SOTER on ROS: A Run-Time Assurance Framework on the Robot Operating System
University of California, Berkeley(加州大学伯克利分校);Amazon(亚马逊)
我们提出了一个实现SOTER,运行时间的保证框架,用于构建安全的分布式移动机器人(DMR)系统,机器人操作系统(ROS)的顶部。DMR系统的安全性在设计时并不总能得到保证,尤其是当使用复杂的现成组件时,这些组件无法轻易验证。SOTER通过为DMR系统的运行时间保证提供基于语言的方法来解决这个问题。SOTER使用P语言实现了反应式机器人软件,P语言是一种专用于实现异步事件驱动系统的领域语言,同时还提供了一个集成的运行时间保证系统,允许程序员使用未加固的组件,但仍然提供安全保证。我们描述了一个实施SOTER ROS和证明其有效性使用多机器人监控案例研究,多个运行时间保证模块。通过严格的模拟,我们表明,SOTER启用系统确保安全,即使使用未知和不可信的组件。
2020-08-21 cs.AI cs.PL cs.RO
ROSAnnotator: A Web Application for ROSBag Data Analysis in Human-Robot Interaction
University of Melbourne(墨尔本大学)
针对人机交互领域缺乏ROSBag定性分析专用工具的问题,研究人员开发了融合多模态LLM的网页应用ROSAnnotator,支持手动与自动多模态标注及自定义扩展,提升HRI数据分析效率。
2025-01-13 cs.HC cs.RO
Arena-Rosnav 2.0: A Development and Benchmarking Platform for Robot Navigation in Highly Dynamic Environments
Technical University Berlin (TUB)(柏林工业大学(TUB));Technical University Munich (TUM)(慕尼黑工业大学(TUM))
本文提出Arena-Rosnav 2.0平台,通过重构架构、提供统一API、引入更真实的仿真与行人行为,为高度动态环境中的机器人导航方法的开发与基准测试提供支持,并通过用户研究和集成多种先进方法验证了其可行性与易用性。
2023-07-31 cs.AI cs.RO
Efficient Causal Discovery for Robotics Applications
University of Lincoln(林肯大学);University of Padua(帕多瓦大学)
本文提出了一种名为F-PCMCI的快速准确的因果分析方法,能够在有限计算资源下实时重构人机交互场景的因果模型,从而提升机器人与人类的交互质量。
2023-10-24 cs.AI cs.RO
Causality-enhanced Decision-Making for Autonomous Mobile Robots in Dynamic Environments
University of Lincoln(林肯大学);National Research Council of Italy(意大利国家研究 council);University of Padua(帕多瓦大学)
本文提出基于因果推理的决策框架,通过建模因果关系帮助机器人在动态环境中更高效安全地完成任务,同时开发了PeopleFlow模拟器来评估因果方法的有效性。
2026-05-01 cs.AI cs.RO
A ROS Architecture for Personalised HRI with a Bartender Social Robot
University of Naples Federico II(那不勒斯费德里科二世大学);Totaro Automazioni s.r.l.(托塔罗自动化有限责任公司)
BRILLO(交互式长期操作的调酒机器人)项目的总体目标是创建一个自主的机器人调酒师,可以在完成调酒任务的同时与客户互动。在这种情况下,人们对使用有吸引力的技术的新奇效应注定会消失,因此,它会对服务机器人应用的成功产生负面影响。因此,在访问其服务时提供个性化的自然交互对于提高用户的参与度以及他们的忠诚度至关重要。在本文中,我们提出了开发的三层ROS架构集成的感知层管理不同的社会信号的处理,决策层处理多方互动,和执行层控制的行为组成的复杂的机器人的手臂和脸。最后,通过信念层的用户建模允许个性化交互。
2022-03-15 cs.AI cs.MA cs.RO
ROSA: Harnessing Robot States for Vision-Language and Action Alignment
University of Science and Technology of China(中国科学技术大学);Nanjing University(南京大学);Dexmal
针对现有VLA模型微调存在时空鸿沟、数据效率低的问题,提出ROSA训练范式,通过整合自动化获取的机器人状态估计数据增强模型空间理解与自我感知,在低数据场景下提升了机器人控制性能与泛化性。
2025-06-16 cs.AI cs.CV cs.RO
ROS Help Desk: GenAI Powered, User-Centric Framework for ROS Error Diagnosis and Debugging
CSIRO Robotics(澳大利亚CSIRO机器人研究所)
提出ROS Help Desk框架,利用生成式AI和多模态数据处理,为不同专业水平用户提供动态定制的ROS错误诊断与调试支持,有效减少系统停机时间并促进人机协作。
2025-07-10 cs.RO
