Robot Assisted Tower Construction - A Resource Distribution Task to Study Human-Robot Collaboration and Interaction with Groups of People
Cornell University（康奈尔大学）；Robinhood（罗宾汉）；RoBotany（机器人植物学）
人类与机器人协作或人类与机器人合作的研究主要集中在理解和实现单个机器人与单个人类之间的协作。将人机协作研究扩展到二元体之外，提出了关于机器人如何在组成员之间分配资源以及分配的社会和任务相关后果的新问题。需要方法上的进步，使研究人员能够收集有关涉及多人的人类机器人协作的数据。本文介绍了塔建设，一种新的资源分配任务，允许研究人员检查机器人和人群之间的协作。通过关注机器人的资源分配（建筑任务所需的木块）是否以及如何影响协作动态和结果的问题，我们提供了一个案例，说明如何在实验室研究中应用该任务，其中有124名参与者收集有关涉及多个人类的人类机器人协作的数据。我们强调了任务可以产生的各种见解。特别是，我们发现，资源的分配会影响性能的看法，和人类团队成员之间的人际动态。
2018-12-22 cs.HC cs.RO
Robust Robot Planning for Human-Robot Collaboration
Université de Lorraine（洛林大学）；INRIA（法国国家信息与自动化研究所）；CNRS（法国国家科学研究中心）；Université de Toulouse（图卢兹大学）
在人机协作中，人的目标往往是未知的机器人。此外，即使假设一个已知的目标，人的行为也是不确定的。为了规划一个强大的机器人行为，一个关键的初步问题是：如何获得现实的人类行为给定一个已知的目标？一个主要的问题是，这样的人类行为本身应该解释机器人的行为，否则合作就不会发生。在本文中，我们依靠马尔可夫决策模型，表示人类目标的不确定性作为一个概率分布在一组有限的目标函数（诱导分布在人类行为）。在此基础上，我们提出了两个贡献：1）一种方法来自动生成一个不确定的人类行为（政策）为每个给定的目标函数，同时考虑可能的机器人行为;和2）机器人规划算法，是强大的上述不确定性，并依赖于解决部分可观察的马尔可夫决策过程（POMDP）通过推理人类行为的分布。一个共同工作的场景允许进行实验，并提出定性和定量的结果来评估我们的方法。
2023-02-27 cs.AI cs.RO
Natural Language for Human-Robot Collaboration: Problems Beyond Language Grounding
Khoury College of Computer Sciences, Northeastern University（东北大学库里计算机科学学院）
为了使机器人能够指导人类进行协作，我们确定了语言处理的几个方面，这些方面在这种情况下并不常见。这些包括位置，规划和生成。我们建议对每项任务进行评估，为简单的方法提供基线，并通过讨论学习语言合作的挑战和机遇来结束。
2021-10-09 cs.AI cs.CL cs.RO
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
Deployment and Evaluation of a Flexible Human-Robot Collaboration Model Based on AND/OR Graphs in a Manufacturing Environment
University of Genoa（热那亚大学）
工业4.0范式承诺在制造环境中缩短开发时间，提高工效学，提高灵活性和资源效率。协作机器人是实现这种模式的重要有形技术。有效地将协作机器人部署到制造业的一个主要瓶颈是开发任务规划算法，使它们能够识别并自然适应变化甚至不可预测的人类行为，同时确保生产周期时间方面的整体效率。在这种情况下，一个架构，包括任务表示，任务规划，传感和机器人控制的设计，开发和评估在一个真实的工业环境。研究了一个需要人与机器人协作的取放机器人任务。该体系结构使用AND/OR图在线表示和推理人机协作模型。此外，客观措施的整体计算性能和主观措施的自然人与机器人协作进行了评估，通过实验与生产线操作员。这项用户研究的结果展示了我们提出的人机协作模型如何利用工作场所操作员的灵活性和舒适性。在这方面，对最近的模式进行了广泛的比较研究。
2020-07-13 cs.AI cs.HC cs.RO
LIT: Large Language Model Driven Intention Tracking for Proactive Human-Robot Collaboration -- A Robot Sous-Chef Application
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对长时序人机协作中机器人需频繁提示确认动作的问题，提出语言驱动意图追踪LIT方法，通过LLM与VLM预测人类意图实现主动协作，在烹饪任务中验证了人机配合流畅性。
