Controlling Intent Expressiveness in Robot Motion with Diffusion Models
Sorbonne Université, CNRS, Institut des Systèmes Intelligents et de Robotique (ISIR)(索邦大学、国家科学研究中心、智能系统与机器人研究所)
本文提出一种基于信息势场和两阶段扩散模型的运动生成框架,实现从高度可读到高度模糊的连续可控意图表达,在2D和3D任务中性能与SOTA相当。
2025-10-14 cs.RO
A Robot's Expressive Language Affects Human Strategy and Perceptions in a Competitive Game
Carnegie Mellon University(卡内基梅隆大学)
随着机器人越来越多地被赋予社交和沟通能力,它们将在更多的环境中与人类互动,包括合作和竞争。我们探讨人类与机器人的关系的背景下,竞争激烈的Stackelberg安全游戏。我们改变了人形机器人的表达语言(以“鼓励”或“劝阻”的口头评论的形式),并测量对参与者的理性,策略优先级,情绪和对机器人的看法的影响。我们了解到,一个机器人对手,使令人沮丧的评论导致人类玩游戏不那么理性,并认为机器人更消极。我们还贡献了一个简单的开源自然语言处理框架,用于生成表达性的句子,这是用来生成我们的自主社交机器人的语音。
2019-10-24 cs.HC cs.RO
End-User Puppeteering of Expressive Movements
Carnegie Mellon University(卡内基梅隆大学)
本文提出一种提线木偶式机器人接口,使用户通过操控木偶即可直观编程机器人表达性动作,并展示初步用户研究结果。
2023-12-03 cs.HC cs.RO
EMOTION: Expressive Motion Sequence Generation for Humanoid Robots with In-Context Learning
Apple(苹果公司)
针对现有机器人非语言交流方法表现力不足的问题,提出基于大语言模型上下文学习的EMOTION框架,可生成符合社交场景的手势动作,实验显示其效果在特定场景下媲美甚至超越人类操作,并给出相关设计启示。
2024-10-30 cs.AI cs.RO
Design Activity for Robot Faces: Evaluating Child Responses To Expressive Faces
University of Nevada, Reno(内华达大学雷诺分校)
本文研究儿童绘制个性化数字面孔对儿童-机器人互动的影响,通过设计活动让儿童绘制自定义机器人面孔,并比较通用面孔与个性化面孔的社会智能感知,发现儿童绘制的机器人面孔能显著提升感知社会智能。
2025-04-10 cs.HC cs.RO
Theatre in the Loop: A Rehearsal-Based, Collaborative Workflow for Expressive Robotic Behaviours
University of Nottingham(诺丁汉大学);Nottingham Trent University(诺丁汉特伦特大学);Makers of Imaginary Worlds(想象世界制造者)
提出“剧场在环”框架,通过导演引导的即兴操控工作流,为艺术表演开发表达性机器人行为,并构建可复用运动模板数据集,初步验证了可行性,为跨学科团队提供协作模型。
2025-08-05 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
Believing in BERT: Using expressive communication to enhance trust and counteract operational error in physical Human-Robot Interaction
Bristol Robotics Laboratory(布里斯托机器人实验室);Department of Computer Science, University of Bristol(布里斯托大学计算机科学系)
战略是必要的,以减轻意外行为的影响,在协作机器人,并研究开发解决方案是缺乏的。我们的目的是探索情感互动的好处,而不是一个更有效的,更少的错误倾向,但非交流的。实验采取了煎蛋任务的形式,参与者范围广泛,直接与BERT 2互动,BERT 2是一个人形机器人助手。有显着的影响设计,结果表明,效率是不是最重要的方面的性能为用户;一个有个性的,表现力的机器人被认为是更好的一个更有效的,尽管相当大的权衡所花费的时间来执行任务。我们的研究结果还表明,一个表现出类似人类特征的机器人可能会让用户不愿意“伤害它的感情”;他们甚至可能为了避免这种情况而撒谎。
2016-06-22 cs.HC cs.RO
Otherness as a Quality in Designing Expressive Robotic Touch
KTH Royal Institute of Technology(皇家理工学院);IT University of Copenhagen(哥本哈根大学);Cornell University(康奈尔大学)
本文提出将机器人触觉的固有其他性作为设计质量,通过分析艺术和设计先例,探讨如何通过设计策略塑造其他性,以促进表达性和启发性的触觉设计。
2026-04-25 cs.HC cs.RO
