LLMs as Writing Assistants: Exploring Perspectives on Sense of Ownership and Reasoning
Shahjalal University of Science and Technology(沙贾拉勒科技大学);Independent University(独立大学);BRAC University(BRAC大学)
本文通过简短调查探讨了使用 LLMs 作为写作助手时引发的所有权意识困境与认知过程,旨在深入了解写作中的人机交互以改进写作辅助系统。
2024-10-02 cs.AI cs.CL cs.CY
RoboBuddy in the Classroom: Exploring LLM-Powered Social Robots for Storytelling in Learning and Integration Activities
Computer-Human Interaction in Learning and Instruction (CHILI) Lab, EPFL, Lausanne, Switzerland(计算机-人类交互在学习与教学(CHILI)实验室,EPFL,拉沃斯,瑞士);Depart of Computer Science of the University College London, London, UK(大学学院伦敦计算机科学系,伦敦,英国)
本文提出 RoboBuddy 直观界面,让教师借助 LLM 和社交机器人从常规课程创建情境活动,并通过 27 名学生为期一周的研究验证其有效性,发现故事讲述能显著提升学生愉悦感,同时凸显多元文化融合政策的积极影响。
2025-08-22 cs.AI cs.CY
AI-Enhanced Sensemaking: Exploring the Design of a Generative AI-Based Assistant to Support Genetic Professionals
Drexel University(德雷塞尔大学);Microsoft Research(微软研究院);Broad Institute of MIT and Harvard(麻省理工学院和哈佛大学博德研究所)
本研究通过访谈与共同设计,探讨了如何设计生成式AI助手支持遗传学专业人士进行全基因组测序分析,提出了知识工作中AI辅助感知构建的设计考量。
2024-12-19 cs.AI cs.HC
Exploring the Efficacy of Robotic Assistants with ChatGPT and Claude in Enhancing ADHD Therapy: Innovating Treatment Paradigms
Technical University of Munich(慕尼黑工业大学);Universidad Politécnica de Madrid(马德里理工大学)
本研究针对ADHD治疗中先进技术联合应用的研究空白,将ChatGPT-4 Turbo与Claude-3 Opus集成至机器人助手,在模拟治疗场景对比其与临床验证定制模型的效能,发现两款模型各有优势,为ADHD治疗范式创新提供参考。
2024-06-21 cs.AI cs.HC cs.SE
Exploring the Potential of Robot-Collected Data for Training Gesture Classification Systems
本文提出用 ABB 机械臂配合 Apple Watch 采集数字手势数据以替代稀缺的人类样本,并通过对比实验验证其训练手势分类系统的可行性。
2024-05-07 cs.AI cs.RO
Enabling the Sense of Self in a Dual-Arm Robot
School of Computing Science, University of Glasgow(格拉斯哥大学计算科学学院)
针对机器人缺乏自我感知的问题,受人类自我意识发展启发提出神经网络架构,通过视觉与本体感觉输入让双臂机器人区分自身与环境,杂乱干扰场景下平均准确率达88.7%。
2020-11-13 cs.AI cs.RO
Exploring Human-robot Interaction by Simulating Robots
TU Wien(维也纳工业大学)
随着协作机器人进入工业车间、物流和制造业,快速灵活地评估人机交互变得更加重要。虚拟和增强现实的消费者头戴式耳机的可用性降低了虚拟环境的进入门槛。在本文中,我们探讨了不同的方面,使用这样的环境来模拟机器人在用户研究,并提出了第一个发现,从我们自己的研究工作。最后,我们建议方向的应用和使用模拟在人机交互。
2022-09-20 cs.HC cs.RO
Growing from Exploration: A self-exploring framework for robots based on foundation models
Tsinghua Shenzhen International Graduate School, Tsinghua University(清华大学深圳国际研究生院);University of Macau(澳门大学);Ryerson University(瑞尔森大学);Tsinghua-Berkeley Shenzhen Institute(清华-伯克利深圳学院)
