Autonomy and Safety Assurance in the Early Development of Robotics and Autonomous Systems
The University of Manchester(曼彻斯特大学);Amentum(安曼顿公司)
本报告概述了CRADLE举办的机器人自主性与安全保证研讨会,通过多领域监管机构与产学代表的研讨,明确了自主巡检机器人安全保证的挑战、证据需求及保证案例差异,并倡导采用“为保证而设计”流程以满足监管期望。
2025-01-30 cs.AI cs.RO
Autonomous Robotic Swarms: A Corroborative Approach for Verification and Validation
University of Bristol(布里斯托尔大学);The University of Manchester(曼彻斯特大学)
针对自主机器人集群涌现行为的安全保证难题,提出一种结合宏观形式化建模、低保真与高保真仿真及真实机器人实验的印证式验证与确认方法,以增强证据可信度。
2025-02-28 cs.AI cs.RO
Simultaneous Control and Trajectory Estimation for Collision Avoidance of Autonomous Robotic Spacecraft Systems
Georgia Institute of Technology(佐治亚理工学院)
我们提出了因子图优化的同时规划,控制和轨迹估计的无碰撞导航的自主系统在移动物体的环境中。提出的在线概率运动规划和轨迹估计导航技术生成最佳的无碰撞状态和控制轨迹的自主车辆时,障碍物运动模型是未知的和已知的。我们评估该算法的实用性,以支持未来的自主机器人空间任务。
2022-04-28 cs.RO
A Multi-task Convolutional Neural Network for Autonomous Robotic Grasping in Object Stacking Scenes
机器人自主抓取在智能机器人技术中占有重要地位。然而,如何帮助机器人在物体堆叠场景中抓取特定物体仍然是一个悬而未决的问题,因为对于自主机器人来说,存在两个主要挑战:(1)知道抓取什么以及如何抓取是一项综合任务;(2)难以处理目标被其他物体隐藏或覆盖的情况。本文提出了一种用于机器人自主抓取的多任务卷积神经网络,它可以帮助机器人在物体堆叠场景中发现目标,制定抓取计划,并最终逐步抓取目标。我们将基于视觉的机器人抓取检测和视觉操作关系推理集成在一个深度网络中,构建了自主机器人抓取系统。实验结果表明,Baxter机器人在物体杂乱场景、熟悉堆垛场景和复杂堆垛场景中的自主抓取成功率分别为90.6%、71.9%和59.4%。
2019-03-02 cs.RO
Learning Autonomous Ultrasound via Latent Task Representation and Robotic Skills Adaptation
Wuhan University(武汉大学);Hospital of Wuhan University(武汉大学医院)
本文提出潜在任务表示与机器人技能自适应方法,通过自监督概率模型融合多模态超声技能,实现自主超声检查并适应不同患者,实验验证其性能显著优于先前方法。
2023-07-25 cs.AI cs.RO
Technical Development of a Semi-Autonomous Robotic Partition
KU Leuven(鲁汶大学);Research[x]Design
本文详述了半自主机器人隔断的设计与工程过程,该原型随后被用于真实办公环境中的长期野外评估研究。
2024-03-25 cs.HC cs.RO
Symbiotic System of Systems Design for Safe and Resilient Autonomous Robotics in Offshore Wind Farms
Heriot-Watt University(赫瑞-瓦特大学);CWI, Centre for Mathematics and Computer Science(数学与计算机科学中心);Delft University of Technology(代尔夫特理工大学)
为了降低海上风电场的运营和维护(O&M)成本,其中80%的O&M成本与部署人员有关,海上风电行业寻求机器人和人工智能(RAI)解决方案。超视距(BVLOS)机器人的障碍包括操作安全合规性和弹性,抑制了离岸自主服务的商业化。为了解决安全和弹性的挑战,我们提出了一个共生系统的系统方法(SSOSA),反映了生命周期的学习和共同进化与知识共享的机器人平台和远程人类操作员的共同利益。我们的新方法能够在自主任务期间对安全性,可靠性和弹性进行运行时验证。为了实现这一目标,开发了一个共生数字架构(SDA),以同步机器人,环境,基础设施的数字模型,并集成前端分析和双向通信,以实现自主自适应任务规划和向远程操作员报告情况。一个可靠性本体的部署机器人,基于我们的整体层次关系模型,支持计算效率的平台数据分析。我们通过决策过程和相关结构,通过合作,协作和确证(C3)治理(内部和外部共生)在有限空间内演示资产检查任务。我们创建了一个超启用的人机交互功能,以分析任务状态,诊断机器人内的关键子系统,为我们的AI驱动的运行时可靠性本体提供自动更新。这使得故障能够转化为故障模式,以便在任务期间做出决策。
2021-07-22 cs.AI cs.RO
CT-SAFR: Safe and Interpretable Chain-of-Thought Reasoning for Autonomous Robots: A Multi-Layered Verification Framework for Trustworthy AI-Driven Robotic Decision Making