Generating Natural and Expressive Robot Gestures through Iterative Reinforcement Learning with Human Feedback using LLMs
University of New South Wales(新南威尔士大学);Universidad Central de Chile(智利中央大学)
针对社交机器人手势生成僵硬问题,提出将ChatGPT集成到Pepper机器人中生成共语手势,并引入基于人类反馈的迭代强化学习(RLHF)优化手势,实验表明RLHF提升了手势的表现力、相关性和流畅性。
2026-06-18 cs.AI cs.RO
Hybrid Attention Estimation Pipeline for Adaptive HRI Using an Expressive Robotic Head
Technological University of Uruguay(乌拉圭科技大学);Ostfalia University of Applied Sciences(奥斯特法利亚应用科技大学)
该研究提出结合几何与语义感知层的混合注意力估计流程,通过有限状态机调节自适应人机交互,经10人40次试验验证其交互启动可靠、暂停行为一致且输出信息非冗余。
2026-08-04 cs.AI cs.RO
Online Behavior Modification for Expressive User Control of RL-Trained Robots
Tufts University(塔夫茨大学)
本文提出在线行为修正范式及ACORD算法,使用户能实时控制RL训练机器人的行为风格,在用户研究中实现了与共享自主相当的用户表达控制,同时保留RL的自主性与鲁棒性。
2024-08-15 cs.AI cs.RO
Ain't Misbehavin' -- Using LLMs to Generate Expressive Robot Behavior in Conversations with the Tabletop Robot Haru
The University of British Columbia(不列颠哥伦比亚大学);Beyond Reason;Honda Research Institute Japan(日本本田研究所)
本文提出将LLMs集成到桌面机器人Haru中构建全自动对话系统,结合TTS引擎、物理动作库与情感识别模型生成富有表现力的行为,试点研究表明反馈积极,并揭示了LLM幻觉等错误对对话的潜在影响。
2024-02-18 cs.AI cs.CL cs.RO
Avant-Satie! Using ERIK to encode task-relevant expressivity into the animation of autonomous social robots
INESC-ID(里斯本系统与计算机工程研究所);Instituto Superior Técnico(高等技术学院);University of Lisbon(里斯本大学)
ERIK是一种表达逆运动学技术,以前已经提出和评估算法和有限的用户交互场景。它允许自主社交机器人在跟踪用户的同时传达基于姿势的表达信息。我们开发了一个新的场景,旨在进一步验证前一个场景中一些不支持的说法。我们的实验具有完全自主的Adelino机器人,并得出结论,ERIK可以用来指导用户的选择在执行给定的任务的行动,完全通过其非语言表达队列。
2022-03-02 cs.AI cs.HC cs.RO
WaveSync: Constrained Wavefront Optimization for Synchronized Co-Speech Gestures in Humanoid Robots
University of Engineering and Technology, Vietnam National University(越南国立大学工程与技术大学);School of Information Science, Japan Advanced Institute of Science and Technology(日本先端科学技术大学院大学信息科学学院);School of Electronics and Computer Science, University of Southampton(南安普顿大学电子与计算机科学学院);Department of Robotics, Hanyang University(汉阳大学机器人学系)
提出WaveSync框架,利用大语言模型分解语义并构建重要性波,通过动态运动基元生成手势轨迹,再经波前优化实现手势与语音的峰值同步,同时满足运动学约束,在五组对话场景中优于基线方法。
2026-09-03 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
SPRITE: Stewart Platform Robot for Interactive Tabletop Engagement
University of Southern California(南加州大学)
本文介绍了一种用于交互式桌面接合的Stewart平台机器人(SPRITE)的设计。该机器人旨在用于社交辅助机器人,这是一个专注于非接触式社交互动的领域,以帮助人们实现与健康,健康和教育相关的目标。我们描述了一系列的桌面,社会辅助机器人的设计目标,包括表达运动,情感交流,友好,无威胁,可定制的外观,和一个安全,强大,易于修复的机械设计。