Using Human-Guided Causal Knowledge for More Generalized Robot Task Planning
Brown University(布朗大学)
涉及人工智能(AI)的研究的一个主要挑战是开发算法,这些算法可以找到可以推广到不同环境和任务的问题的解决方案。与人工智能不同,人类善于找到可以转移的解决方案。我们假设这是因为他们的解决方案是由因果模型告知的。我们建议使用人类引导的因果知识来帮助机器人找到可以推广到新环境的解决方案。我们开发和测试的语言接口,天真的参与者可以用来沟通这些因果模型的规划的可行性。我们发现初步证据表明,参与者能够使用我们的界面,并生成因果模型,实现近泛化。我们概述了一个实验,旨在测试远泛化使用我们的接口,并描述我们的长期目标,这些因果模型。
2021-10-09 cs.AI cs.RO
Causal Learning by a Robot with Semantic-Episodic Memory in an Aesop's Fable Experiment
University of East Anglia(东英吉利大学);University of Essex(埃塞克斯大学)
乌鸦,猿,和儿童解决乌鸦和投手的任务(从伊索寓言)表明一个因果关系的理解任务。通过与不同对象的累积交互,认知主体如何抽象出潜在的因果关系来预测新对象的启示?我们通过在机器人上重新制定伊索寓言任务来解决这个问题,并提出a)语义情景记忆的脑引导神经模型; b)四个任务不可知的学习规则,这些规则将回忆过去的情景与当前情景进行比较,以逐步提取隐藏的因果关系。随后的机器人行为说明了因果学习;对新对象的预测收敛到阿基米德原理,独立于学习过程中探索的对象及其累积探索的顺序。
2020-02-29 cs.AI cs.RO
Development of a Human-Robot Interaction Platform for Dual-Arm Robots Based on ROS and Multimodal Artificial Intelligence
Trường Đại học Công Nghệ - Đại học Quốc gia Hà Nội(河内国家大学科技大学)
本文开发了基于ROS和多模态AI的双臂机器人人机交互平台,实现高精度操作、物体抓取分类及语音控制,实验验证了系统准确性与灵活性。
2024-11-08 cs.RO
The RoSiD Tool: Empowering Users to Design Multimodal Signals for Human-Robot Collaboration
University of Southern California(南加州大学)
本文提出RoSiD工具,赋能用户为协作机器人自行指定多模态沟通信号偏好,并通过参与式设计研究验证了其有效性及改进方向。
2024-01-05 cs.HC cs.RO
Cross-Embodiment Causal Transfer from Human Videos to Robot Manipulation
University of Chinese Academy of Sciences(中国科学院大学);Institute of Software, Chinese Academy of Sciences(中国科学院软件研究所);Meituan(美团)
该研究针对机器人操作数据收集成本高的问题,提出CBST方法,通过因果束约束从人类视频中迁移操作知识,使机器人无需动作对应即可生成动作,提升了基准任务的成功率。
2026-10-16 cs.AI cs.RO
ROS-X-Habitat: Bridging the ROS Ecosystem with Embodied AI
The University of British Columbia(不列颠哥伦比亚大学)
我们介绍了ROS-X-Habitat,这是一个软件接口,通过ROS将基于学习的代理的AI Habitat平台与其他机器人资源连接起来。这个接口不仅提供了标准化的通信协议之间的体现代理和模拟器,但也使物理和逼真的模拟,有利于培训和/或测试的视觉为基础的体现代理。有了这个界面,机器人专家可以在另一个基于ROS的模拟器中评估他们自己的Habitat RL代理,或者使用Habitat Sim v2作为他们自己的机器人算法的测试平台。通过计算机模拟实验,我们证明了ROS-X-Habitat对Habitat RGBD代理的导航性能和模拟速度的影响最小;一套标准的ROS映射,规划和导航工具可以在Habitat Sim v2中运行; Habitat代理可以在标准的ROS模拟器Gazebo中运行。
2022-04-29 cs.AI cs.CV cs.LG
Toward a Wearable Biosensor Ecosystem on ROS 2 for Real-time Human-Robot Interaction Systems
Purdue University(普渡大学);University of California, Santa Cruz(加州大学圣克鲁兹分校)
可穿戴生物传感器可以实现连续的人类数据捕获,促进现实世界人机交互(HRI)系统的开发。然而,缺乏标准化的图书馆和实施增加了额外的复杂性,人力资源投资系统的设计,并排除跨学科和机构的合作。在这里,我们介绍了一种新的可穿戴生物传感器包的机器人操作系统2(ROS 2)系统。ROS2正式支持实时的【形】计算和多机器人系统,从而从多个节点提供易于使用和可靠的流式数据。该软件包简化了生物传感器HRI集成,降低了进入的技术壁垒,并将生物传感器生态系统扩展到机器人领域。每个生物传感器包节点遵循一个通用的节点和主题结构,集中在易用性。目前的包装能力,列出的生物传感器,突出包装标准化。收集的示例数据证明了每个生物传感器完全集成到ROS 2中。我们预计,ROS2生物传感器包的标准化将大大简化许多学科的使用和交叉协作。可穿戴生物传感器包在GitHub上公开发布,网址为\https://www.example.com。