2024-06-19 cs.CV cs.RO
Towards Probabilistic Planning of Explanations for Robot Navigation
King’s College London（伦敦国王学院）
本文提出一种概率框架，将用户中心设计融入机器人路径规划，通过概率建模用户解释偏好，自动规划解释以增强透明度和适应性。
2024-10-26 cs.AI cs.RO
Digital Twins for Human-Robot Collaboration: A Future Perspective
University of Genoa（热那亚大学）
本文综述了数字孪生在人机协作领域的最新进展，论证了其对提升系统效率效能的关键作用，展望了未来发展方向并分析了集成的优势与挑战。
2023-11-04 cs.RO
Co-GAIL: Learning Diverse Strategies for Human-Robot Collaboration
Stanford University（斯坦福大学）
Co-GAIL通过协同优化人类策略与机器人策略，从人人协作演示中学习多样化且鲁棒的人机协作策略，并在多个任务中优于现有方法。
2023-09-20 cs.AI 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
Human Leading or Following Preferences: Effects on Human Perception of the Robot and the Human-Robot Collaboration
University of Waterloo（滑铁卢大学）
本研究提出整合人类主导/跟随偏好与绩效的主动式任务规划框架，经用户研究验证可提升人机协作绩效与人类积极感知，还发现领导/跟随风格与协作效果存在值得探究的关联。
2024-10-28 cs.RO
Crafting with a Robot Assistant: Use Social Cues to Inform Adaptive Handovers in Human-Robot Collaboration
Monash University（莫纳什大学）；Deakin University（迪肯大学）
本研究在自然手工制作场景中探讨人机交接，通过20名参与者的Wizard-of-Oz实验收集数据并构建FACT HRC数据集，揭示社交线索与任务上下文如何指导交接的时空协调及其对人类活动的影响。
2023-04-05 cs.HC cs.RO
LLM-Based Human-Robot Collaboration Framework for Manipulation Tasks
Nagoya University（名古屋大学）；National Center for Geriatrics and Gerontology（国立长寿医疗研究中心）
本文提出一种基于LLM的人机协作框架，利用LLM将语言命令转为运动序列，结合YOLO感知与遥操作及DMP纠正，提升机器人操作决策的准确性与泛化能力。
2023-08-29 cs.AI cs.RO
MAD-TN: A Tool for Measuring Fluency in Human-Robot Collaboration
Harvey Mudd College（哈维穆德学院）；Olin College of Engineering（欧林工程学院）
流畅性是人机交互（HRI）中的一个重要指标，它描述了人类和机器人在任务上协作的协调性。流畅性与任务的时间有着内在的联系，这使得时间约束网络成为建模和测量流畅性的一种很有前途的方法。我们表明，多智能体菊花时序网络（MAD-TN）制定，扩展了菊花结构网络的现有概念，既是一个有效的人机协作模型和一个自然的方式来衡量现有的流畅性指标。MAD-TN模型强调了我们假设与人类队友对流畅性的感知密切相关的新指标。
2020-02-14 cs.AI cs.HC cs.RO
HRC-SoS: Human Robot Collaboration Experimentation Platform as System of Systems
Rochester Institute of Technology（罗切斯特理工学院）
本文提出了一个实验平台，人类机器人协作作为一个系统的系统，以及提出了一个概念框架，描述人类机器人协作的各个方面。这些方面是系统的意识、智能和合规性。基于这个框架的案例研究描述使用这个平台进行的实验设置进行了讨论。每个实验都强调了数字孪生、运动捕捉系统、人体生理监测系统、数据汇集系统和机器人控制和接口系统等子系统的使用。本文的一个亮点展示了一个子系统，能够监测人类的生理反馈，在人类机器人协作任务。
2019-05-03 cs.MA cs.RO