本文提出基于基础模型的 GExp 自探索框架,通过自生成任务、知识库构建与闭环反馈,让机器人无人工干预地探索环境并习得技能。
2024-01-24 cs.AI cs.RO
AtomEgo: Exploring Ego-Robot Integration for Embodied Foundation Model Pretraining
INFIFORCE;Lionrock Artificial Intelligence Laboratory(狮岩人工智能实验室);HKU(香港大学);Tongji University(同济大学);Huazhong University of Science and Technology(华中科技大学)
AtomEgo系统研究自我-机器人协同训练,利用2659小时第一人称数据,提出数据规模与对齐质量决定能力增益的原则,指导具身基础模型预训练。
2026-09-21 cs.AI cs.RO
Exploring Social Motion Latent Space and Human Awareness for Effective Robot Navigation in Crowded Environments
TCS Research(塔塔咨询服务公司研究院)
本文提出利用社交运动潜在空间生成控制指令,并引入人类意识概念,以提升拥挤环境中机器人导航的成功率、平滑性和预见性。
2023-10-11 cs.AI cs.LG cs.RO
Exploring Mechanically Self-Reconfiguring Robots for Autonomous Design
University of Oslo(奥斯陆大学)
进化机器人的目标是优化机器人控制和形态,以生产更好,更强大的机器人。大多数以前的研究只解决控制的优化问题,并且只在仿真中进行。我们已经开发出一种四条腿的哺乳动物启发的机器人,具有自我重构形态。在本文中,我们讨论了能够有效地做实验,在现实世界中不断变化的形态开辟的可能性。我们讨论了这样一个平台和潜在的实验设计,可以解锁新的发现目前面临的挑战。最后,我们把我们的机器人在其背景下,在进化机器人领域的一般发展,并考虑什么进步的未来可能举行。
2018-05-08 cs.RO
Exploring Implicit Human Responses to Robot Mistakes in a Learning from Demonstration Task
University of Notre Dame(圣母大学)
当机器人进入人类环境时,它们将被期望完成大量的任务。机器人设计师不可能预先编程这些行为或提前知道它们,因此解决这个问题的一种方法是通过最终用户编程,例如通过示教学习(LfD)。虽然已经在使机器人学习能够从人类教师学习的机制上做了大量工作,但是一个未探索的方面是在学习过程期间使人类教师和机器人之间能够相互反馈,即,内隐学习在本文中,我们探讨了这种相互理解的一个方面,接地序列,其中人类和机器人提供非语言反馈,以表示他们在互动过程中的相互理解。我们进行了一项研究,人们教一个自主的人形机器人跳舞,并进行手势分析,以测量人们在正确和不正确的演示过程中对机器人的反应。
2016-06-08 cs.AI cs.HC cs.RO
Motion Primitives based Path Planning with Rapidly-exploring Random Tree
George Mason University(乔治梅森大学)
我们提出了一种方法,使用快速探索随机树(RRT)生成机器人kinodynamically可行路径。我们利用运动原语作为一种方式来捕捉机器人的动态,并使用这些运动原语建立与RRT树的分支。由于每个分支都是使用机器人的运动基元构建的,不会导致与障碍物的碰撞,因此保证所得到的路径满足机器人的kinodynamic约束,从而可以用于导航,而无需对生成的轨迹进行任何后处理。我们证明了我们的方法在模拟的2D环境中使用简单的机器人模型与各种运动原语的有效性。
2022-10-27 cs.RO
Exploring the Adversarial Vulnerabilities of Vision-Language-Action Models in Robotics
Rochester Institute of Technology(罗切斯特技术研究所);University of Missouri - Kansas City(密苏里大学-凯撒城分校);U.S. Naval Research Laboratory(美国海军研究实验室);Lamar University(拉马尔大学);Meta AI;University of Rochester(罗切斯特大学);Rutgers University(新泽西罗格斯大学)
该研究针对机器人领域VLA模型的对抗脆弱性,提出三类攻击目标与对抗补丁生成方法,实验显示模拟任务成功率最高降100%,为提升其安全性、推动防御策略开发提供支撑。
2025-08-01 cs.AI cs.RO
Multi-robot Path Planning with Rapidly-exploring Random Disjointed-Trees