Hezarfen LLC(赫扎芬有限责任公司);Grand Canyon University(大峡谷大学)
提出CT-SAFR多层验证框架,通过思维链推理检测与过滤,实现94.2%幻觉检测率和87%不安全输出减少,保障自主机器人决策的安全性与可解释性。
2026-09-10 cs.AI cs.RO
Enabling Commercial Autonomous Space Robotic Explorers
与载人任务相比,自主机器人在空间探测任务中的应用减少了探测任务的安全问题,同时延长了探测距离,因为机器人任务不需要返回运输。此外,在这些任务中使用机器人也降低了任务的复杂性和成本,因为不需要机载生命支持系统:机器人可以承受并在人类无法生存的恶劣条件下工作,例如极端温度,压力和辐射。在这篇文章中,我们将介绍火星上的环境,回顾现有的自动驾驶技术部署在地球上,以及探索所需的技术,使未来的商业自主太空机器人探险家。最后但并非最不重要的是,我们还提出了自主空间探索者面临的紧迫技术挑战之一,即机载计算能力。
2019-08-12 cs.RO
Formal Specification and Verification of Autonomous Robotic Systems: A Survey
University of Liverpool(利物浦大学)
本文针对自主机器人系统形式化规约与验证缺乏最新综述的问题,系统梳理了该领域的挑战、形式化体系及验证方法,填补了相关研究概述的空白。
2019-05-01 cs.FL cs.RO
Human-Centered AI and Autonomy in Robotics: Insights from a Bibliometric Study
Department of Information Engineering, University of Pisa(信息工程系,比萨大学)
本文通过文献计量分析Scopus数据库中智能自主机器人系统的相关研究,探讨HCAI原则对人机协作的增强作用,并将研究见解映射到IBM MAPE-K架构,为实际机器人系统开发提供参考。
2025-04-28 cs.AI cs.RO
Embedding Autonomous Agents in Resource-Constrained Robotic Platforms
Institut für Datentechnik und Kommunikationsnetze, TU Braunschweig(数据技术与通信网络研究所, Braunschweig 技术大学)
本研究在资源受限的机器人平台上嵌入自主代理,通过AgentSpeak编程实现迷宫探索,展示高效推理过程适用于实时自主操作。
2026-01-07 cs.AI cs.RO
A Real-Time Neuro-Symbolic Ethical Governor for Safe Decision Control in Autonomous Robotic Manipulation
本文提出一种实时神经符号伦理控制器,通过整合伦理推理与风险评估机制,提升自主机器人操作中的安全决策能力,实验验证了其在不同人类接近度和操作风险下的有效性。
2026-03-15 cs.AI cs.LG cs.RO
Reachability Verification Based Reliability Assessment for Deep Reinforcement Learning Controlled Robotics and Autonomous Systems
University of Liverpool(利物浦大学);University of Warwick(华威大学);Imperial College London(帝国理工学院)
针对深度强化学习控制的机器人与自主系统存在虚假不安全策略的问题,提出基于可达性验证的两级定量可靠性评估框架,经真实系统实验验证了有效性。
2024-01-29 cs.AI cs.RO
Autonomous Aerial Robotic Surveying and Mapping with Application to Construction Operations
University of Nevada, Reno(内华达大学雷诺分校)
在本文中,我们提出了一个概述的方法和系统,产生一个飞行机器人系统能够自主检查,测量,全面的多模式映射和库存跟踪的建筑工地具有高度的系统性。机器人系统可以在假设没有环境的先验知识或通过集成环境的先验模型的情况下操作。在第一种情况下,提供自主探索,其返回与颜色和热视觉信息相关联的高保真度$3\textrm{D}$图。在第二种情况下,可以使用结构的先验模型来提供优化的和重复的覆盖路径。机器人自动提供其映射结果,同时能够检测和定位感兴趣的对象,从而支持库存跟踪任务。该系统已在一系列环境中进行了现场验证,并在一个与公共住房有关的建设项目中进行了测试。
2020-05-09 cs.RO
Autonomous Robotic Drilling System for Mice Cranial Window Creation
Department of Mechanical Engineering, Graduate School of Engineering, The University of Tokyo(东京大学工学部机械工程系);School of Biomedical Engineering, Tsinghua University(清华大学生物医学工程学院);Graduate School of Medicine, the University of Tokyo(东京大学医学系);Department of Electrical and Electronic Engineering, the University of Manchester(曼彻斯特大学电子与电气工程系);Center for Disease Biology and Integrative Medicine, Graduate School of Medicine, The University of Tokyo(东京大学医学系疾病生物学与整合医学中心)