2021-10-08 cs.HC cs.RO
RoSHI: A Versatile Robot-oriented Suit for Human Data In-the-Wild
Department of Electrical and Systems Engineering, University of Pennsylvania(宾夕法尼亚大学电气与系统工程系)
RoSHI结合低成本稀疏IMU与Project Aria眼镜,实现从第一人称感知中估计完整3D姿态和身体形状,用于真实世界机器人学习。
2026-04-08 cs.AI cs.CV cs.RO
A Proposed Set of Communicative Gestures for Human Robot Interaction and an RGB Image-based Gesture Recognizer Implemented in ROS
Monash University(莫纳什大学)
我们提出了一套沟通的手势,并开发了一个手势识别系统,旨在促进更直观的人机交互(HRI)通过手势。首先,我们提出了一组通常用于人机交互的命令。接下来,进行了一项有190名参与者的在线用户研究,以调查在没有指导或培训的情况下,人们是否有一组商定的手势,可以直观地将给定的命令传达给机器人。由于我们发现参与者之间的手势存在很大的差异,因此我们提出了一组手势,用于建议的命令,作为机器人交互的共同基础。我们收集了约7500个手势的视频演示,并训练了手势识别模型,采用3D卷积神经网络(CNN)作为分类器,最终准确率为84.1%(sigma=2.4)。所得到的模型能够用相对少量的训练数据成功地训练。我们将手势识别模型集成到ROS框架中,并报告演示用例的详细信息,其中一个人命令机器人使用建议的集合执行拾取和放置任务。这种集成的ROS手势识别系统可供使用,并旨在根据机器人模型和用例场景进行新的适应,以适应新的用户应用。
2021-09-21 cs.RO
Sparse 3D Perception for Rose Harvesting Robots: A Two-Stage Approach Bridging Simulation and Real-World Applications
School of Computer Engineering, Iran University of Science and Technology(伊朗科学技术大学计算机工程学院);George Mason University Department of Computer Science(乔治·梅奥大学计算机科学系)
针对玫瑰采摘机器人,提出两阶段稀疏3D感知流程,结合2D检测与轻量级深度估计,利用Blender合成数据弥合领域差距,实现高精度且高效的定位。
2025-07-28 cs.AI cs.CV cs.RO
ROS-PyBullet Interface: A Framework for Reliable Contact Simulation and Human-Robot Interaction
King’s College London(伦敦国王学院);Honda Research Institute(本田研究院);The University of Edinburgh(爱丁堡大学);Harbin Institute of Technology(哈尔滨工业大学)
本文提出 ROS-PyBullet 接口框架,连接可靠接触仿真器 PyBullet 与机器人操作系统,并提供人机交互工具,通过用例展示其能力,代码开源。
2022-10-13 cs.LG cs.RO
Integrated hybrid edge-cloud architecture for multi-robot and human-robot collaboration using ROS 2-MQTT-FIWARE in Mediterranean Greenhouses
Department of Informatics, CIESOL, ceiA3, Universidad de Almería(阿尔梅里亚大学信息学系,CIESOL,ceiA3);Department of Engineering, CIESOL, ceiA3, Universidad de Almería(阿尔梅里亚大学工程系,CIESOL,ceiA3)
提出一种基于MQTT和FIWARE的云混合架构,桥接ROS 2边缘计算与iVeg决策支持系统,解决地中海温室通信约束下的多机器人协同问题,验证了在恶劣网络条件下保持连接和数据完整性的能力。
2026-11-10 cs.RO
Modular Customizable ROS-Based Framework for Rapid Development of Social Robots
Intelligent Systems Research Center, SKKU(成均馆大学智能系统研究中心)
提出开源框架SROS,通过模块化分层架构集成ROS、Web和Android,实现感知与交互技能的即插即用部署,支持社交机器人的快速原型开发与跨域同步交互。
2023-11-27 cs.RO cs.SE cs.SY
Causal Robot Communication Inspired by Observational Learning Insights
Colorado School of Mines(科罗拉多矿业学院);George Mason University(乔治梅森大学);University of Massachusetts Lowell(马萨诸塞大学洛厄尔分校)