The Robot in the Room: Influence of Robot Facial Expressions and Gaze on Human-Human-Robot Collaboration
University of Hamburg（汉堡大学）
机器人面部表情和凝视是增强人机交互（HRI）的重要因素，但它们对人类协作和感知的影响还没有得到很好的理解，例如，在协作游戏场景中。在这项研究中，我们设计了一个合作的三元HRI游戏的情况下，两个参与者一起工作，插入到一个形状分类器的对象。一名与会者担任了导游。向导指导扮演演员角色的另一位参与者将遮挡的物体放入分类器。一个人形机器人发出指令，观察互动，并显示社交线索，以引起两个参与者的行为变化。我们测量了人类的合作作为任务完成时间的函数，以及参与者对机器人的感知，将其行为评为智能或随机。参与者还通过填写Godspeed问卷来评估机器人。我们发现，与中性面部表情相比，当机器人在游戏开始时表现出快乐的面部表情时，人类的合作程度更高。我们还发现，当机器人在游戏结束时表现出积极的面部表情时，参与者认为机器人更聪明。机器人的行为也被认为是智能的，当它在互动开始时将目光投向向导，而不是演员。这些发现为机器人面部表情和凝视如何影响人类在协作中的行为和感知提供了见解。
2023-03-24 cs.RO
Negotiation-based Human-Robot Collaboration via Augmented Reality
SUNY Binghamton（纽约州立大学宾汉姆顿分校）；OPPO US Research Center（OPPO美国研究中心）
有效的人机协作（HRC）需要人类和机器人队友之间的广泛沟通，因为他们的行为可能会产生冲突，协同作用，或两者兼而有之。我们开发了一种新颖的增强现实（AR）界面，以弥合人类和机器人队友之间的沟通差距。在我们的AR接口的基础上，我们为HRC开发了一个AR介导的基于协商的（ARN）框架。我们已经进行了实验，在模拟和真实的机器人在办公室环境中，多个移动机器人的工作交付任务。这些机器人无法独自完成任务，有时需要人类队友的帮助，因此人机合作是必要的。结果表明，与非AR基线方法相比，ARN显着减少了人类-机器人团队的任务完成时间。
2020-03-13 cs.MA cs.RO
Surena-V: A Humanoid Robot for Human-Robot Collaboration with Optimization-based Control Architecture
本文介绍了人形机器人Surena-V，其通过配备气压触觉传感器和基于优化的控制架构（如ZMP修正与作用点外力检测），实现了更敏捷的环境交互与稳定的人机协作。
2025-01-28 cs.RO
To Lead or to Follow? Adaptive Robot Task Planning in Human-Robot Collaboration
University of Waterloo（滑铁卢大学）
本文提出一种兼顾人类引领/跟随偏好与表现的自适应机器人任务规划框架，通过用户研究验证其能提升团队表现并改善人类对协作的感知。
2025-07-20 cs.RO
Co-speech gestures for human-robot collaboration
Tampere University（坦佩雷大学）
本文提出一种结合语音与手势的多模态模型，用于人机协作中的任务分配，并在真实工业场景中验证其比单一模态工具更易实现且协作效果更优。
2023-11-30 cs.RO
DTRT: Enhancing Human Intent Estimation and Role Allocation for Physical Human-Robot Collaboration
CAS Engineering Laboratory for Intelligent Industrial Vision, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所CAS工程视觉实验室）；School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
针对物理人机协作中意图估计与角色分配不足的问题，提出基于双Transformer的分层架构DTRT，融合人类运动与力数据，利用CVAE和微分博弈实现准确预测与动态调整，实验验证其优越性。
2025-05-26 cs.AI cs.RO
CHORUS: Decentralized Multi-Embodiment Collaboration with One VLA Policy
Stanford University（斯坦福大学）
提出CHORUS框架，利用预训练视觉-语言-动作模型的视觉运动先验，实现无需推理时通信的去中心化多机器人协作，在真实实验中显著优于基线。
2026-06-11 cs.AI cs.RO
Recent Advances in Human-Robot Collaboration Towards Joint Action