本文提出一种无需离线规划的全自主机器人钻孔系统,结合图像与力信息识别钻孔完成程度,用于小鼠颅窗创建,在离体小鼠实验中达到70%成功率和9.3分钟平均钻孔时间。
2025-11-05 cs.AI cs.RO
A Quantitative Autonomy Quantification Framework for Fully Autonomous Robotic Systems
University of Siegen(锡根大学)
针对现有自主性量化方法无法区分子模式特征、部分指标违背古德哈特定律的问题,本文提出基于任务需求的全自主机器人定量评估框架,推导三项指标并拆分自主水平与程度,经两案例验证可用于量化、监管及在线系统完整性监控。
2024-04-10 cs.AI cs.RO
Autonomous Robotic Drilling System for Mice Cranial Window Creation: An Evaluation with an Egg Model
the University of Tokyo(东京大学)
针对生命科学实验样本个体差异大、难以预编程机器人轨迹的问题,提出含轨迹规划与图像识别的自主钻孔方法,用鸡蛋模拟小鼠颅骨实验,20次试验成功率达80%。
2023-09-20 cs.AI cs.RO
HPRM: High-Performance Robotic Middleware for Intelligent Autonomous Systems
本文提出基于 Lingua Franca 的高性能机器人中间件 HPRM,通过零拷贝、自适应序列化和实时套接字等优化,显著降低多节点大消息通信延迟并保证确定性。
2024-12-02 cs.AI cs.DC cs.RO
Toward Autonomous Soft Robotic Endovascular Navigation via Imitation Learning
Johns Hopkins University(约翰霍普金斯大学);Stanford University(斯坦福大学);McGill University(麦吉尔大学);University of Maryland(马里兰大学);Swiss Federal Institute of Technology in Lausanne (EPFL)(日内瓦联邦理工学院(EPFL));ETH Zurich(苏黎世联邦理工学院)
研究旨在实现自主软机器人血管内导航,开发基于变压器的模仿学习框架,通过目标条件等实现通用导航,在多种几何结构上训练并评估,策略成功率高,还进行了相关研究及扩展,提升了在未见几何结构上的成功率。
2026-07-14 cs.AI cs.RO
CraterGrader: Autonomous Robotic Terrain Manipulation for Lunar Site Preparation and Earthmoving
Carnegie Mellon University(卡内基梅隆大学)
针对月球基础设施建设需求,提出自主土方系统CraterGrader,通过在线感知、优化规划和无GPS定位等技术操作未知浮土,在类月球环境中实现卓越自主平整与分级性能,为行星场地准备提供基准。
2024-06-04 cs.RO
AWML: An Open-Source ML-based Robotics Perception Framework to Deploy for ROS-based Autonomous Driving Software
TIER IV, Inc(TIER IV公司)
本文提出开源框架AWML,为基于ROS的自动驾驶提供MLOps支持,除模型部署外还集成自动标注、半自动标注与数据挖掘的主动学习流水线。
2025-05-31 cs.RO cs.SE
Bridging Intelligence and Instinct: A New Control Paradigm for Autonomous Robots
Shanghai Hrstek Co., Ltd(上海赫斯特克有限公司)
本文提出一种分层控制范式,将大语言模型智能与机器人本能结合,以抑制幻觉并保障安全关键任务,从而提升自主机器人的安全性与通用性。
2024-04-30 cs.RO
Design, Implementation, and Cooperative Coevolution of an Autonomous/ Teleoperated Control System for a Serpentine Robotic Manipulator
GreyPilgrim Inc.(格雷朝圣者公司)
设计,实施和机器学习的问题与开发一个控制系统的蛇形机器人机械手进行了探讨。开发的控制器提供了自主控制的蛇形机器人manipulatorwithin一个封闭的环境,如地下储罐的机械手的操作过程中。控制器算法利用低级别的关节角度控制,采用力/位置反馈约束,和高级别的协调控制的末端执行器定位。这种方法导致了高水平的全机器人控制和低水平的遥控机器人控制模式,并为操作员提供了高水平的灵活性。
2007-06-07 cs.NE cs.RO
Perceptual Distortions and Autonomous Representation Learning in a Minimal Robotic System