自主机器人必须交流他们的决定,以获得信任和接受。当这样做时,机器人必须确定哪些行为是因果关系,即,直接导致预期结果,因此这些行为可以包含在解释中。在心理学的行为学习中,这种在动作序列中的推理在模仿学习的背景下得到了广泛的研究。然而,这些技术和经验见解很少应用于人机交互(HRI)。在这项工作中,我们讨论了机器人意图通信的行为学习见解的相关性,并提出了这些见解的第一个应用程序的机器人,以有效地传达其意图,有选择地解释在一个动作序列的因果动作。
2022-03-17 cs.AI cs.HC cs.RO
ROSBag MCP Server: Analyzing Robot Data with LLMs for Agentic Embodied AI Applications
Institute of Computer Science, Zurich University of Applied Sciences(苏黎世应用科学大学计算机科学研究所);Department of Computing, University of Turku(图尔库大学计算系);Centre for Artificial Intelligence, Zurich University of Applied Sciences(苏黎世应用科学大学人工智能中心)
本文提出一个 ROSBag MCP 服务器,使 LLM/VLM 能通过自然语言分析 ROS/ROS 2 机器人数据,并通过基准测试揭示不同模型在工具调用能力上的显著差异。
2025-11-05 cs.AI cs.RO cs.SE
Integrating Quantized LLMs into Robotics Systems as Edge AI to Leverage their Natural Language Processing Capabilities
University of León(莱昂大学)
本文提出工具llama_ros,依托llama.cpp和ROS 2将量化大语言模型作为边缘AI集成到资源受限的机器人系统中,提升机器人的自然语言交互与决策能力,并介绍了相关用例。
2025-06-11 cs.RO
ROS for Human-Robot Interaction
University of the West of England(西英格兰大学)
将实时、复杂的社会信号处理集成到机器人系统中--特别是在现实世界中的多方交互情况下--是人机交互(HRI)社区中许多人面临的挑战。由于缺乏任何标准的人类代表模型,这将促进社会感知组件和管道的开发和互操作性,这一困难更加复杂。我们在本文中介绍了一套公约和标准接口的HRI方案,旨在与机器人操作系统(ROS)使用。它的直接目的是促进许多与人权倡议有关的软件工具之间核心功能的互操作性和可重复使用性,从骨架跟踪到人脸识别,再到自然语言处理。重要的是,这些接口被设计为与广泛的HRI应用相关,从高层次的人群模拟,到群体层次的社交互动建模,再到人体运动学的详细建模。我们通过提供一个参考管道实现来演示这些接口,该参考管道实现被打包成便于社区下载和评估。
2020-12-27 cs.HC cs.RO
Implementing a Robot Intrusion Prevention System (RIPS) for ROS 2
Universidad Rey Juan Carlos(胡安卡洛斯国王大学);EIF
本文针对自主机器人系统面临的安全威胁,基于 ROS 2 设计并实现了机器人入侵防御系统 RIPS,提出专用规则语言和威胁模型,并通过真实社交机器人实验验证了其有效性。
2024-12-26 cs.CR cs.RO
ARviz -- An Augmented Reality-enabled Visualization Platform for ROS Applications
Monash University(莫纳什大学)
当前的机器人界面,如用于任务可视化和交互的示教器和2D屏幕显示器,在信息流方面往往显得不直观和有限。这会影响任务效率,因为与界面交互可能会分散用户对手头任务的注意力。增强现实(AR)技术提供了在现场创建视觉上丰富的显示和直观的交互元素的能力。近年来,AR显示出实现有效人机交互的潜力。我们介绍ARviz -一个通用的,可扩展的AR可视化平台,为机器人应用程序开发的广泛使用的机器人操作系统(ROS)框架。ARviz旨在提供一个通用的可视化平台,能够在AR中显示任何ROS消息数据类型,以及一个多模式用户界面,用于通过ROS与机器人进行交互。ARviz是一个平台,包含一系列提供可视化和/或交互组件的插件。用户还可以通过实现新的插件来扩展平台,以满足他们的需求。我们提出了三个用例以及两个潜在用例,以展示ARviz平台在人机交互应用中的功能和优势。我们的ARviz平台的开放获取源代码可在https://github.com/hri-group/arviz上获得。
2021-10-29 cs.HC cs.RO
MeROS: SysML-based Metamodel for ROS-based Systems
Warsaw University of Technology(华沙理工大学)
针对机器人操作系统ROS缺乏现代化元模型的问题,本文提出基于SysML的MeROS元模型,覆盖ROS1与ROS2版本,新增概念分组功能,经实际案例验证,可借助通用SysML工具以系统工程理念开发机器人控制器。
2023-08-25 cs.RO cs.SE
A ROS2 based communication architecture for control in collaborative and intelligent automation systems
Chalmers University of Technology(查尔姆斯理工大学);Volvo Group Trucks Operations(沃尔沃集团卡车运营公司)