Southern University of Science and Technology(南方科技大学);Jiaxing Research Institute, Southern University of Science and Technology(南方科技大学嘉兴研究院)
针对多机器人路径规划计算时间巨大导致应用效率低的问题,提出基于多树随机采样的MA-RRdT*算法,实验验证其在时间成本和空间探索效率上具有优越性能。
2023-08-03 cs.RO
Informed Guided Rapidly-Exploring Random Trees*-Connect for Path Planning of Walking Robots
Poznan University of Technology(波兹南理工大学)
在本文中,我们处理步行机器人的全身路径规划问题。在多维空间中定义了步行机器人的状态。路径规划需要定义脚和机器人身体的路径。此外,规划者应该检查多个约束,如静态稳定性,自碰撞,与地形的碰撞,以及腿的工作空间。结果,检查潜在路径的可行性是耗时的并且影响规划方法的性能。在本文中,我们验证了基于采样的规划器在步行机器人的路径规划任务的可行性。我们确定了现有规划者的长处和短处。最后,我们提出了一种新的规划方法,提高了足式机器人的路径规划性能。
2023-03-06 cs.RO
Mapping at First Sense: A Lightweight Neural Network-Based Indoor Structures Prediction Method for Robot Autonomous Exploration
Beijing University of Technology(北京工业大学);Tsinghua University(清华大学);Peking University(北京大学);Southwest Minzu University(西南民族大学)
本文提出轻量级神经网络方法 Mapping at First Sense 及 SenseMapNet,通过预测局部地图未观测区域提升机器人室内自主探索效率,并构建 SenseMapDataset 数据集,实验表明其重建质量更优且探索时间较传统前沿方法缩短 46.5%。
2025-04-05 cs.AI cs.RO
AI Meets Physical World -- Exploring Robot Cooking
University of South Florida(南佛罗里达大学);Department of Computer Science and Engineering(计算机科学与工程系);Robot Perception and Action Lab(机器人感知与行动实验室)
本文介绍了我们最近的研究工作,把计算机智能到物理世界,使机器人可以执行物理交互操作任务。我们提出的方法首先使机器人能够通过“观看”在线教学视频来学习操作技能。在“观看”了200多个教学视频后,构建了一个功能性面向对象网络(FOON)来表示观察到的操作技能。使用该网络,机器人可以执行高级任务命令,例如“我想吃烧烤排骨”,破译任务目标,寻找正确的对象进行操作,然后生成并执行一系列操作动作,这些动作可以处理新条件下的物理交互。为了更好地促进物理世界中的操纵运动,我们还开发了新的抓取策略,让机器人能够牢牢抓住物体,以承受物理交互过程中的干扰。
2018-04-21 cs.RO
Resilient Coverage: Exploring the Local-to-Global Trade-off
University of Southern California(南加州大学);Virginia Tech(弗吉尼亚理工学院暨州立大学)
我们提出了一个集中式控制框架,从异构池中选择合适的机器人,并将它们放置在适当的位置,以监视感兴趣的事件的区域。在机器人故障的情况下,框架重新定位机器人在用户定义的本地附近的故障机器人,以补偿覆盖损失。当简单地重新定位机器人无法达到用户指定的期望覆盖水平时,中央控制器从机器人池中增加额外的机器人来增强团队。失败机器人周围的局部邻域的大小和区域上的期望覆盖率是可以被操纵以实现用户指定的平衡的两个目标。我们调查的覆盖范围之间的权衡补偿实现通过本地重新定位和规划新的机器人位置所需的计算。我们还研究了本地邻域的大小和添加到团队中的额外机器人的数量之间的关系,对于给定的用户指定的所需覆盖范围。我们使用广泛的模拟和实验与七个四旋翼团队来验证我们的框架的有效性。此外,我们表明,要在具有大量机器人的邻域中达到高水平的覆盖率,扩大邻域大小比添加额外的机器人并重新定位它们更有效。
2020-04-15 cs.AI cs.MA cs.RO
Exploring Robot Morphology Spaces through Breadth-First Search and Random Query
Vrije Universiteit Amsterdam(阿姆斯特丹自由大学)
该研究比较模块化机器人脑-体协同进化中的 BFS 与随机查询,发现 BFS 更能高效产生高性能机器人,并在两种进化框架下呈现不同多样性演化模式。
2023-09-25 cs.AI cs.LG cs.RO
Exploring Consequential Robot Sound: Should We Make Robots Quiet and Kawaii-et?