Dedan Kimathi University of Agriculture and Technology(德丹·基马蒂农业技术大学)
本文利用配备距离传感器和罗盘的最小双轮机器人系统,研究感知扭曲的本质及其对自主表征学习的影响,发现机器人在无明确空间信息时能自主学会结构化导航表征,为具身认知和人工生命提供新见解。
2025-07-10 cs.RO
Autonomous robotic nanofabrication with reinforcement learning
Forschungszentrum Jülich(于利希研究中心);RWTH Aachen University(亚琛工业大学);Technische Universität Berlin(柏林工业大学);Max Planck Institute for Informatics(马克斯·普朗克信息学研究所);Korea University(高丽大学)
能够像处理宏观积木一样有效地处理单个分子的能力,将使自组装无法实现的复杂超分子结构的构建成为可能。阻碍这一目标的根本挑战是原子尺度构象的不受控制的可变性和差的可观测性。在这里,我们提出了一种策略来解决这两个障碍,并通过操纵单分子来展示自主机器人纳米纤维。我们的方法采用强化学习(RL),即使面对大的不确定性和稀疏的反馈,也能找到解决方案。我们通过用扫描探针显微镜从超分子结构中自动去除分子来展示我们RL方法的潜力-这是纳米级减材制造的一个示例性任务。我们的RL代理达到了出色的性能,使我们能够自动执行以前必须由人类执行的任务。我们预计,我们的工作开辟了自主代理的机器人建设的功能超分子结构的速度,精度和毅力超出了我们目前的能力。
2020-10-01 cond-mat.mes-hall cs.AI cs.LG
TRIFFID: Autonomous Robotic Aid For Increasing First Responders Efficiency
Harokopio University of Athens(雅典哈罗科皮奥大学);Hellenic Mediterranean University(希腊地中海大学);Information Technology for Market Leadership(面向市场领导力的信息技术公司);Institut de Robòtica i Informàtica Industrial, CSIC-UPC(西班牙国家研究委员会-加泰罗尼亚理工大学工业机器人与信息研究所);NTIS Research Center, University of West Bohemia(西波希米亚大学NTIS研究中心);Institute of Cognitive Sciences and Technologies, National Research Council(国家研究委员会认知科学与技术研究所);Telesto Technologies Ltd.(泰莱斯托技术有限公司)
TRIFFID系统集成无人车、无人机与AI技术,通过自主导航、语义感知和多模态融合,提升野火、洪涝和震后搜救的响应效率与安全性。
2025-02-27 cs.AI cs.RO
An Overview of Federated Learning at the Edge and Distributed Ledger Technologies for Robotic and Autonomous Systems
University of Turku(图尔库大学)
随着计算和通信解决方案的进步,自治系统变得无处不在,从而实现分布式设备的低延迟卸载和实时协作。区块链和分布式账本技术(DLT)的去中心化技术正在发挥关键作用。与此同时,深度学习(DL)的进步显著提高了机器人和自主系统的自主程度和智能水平。在这些技术革命发生的同时,对数据安全和最终用户隐私的担忧已成为不可避免的研究考虑因素。联邦学习(FL)是边缘隐私保护DL的一种有前途的解决方案,通过在孤立的数据岛上学习和仅通信模型更新,具有固有的分布式性质。然而,FL本身并不提供当今分布式自治系统标准所要求的安全性和鲁棒性水平。本调查涵盖了FL在自主机器人中的应用,分析了DLT和FL在这些系统中的作用,并介绍了当前研究中的关键背景概念和考虑因素。
2021-04-21 cs.RO
Autonomous Robotic Pepper Harvesting: Imitation Learning in Unstructured Agricultural Environments
Robotic Institute at Carnegie Mellon University(卡内基梅隆大学机器人研究所)
针对非结构化农业环境中的采摘挑战,提出一种基于300次演示训练视觉运动策略的自主胡椒采摘机器人系统,在无保护田间实现28.95%成功率,验证了模仿学习在复杂农业场景中的可行性与有效性。
2024-11-15 cs.RO
Breaking Barriers in Robotic Soft Tissue Surgery: Conditional Autonomous Intestinal Anastomosis
Johns Hopkins University(约翰斯·霍普金斯大学);Children’s National Hospital(国立儿童医院)