协作机器人正在成为现代工业智能自动化系统的一部分。这些系统的开发和控制不同于传统的自动化方法,因此带来了新的挑战。值得庆幸的是,机器人操作系统(ROS)提供了一个通信平台和各种各样的工具和实用程序,可以帮助开发。然而,由于分布式设置中的通信问题,很难在大型自动化系统中使用ROS,因此开发了ROS2。在本文中,一个基于ROS2的通信体系结构的协同和智能自动化系统的工业用例一起。
2019-05-23 cs.RO
An Introduction to Causal Inference Methods for Observational Human-Robot Interaction Research
Johns Hopkins University(约翰斯·霍普金斯大学)
本文面向人机交互研究,提出用因果推断方法分析无法进行随机对照实验的观测数据,并通过图模型教程和代码示例帮助研究者掌握相关技术。
2023-10-31 cs.RO
COBRA-PPM: A Causal Bayesian Reasoning Architecture Using Probabilistic Programming for Robot Manipulation Under Uncertainty
Oxford Robotics Institute, Dept. Engineering Science, University of Oxford, UK(牛津大学机器人研究所);Microsoft Research, Redmond, WA, USA(微软研究院);Bristol Robotics Laboratory, School of Engineering, University of the West of England, Bristol, UK(布里斯托尔机器人实验室)
本文提出 COBRA-PPM 因果贝叶斯推理架构,融合因果贝叶斯网络与概率编程进行干预推理,在积木堆叠及家用机器人 sim2real 中实现高预测与任务成功率。
2025-08-29 cs.AI cs.LG cs.RO
Exploring Causality for HRI: A Case Study on Robotic Mental Well-being Coaching
University of Cambridge(剑桥大学);Politecnico di Milano(米兰理工大学);Indian Institute of Technology Madras(马德拉斯印度理工学院);Bogazici University(博阿齐奇大学)
本文以工作场所中为期四周的自适应机器人心理健康辅导为案例,采用宏观与微观因果分析,探究机器人依据面部效价、言语时长等多模态行为进行自适应对提升幸福感的作用。
2025-03-04 cs.AI cs.CY cs.HC
Working Paper: Active Causal Structure Learning with Latent Variables: Towards Learning to Detour in Autonomous Robots
Computer Engineering Department, Universidad Autónoma de Madrid(马德里自治大学计算机工程系)
本文提出通过带有潜在变量的主动因果结构学习(ACSLWL)使自主机器人能主动构建因果模型,以应对环境变化,通过学习绕道行为提升效率。
2026-03-26 cs.AI cs.LG
ROSoClingo: A ROS package for ASP-based robot control
University of Potsdam(波茨坦大学);University of New South Wales(新南威尔士大学)
知识表示和推理能力是至关重要的认知机器人技术,因为它们提供了更高层次的认知功能的推理行动,环境,目标,感知等,虽然答案集编程(ASP)是非常适合这样的功能建模,有到目前为止没有无缝的方式使用ASP在机器人环境。我们解决这个缺点,并展示了如何利用最近开发的反应ASP系统提供适当的推理能力的机器人系统内。更准确地说,我们提供了一个集成了响应式ASP求解器oClingo与流行的开源机器人中间件ROS的包。由此产生的系统,ROSoClingo,提供了一个通用的方式,通过该ASP程序可以用来控制机器人的行为,并响应机器人的行动的结果。
2013-07-28 cs.AI cs.RO
ROSGPT_Vision: Commanding Robots Using Only Language Models' Prompts
Prince Sultan University(苏丹王子大学)
提出提示机器人模态(PRM)设计模式,构建ROSGPT_Vision框架,仅用视觉和LLM两个提示词操控机器人,开发CarMate监控驾驶员分心,降低开发成本,优化提示策略提升质量并开源框架。
2023-08-23 cs.AI cs.RO
ROS2Learn: a reinforcement learning framework for ROS 2
Acutronic Robotics(Acutronic机器人技术公司)
我们提出了一个新的框架,深度强化学习(DRL)模块化机器人训练机器人直接从关节状态,使用传统的机器人工具。我们使用一个国家的最先进的实现的近端策略优化,信任域策略优化和Actor-Critic Kronecker因子的信任域算法学习政策,在四个不同的模块化关节机械臂(MARA)环境。我们使用与机器人中使用的典型工具(如Gazebo和Robot操作系统2(ROS 2))通信的框架来支持此过程。我们评估了几种算法在模块化机器人与仿真的实证研究。
2019-03-18 cs.AI cs.LG cs.RO
Message Flow Analysis with Complex Causal Links for Distributed ROS 2 Systems