Collaborative Robotics and Intelligent Systems (CoRIS) Institute, Oregon State University(俄勒冈州立大学协作机器人与智能系统研究所);School of Psychological Science, Oregon State University(俄勒冈州立大学心理科学学院)
所有的机器人都会产生相应的声音--机器人的机制产生的声音--但很少有研究探讨声音如何影响人机互动。最近的研究表明,不同机器人机制的声音会影响感知能力,信任,人性化和不适。然而,负责这些感知的物理声音特性尚未明确确定。在本文中,我们的目标是探索机器人声音的关键特征,可能会影响感知。我们过去的一项试点研究表明,安静和高音的机器人可能被认为更有能力,更不令人不安。为了更好地理解这些属性的变化如何影响感知,我们在本文提出的四项新研究中对两组工业机器人手臂视频进行了音频操作。结果证实,安静的机器人被认为不那么令人不安。此外,高音机器人被认为更有活力,快乐,温暖和有能力。尽管机器人的工业用途和外观,参与者似乎更喜欢更“可爱”(或“卡哇伊”)的声音配置文件,这可能会对设计更可接受和更令人满意的声音配置文件与实际的协作机器人进行人机交互产生影响。
2021-04-05 cs.RO
Improving User's Sense of Participation in Robot-Driven Dialogue
Tokyo Denki University(东京电机大学)
在面向任务的共生机器人对话中,机器人通常在对话进程和话题选择中占据主动。在这种机器人驱动的对话中,因为在讲话的时间和内容上的自由度受到限制,所以用户对对话的参与感降低,结果,用户对作为对话伙伴的机器人的熟悉度和信任度以及对话满意度降低。本研究以提升对话参与感为重点,建构旅行社对话系统。在对话开始时,机器人告诉用户即将进行的对话的目的,并表示它负责协助用户做出决策。此外,在用户被要求陈述他们的偏好的情况下,机器人鼓励他们用行动表达他们的意图,以及口头语言回应。此外,我们试图通过设计一个定时控制机器人的详细动作和面部表情,以减少对机器人的不适感。
2022-10-18 cs.RO
"I was Confused by It; It was Confused by Me:" Exploring the Experiences of People with Visual Impairments around Mobile Service Robots
University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
移动服务机器人已经变得越来越普遍。然而,这些机器人可能会给视力障碍(PVI)的人带来潜在的可访问性问题和安全问题。我们试图探索PVI围绕主流移动服务机器人所面临的挑战,并确定他们的需求。17名PVI接受了采访,讲述了他们对三种新兴机器人的体验:真空机器人、送货机器人和无人机。我们通过考虑他们在机器人周围的不同角色-直接用户和旁观者-全面调查了PVI的机器人体验。我们的研究强调了参与者对移动服务机器人的可访问性,安全性和隐私问题的挑战和担忧。我们发现,缺乏可访问的反馈使得PVI难以精确控制,定位和跟踪机器人的状态。此外,作为旁观者遇到移动机器人会使参与者感到困惑,甚至害怕,从而带来安全和隐私方面的障碍。我们进一步提炼了设计考虑因素,以实现更易接近和更安全的PVI机器人。
2022-08-29 cs.HC cs.RO
User Study Exploring the Role of Explanation of Failures by Robots in Human Robot Collaboration Tasks
KTH Royal Institute of Technology(KTH皇家理工学院)
尽管机器人可以做的事情有了很大的进步,但由于非结构化人类环境中的高度随机性,它们在人机协作任务中仍然会遇到失败。此外,人类对机器人及其能力的不熟悉可能导致此类故障重复发生。这使得故障解释的能力对机器人来说非常重要。在这项工作中,我们描述了一个用户的研究,将不同的机器人故障的人机协作(HRC)的任务,旨在填补一个货架。我们包括不同类型的故障和重复发生的这种故障在人类和机器人之间的长期互动。故障解决涉及人-机器人双向切换形式的人为干预。通过这样的研究,我们的目的是测试不同的解释类型和解释过程中的互动和记录人类。
2023-03-28 cs.HC cs.RO
Egocentric Robots in a Human-Centric World? Exploring Group-Robot-Interaction in Public Spaces
TH Köln - University of Applied Sciences(科隆应用技术大学);Cologne Cobots Lab(科隆协作机器人实验室)
本研究探讨了社交机器人在公共空间群组-机器人交互(GRI)中的社交动态,评估二元与三元交互条件对机器人感知外向性的影响,以提升其在现实场景中的交互有效性。
2024-07-25 cs.RO
Exploring Probabilistic Distance Fields in Robotics
Robotics Institute, University of Technology Sydney(悉尼科技大学机器人研究所)
本文提出基于高斯过程的概率距离场(GPDF)作为统一表示,用于机器人多任务,如定位、建图、规划等,并认为其是完成复杂任务的基石。
2024-05-29 cs.RO