Italian Institute of Technology（意大利理工学院）；University of Genoa（热那亚大学）；The University of Manchester（曼彻斯特大学）
到目前为止，机器人作为独立的实体存在，但人类与机器人共生伙伴关系的前景即将到来。尽管最近在硬件方面取得了技术进步，但机器人仍然没有被赋予必要的关系技能，以确保其存在的社会成分。本文借鉴了我们的经验，机器人专家在人-机器人协作（HRC）与人形机器人，并提出了一些最新的进展，实现直观的机器人行为和合作伙伴意识到控制涉及物理交互。
2020-01-02 cs.RO
Human-Robot Collaboration: From Psychology to Social Robotics
KTH Royal Institute of Technology（瑞典皇家理工学院）
随着机器人技术的发展，人机协作的研究越来越受到重视。对于机器人来说，要想自主地与人类互动，他们需要主动做出决策，并将人类伙伴考虑在内。然而，国家的最先进的研究在人力资源管理往往假设一个领导者和追随者的分工，其中一个代理人领导的互动。我们认为，这是由于缺乏一个可靠的代表人类和环境，让自主决策。这个问题可以克服体现的方法，以人权委员会的灵感来自心理学研究的人与人的互动（HHI）。在这项调查中，我们回顾了神经科学和心理学的发现，感觉运动模式，管理HHI和查看他们在机器人的背景下。此外，我们研究了机器人社区向体现HRC方向所取得的进展。我们专注于积极的，物理的人机协作所需的机制。最后，我们讨论了这两个研究领域的异同，指出了未来研究的方向。
2017-05-29 cs.RO
State-of-the-art in Robot Learning for Multi-Robot Collaboration: A Comprehensive Survey
Texas A&M University（德克萨斯农工大学）
本文综述了多机器人协作背景下机器人学习的最新进展，回顾了受人类和动物启发的常用学习方法及其优缺点与技术挑战，并利用统计方法定量验证观点，探讨了未来与实际应用融合的潜在趋势。
2024-08-03 cs.AI cs.RO
Robotic Contextual Awareness for Human-Robot Collaboration and Environmental Understanding
Università di Trento（特伦托大学）；Istituto Italiano di Tecnologia（意大利技术研究院）；Leonardo Spa（莱昂纳多公司）
针对自主移动机器人缺乏上下文感知的问题，本文探索两个互补方向：一是人类重新识别与跟踪以改善人机协作，二是增强机器人对环境的几何和语义感知能力，提升语义理解，推动机器人更具上下文感知，实现安全共存与高效协作。
2026-09-03 cs.CV cs.RO
Human-Robot Collaboration: A Non-Verbal Approach with the NAO Humanoid Robot
本研究探讨NAO仿人机器人在厨房备餐等场景下，通过手势、肢体动作和视觉提示等非语言方式提供反馈以增强人机交互与安全性，发现多提示结合可提升交流效果，为未来机器人设计提供参考。
2025-03-07 cs.RO
A Learning Based Optimal Human Robot Collaboration with Linear Temporal Logic Constraints
New Mexico State University（新墨西哥州立大学）；University of Notre Dame（圣母大学）
研究了具有持久任务的人-机器人系统机器人系统中人-机器人协作的最优任务分配问题。这种人类机器人系统由人类操作员和智能机器人组成，它们相互协作以完成任何一方都无法单独完成的复杂任务。该系统的目标是最大限度地成功执行持久性任务的概率，制定为线性时序逻辑规范和最小化的平均成本之间的连续访问的一个特定的命题。本文提出了一个框架下的多个马尔可夫决策过程（MDP）的组成与可能未知的转移概率，它表征了人类的认知状态，如人类的信任和疲劳，随机变化的机器人的性能模型的人类机器人协作。在未知的MDP模型下，提出了一种学习MDP模型的算法，以获得最优的任务分配策略，使每个任务周期的期望平均成本最小，满足线性时序逻辑约束的概率最大.此外，本文表明，最优策略的基础上学习的模型和基础上的地面真值模型的基础上的差异可以有界的任意小的常数和大的置信水平与足够的样本。装配过程的案例研究表明，我们提出的基于学习的人类机器人协作的有效性和好处。
2017-05-31 cs.AI cs.HC cs.RO
Intuitive and Efficient Human-robot Collaboration via Real-time Approximate Bayesian Inference