Polytechnique Montréal(蒙特利尔综合理工学院)
分布式机器人系统在很大程度上依赖于网络订阅通信范式和支持它的中间件框架,如机器人操作系统(ROS),以有效地实现模块化计算图。ROS2执行器是一个处理ROS2消息的高级任务调度器,它是一个性能瓶颈。我们扩展了ros2_tracing,一个框架与仪器和工具的实时跟踪的ROS 2,跨分布式ROS 2系统的消息流的分析和可视化。我们的方法检测输入和输出消息之间的一对多和多对多的因果联系,包括通过简单的用户级注释的间接因果联系。我们验证我们的方法在合成和真实的机器人系统,并证明其低运行时开销。此外,可以进一步利用底层中间执行表示数据库来提取附加度量和高级结果。这可以为进一步研究和改进ROS 2执行器以及优化任何ROS 2系统提供有价值的时间和调度信息。源代码可在https://github.com/christophebedard/ros2-message-flow-analysis上获得。
2023-01-02 cs.RO
HyperDog: An Open-Source Quadruped Robot Platform Based on ROS2 and micro-ROS
Skoltech(斯科尔科沃科学技术研究院)
四足步行机器人的设计与开发是目前一个十分活跃的科研领域。事实上,与其他移动机器人相比,足式机器人由于其适应恶劣地形和各种环境条件的能力而变得流行。随着人们对足式机器人实验的需求越来越高,越来越多的研究者和工程师需要一种经济、快速的运动算法开发方法。在本文中,我们提出了一种新的开源四足机器人HyperDog平台,它具有12个RC伺服电机,板载NVIDIA Jetson纳米计算机和STM32 F4 Discovery板。HyperDog是一个用于四足机器人软件开发的开源平台,它基于Robot操作系统2(ROS 2)和micro-ROS。此外,HyperDog是一种完全由3D打印部件和碳纤维制成的四足机器狗,这使得机器人具有较轻的重量和良好的强度。这项工作的想法是展示一个负担得起的和可定制的机器人开发方式,并提供研究和工程师与足式机器人平台,在不同的算法可以在仿真和真实环境中进行测试和验证。已开发的项目和代码可在GitHub(https://github.com/NDHANA94/hyperdog_ros2)上获得。
2022-09-19 cs.RO
Towards a distributed and real-time framework for robots: Evaluation of ROS 2.0 communications for real-time robotic applications
Erle Robotics S.L.(Erle机器人有限公司)
在这项工作中,我们提出了一个实验装置,以显示适合的ROS 2.0的实时的【形】机器人应用。我们公开了在Linux之上的机器人组件间(硬件)通信案例中ROS 2.0通信的评估。我们基准测试和研究最坏情况下的延迟和错过的最后期限,表征ROS 2.0通信的实时的【形】应用程序。我们通过实验演示了计算和网络拥塞如何影响通信延迟,并最终提出了一种设置,在一定条件下,减轻这些延迟并获得有界流量。
2018-09-07 cs.RO
FogROS2-SGC: A ROS2 Cloud Robotics Platform for Secure Global Connectivity
University of California, Berkeley(加州大学伯克利分校);Carnegie Mellon University(卡内基梅隆大学)
FogROS2-SGC扩展了ROS2云机器人平台,通过全局唯一标识符安全高效地连接跨地域、网络和DDS的机器人系统,无需代码修改且比rosbridge快19倍。
2023-06-29 cs.RO
The Bridge between Xsens Motion-Capture and Robot Operating System (ROS): Enabling Robots with Online 3D Human Motion Tracking
Istituto Italiano di Tecnologia(意大利技术研究院)
本文提出将 Xsens 惯性动作捕捉系统的 3D 运动学数据转换为 ROS 消息并生成 URDF 模型,通过发布 xsens_mvn_ros 软件包,实现了机器人在 RViz 中对在线 3D 人体运动的追踪与可视化。
2023-06-30 cs.RO
Aplicação de ros como ferramenta de ensino a robótica / using ros as a robotics teaching tool
Universidade de Fortaleza (UNIFOR)(福塔莱萨大学)
机器人操作器的研究是工业机器人课程的主要目标,是控制工程师培训课程的一部分。由于特定教育设备的高成本,在准备机器人领域的学术实践和项目方面存在困难。实践课和项目开发是工程师培养的重要环节,提出利用仿真软件为工程师提供实践经验。在这种情况下,本文章的目的是揭露使用的机器人操作系统(ROS)作为一种工具来开发一个机器人手臂,并实现正向和逆运动学的功能。这种发展可以作为一种教育工具,以提高学生对机器人学科的兴趣和学习,并扩大该学科的研究领域。
2022-03-31 cs.CL cs.RO
Extending the OpenAI Gym for robotics: a toolkit for reinforcement learning using ROS and Gazebo
Erle Robotics
本文介绍了使用机器人操作系统(ROS)和Gazebo模拟器对OpenAI Gym进行机器人扩展。内容讨论的软件架构建议和使用两个强化学习技术:Q-学习和Sarsa获得的结果。最终,这项工作的输出提出了一个机器人基准测试系统,允许使用相同的虚拟条件比较不同的技术和算法。