自主机器人手术有可能提供独立于单个外科医生技能和经验的有效性、安全性和一致性。在非结构化和可变形环境中进行自主软组织手术尤其具有挑战性,因为它需要复杂的成像、组织跟踪和手术规划技术,以及通过高度适应性的控制策略进行精确执行。在腹腔镜环境中,软组织手术更具挑战性,因为在运动和视觉限制下需要高可操作性和可重复性。我们展示了第一台机器人腹腔镜软组织手术,其自主性水平为5分之3,允许操作员在自主生成的手术计划中进行选择,同时机器人独立执行各种任务。我们还展示了第一个在体内自主机器人腹腔镜手术通过肠吻合猪模型。我们比较了开发系统、手动腹腔镜手术和机器人辅助手术(RAS)之间的标准,包括针放置校正、缝线间距、缝线咬合尺寸、完成时间、管腔通畅性和泄漏压力。离体结果表明,我们的系统在一致性和准确性方面优于专家外科医生和RAS技术,并在生猪中实现了卓越的吻合质量。这些结果表明,具有高度自主性的手术机器人有可能提高一致性,改善患者预后,并获得标准手术技术。
2021-07-02 cs.RO
RoboRAN: A Unified Robotics Framework for Reinforcement Learning-Based Autonomous Navigation
Space Robotics Research Group, SnT University of Luxembourg(锡尔特大学卢森堡大学空间机器人研究组);Georgia Tech-Europe IRL2958(佐治亚理工学院欧洲分校IRL2958);GT-CNRS, Metz, France(GT-CNRS,法国梅茨);Earth Species Project(地球物种项目)
本文提出多领域框架RoboRAN,用于训练、评估和部署基于强化学习的导航策略,支持跨海陆空多样化机器人平台,提供模块化设计、仿真到现实迁移、开源API及统一评估指标,降低了开发门槛。
2025-11-05 cs.AI cs.RO
Bio-inspired Adaptive Latching System for Towing and Guiding Power-less Floating Platforms with Autonomous Robotic Boats
MIT(麻省理工学院(MIT))
自主机器人船预计将执行几项任务:1)在水环境中自主导航,如阿姆斯特丹运河; 2)执行个人任务,如水监测,运输货物和人员; 3)锁在一起创建浮动基础设施,如桥梁和市场。在本文中,我们提出了一种新的生物启发的机器人系统锁定,牵引和引导浮动无源动力平台。挑战在于设计一种自适应锁定机构,能够在实体之间创建安全连接,易于连接/拆卸,即使船受到水扰动的影响。但最重要的是,自适应锁定必须能够限制锁定的“虚拟”平台的DoF(自由度)。因为,机器人船可能会在狭窄的水道中驾驶它,并且必须防止它漂流和撞到墙上。这种新颖的自适应闭锁机构基于球窝接头,其允许同时在两个平面中旋转和自由运动。它由两部分组成:凸形部分包括集成在浮动箱“假人”上的轴承螺柱(球),而凹形部分位于自主机器人船上。它集成了一个自适应框架漏斗,将公球引导到一个捕获球的驱动接收器中,从而在船之间创建球窝接头。从这个意义上说,自适应锁定机制模仿鱿鱼的触角,可以调整施加到保持对象的力,限制其自由度。实验结果从我们的群机器人船集成自适应闭锁系统,并执行牵引和指导用例。
2020-02-03 cs.RO
Development of An Autonomous Bridge Deck Inspection Robotic System
University of Nevada, Reno(内华达大学里诺分校);Rutgers University(罗格斯大学);Dong-A University(东亚大学)
由于美国许多桥梁的状况不佳,对老化桥梁安全的威胁已被公认为是公众关注的关键问题。目前,桥梁检查是手动进行的,并且无法有效地识别桥梁状况恶化,以便于实施适当的维护或修复程序。在本文中,我们报告了一个新的发展自主移动机器人系统的桥面检测和评估。该机器人集成了多个无损评估(NDE)传感器和导航控制算法,使其能够在桥面上准确自主地机动,以收集视觉图像并进行NDE测量。所开发的机器人系统可以减少桥面数据汇集和检测的成本和时间。为了有效地监测桥面,详细介绍了建立桥面裂缝图的裂缝检测算法。通过对机器人采集的冲击回波(IE)、超声表面波(USW)和电阻率(ER)数据进行分析,分别生成桥面的分层图、混凝土弹性模量图和腐蚀图。该机器人系统已成功部署在美国十多个不同州的众多桥梁上。
2017-04-24 cs.RO
Towards Fluorescence-Guided Autonomous Robotic Partial Nephrectomy on Novel Tissue-Mimicking Hydrogel Phantoms
Johns Hopkins University(约翰斯·霍普金斯大学);Rose-Hulman Institute of Technology(罗斯-胡尔曼理工学院)
提出一种荧光引导的自主机器人系统,结合近红外成像与点云观测,在新型水凝胶肾模型上实现外生性肿瘤的精确切除,平均边缘精度达1.44毫米。
2025-03-04 cs.RO
Robotic Sonographer: Autonomous Robotic Ultrasound using Domain Expertise in Bayesian Optimization
All India Institute of Medical Sciences(全印医学科学学院);Purdue University(普渡大学)
本文提出一种结合贝叶斯优化与领域专业知识的自主机器人超声系统,利用专家先验质量图和深度网络图像质量反馈,在膀胱体模上实现了98.7%的定位精度和97.8%的力度精度。
2023-07-05 cs.RO
Managing a Fleet of Autonomous Mobile Robots (AMR) using Cloud Robotics Platform
TCS Research, Tata Consultancy Services(TCS研究部,塔塔咨询服务公司)