Exploring Human's Gender Perception and Bias toward Non-Humanoid Robots
本研究通过三项调查探究人类对非人形机器人的性别感知与偏见,发现拟人化特征会使非人形机器人被赋予性别属性并影响其角色感知与可信度,强调需平衡设计元素以兼顾功能与用户亲和力。
2024-10-09 cs.HC 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
Exploring Children's Preferences for Taking Care of a Social Robot
University of Wisconsin–Madison(威斯康星大学麦迪逊分校);University of Illinois Chicago(伊利诺伊大学芝加哥分校);University of Chicago(芝加哥大学)
儿童与机器人互动的研究表明,参与“照顾”社交机器人,例如在晚上为机器人盖被子,可以加强儿童与机器人之间形成的关系。在这项工作中,我们的目标是更好地了解和探索的设计空间的照顾活动与10名儿童,8- 12岁,从8个家庭,涉及探索性的设计会议,其次是初步的可行性测试机器人照顾活动。设计会议深入了解了儿童当前的照顾任务,他们将如何照顾社交机器人,以及这些新的照顾活动如何融入他们的日常生活。可行性研究测试了两种不同类型的机器人照顾任务,我们称之为连接和效用,并测量了它们对儿童的感知和接近社交机器人的短期影响。我们讨论的主题,并提出互动设计准则的机器人照顾儿童的活动。
2022-05-18 cs.HC cs.RO
Exploring Gender-Expansive Categorization Options for Robots
Tokyo Institute of Technology(东京工业大学);gDial, inc.(gDial公司)
性别越来越多地被人们视为机器人的一种社会特征。然而,涉及可能性别化的社交机器人的研究往往不涉及性别观念,例如通过试点研究或操纵检查。此外,解决性别观念的研究一直受到限制,依赖于人类性别二元模型的女性和男性,规定性的反应选项,和/或研究人员的假设和/或归因的参与者性别。作为回应,我们进行了一项在线试点分类研究(n=55),其中我们提供了性别扩展的响应选项,用于对四个拟人化水平的四个机器人进行评级。研究结果表明,人们以不同的方式对机器人进行性别划分,而不一定与性别二元关系有关。此外,不太拟人化的机器人和孩子般的人形机器人被认为是男性化的,而标志性的机器人被认为是中性的、流动的和/或模糊的。我们讨论了所有人形机器人的未来工作的影响。
2022-04-30 cs.HC cs.RO
Securing the Future: Exploring Privacy Risks and Security Questions in Robotic Systems
University of Louisiana at Lafayette(路易斯安那大学拉斐特分校)
本文针对AI尤其是大语言模型赋能的机器人系统快速发展中未解决的安全隐私问题,梳理了现有应用、威胁及未来演进隐含的相关问题,提出开放性研究方向以推动领域安全发展。
2024-09-16 cs.HC cs.RO
Human Emotion-Mediated Soft Robotic Arts: Exploring the Intersection of Human Emotions, Soft Robotics and Arts
School of Engineering and Materials Science in Queen Mary University of London(伦敦女王学院工程与材料科学学院);Department of Engineering, University of Cambridge(剑桥大学工程系)
本文提出通过软机器人艺术动态响应脑信号中的α波,探索人类情感与艺术的交汇,展现情感介导的软体艺术新形式。
2026-02-13 cs.RO
Exploring environment exploitation for self-reconfiguration in modular robotics
Department of Applied Mathematics University of Washington(应用数学系 华盛顿大学);Department of Mechanical Engineering and Applied Mechanics University of Pennsylvania(机械工程与应用力学系 费城大学);Department of Mechanical Engineering University of Nevada, Las Vegas(机械工程系 内华达大学拉斯维加斯分校)
本研究提出模块化桁架机器人应利用环境特征(如壁架、间隙、斜坡)而非仅优化自身,以实现更快运动、自适应自重构和复杂三维组装,从而超越自身局限。
2025-08-03 cs.RO
Preserving Sense of Agency: User Preferences for Robot Autonomy and User Control across Household Tasks
University of Washington(华盛顿大学)
研究探讨了家庭辅助机器人的自主性水平对用户控制感的影响,发现用户偏好受机器人是否自主、第三方参与度及任务风险等因素影响,终端用户编程的机器人能较好保留控制感,但在高风险情境下用户更看重自身控制权。
2025-06-24 cs.HC cs.RO