2017-02-07 cs.RO
ROS-Mobile: An Android application for the Robot Operating System
University of Luebeck(吕贝克大学)
控制和监控复杂的自主和半自主机器人系统是一项具有挑战性的任务。Robot操作系统(ROS)是作为一个运行在Ubuntu Linux上的机器人中间件系统而开发的,它允许硬件抽象、各个进程之间的消息传递和包管理。然而,缺少对移动设备(如智能手机或平板电脑)的ROS应用程序的主动支持。我们为Android开发了一个ROS应用程序,它带有一个直观的用户界面,用于控制和监控机器人系统。我们的开源贡献可以用于各种各样的任务和许多不同类型的机器人。此外,它可以很容易地定制和添加新功能。在本文中,我们给出了一个大纲的软件架构,主要功能,并显示了一些可能的用例在不同的移动机器人系统。
2020-11-05 cs.RO
From the Desks of ROS Maintainers: A Survey of Modern & Capable Mobile Robotics Algorithms in the Robot Operating System 2
Samsung Research(三星研究院);Locus Robotics(Locus机器人公司);Metro Robots(Metro机器人公司);Cobalt Robotics(Cobalt机器人公司)
本文由核心 ROS Navigation 维护者撰写,全面回顾并分析了 ROS 2 中最先进的机器人导航算法与系统,涵盖新框架、方法对比及专家见解,并对该生态系统的未来发展进行了展望。
2023-07-31 cs.RO
ROS Based Visual Programming Tool for Mobile Robot Education and Applications
Inovasyon Muhendislik Ltd. Sti.(伊诺瓦逊工程有限公司)
可视化程序设计语言(VPL)提供无需键入文本的编码。VPL通过自动添加一些常用的代码结构,使程序员更容易编写代码。编码初学者通常有两个主要挑战:将想法转换为逻辑表达式和语法错误。VPL不可能出现重复错误,因为没有忘记的括号和括号。VPL为程序员提供了专注于算法的工具。VPL是教育机器人环境的新趋势。在这项研究中,机器人操作系统(ROS)兼容的基于Web的可视化编程系统已经开发的evarobot。ROS提供库和工具来帮助软件开发人员创建机器人应用程序。它提供硬件抽象、设备驱动程序、库、可视化工具、消息传递、包管理等。Blockly已被用作研究的VPL,并用于生成/使用模块(通信、传感等)。在该系统中,服务器端和客户端之间的通信由rosbridge软件包提供支持。连接到ROS的Web页面,它使用roslibjs库在服务器上运行。Rosbridge为非ROS程序提供了一个JSON API到ROS功能。
2020-11-27 cs.RO
ROS-NetSim: A Framework for the Integration of Robotic and Network Simulators
University of Pennsylvania(宾夕法尼亚大学);Massachusetts Institute of Technology(麻省理工学院);Tampere University(坦佩雷大学);U.S. Army Research Laboratory(美国陆军研究实验室)
多智能体系统在现代机器人技术中扮演着重要的角色。由于这些系统的性质,代理之间通过通信的协调是经常必要的。事实上,感知-动作-通信(PAC)回路,或在通信信道上闭合的感知-动作回路,是多机器人系统的关键组成部分。然而,我们缺乏适当的工具来模拟PAC循环。为此,在本文中,我们介绍了ROS-NetSim,一个ROS包,作为机器人和网络模拟器之间的接口。使用ROS-NetSim,我们可以通过精确模拟PAC循环来获得机器人和网络交互的高保真表示。我们提出的方法是轻量级的,模块化和自适应。此外,它可以使用许多可用的网络和物理模拟器,通过使用我们提出的接口。总而言之,ROS-NetSim(i)对ROS目标应用程序是透明的,(ii)对所使用的特定网络和物理模拟器是不可知的,(iii)在保真度和复杂性方面是可调的。作为我们贡献的一部分,我们向社区提供了ROS-NetSim的开源实现。
2021-01-25 cs.RO
fpgaDDS: An Intra-FPGA Data Distribution Service for ROS 2 Robotics Applications
Paderborn University(帕德博恩大学)
用于机器人应用的现代计算平台包括一组异构元件,例如,多核CPU、嵌入式GPU和FPGA。FPGA是可重新编程的硬件设备,可以快速和节能地计算机器人中的许多相关任务。ROS是机器人的事实上的编程标准,它将应用程序分解为一组通信节点。ReconROS是以前的一种方法,可以将完整的ROS节点映射到硬件中进行加速。由于ReconROS依赖于标准的ROS通信层,因此在硬件映射节点之间交换数据可能会导致性能瓶颈。本文介绍了fpgaDDS,一个精益的数据分布服务的硬件映射的ROS 2节点。fpgaDDS依赖于定制的和静态生成的基于流的通信架构。我们详细介绍了这种通信架构及其组件,并概述了它的好处。我们评估fpgaDDS的测试示例和一个更大的自动驾驶汽车的案例研究。与软件中的ROS 2应用程序相比,我们实现了高达13.34的加速比,并将抖动降低了两个数量级。
2023-03-01 cs.RO
ROS2swarm - A ROS 2 Package for Swarm Robot Behaviors