2020-11-11 cs.RO
From Social Reasoning to Embodied Interaction: An Agentic Framework for Social Robots
ShanghaiTech University(上海科技大学);InstAdapt
提出ARISE框架,在Sophia人形机器人上统一社会推理与具身交互,通过多模态理解、记忆和流式执行实现自然协调的社交行为,显著提升交互质量并降低延迟。
2026-10-06 cs.RO
Vector Autoregressive POMDP Model Learning and Planning for Human-Robot Collaboration
University of Notre Dame(圣母大学)
人机协作是近年来控制、机器人学和心理学交叉领域的一个研究热点。在HRC中,获得一个有表达力但同时又易于处理的人类模型是至关重要的。在本文中,我们提出了一个称为向量自回归POMDP(VAR-POMDP)模型,这是一个传统的POMDP模型的扩展,考虑到观测之间的相关性。VAR-POMDP模型比传统的连续观测POMDP模型在特征表达能力上更强,因为传统的连续观测POMDP模型是VAR-POMDP模型的特例。同时,所提出的VAR-POMDP模型也是易于处理的,因为我们表明它可以有效地从数据中学习,并且我们可以将基于点的值迭代(PBVI)扩展到VAR-POMDP规划。特别是,在本文中,我们建议使用贝叶斯非参数学习来决定潜在的人类状态,并使用从人类演示中收集的数据来学习VAR-POMDP模型。然后,我们考虑规划方面的PCTL,这是广泛使用的机器人的安全性和可达性的要求。最后,使用所提出的模型HRC的优势进行了验证的实验结果,使用从驾驶员辅助试验台收集的数据。
2019-04-28 cs.RO
Xpress: A System For Dynamic, Context-Aware Robot Facial Expressions using Language Models
Johns Hopkins University(约翰斯·霍普金斯大学)
Xpress系统利用语言模型通过编码时间流、上下文调节和代码生成三阶段动态生成机器人面部表情,解决了现有方法劳动密集且适应性差的问题,在HRI中展现出良好的表达性和上下文感知能力。
2025-03-01 cs.HC cs.RO
Set the Stage: Enabling Storytelling with Multiple Robots through Roleplaying Metaphors
De La Salle University(德拉萨大学)
针对多机器人手势控制受限的问题,提出用角色扮演隐喻(导演、木偶师、巫师)设计更丰富交互,提升创造力与表现力。
2025-08-03 cs.HC cs.RO
Robo-Blocks: Generative Scaffolding in End-User Design and Programming of Social Robots
Department of Computer Sciences\ of Wisconsin--Madison
通过研究通过设计(RtD)过程,提出基于LLM的积木式编程环境Robo-Blocks,利用生成式支架将高级想法转化为可执行机器人行为,支持新手程序员,并揭示了用户角色与使用模式。
2026-05-27 cs.HC 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
Multimodal Interaction and Intention Communication for Industrial Robots
Technical University of Munich(慕尼黑工业大学);Bosch Corporate Research(博世公司研究部);Örebro University(厄勒布鲁大学)
本文提出非人形工业机器人通过小型拟人代理进行多模态交互,利用大语言模型增强通信,以提升人机交互的安全与效率。
2025-02-25 cs.HC cs.RO
EmojiVoice: Towards long-term controllable expressivity in robot speech
School of Computing Science, Simon Fraser University(计算科学学院,西蒙弗雷泽大学);SUPMICROTECH, CNRS, Institut FEMTO-ST, Université de Franche-Comté(SUPMICROTECH、法国国家科学研究中心、FEMTO-ST研究所、弗朗什-孔泰大学);Enchanted Tools;Division of Speech Music and Hearing, KTH Royal Institute of Technology(语音音乐与听觉系,皇家理工学院)
针对社交机器人语音缺乏长期表达变化的问题,研究者提出EmojiVoice工具包,通过emoji提示实现细粒度表达控制,结合轻量TTS模型实时生成语音,经多场景实验验证了其在讲故事任务中的有效性。
2025-07-30 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
Choreographic and Somatic Approaches for the Development of Expressive Robotic Systems