在本文中,我们提供的细节,实现一个系统,用于管理一个车队的自主移动机器人(AMR)在工厂或仓库的前提下运行。虽然机器人本身是自主的运动和避障能力,每个机器人的目标目的地是由一个全局规划器。全局规划器和地面车辆(机器人)构成一个多智能体系统(MAS),通过无线网络相互通信。探讨了三种不同的实施办法。前两种方法利用基于分布式计算的网络机器人架构和机器人操作系统(ROS)本身的通信框架,而第三种方法则使用Rapyuta Cloud Robotics框架来实现。这些方法的比较性能进行了分析,通过仿真以及现实世界的实验与实际的机器人。与通常的ROS框架相比,这些分析提供了对Cloud Robotics Platform内部工作的深入理解。通过这个练习获得的见解将是有价值的学生以及有兴趣在其他地方实现类似系统的实践工程师。在此过程中,我们还确定了当前Rapyuta平台的一些关键限制,并提供了克服这些限制的建议。
2017-06-27 cs.RO
Vision-based Obstacle Removal System for Autonomous Ground Vehicles Using a Robotic Arm
North Carolina State University(北卡罗来纳州立大学);Indian Institute of Technology Patna(印度理工学院巴特那分校);Zhejiang University(浙江大学)
在过去的几年里,用于数据汇集和视觉监控应用的配备摄像头的机器人平台的使用呈指数级增长。有许多物体的杂乱建筑工地(例如,砖、管道等)地面上的环境对于移动无人驾驶地面车辆(UGV)导航是具有挑战性的环境。为了解决这个问题,本研究提出了一种移动UGV配备了一个立体摄像机和一个机械臂,可以清除沿UGV的路径障碍物。为了实现这一目标,周围的环境是由立体摄像机捕获和障碍物检测。通过机器人操作系统(ROS)将障碍物相对于UGV的位置发送到机械臂模块。然后,机械臂拾起并移除障碍物。该方法将大大提高施工监测的自动化程度和数据汇集频率。该系统通过两个案例进行了验证。结果成功地证明了障碍物的检测和清除,作为开发具有各种施工操作应用的自主UGV的有利因素之一。
2019-01-24 cs.RO
Learning to Build: Autonomous Robotic Assembly of Stable Structures Without Predefined Plans
Lab of Creative Computation, École Polytechnique Fédérale de Lausanne(创意计算实验室,瑞士联邦理工学院);Swiss Data Science Center(瑞士数据科学中心)
本文提出了一种无需预定义计划的自主机器人组装方法,通过强化学习策略实现灵活适应环境变化的稳定结构构建。
2026-11-03 cs.LG cs.RO
ROBOCYCLE: Autonomous Dual-Arm Robotic Manipulation and Coordination for Recycling Applications
Tecnologico de Monterrey, School of Engineering and Sciences, Department of Computer Science(墨西哥蒙特雷理工大学工程学院与科学学院计算机科学系);National Institute of Advanced Industrial Science and Technology (AIST)(国家先进工业科学与技术研究院)
针对城市垃圾处理难题,介绍ROBOCYCLE平台,集成多视图RGB-D感知、基于变压器的实例分割及6自由度抓取规划,有效处理不规则和可变形垃圾,取得高成功率,为现实环境自主垃圾管理提供方案。
2026-07-07 cs.RO
Autonomous Embodied Agents: When Robotics Meets Deep Learning Reasoning
University of Modena and Reggio Emilia(摩德纳和雷焦艾米利亚大学)
本论文探讨了Embodied AI领域自主具身智能体的完整创建过程,涵盖从概念、模拟训练到真实部署,并详细分析了相关技术的实现方法与实验研究,以促进该领域的未来发展。
2025-05-02 cs.AI cs.CV cs.RO
The ORCA Hub: Explainable Offshore Robotics through Intelligent Interfaces
Heriot-Watt University(赫瑞-瓦特大学);University of Edinburgh(爱丁堡大学)
我们介绍了英国机器人和人工智能中心的海上机器人资产认证(ORCA中心),一个3.5年的EPSRC资助,多站点项目。ORCA Hub的愿景是使用机器人和自主智能系统(AIS)团队在海上能源平台上工作,以实现更便宜,更安全,更高效的工作实践。ORCA中心将研究、集成、验证和部署远程AIS解决方案,这些解决方案可以与现有和未来的海上能源资产和传感器一起运行,在复杂和混乱的环境中以自主或半自主模式安全地进行交互,并与远程操作员合作。目标是通过使用这种离岸机器人系统,减少对人员的需求。为了实现这一点,远程操作员需要高度的态势感知能力,关键是自主系统正在做什么以及为什么要做。这种增加的透明度将促进信任关系,这在高风险、危险的情况下尤其关键。
2018-03-06 cs.AI cs.HC cs.RO
Fast Autonomous Robotic Exploration Using the Underlying Graph Structure
Departamento de Informática e Ingeniería de Sistemas(信息与系统工程系);Instituto de Investigación en Ingeniería de Aragón(阿拉贡工程研究所);Universidad de Zaragoza(萨拉戈萨大学)