Institute of Computer Engineering, University of Lübeck(吕贝克大学计算机工程学院);Institute of Robotics, University of Lübeck(吕贝克大学机器人学院)
针对群体机器人软件开发难、硬件平台多样且依赖机器人间通信的问题,本文提出 ROS 2 软件包 ROS2swarm,提供可直接使用的群体行为原语库,并在三种机器人平台上验证其可维护性与可扩展性。
2024-05-03 cs.MA cs.RO
ReconROS Executor: Event-Driven Programming of FPGA-accelerated ROS 2 Applications
Paderborn University(帕德博恩大学)
机器人领域的许多应用都可以从FPGA加速中受益。相应的关键问题是如何将硬件加速器集成到以软件为中心的机器人编程环境中。最近,有几种方法已经证明了机器人操作系统(ROS),在机器人技术中占主导地位的编程环境的硬件加速。ROS是一个中间件层,其特点是将复杂的机器人应用程序组成为一组节点,这些节点通过发布/订阅等机制进行通信,并将它们分布在多个计算平台上。在本文中,我们提出了一种新的方法,基于事件的编程的机器人应用程序,利用ReconROS,灵活映射ROS 2节点的框架,无论是软件或可重构硬件。ReconROS执行器调度ROS 2节点的回调,并利用可重新配置的插槽模型和部分运行时重新配置来按需加载基于硬件的回调。我们描述了ReconROS执行器的方法,给出设计实例,并通过实验评估其功能的例子。
2022-01-19 cs.RO
Motion Generation Interface of ROS to PODO Software Framework for Wheeled Huamanoid Robot
Korea Advanced Institute of Science and Technology(韩国科学技术院)
本文讨论了实时软件体系结构和非实时机器人操作系统之间的机器人运动生成接口的开发。为了使机器人执行智能操作或导航,需要高层感知和底层控制的紧密结合。然而,许多可用的开源感知模块都是在ROS中开发的,ROS在Linux操作系统上运行,不能保证RT性能。这可能会导致不确定性的响应和稳定性问题,可能会对机器人控制产生不利影响。因此,许多机器人系统将RTOS用于低级运动控制。同样,KAIST开发的人形机器人平台Hubo使用了一个名为PODO的定制实时软件框架。虽然PODO为运动生成提供了简单的接口,但它缺乏与ROS等高级框架的接口。因此,我们提出了一个新的运动生成ROS和PODO之间的接口,使用户能够生成运动轨迹,通过标准的ROS消息,同时利用实时运动控制器。与建议的通信接口,我们展示了一系列的机械手任务的实际轮式人形平台,M-胡博。整体通信接口响应最多为27毫秒。
2020-01-02 cs.RO
Plantbot: A New ROS-based Robot Platform for Fast Building and Developing
Harbin Institute of Technology(哈尔滨工业大学);Tongji University(同济大学)
近年来,机器人操作系统(Robot Operating System,ROS)发展迅速,以其灵活、开源、广泛等优点在机器人研究中得到了广泛的应用。在科学研究中,相应的硬件平台是实验不可缺少的。在移动机器人领域,PR2,Turtlebot 2和Fetch通常被用作研究平台。尽管这些平台功能齐全且应用广泛,但它们昂贵且体积庞大。\u 2019更重要的是,这些机器人不容易根据要求重新设计和扩展。为了克服这些限制,我们提出了Plantbot,这是一种易于构建的低成本机器人平台,可以根据需求重新设计和扩展。它不仅可以应用于快速算法验证,还可以应用于简单的工厂检查和ROS教学。本文从硬件设计、运动学、控制方法等几个方面介绍了该机器人平台。最后在机器人平台上进行了SLAM和导航两个实验。这个平台的源代码是可用的。
2018-04-08 cs.RO
ROSER: Few-Shot Robotic Sequence Retrieval for Scalable Robot Learning
University of Nevada, Las Vegas(内华达大学拉斯维加斯分校);University of Toronto(多伦多大学);LatentWorlds AI
ROSER通过少样本检索框架有效解决机器人序列数据稀缺问题,提升机器人学习的数据可用性。
2026-03-05 cs.RO
ROS Rescue : Fault Tolerance System for Robot Operating System
Northeastern University(东北大学)
在本章中,我们将讨论ROS1.0中的主机故障问题及其对现实世界中机器人部署的影响。我们在本教程章节中解决这个问题,我们概述,设计和演示与ROS主故障相关的容错机制。与以前使用主备份复制和外部检查点库的解决方案不同,我们的机制为ROS主机添加了一个轻量级的功能,使其能够从故障中恢复。我们提出了一个修改版本的ROS主,它配备了日志机制,记录Meta信息和网络状态的ROS节点,以及恢复机制,回到以前的状态,而不必中止或重新启动所有的节点。我们还实现了一个额外的主监视器节点,通过轮询其可用性来负责主设备上的故障检测。我们的代码是用python实现的,初步测试在各种陆地,空中和水下机器人以及在Ubuntu 16.04上运行ROS Kinetic的远程操作计算机上成功进行。该代码在github上的creative commons许可下公开发布,网址为https://github.com/PushyamiKaveti/fault-tolerant-ros-master
2019-10-02 cs.RO