Intel Labs（英特尔研究院）
协作机器人和端到端人工智能的结合，有望实现工厂和仓库中人工任务的灵活自动化。然而，这样的承诺似乎还需要一些突破。与此同时，人类和协作机器人将相互合作，互相帮助。为了使这些合作有效和安全，机器人需要建模，预测和利用人类的意图，以进行响应性决策过程。近似贝叶斯计算（ABC）是一种对不确定量进行概率预测的综合分析方法。ABC方便地包括先验知识，利用采样算法进行推理，并且可以灵活地从复杂的模型中受益，例如通过模拟器。然而，已知ABC在计算上太密集而不能以有效的人机协作任务所需的交互式帧速率运行。在本文中，我们制定了人类达到意图预测作为ABC问题，并描述了两个关键的性能创新，使计算在互动率。我们的现实世界的实验与协作机器人设置，证明了我们所提出的方法的可行性。实验评估传达的优势和价值的人类意图预测包装合作任务。定性结果表明，如何预测人类的达到意图，提高人类与机器人的协作，而不影响安全。定量的任务流畅性指标证实了定性的要求。
2022-05-17 cs.AI cs.HC cs.RO
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
Human Comfortability Index Estimation in Industrial Human-Robot Collaboration Task
Intel Labs（英特尔实验室）；Rochester Institute of Technology（罗切斯特理工学院）
本文提出利用情绪环状模型和ECG、GSR、瞳孔测量等生理信号，在人机协作任务中定量估计人类舒适度与不舒适度指数。
2023-08-28 cs.HC cs.LG cs.RO
A Distributed Multi-Modal Sensing Approach for Human Activity Recognition in Real-Time Human-Robot Collaboration
University of Genoa（热那亚大学）；The University of Danang–University of Science and Technology（丹江-科学技术大学）；Japan Advanced Institute of Science and Technology（日本先进科学研究院）
本文提出一种结合数据手套和视觉触觉传感器的多模态方法，用于实时人机协作中的人类活动识别，实验显示该方法在不同场景下均表现出高精度。
2026-02-02 cs.CV cs.RO
Show Me What You Can Do: Capability Calibration on Reachable Workspace for Human-Robot Collaboration
UCLA Center for Vision, Cognition, Learning, and Autonomy (VCLA)（加州大学洛杉矶分校视觉、认知、学习与自主中心（VCLA））；Massachusetts Institute of Technology（麻省理工学院）；UCLA Department of Psychology（加州大学洛杉矶分校心理学系）；Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院（BIGAI））；Peking University（北京大学）；Tsinghua University（清华大学）
将人类对机器人能力的评估与其真实能力相结合，对于在人类和机器人合作伙伴之间建立共同点至关重要。在这项工作中，我们提出了一种方法来校准人类的机器人的可达工作空间的估计，通过少量的示范合作之前。我们开发了一种新型的运动规划方法REMP，它联合优化了机器人运动的物理成本和表现力，以揭示机器人对人类观察者的可达性。我们对人类参与者的实验表明，使用REMP进行的简短校准可以有效地弥合非专家用户认为机器人可以达到的距离与地面实况之间的差距。我们表明，这种校准过程不仅会导致更好的用户感知，而且还促进了更有效的人机协作在随后的联合任务。
2022-01-27 cs.AI cs.RO
Neuroadaptation in Physical Human-Robot Collaboration
Australian Artificial Intelligence Institute（澳大利亚人工智能研究所）；University of Technology Sydney（悉尼科技大学）；Centre for Autonomous Systems（自主系统中心）
本文提出一种结合强化学习与 EEG 认知冲突信号的闭环神经适应框架，用于动态调节 pHRC 机器人策略，并证明其可降低认知冲突、提升协作流畅性与直观性。
2023-09-30 cs.AI cs.RO
Fast and Automatic Object Registration for Human-Robot Collaboration in Industrial Manufacturing
