能与协作机器人的碰撞检测和反应隔离。我们系统地比较了不同的设置和经验确定的安全速度与ISO/TS 15066的处方。在某些情况下，高达ISO/TS 15066规定速度的四倍可以符合冲击力限制，因此被认为是安全的。我们提出了一个扩展的公式有关的冲击力和允许的速度，考虑到刚度和可压缩厚度的保护罩，导致更好的预测碰撞力。同时，这项工作强调了现场测量的必要性，因为我们研究的所有因素-主动/被动皮肤的存在，安全停止设置，机器人碰撞反应，冲击方向，当然还有速度-都会影响冲击后的力演变。
2022-05-19 cs.RO
Proactive Hierarchical Control Barrier Function-Based Safety Prioritization in Close Human-Robot Interaction Scenarios
本文提出基于控制屏障函数的分层框架，用于在近距离人机交互中主动管理碰撞风险，通过实时安全约束优先级调整和深度感知实现安全协作。
2025-05-25 cs.RO cs.SY eess.SY
Safety of human-robot interaction through tactile sensors and peripersonal space representations
Czech Technical University in Prague（布拉格捷克理工大学）
包括紧密物理人机交互（pHRI）的人机协作是工业和科学的当前趋势。安全准则规定了两种安全模式：（i）功率和力限制以及（ii）速度和分离监测。我们研究了配备人工敏感皮肤和周围保护性安全区（peripersonal space）的机器人对安全pHRI的潜力。
2018-05-18 cs.RO
Human Motion Prediction for Human-Robot Collaboration
本文比较了三种人体运动预测方法（GMM聚类、TransFusion、Graph-Mixer）在人机协作中的效果，通过预判人体运动来改进机器人规划，提升动态环境的安全与效率。
2026-09-29 cs.RO
A Scoping Review and Experimental Study on Reinforcement Learning from Human Feedback for Human-Robot Collaboration
DLR Institute for AI Safety and Security（德国航空航天中心人工智能安全与安保研究所）
本研究通过范围综述和VR实验，探讨RLHF在人机协作中的应用，发现用户发起的反馈比系统发起的反馈更能有效捕捉感知安全性，强调反馈时机对AI安全的重要性。
2026-10-08 cs.AI cs.HC cs.RO
An Exploratory Study on Crack Detection in Concrete through Human-Robot Collaboration
Extreme Robotics Lab (ERL) and National Center for Nuclear Robotics (NCNR)（极端机器人实验室（ERL）和核机器人国家中心（NCNR））；University of Birmingham（伯明翰大学）；National Center for Nuclear Robotics (NCNR)（核机器人国家中心）；Queen Mary University of London（伦敦女王大学）
本研究探索了将AI辅助视觉裂缝检测集成到移动Jackal机器人平台上的人机协作方法，实验证明该方法能提高检测准确性并降低操作员工作负荷，优于传统人工检测。
2025-08-15 cs.AI cs.HC cs.RO
A Real-Time Receding Horizon Sequence Planner for Disassembly in A Human-Robot Collaboration Setting
University at Buffalo（布法罗大学）；University of Florida（佛罗里达大学）
产品拆卸是一个劳动密集型的过程，远未实现自动化。通常情况下，拆卸不够稳健，无法处理不同形状、型号和物理不确定性的产品品种，这些不确定性是由于组件缺陷、组件使用过程中的损坏或产品信息不足造成的。为了克服这些困难，并通过人机协作实现拆卸过程的自动化，同时又不增加过多的计算成本，本文提出了一种实时的【形】滚动时域序列规划器，该规划器在考虑实时的【形】人体运动的同时，在机器人和操作员之间分配任务.序列规划器旨在解决拆卸线中的几个问题，如不同的方向，人类操作员的安全约束，人类操作的不确定性，以及大量的拆卸任务的计算成本。提出的拆卸序列规划器识别的位置和方向的拆卸物品，以及人类操作员的位置，并获得一个最优的拆卸序列，遵循拆卸规则和安全约束的人类操作。实验测试验证了该规划器的有效性：机器人能够按照最优顺序定位和拆卸部件，并明确考虑人类操作员的实时的【形】运动，在不违反安全约束的情况下与人类操作员协作。
2020-07-06 cs.RO
Safety Evaluation of Robot Systems via Uncertainty Quantification
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
在本文中，我们提出了一种在线和数据驱动的方式量化机器人系统的传播不确定性的方法。特别是在人机协作中，在运行时间内跟踪安全合规性至关重要：将危险情况错误地分类为安全可能会导致严重的事故。根据官方规定（例如ISO标准），工业机器人应用的安全性取决于关键参数，例如人类和机器人之间的距离和相对速度。然而，只有在对这些参数的可靠性进行测量的情况下，才能确保安全。虽然文献中存在不同的风险检测和缓解方法，但迄今为止，还缺少一种可用于在线评估安全限制的措施，并简明地表明情况是安全还是危险。出于这一动机，我们介绍了一种可推广的方法来计算传播的测量不确定性的任意参数，捕获的累积不确定性源于传感器设备和环境干扰的系统。为了证明我们的方法提供了正确的结果，我们在模拟中进行验证实验。此外，我们采用我们的方法在两个现实世界的设置，并演示如何量化传播的不确定性的关键参数，有利于评估安全在线人机协作。
2023-02-21 cs.RO
Anticipatory Human-Robot Collaboration via Multi-Objective Trajectory Optimization