Enhancing Human-robot Collaboration by Exploring Intuitive Augmented Reality Design Representations
Oklahoma State University(俄克拉荷马州立大学)
随着使用增强现实(AR)来增强工作环境中人类代理和机器人系统之间的交互的持续增长,机器人必须以信息丰富但直接的方式传达其意图。这提高了人类代理在工作环境中的信任感和安全感,同时也减少了任务完成时间。为此,我们讨论了一套指导方针,为人机交互(HRI)系统的AR界面的系统设计。此外,我们开发的设计框架将依赖于这些指导方针,并作为寻求进一步探索这一方向的研究人员的基础。我们开发了一系列的设计,视觉上代表机器人的计划路径和反应,我们进行了一项用户调查,涉及14名参与者进行评估。受试者被给予不同的设计表示审查和评级的基础上,他们的直观性和信息。整理的结果表明,我们的设计表示显着提高了参与者的容易理解机器人的意图超过基线的机器人的建议导航路径,计划手臂轨迹,和反应。
2023-03-09 cs.HC cs.RO
Exploring Collaborative Game Play with Robots to Encourage Good Hand Hygiene Practises among Children
Spire Animation Studios(斯皮尔动画工作室);AMMACHI Labs(AMMACHI实验室);Amrita Vishwa Vidyapeetham(阿姆里塔维迪亚佩瑟姆大学)
本文介绍了一种新的协作教育游戏,名为“土地的手”,涉及儿童和定制的社会机器人,我们设计的(HakshE)的设计,实施和评估。通过这个游戏平台,我们的目标是向儿童传授正确的手部卫生知识,并探索在这种环境中亲社会机器人与儿童之间的互动程度。我们将游戏化与计算机作为社会参与者(CASA)范式相结合,将机器人建模为游戏中的社会参与者或同伴。该游戏使用Godot的2D引擎和Alice 3开发。在这项研究中,32名参与者通过视频会议平台Zoom在线玩游戏。为了了解亲社会机器人的轻推对儿童互动的影响,我们将研究分为两种情况:有轻推和无轻推。对儿童互动的详细分析和视频分析表明,我们的平台帮助儿童学习了良好的手部卫生知识。我们还发现,使用亲社会机器人可以在孩子和机器人之间创造愉快的互动和更大的社会参与,尽管学习本身并不受机器人的亲社会性的影响。
2022-06-17 cs.RO
Making Sense of Robots in Public Spaces: A Study of Trash Barrel Robots
Cornell University(康奈尔大学);Cornell Tech(康奈尔科技学院);Southern Denmark University(南丹麦大学);Jacobs Technion-Cornell Institute(雅各布斯以色列理工学院-康奈尔理工学院)
本研究通过分析大型公共空间中两个垃圾桶机器人的部署数据,揭示了人们对公共空间机器人的意义建构活动,并为人机交互设计提供了启示。
2025-04-01 cs.HC cs.RO
Real-Time Kinodynamic Motion Planning for Omnidirectional Mobile Robot Soccer using Rapidly-Exploring Random Tree in Dynamic Environment with Moving Obstacles
Universitas Gadjah Mada(加札马达大学)
RoboCup中型组联赛(RoboCup MSL)通过机器人足球比赛为研究移动机器人导航、多机器人协作、通信和集成提供了一个标准化的实验平台,在这种高度动态和对抗性的环境中,机器人足球比赛是一种非常重要的比赛。运动动力学运动规划是机器人运动学领域的一个重要研究课题,它是指机器人在避障的同时,遵循其动力学规律进行运动轨迹规划。提出了一种基于Kinodynamic-RRT* 方法的全向机器人运动动力学运动规划。在这项工作中还考虑了轨迹跟踪控制执行规划轨迹。对机器人平移和旋转方向的运动规划进行解耦。然后,我们实现了kinodynamic-RRT* 与双积分器模型规划的平移轨迹。利用满足速度和加速度约束的最小时间轨迹发生器生成旋转轨迹。然后使用PI控制跟踪计划轨迹。为适应环境的变化,开发了运动规划和轨迹跟踪的并发软件模块。使用基于机器人操作系统(ROS)的RoboCup仿真系统对所产生的系统进行了应用和测试。仿真结果表明,运动规划系统能够生成无碰撞轨迹,轨迹跟踪系统能够跟踪生成的轨迹。在高度动态的环境中,在线方案能够重新规划轨迹。
2019-05-12 cs.RO
Exploring home robot capabilities by medium fidelity prototyping
Halmstad University(哈尔姆斯塔德大学);RISE Viktoria(RISE Viktoria 研究院);Örebro University(厄勒布鲁大学);University of Skövde(舍夫德大学)
为了让自主机器人能够支持人们在家庭和日常环境中的福祉,需要新的交互能力,正如迪士尼最近在流行小说中使用的机器人角色Baymax的软设计所证明的那样。家用机器人将被要求易于互动和智能-适应性强,有趣,不引人注目,不需要太多的动力和维护-并且能够在日常和紧急情况下执行有用的任务。本文采用了一种探索性的中等保真度原型设计方法来测试一些新的机器人功能,这些功能包括识别人们的活动和意图,以及以一种对人们透明的方式行事。结果进行了讨论,目的是通知下一个设计。
2017-10-09 cs.HC cs.RO