在这项工作中,我们充分定义了传统的最优性标准和主动SLAM中底层姿态图的连通性之间的现有关系,因此,表征了图论和理论最优实验设计之间的连接。我们在2D和3D图形SLAM数据集中验证了所提出的关系,当使用图形结构时,显示出显着的计算负载放松。此外,我们提出了一种新的主动SLAM框架,它优于传统的方法,成功地利用图形方面的问题,以便自主探索未知的环境。
2022-04-22 cs.RO
ARChemist: Autonomous Robotic Chemistry System Architecture
University of Liverpool(利物浦大学)
针对实验室机器人系统多为单一实验定制且依赖专有架构的问题,提出专为化学家设计的ARChemist自主机器人系统架构,可灵活重配置并整合异构机器人与标准设备,已通过溶解度筛选等案例验证其有效性。
2022-04-28 cs.RO
A Systematic Evaluation of Different Indoor Localization Methods in Robotic Autonomous Luggage Trolley Collection at Airports
Southern University of Science and Technology(南方科技大学);Guangdong University of Technology(广东工业大学);The Chinese University of Hong Kong(香港中文大学);University of Alberta(阿尔伯塔大学)
本文针对机场机器人自主行李手推车回收的定位问题,调研四种主流定位方法,构建定性评估框架并开展真实场景定量实验,最终得出Keypoints方法最适配该室内场景的结论。
2023-03-12 cs.RO
Visual Navigation for Autonomous Vehicles: An Open-source Hands-on Robotics Course at MIT
Massachusetts Institute of Technology(麻省理工学院)
本文报道了麻省理工学院一门新的机器人课程的开发、执行和开源。该课程是对“自动驾驶车辆视觉导航”(VNAV)的现代化改造,针对一年级研究生和之前接触过机器人技术的高年级本科生。VNAV的目标是让学生准备好进行机器人和基于视觉的导航研究,重点是无人机和自动驾驶汽车。该课程涵盖整个自主导航管道;因此,它涵盖了广泛的主题,包括几何控制和轨迹优化,2D和3D计算机视觉,视觉和视觉惯性里程计,位置识别,同时定位与地图构建,以及感知的几何深度学习。VNAV有三个主要特点。首先,它通过暴露特定于具身智能的挑战,将传统的计算机视觉和机器人课程联系起来,例如,有限的计算以及对及时和鲁棒感知的需求,以闭合控制和决策的循环。其次,它通过结合严格的技术笔记(包括在典型的机器人课程中较少探讨的主题,例如,流形优化),并配有幻灯片和视频,展示最新的研究成果。第三,它通过利用物理无人机平台(主要适用于小型住宅课程)和基于照片逼真Unity的模拟器(开源并可扩展到大型在线课程),提供了一种引人注目的动手机器人教育方法。VNAV已于2018-2021年秋季在麻省理工学院提供,现已在麻省理工学院开放课程(OCW)上公开提供。
2022-06-01 cs.RO
Towards MRI-Based Autonomous Robotic US Acquisitions: A First Feasibility Study
Technische Universität München(慕尼黑工业大学);KUKA Roboter GmbH(库卡机器人有限公司);Johns Hopkins University(约翰斯·霍普金斯大学)
机器人超声有可能在干预期间协助和指导医生。在这项工作中,我们提出了一套方法和工作流程,使自主MRI引导超声采集。我们的方法使用结构光3D扫描仪进行患者到机器人和图像到患者的校准,这反过来又用于规划3D超声轨迹。这些基于MRI的轨迹由机器人自主跟踪,并使用自动MRI/US配准在线进一步细化。尽管结构光扫描仪的空间分辨率较低,但初始规划的采集路径可以以2.46 +/- 0.96 mm的精度进行跟踪。这导致MRI/US配准的良好初始化:用于规划和采集的基于3D扫描的对准显示出准确性(计划超声和MRI之间的距离)为4.47 mm,基于闭环配准在线更新校准后为0.97 mm。
2016-07-28 cs.RO
Comparative Analysis of Autonomous Robotic and Manual Techniques for Ultrasonic Sacral Osteotomy: A Preliminary Study
Walker Department of Mechanical Engineering and the Texas Robotics(沃克机械工程系和德克萨斯机器人研究所)
本文提出了一种自主机器人系统用于超声骨锯术,通过对比手动与机器人技术,展示了机器人在轨迹精度和深度控制上的显著优势。
2026-02-03 cs.RO
Avoidance of Manual Labeling in Robotic Autonomous Navigation Through Multi-Sensory Semi-Supervised Learning
Ball State University(波尔州立大学)