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Laban/Bartenieff Institute of Movement Studies(拉班/巴滕尼夫运动研究学院);University of Virginia(弗吉尼亚大学);Integrated Movement Studies(综合运动研究机构);Coventry University(考文垂大学);Harvard University(哈佛大学)
随着机器人系统从工厂的工作单元转移到面向人类的环境中,编排问题成为其设计,放置和应用的核心。在人类观察者或对应物存在的情况下,系统将在上下文、运动风格和形状因子内被人类自动地解释为他们的环境的有生命的元素。这个人类对应的解释是至关重要的系统的集成的成功:旋钮上的系统需要有意义的人类对应;人工代理应该有一种方式通知人类对应的系统状态的变化,可能通过运动配置文件;和人类对应的运动可能有重要的上下文线索任务完成。因此,专业的编舞家,舞蹈实践者和动作分析师对机器人技术的研究至关重要。他们拥有符合人类观众感知的运动设计方法,可以识别人机交互目标的简化运动特征,并详细了解人类运动的能力。本文提供了一个研究实验室所采用的方法,对技术和艺术项目的具体影响,以及可能指导未来此类工作的原则。背景部分报告了编舞,躯体的观点,即兴,拉班/巴特尼耶夫运动系统和机器人。从这方面的方法,包括体现练习,写作提示,社区建设活动已经开发,以促进跨学科的研究。这项工作的结果是作为一个像高层次的运动规划,运动的快速原型软件开发,艺术输出和用户研究,帮助了解人们如何解释运动等领域的项目的概述。最后,提出了可供其他群体采用的指导原则。
2017-12-21 cs.HC cs.RO
VividFace: Real-Time and Realistic Facial Expression Shadowing for Humanoid Robots
School of Computing, Macquarie University(麦考瑞大学计算机学院);College of Computing and Data Science, Nanyang Technological University(南洋理工大学计算机与数据科学学院);Anuradha and Vikas Sinha Department of Data Science, University of North Texas(北卡罗来纳州立大学数据科学系)
VividFace通过优化的模仿框架和实时推理管道,实现人形机器人逼真面部表情阴影生成,提升人机交互的真实感和实用性。
2026-02-14 cs.AI cs.HC cs.RO
Emotionally Expressive Robots: Implications for Children's Behavior toward Robot
Ericsson(爱立信公司)
研究通过22名7至11岁儿童参与QTRobot合作轮流游戏的试点实验,考察机器人不同身体与面部情感表达水平对儿童行为一致性的影响。
2025-09-30 cs.RO
GenComUI: Exploring Generative Visual Aids as Medium to Support Task-Oriented Human-Robot Communication
College of Design and Innovation, Tongji University(同济大学设计与创新学院)
本文提出由 LLM 驱动的 GenComUI,通过动态生成地图标注、路径指示和动画等视觉辅助支持人机任务通信;20 人实验表明其相较纯语音基线可提供连续视觉反馈并提升沟通效果。
2025-02-15 cs.AI cs.HC cs.RO
Shaping Expressiveness in Robotics: The Role of Design Tools in Crafting Embodied Robot Movements
CHArt Laboratory, Department of Psychology, University Paris8(巴黎第八大学心理学系CHArt实验室);Lab of INIT Robots, Department of Mechanical Engineering, École de technologie supérieure(École de technologie supérieure机械工程系INIT机器人实验室);Department of Dance, Université du Québec à Montréal(魁北克大学蒙特利尔分校舞蹈系);Costech Laboratory, Department of Humanities and Social Sciences, Université technologique de Compiègne(Compiègne技术大学人文与社会科学系Costech实验室)
本文提出一种以运动为中心的设计教学法,通过跨学科方法和定制工具,帮助工程师创建更具表现力的机器人手臂运动。
2026-02-04 cs.RO
The Social Life of Industrial Arms: How Arousal and Attention Shape Human-Robot Interaction
Ingenuity Labs Research Institute(创新实验室研究机构);Queen’s University(女王大学)
本研究提出一种结合注意力引擎与唤醒度调节系统的控制架构,用于非拟人化机械臂,发现高注意力提升温暖与能力感知,高唤醒度引发不适,二者适度结合能最大化信任与社交性。