Software Competence Center Hagenberg GmbH（哈根贝格软件能力中心有限公司）；KEBA Group AG（KEBA集团股份公司）；Danube Dynamics Embedded Solutions GmbH（多瑙动力嵌入式解决方案有限公司）
我们提出了一个端到端的框架，快速再训练的目标检测模型，在人-机器人协作。我们基于Faster R-CNN的设置涵盖了自动图像生成和标记、现场模型再训练以及FPGA边缘设备上的推理的整个工作流程。人工操作员的干预简化为提供新对象及其标签并开始训练过程。此外，我们提出了一个新的损失，intraspread-objectosphere损失，以解决开放世界的识别问题。虽然它不能完全解决这个问题，但它显着减少了未知对象的误报检测的数量。
2022-04-01 cs.AI cs.CV
Computational ergonomics for task delegation in Human-Robot Collaboration: spatiotemporal adaptation of the robot to the human through contactless gesture recognition
MINES Paris, PSL Université（巴黎高等矿业学院，巴黎文理研究大学）
工作相关的肌肉骨骼疾病（WMSDs）的高患病率可以通过优化制造应用程序的人机协作（HRC）框架来解决。在此背景下，本文提出了两个假设，工效学有效的任务授权和人权委员会。第一个假设指出，它是可能的，以量化人体工程学的专业任务，使用运动数据从一组减少的传感器。然后，最危险的任务可以委托给协作机器人。第二个假设是，通过包括手势识别和空间适应，可以通过避免可能使操作员暴露于人体工程学风险的不必要的运动和通过降低操作员所需的体力来改善HRC场景的人体工程学。一个电视机制造过程的HRC方案进行了优化，以测试这两个假设。对于人体工程学的评价，运动原语与已知的人体工程学风险进行建模，他们在专业任务的检测，并估计风险评分的基础上，欧洲议会联盟（EAWS）。使用以自我为中心的电视组装数据训练的深度学习手势识别模块用于补充人类操作员和机器人之间的协作。此外，机器人跟踪算法为机器人提供了有关操作员姿势的信息，使其能够根据操作员的人体测量学在空间上调整其运动。进行了三个实验，以确定手势识别和空间适应对操作员的运动范围的影响。空间适应率被用作关键性能指标（KPI），并提出了一种新的KPI来衡量减少操作员的运动。
2022-03-22 cs.AI cs.CV cs.HC
Understanding Entrainment in Human Groups: Optimising Human-Robot Collaboration from Lessons Learned during Human-Human Collaboration
University of Nottingham（诺丁汉大学）；Massachusetts Institute of Technology（麻省理工学院）；Cornell University（康奈尔大学）
本文通过混合方法研究双人和三人快节奏重复任务中的夹带特征，提出五项成功夹带特征与三项人机协作设计考量。
2024-02-23 cs.AI cs.HC cs.RO
Adapting Robot's Explanation for Failures Based on Observed Human Behavior in Human-Robot Collaboration
KTH Royal Institute of Technology（皇家理工学院）；Lancaster University（兰卡斯特大学）
本研究通过解读人机协作中人类行为预测用户困惑，构建数据驱动预测器预测困惑，并提出基于该预测器调整机器人故障解释详细程度的机制，以提升协作自然性与效率。
2025-04-13 cs.AI cs.HC cs.RO
Human-Robot Collaboration in Microgravity: the Object Handover Problem
Institute for Systems and Robotics, Instituto Superior Técnico（系统与机器人研究所，里斯本高等理工学院）
协作太空机器人是一项具有巨大影响力的新兴技术，因为机器人在漫长的任务期间、在紧张的操作时间表下以更高的精度与宇航员协作，以更低的风险和成本促进服务功能，使其更高效、更经济可行。然而，空间中的人机协作仍然是一个挑战，涉及人机交互中的关键问题，包括微重力环境下物体的移动和协作操作。在本文中，我们制定了一个算法，使自由飞行器机器人，配备了一个机械手，在微重力环境中执行一个人和自由飞行器机器人之间的对象切换。为了验证和评估该算法，我们提出了一个系统的用户研究，其目标是了解在交互过程中刚性和顺应性阻抗机器人行为的主观结果影响。结果表明，在任务过程中，刻板行为总体上更可取，迁移成功率更高。