Georgia Institute of Technology（佐治亚理工学院）
我们解决的问题，适应机器人轨迹，以提高安全性，舒适性和效率，在人机协作任务。为此，我们提出了CoMOTO，一个轨迹优化框架，利用随机运动预测模型来预测人类的运动，并相应地调整机器人的关节轨迹。我们设计了一个多目标成本函数，同时优化i）分离距离，ii）末端执行器的可见性，iii）易读性，iv）效率和v）平滑度。我们评估CoMOTO对现有的三种方法，机器人轨迹生成时，在接近人类。我们的实验结果表明，我们的方法始终优于现有的方法在一组组合的安全性，舒适性和效率指标。
2020-07-31 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
Virtual Barriers in Augmented Reality for Safe and Effective Human-Robot Cooperation in Manufacturing
Monash University（莫纳什大学）
安全性是任何人机协作场景中的基本要求。为了确保这种情况下的用户的安全，我们提出了一种新的虚拟障碍系统的增强现实接口。我们的系统提供了两种类型的虚拟障碍，以确保安全：1）一个虚拟人障碍，封装和跟随用户，以保护他们免受碰撞的机器人，和2）虚拟障碍障碍，用户可以产卵，以保护物体或区域，机器人不应该进入。为了实现有效的人机协作，我们的系统包括一个直观的机器人编程界面，利用语音命令和手势，并具有自动路径重新规划的能力，当检测到潜在的碰撞作为一个障碍物相交的机器人的规划路径的结果。我们通过用户研究比较了我们的新系统与标准的2D显示界面，参与者模仿工业制造过程完成一项任务。实验结果表明，该系统提高了用户的安全感和工作效率，使交互更加直观。
2021-04-12 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
Towards Better Human Robot Collaboration with Robust Plan Recognition and Trajectory Prediction
University of California, Berkeley（加州大学伯克利分校）；Carnegie Mellon University（卡内基梅隆大学）
随着制造业从大规模生产向大规模定制的转变，人机协作变得越来越重要。HRC的引入可以显著提高自动化的灵活性和智能性。然而，由于人类合作者的随机性和时变性，这是具有挑战性的机器人，以有效和准确地识别人类的计划，并以安全的方式作出反应。为了解决这一挑战，我们提出了一个集成的人类机器人协作框架，在本文中，它包括计划识别和轨迹预测。这样的框架使机器人能够感知、预测并根据人类的计划调整其行动，并根据预测的人类轨迹智能地避免与人类发生碰撞。此外，通过明确地利用计划和轨迹之间的分层关系，可以实现更鲁棒的计划识别性能。在工业机器人上进行了实验验证，实验结果表明，该框架不仅能保证安全的HRC，还能提高HRC团队的时间效率，且计划识别模块对噪声不敏感。
2020-02-17 cs.RO
STL-Based Motion Planning and Uncertainty-Aware Risk Analysis for Human-Robot Collaboration with a Multi-Rotor Aerial Vehicle
Department of Cybernetics, Czech Technical University in Prague（捷克技术大学布拉格分校控制学系）；Department of Power Generation Technologies and Materials, Ricerca sul Sistema Energetico S.p.A.（能源系统研究股份有限公司电力生成技术与材料学系）；Robotics and Mechatronics Department, Electrical Engineering, Mathematics, and Computer Science Faculty, University of Twente（代尔夫特理工大学机器人与机电学系，电气工程、数学与计算机科学学院）；Department of Computer, Control and Management Engineering, Sapienza University of Rome（罗马萨皮恩扎大学计算机、控制与管理工程系）
本文提出一种增强人机协作的框架，利用信号临时逻辑编码安全性和舒适性等关键目标，并通过优化规划生成动态可行轨迹，结合不确定性风险分析实现安全高效的协作。
2026-05-12 cs.RO
Integrating Ergonomics and Manipulability for Upper Limb Postural Optimization in Bimanual Human-Robot Collaboration
Department of Mechanical and Automation Engineering, T-Stone Robotics Institute, The Chinese University of Hong Kong（机械与自动化工程系、T-Stone机器人研究所、香港中文大学）；Bristol Robotics Laboratory, UWE Bristol（布里斯托尔机器人实验室、UWE布里斯托尔）；HKCLR, Hong Kong（香港物流机器人中心、香港）
本文提出一种整合人体工程学与力可操纵性的上肢姿态优化方法，并结合双臂模型预测阻抗控制器引导人类调整姿态，在双臂人机协同搬运任务中显著改善肌肉状态。
2025-11-06 cs.RO
Improving safety in physical human-robot collaboration via deep metric learning
Zurich University of Applied Sciences Winterthur（温特图尔苏黎世应用科学大学）；ETH Zurich（苏黎世联邦理工学院）；University of Zurich（苏黎世大学）
本文提出基于深度度量学习的方法，利用机器人本体感知区分自由运动、有意接触与碰撞，准确率达98.6%，比普通深度学习网络高4%，并展现出无需重新训练即可迁移到其他机器人的泛化能力。
2023-04-13 cs.AI cs.RO