2025-08-11 cs.HC cs.RO cs.SY
Bots against Bias: Critical Next Steps for Human-Robot Interaction
Institute of Science Tokyo(东京科学研究所)
本文探讨人机交互中的偏见问题,分析偏见来源与表现,提出两条路径(偏见意识设计与利用机器人应对人类偏见),并给出关键后续步骤。
2024-12-17 cs.AI cs.HC cs.RO
Generative Action-Chunk Sampling for Adaptive Stiffness Control in Physical Human-Robot Collaboration
School of Engineering and Design, Graduate School of Science and Technology, Keio University(庆应义塾大学 理工学研究科 设计工程学院)
针对物理人机协作的协助与柔顺性平衡问题,提出基于生成式动作块采样的自适应刚度框架,在四方向协作搬运任务中平均成功率达0.95,优于固定刚度组与确定性基线。
2026-09-09 cs.AI cs.LG cs.RO
Towards socially-competent and culturally-adaptive artificial agents Expressive order, interactional disruptions and recovery strategies
本文提出一个框架,通过区分表达秩序与功能秩序、分类互动中断并设计恢复策略,使智能体在多主体社会情境中具备超越个体个性化的文化适应能力,并评估不同架构的适用性。
2023-08-06 cs.AI cs.CY cs.HC
Nutty-based Robot Animation -- Principles and Practices
INESC-ID(INESC-ID(葡萄牙系统与计算机工程研究所));Instituto Superior Técnico(高等理工学院);University of Lisbon(里斯本大学)
机器人动画是角色动画的一种新形式,它通过允许动画运动在与现实世界中的用户交互期间变得更具交互性和适应性来扩展传统过程。本文回顾了这种新类型的角色动画是如何演变和塑造角色动画的原则和实践。我们概述了一些新的范例,旨在让角色动画师成为机器人动画师,并适当地参与社会机器人的发展。一个这样的范例包括机器人动画的12个原则,它描述了动画师和机器人开发人员为了正确理解对方而应该考虑的一般概念。我们还介绍了Kinematronics的概念,用于指定机器人的可控和可编程的表达能力,以及Nutty工作流和流水线。Nutty Pipeline引入了可编程机器人动画引擎的概念,该引擎允许生成、合成和混合各种类型的动画源,并将其混合成最终的、支持交互的运动,该运动可以在真实世界的交互过程中实时渲染在机器人上。Nutty运动过滤器被描述和示例为一种技术,该技术允许开环运动控制器对运动施加物理限制,同时仍然允许调整所产生的运动的形状和表现力。此外,我们还描述了一些类型的工具,这些工具可以开发并集成到基于Nutty的工作流程和管道中,这些工具允许动画艺术家在社交机器人中执行表达行为开发的一个组成部分,从而从标准(3D)角色发展而来。动画师,走向全栈类型的机器人动画师。
2019-06-03 cs.GR cs.HC cs.RO
RMG: Real-Time Expressive Motion Generation with Self-collision Avoidance for 6-DOF Companion Robotic Arms
Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
针对6-DOF陪伴机械臂的实时表达性运动生成问题,提出由人类舞蹈映射数据集、双空间生成模型和无碰撞优化组成的RMG规划器,可在0.5秒内生成满足约束的平滑泛化运动。
2025-03-13 cs.RO
Expressive Robot Motion Timing
UC Berkeley(加州大学伯克利分校)
我们的目标是使机器人能够以一种有目的地表达其内部状态的方式来\emph{time}它们的运动,使它们对人类更加透明。我们首先调查什么类型的状态运动时序能够表达,专注于机器人操作和保持路径不变,同时系统地改变定时。我们发现,用户自然会注意到机器人的某些属性(如自信),运动(如自然)或任务(如机器人携带的物体的重量)。然后,我们进行了一个假设驱动的实验,梳理出这些影响的方向和幅度,并使用我们的研究结果来开发候选数学模型,用于用户如何从时间上做出这些推断。我们发现模型和真实的用户数据之间有很强的相关性,这表明机器人可以利用这些模型来自主优化其运动的时机,以表现力。
2018-02-05 cs.RO
Learning Expressive Humanoid Locomotion from Monocular Runway Videos for Robot Fashion Shows
Vilnius University(维尔纽斯大学);Kent State University(肯特州立大学)
提出端到端框架,将单目跑道视频转化为可部署的人形机器人步态策略,使Booster K1在物理试验中稳定执行富有表现力的猫步动作。
2026-09-24 cs.RO