2020-09-18 cs.RO
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
Visual Diver Recognition for Underwater Human-Robot Collaboration
The University of Minnesota（明尼苏达大学）
本文提出了一种水下机器人视觉检测和识别潜水员的方法。所提出的方法使自主水下机器人检测多个潜水员在视觉场景中，并区分他们。这样的方法对于机器人识别人类领导者是有用的，例如，在多人/机器人团队中，其中仅指定的个人被允许命令或倾斜机器人团队。初始潜水员识别使用Faster R-CNN算法与区域建议网络进行，该区域建议网络在潜水员位置周围产生边界框。随后，从边界框中提取一套空间和频域描述符以创建特征向量。此后，K均值聚类算法（其中k被设置为检测到的边界框的数量）基于这些特征向量来识别检测到的潜水员。我们评估所提出的方法的性能的潜水员在移动机器人前面游泳的视频片段，并证明其准确性。
2018-09-19 cs.CV cs.RO
Adaptive Vision-Based Control of Redundant Robots with Null-Space Interaction for Human-Robot Collaboration
Department of Automation, Tsinghua University（自动化系，清华大学）
本文提出了一种适应性视觉控制与空隙空间交互相结合的控制方案，用于冗余机器人的人机协作，以提升协作效率和安全性。
2026-03-09 cs.RO
Human-robot collaboration and machine learning: a systematic review of recent research
The University of Manchester（曼彻斯特大学）；BAE Systems (Operations) Ltd.（BAE系统（运营）有限公司）
技术进步越来越多地设想在日常生活中使用机器人与人互动。人机协作（HRC）是在认知和物理层面上探索人类和机器人之间在完成共同目标过程中的交互的方法。在HRC工作中，通常建立一个认知模型，它收集来自环境和用户的输入，阐述并将这些输入转换为机器人本身可以使用的信息。机器学习是一种建立认知模型和行为模块的最新方法，在HRC中具有很高的潜力。因此，本文提出了一个彻底的文献回顾的背景下，使用机器学习技术的人-机器人协作。45个关键文件进行了选择和分析，并提出了基于类型的协作任务，评价指标和认知变量建模的作品聚类。然后，深入分析了不同系列的机器学习算法及其特性，以及所使用的传感方式。在观察中，概述了机器学习算法结合时间依赖性的重要性。这些作品的突出特点，然后交叉分析，以显示人权的趋势，并为今后的工作提供指导方针，比较他们与人权的其他方面没有出现在审查。
2022-07-11 cs.LG cs.RO
Probabilistic Model Checking for Complex Cognitive Tasks -- A case study in human-robot interaction
RWTH Aachen University（亚琛工业大学）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出了使用概率模型检验来合成最优机器人策略的多任务自主系统，受到人机交互。鉴于令人信服的经验证据表明，人类行为可以与强化模型，我们作为输入的一个良好的研究Q表模型的灵活的情况下，人类行为。我们首先描述了一个自动化的过程中提取马尔可夫决策过程（MDP）的人在任意但固定的情况。与众不同的问题是，与现有的模型相比，其中包括对人类行为的规范不足。概率模型检验用于预测人的行为。最后，MDP模型扩展与机器人模型。最优的机器人策略合成分析所产生的两个玩家的随机游戏。使用PRISM的原型实现的实验结果显示出良好的效果。
2016-10-28 cs.AI cs.RO
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
Trajectory Advancement during Human-Robot Collaboration
Istituto Italiano di Tecnologia（意大利理工学院）；University of Genova（热那亚大学）；University of Manchester（曼彻斯特大学）
随着技术的进步，人类和机器人共存之间的障碍正在慢慢消除。人类和机器人之间的物理交互对于协作和合作的重要性将是不可否认的事实。不是对人类交互表现出简单的反应行为，而是期望赋予机器人利用人类交互成功完成任务的增强能力。为了实现这一目标，在本文中，我们提出了一种轨迹推进方法，在该方法中，我们从数学上推导出的条件，促进推进沿参考轨迹利用援助，从有用的交互扳手存在于人机协作。我们验证我们的方法，通过实验进行的iCub人形机器人在模拟和真实的机器人。