Exploring Human-Robot Collaboration: Analysis of Interaction Modalities in Challenging Tasks
Dalle Molle Institute for Artificial Intelligence (IDSIA), USI-SUPSI(达勒莫勒人工智能研究所(IDSIA));Department of Surgery, Medicine, Dentistry and Morphological Sciences with interest in Transplant, Oncology and Regenerative Medicine, University of Modena and Reggio Emilia(外科、医学、牙科和形态学科学系(关注移植、肿瘤学和再生医学),摩德纳和雷吉奥艾米利亚大学);Department of Sciences and Methods for Engineering (DISMI), University of Modena and Reggio Emilia(工程科学与方法系(DISMI),摩德纳和雷吉奥艾米利亚大学)
研究比较了三种人机协作交互模式:被动、反应式和主动式,在记忆组装七层彩色塔任务中发现主动式协作更受参与者青睐,提升了用户体验。
2026-07-08 cs.RO
Designing Socially Assistive Robots: Exploring Israeli and German Designers' Perceptions
Ben-Gurion University of the Negev(内盖夫本-古里安大学);Affective & Cognitive Institute, Offenburg University(奥芬堡大学情感与认知研究所);Delft University of Technology(代尔夫特理工大学)
本研究对比以色列与德国设计师对四类场景下社交辅助机器人视觉特质的认知偏好,发现二者多数认知相近,但对COVID-19专员机器人的角色与适配设计认知有差异,指出设计需兼顾场景与文化因素。
2023-04-30 cs.RO
"My Unconditional Homework Buddy:'' Exploring Children's Preferences for a Homework Companion Robot
University of Wisconsin-Madison(威斯康星大学麦迪逊分校);University of Illinois Chicago(伊利诺伊大学芝加哥分校)
本研究通过对10名10-12岁儿童开展参与式设计研究,探究儿童对作业陪伴机器人的设计需求,明确其功能定位并提出相关设计建议,以开发能提升学习动机与体验的机器人教育支持系统。
2023-05-04 cs.HC cs.RO
Empowering Robot Teleoperation: Exploring the Synergies Between Devices and Manipulator Controllers in a Comparative Study
School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen, Guangdong, China(香港中文大学(深圳)科学与工程学院);Department of Mechanical and Aerospace Engineering, Hong Kong University of Science and Technology(香港科学与技术大学机械与航空航天工程系);Shenzhen Institute of Artificial Intelligence and Robotics for Society (AIRS), Shenzhen, Guangdong, China(深圳人工智能与机器人社会研究院(AIRS))
研究通过比较不同设备与控制器策略在机械臂任务数据收集中的效果,探讨设备与控制器之间的协同关系对实际任务的重要性。
2026-05-15 cs.RO
Exploring persuasive interactions with generative social robots: An experimental framework
ZHAW Zurich University of Applied Sciences(ZHAW苏黎世应用科学大学);FHNW University of Applied Sciences and Arts Northwestern Switzerland(FHNW瑞士西北应用科学与艺术大学);Bielefeld University(比勒费尔德大学)
本研究通过实验框架探讨生成社交机器人在说服互动中的表现,发现其说服效果受情境和机器人行为影响,需进一步优化以提升说服力。
2025-09-05 cs.RO
Exploring the Cost of Interruptions in Human-Robot Teaming
The University of Texas at Austin(德克萨斯大学奥斯汀分校);Sony AI(索尼人工智能研究院);Bar Ilan University(巴伊兰大学)
研究通过改变机器人打断的时机、内容与接近度,量化人机协作中打断对人类任务表现的影响,发现客观成本较低但主观干扰感明显。
2023-11-01 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