Anatomy of Uncertainty: Expressive Descriptors of Robot Motion for Nonverbal Human-Robot Communication
School Of Art, Design and Media, Nanyang Technological University(南洋理工大学艺术、设计与传媒学院);School of Mechanical and Aerospace Engineering, Nanyang Technological University(南洋理工大学机械与航天工程学院)
研究人机协作中机器人运动表达不确定性问题,引入数学框架,利用拉班动作分析,通过十一个描述符对五个运动原语参数化,经人体研究验证,为编码机器人运动不确定性及自主轨迹生成奠定基础。
2026-09-24 cs.RO
Toward an Expressive Bipedal Robot: Variable Gait Synthesis and Validation in a Planar Model
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Laban/Bartenieff Institute of Movement Studies(拉班/芭特妮芙动作研究学院)
人类是高效的,但在运动中却富有表现力。人类的行走行为可以用于在各种各样的表面上行走而不会跌倒,并且通过可变的步态风格将内部状态传达给其他人。这为创造类似表现力的双足机器人提供了灵感。为此,风格步态生成框架中的指南针式欠驱动的平面三维模型。步态设计是使用基于模型的轨迹优化与可变约束。对于有限范围的优化参数,可以为该模型生成360个步态的大集合。特别是,步长和成本函数是不同的,以产生不同的周期性步行步态。从这些得到的步态中,使用具身运动分析,用与人类活动相关的风格动词识别和标记6种步态,例如,"lope"和"saunter"。这些标签已经通过在Amazon Mechanical Turk中进行用户研究进行了验证,从而证明使用此框架可以生成视觉上可区分的有意义的步态。这为创建具有可变社交能力运动轮廓的双足人形机器人奠定了基础。
2018-09-13 cs.RO
Multi-Domain Motion Embedding: Expressive Real-Time Mimicry for Legged Robots
Robotic Systems Lab, ETH Zurich, Zurich, Switzerland(苏黎世联邦理工学院机器人系统实验室);Computational Robotics Lab, ETH Zurich, Zurich, Switzerland(苏黎世联邦理工学院计算机器人实验室);ETH Zürich(苏黎世联邦理工学院)
本文提出多域运动嵌入方法,通过结合小波编码器和概率嵌入,实现对运动结构和非结构特征的统一表示,从而提升机器人实时模仿复杂轨迹的保真度和泛化能力。
2026-09-15 cs.RO
ELEGNT: Expressive and Functional Movement Design for Non-anthropomorphic Robot
Apple(苹果公司)
本文提出ELEGNT框架,通过台灯式机器人探索运动设计中的表现性与功能性平衡,用户研究表明表现性驱动运动显著提升参与度和感知品质,尤其在社会任务中。
2025-01-21 cs.HC cs.RO
Unconscious and Intentional Human Motion Cues for Expressive Robot-Arm Motion Design
School of Engineering University of Hyogo(工程学院 京都大学);Faculty of Informatics Kansai University(信息学院 关西大学);Graduate School of Engineering University of Hyogo(工学研究院 京都大学)
本研究以Geister游戏为平台分析人类无意识与有意图的棋子移动动作,据此设计分阶段机器人手臂动作,发现后期撤回阶段的时间安排对印象形成至关重要,且实体机器人呈现能增强运动线索的可解读性。
2025-11-05 cs.HC cs.RO
Influencing Incidental Human-Robot Encounters: Expressive movement improves pedestrians' impressions of a quadruped service robot
University of Texas at Austin(德克萨斯大学奥斯汀分校)
针对偶然人机相遇影响因素研究不足的问题,通过222名被试的真实环境实验,证实受犬类启发的四足服务机器人肢体语言可积极提升行人感知,为服务机器人交互设计提供新方向。
2023-11-08 cs.HC cs.RO
Expressive Whole-Body Control for Humanoid Robots
UC San Diego(加州大学圣迭戈分校)
针对人形机器人直接模仿人类动作存在自由度与物理能力差距的问题,提出Exbody方法,通过上半身模仿参考动作、双腿仅跟随速度的策略,结合仿真训练与Sim2Real迁移,实现机器人在现实中完成多样富有表现力的动作。
2024-03-06 cs.LG cs.RO
VGFM: Expressive Robot Policies via Dense Value Guidance in Flow Matching
Cornell University(康奈尔大学)