2019-07-31 cs.RO cs.SY eess.SY
"Do it my way!": Impact of Customizations on Trust perceptions in Human-Robot Collaboration
Institute for Software Research Carnegie Mellon University（卡内基梅隆大学软件研究所）；Robotics Institute Carnegie Mellon University（卡内基梅隆大学机器人研究所）
本文通过受试者内实验（N=17）研究辅助机器人定制化程度对信任的影响，发现定制化程度越高，用户的信任感和舒适感越强，为设计可信赖且可定制的辅助机器人提供了依据。
2023-10-28 cs.AI cs.HC cs.RO
Getting to Know One Another: Calibrating Intent, Capabilities and Trust for Human-Robot Collaboration
National University of Singapore（新加坡国立大学）
共同的经验表明，相互了解的代理人能够更好地合作。在这项工作中，我们解决了人机协作中校准意图和能力的问题。特别是，我们专注于机器人试图帮助无法直接传达其意图的人类的场景。此外，两个代理可能具有彼此未知的不同能力。我们采用了决策理论的方法，并提出了TICC-POMDP建模这种设置，与相关的在线求解器。实验表明，我们的方法导致更好的团队表现，无论是在模拟和现实世界的研究与人类受试者。
2020-08-03 cs.AI cs.HC cs.MA
Trust-Aware Decision Making for Human-Robot Collaboration: Model Learning and Planning
National University of Singapore（新加坡国立大学）；University of Southern California（南加州大学）；University of Washington（华盛顿大学）
对自主性的信任对于有效的人机协作和用户采用自主系统（如机器人助手）至关重要。本文介绍了一个计算模型，将信任集成到机器人决策中。具体来说，我们从数据中学习一个部分可观察的马尔可夫决策过程（POMDP）与人类的信任作为一个潜在的变量。信任POMDP模型为机器人提供了一种原则性的方法：（i）通过交互来推断人类队友的信任，（ii）推理自己的行为对人类信任的影响，以及（iii）选择长期最大化团队绩效的行为。我们验证了该模型，通过人类受试者的实验中的模拟（201名参与者），并与一个真正的机器人（20名参与者）的桌子清理任务。在我们的研究中，机器人首先通过操纵低风险的物体来建立人类的信任。有趣的是，机器人有时会故意失败，以调节人类的信任并实现最佳的团队绩效。这些结果表明，信任POMDP校准的信任，以提高人类机器人团队的长期性能。此外，他们强调，最大限度地提高信任本身并不总是导致最佳性能。
2018-11-22 cs.AI cs.RO
Facilitating Human-Robot Collaboration through Natural Vocal Conversations
University of Modena and Reggio Emilia（摩德纳与雷焦艾米利亚大学）
针对传统人机请求-响应系统自然性不足、效率受限的问题，提出采用类人对话交互的人机语音通信框架，经对比实验验证可提升任务表现与协作效率，优化协作体验。
2023-11-23 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
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
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
Bidirectional Communication Control for Human-Robot Collaboration
University of Modena and Reggio Emilia（摩德纳-雷焦艾米利亚大学）
一个富有成效的合作是基于相互了解对方的技能和沟通自己的局限性，并提出替代方案，以适应执行任务的合作者的能力的可能性。本文旨在再现这样的情况下，在人与机器人的协作设置，提出了一种新的通信控制架构。利用控制屏障功能，机器人意识到其（动态）技能和限制，并且由于本地预测器，它能够评估是否有可能执行所请求的任务，如果没有，则通过放松一些约束来提出替代方案。控制器与通信基础设施接口，该通信基础设施使人类和机器人能够建立关于要执行的任务的双向通信，并且人类能够对机器人的行为做出明智的决定。提出了比较实验验证。
2022-06-10 cs.RO