模仿学习有望解决具有挑战性的机器人任务,如自主导航。然而,它需要一个人类监督员来监督训练过程,并在没有反馈的情况下向机器人发送正确的控制命令,这总是容易出错,而且成本高昂。为了最大限度地减少人工参与和避免人工标记的数据在机器人自主导航与模仿学习,本文提出了一种新的半监督模仿学习解决方案的基础上的多传感器设计。该解决方案包括基于传感器融合的次优传感器策略,以自动标记机器人遇到的状态,以避免训练期间的人类监督。此外,开发了一种记录策略,以抑制从次优传感器策略中学习太多的对抗性影响。该解决方案允许机器人以自我监督的方式学习导航策略。通过在室内环境中的大量实验,该解决方案可以在大多数任务中实现接近人类的性能,甚至在硬件故障或人为操作错误等意外事件中超过人类的性能。据我们所知,这是第一个综合传感器融合和模仿学习的工作,使机器人自主导航在现实世界中没有人的监督。
2018-02-20 cs.LG cs.RO
Stinger Robot: A Self-Bracing Robotic Platform for Autonomous Drilling in Confined Underground Environments
Department of Electrical and Photonics Engineering, DTU(电气与光子工程系,丹麦技术大学)
本文提出Stinger Robot,一种用于受限地下环境自主钻探的自支撑机器人平台,通过机械自锁三足支撑机构和力感知闭环控制策略,实现稳定锚固与高力钻探,为模块化协作采矿奠定基础。
2025-07-31 cs.RO
Dependability Analysis of Deep Reinforcement Learning based Robotics and Autonomous Systems through Probabilistic Model Checking
University of Liverpool(利物浦大学)
虽然深度强化学习(DRL)为机器人和自主系统(RAS)的控制提供了转型能力,但DRL的黑箱性质和RAS的不确定部署环境对其可靠性提出了新的挑战。虽然现有的工作对日间行车灯政策施加限制,以确保任务的成功完成,但考虑到所有的可靠性属性,以整体的方式评估日间行车灯驱动的RAS是远远不够的。在本文中,我们正式定义了一组时序逻辑的可靠性属性,并构建了一个离散时间马尔可夫链(DTMC)模型的动态风险/故障的DRL驱动的RAS与随机环境的相互作用。然后,我们进行概率模型检验(PMC)的设计DTMC验证这些属性。我们的实验结果表明,所提出的方法是有效的,作为一个整体的评估框架,同时发现可能需要在训练中权衡的属性之间的冲突。此外,我们发现,标准DRL培训不能提高可靠性属性,因此需要定制的优化目标。最后,我们的方法提供了可靠性属性的灵敏度分析,从环境的干扰水平,提供见解的保证真正的RAS。
2022-07-07 cs.AI cs.RO cs.SE
6G Empowering Future Robotics: A Vision for Next-Generation Autonomous Systems
ITI;UC3M;International Hellenic University and University of New Mexico(国际希伯来大学和新墨西哥大学);QMUL(女王玛丽大学);TUDelft(代尔夫特理工大学)
本文探讨6G如何通过IMT-2030关键性能指标映射至机器人功能模块,提出集成机器人、智能和网络服务平面的架构,并展示实时动态安全框架以促进人机协作。
2026-06-07 cs.NI cs.RO
Autonomous Robotic Pruning in Orchards and Vineyards: a Review
Politecnico di Torino(托斯尼亚理工学院)
本文综述2014—2024年果园与葡萄园自主机器人修剪研究,梳理机器视觉、感知、骨架化与控制等技术进展,并指出开放挑战与未来方向。
2025-05-12 cs.RO
Real-time Deformation-aware Control for Autonomous Robotic Subretinal Injection under iOCT Guidance
Technische Universität München(慕尼黑工业大学);Johns Hopkins University(约翰斯·霍普金斯大学);Johns Hopkins Hospital(约翰斯·霍普金斯医院);Klinikum rechts der Isar der Technische Universität München(慕尼黑工业大学右岸医院)
本文提出一种基于 iOCT 与 B${^5}$ 扫描实时三维重建的变形感知控制方法,用于自主机器人视网膜下注射,在离体猪眼实验中显著提升了针头定位精度和视网膜下泡生成成功率。
2025-03-11 cs.RO
Autonomous Dissection in Robotic Cholecystectomy
Robotics Lab, Department of Electrical and Computer Engineering, College of Engineering, University of Illinois Chicago(机器人实验室,电气与计算机工程系,工程学院,伊利诺伊大学芝加哥分校);Surgical Innovation and Training Lab, Department of Surgery, College of Medicine, University of Illinois Chicago(外科创新与培训实验室,外科系,医学院,伊利诺伊大学芝加哥分校)
本文提出一种基于视觉的自主机器人胆囊切除解剖架构,集成实时分割、关键点检测与双臂协作,并引入含“肝床”类别的改进数据集及自适应边界提取,离体猪肝实验显著提升了解剖精度与一致性。
2025-08-04 cs.RO