VGFM提出一种离线强化学习框架,利用条件流匹配模型在动作空间中实现密集值引导,避免时间反向传播,在OGBench任务上展现高效且可扩展的策略学习性能。
2026-09-15 cs.LG cs.RO
DFM: Deep Fourier Mimic for Expressive Dance Motion Learning
ETH Zurich(苏黎世联邦理工学院);Sony Group Corporation(索尼集团公司);ETH AI Center(苏黎世联邦理工学院人工智能中心)
针对娱乐机器人舞蹈动作表现力不足及无法兼顾辅助任务的问题,提出深度傅里叶模仿(DFM),结合频域动作表示与强化学习,放宽局部周期约束,实现平滑动作过渡并支持移动与视线控制,提升交互性。
2025-02-25 cs.RO
Unleashing Infinite Motion: Scaling Expressive Quadrupedal Motion via Generative Video Priors
Amap, Alibaba Group(高德,阿里巴巴集团)
提出Uni-Mo全自动流水线,利用LLM和视频扩散模型生成四足机器人运动数据,通过身份一致性损失提取3D轨迹,训练真实机器人跟踪策略,并发布包含7488个语言标注运动的数据集。
2026-09-10 cs.RO
Teaching Robots to Span the Space of Functional Expressive Motion
UC Berkeley(加州大学伯克利分校);University of Utah(犹他大学)
我们的目标是使机器人能够以情感的方式执行功能性任务,无论是响应用户的情感状态,还是表达他们的信心水平。先前的工作已经提出了学习独立的成本函数,从用户反馈的每个目标的情绪,使机器人可以优化它旁边的任务和环境特定的目标,它遇到的任何情况。然而,这种方法在建模多种情绪时效率低下,并且无法推广到新的情绪。在这项工作中,我们利用了这样一个事实,即情绪并不是相互独立的:它们是通过一个潜在的空间的价-唤醒-支配(VAD)。我们的关键思想是学习一个模型,用于如何将轨迹映射到带有用户标签的VAD上。考虑到轨迹映射和目标VAD之间的距离,允许这个单一模型表示所有情绪的成本函数。因此,1)所有用户反馈都可以有助于学习每种情绪; 2)机器人可以为空间中的任何情绪生成轨迹,而不仅仅是几个预定义的轨迹;以及3)机器人可以通过将用户生成的自然语言映射到目标VAD来对用户生成的自然语言做出情感响应。我们介绍了一种方法,交互式学习映射轨迹到这个潜在的空间,并在模拟和用户研究中进行测试。在实验中,我们使用了一个简单的真空机器人以及卡西机器人。
2022-08-02 cs.AI cs.RO
Breathless: An 8-hour Performance Contrasting Human and Robot Expressiveness
Princeton University(普林斯顿大学)
本文介绍了8小时人机共舞表演背后的机器人技术,结合正弦运动、深度学习姿态提取及示教模式力传感即兴动作,通过自定义软件融合音乐,对比人机表现力,成果可在项目网站获取。
2024-11-27 cs.CV cs.RO
Do You Have Freestyle? Expressive Humanoid Locomotion via Audio Control
BAAI(北京人工智能研究院);University of Sydney(悉尼大学);Harbin Institute of Technology(哈尔滨工业大学);Hong Kong University of Science and Technology(香港科学与技术大学);Shanghai Jiao Tong University(上海交通大学);Peking University(北京大学)
RoboPerform 是首个通过音频直接生成音乐舞蹈和语音手势的人形运动框架,实现了低延迟、高保真的即兴运动表现。
2026-09-16 cs.RO
Autonomous Monitoring of Pharmaceutical R&D Laboratories with 6 Axis Arm Equipped Quadruped Robot and Generative AI: A Preliminary Study
Takeda Pharmaceutical Company Limited(武田药品工业株式会社)
本研究初步验证了配备六轴机械臂的四足机器人与生成式AI在制药实验室自主监控中的可行性,通过多模态模型和VFM实现异常检测与自动报告,以提升合规性和安全性。
2024-03-15 cs.RO
Learning Deep Generative Spatial Models for Mobile Robots
University of Washington(华盛顿大学)
我们提出了一个新的概率框架,允许移动机器人自主学习深度,生成模型的环境,跨越多个层次的抽象。与将工程模型结合用于低级别特征、几何和语义的传统方法不同,我们的方法利用了和积网络(SPN)和深度学习的最新进展来学习机器人空间环境的单一通用模型。我们的模型是完全概率和生成的,并代表了一个联合分布的空间信息,从低层次的几何语义解释。一旦学会,它就能够解决各种各样的任务:从地方的语义分类,不确定性估计和新颖性检测,到基于语义信息生成地方外观和预测部分观测中的缺失数据。对移动机器人激光测距数据的实验表明,所提出的通用模型的性能优于针对一个特定任务进行微调的最新模型,如生成对抗网络(GANs)或SVM。
2017-12-28 cs.RO