Exploring the Use of Collaborative Robots in Cinematography
University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
本文通过访谈三位电影摄影师并演示原型机器人系统,识别了影响协作机器人应用于电影摄影的设计、采用与使用的关键因素,为后续协同设计研究奠定基础。
2023-04-16 cs.HC cs.RO
"I am the follower, also the boss": Exploring Different Levels of Autonomy and Machine Forms of Guiding Robots for the Visually Impaired
Institute for AI Industry Research, Tsinghua University(清华大学人工智能产业研究院);The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));The Hong Kong University of Science and Technology(香港科技大学)
引导机器人,以手杖或汽车的形式,最近已被探索,以帮助盲人和低视力(BLV)的人。这种机器人在引导时可以提供完全或部分自主性。然而,引导机器人的不同形式和自主性的利弊仍然未知。我们试图填补这一空白。我们设计了可切换导航的机器人手杖和汽车。我们对BLV进行了对照实验室研究(N=12)和田间研究(N=9)。结果表明,在对照研究中,完全自主获得了更好的行走性能和主观评分,而参与者在自然环境中使用更多的部分自主,要求更多的控制。此外,与手杖机器人相比,汽车机器人已经证明了提供更高的安全感和导航效率的能力。我们的研究结果提供了关于BLV社区如何感知不同机器形式和自主性的经验证据,这可以为辅助机器人的设计提供信息。
2023-02-07 cs.HC cs.RO
Exploring Kinodynamic Fabrics for Reactive Whole-Body Control of Underactuated Humanoid Robots
University of Michigan(密歇根大学)
针对双足人形机器人需同时执行多任务并实时响应干扰的需求,提出Kinodynamic Fabrics方法,通过受力谱半喷雾规范优先级任务并实时求解关节加速度,实验表明其在运行时间和反应性上优于现有基于二次规划的全身控制器,且已开源。
2023-08-23 cs.RO
Let people fail! Exploring the influence of explainable virtual and robotic agents in learning-by-doing tasks
Italian Institute of Technology(意大利技术研究院);University of Genoa(热那亚大学);Paderborn University(帕德博恩大学)
本研究比较了经典解释与伙伴感知解释在动手学习任务中对人类行为的影响,发现独立完成任务的参与者比由可解释AI辅助的参与者获得更优的知识获取能力。
2024-11-15 cs.AI cs.HC cs.RO
Exploring the Design Space of Extra-Linguistic Expression for Robots
University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
本文受图像小说和动画图形修辞启发,探索烟雾、水滴等非语言线索以增强社交机器人表现力,通过8位设计师对22个方案的探索与分析,开发了可增强任意机器人平台表达能力的EmoPack模块。
2023-06-27 cs.HC cs.RO
Will You Participate? Exploring the Potential of Robotics Competitions on Human-centric Topics
KTH Royal Institute of Technology(KTH皇家理工学院)
本文通过调查三个欧洲机器人联盟的34名参与者,探究了机器人社区对安全性、隐私、可解释性和联邦学习四个以人为中心主题的竞赛参与意愿,发现研究者更重视安全与可解释性,对隐私和联邦学习热情较低,建议未来此类竞赛转向机器学习等其他社区。
2024-03-27 cs.HC cs.RO
Exploring Visual Pre-training for Robot Manipulation: Datasets, Models and Methods
ByteDance Research(字节跳动研究院);Southeast University(东南大学);Tsinghua University(清华大学)
本文系统研究了预训练数据集、模型架构和训练方法对机器人操作的影响,并提出结合对比自监督与监督学习的视觉预训练方案Vi-PRoM,在仿真和真实机器人实验中验证了其优越性。
2023-08-07 cs.CV cs.RO
From Small Talk to Rapport: Exploring Robot Self-Disclosure in Collaborative Tasks
Johns Hopkins University(约翰斯·霍普金斯大学)
本研究开发了LLM驱动的工业机械臂,采用低/高表露策略开展用户研究,发现低表露时用户自我表露更多、团队协作感更强,提示机器人自我表露并非越多越好,需考虑用户HRI经验。
2026-08-31 cs.RO