Learning Personalized Human-Aware Robot Navigation Using Virtual Reality Demonstrations from a User Study
University of Bonn(波恩大学);Fraunhofer FKIE(弗劳恩霍夫通信、信息处理与人机工程研究所)
对于最舒适的,人类感知的机器人导航,需要考虑用户的主观偏好。本文提出了一种新的强化学习框架,训练一个个性化的导航控制器,以及一个直观的虚拟现实演示界面。进行的用户研究提供的证据表明,我们的个性化方法显着优于经典方法,具有更舒适的人机体验。我们实现这些结果只使用一些演示轨迹从非专家用户,谁主要欣赏直观的演示设置。正如我们在实验中所示,学习的控制器可以很好地推广到演示数据中未涵盖的状态,同时仍然反映了导航过程中的用户偏好。最后,我们转移到一个真正的机器人导航控制器的性能没有损失。
2022-10-04 cs.AI cs.RO
Safe Reinforcement Learning of Dynamic High-Dimensional Robotic Tasks: Navigation, Manipulation, Interaction
Technical University Darmstadt(达姆施塔特工业大学);German Research Center for AI (DFKI)(德国人工智能研究中心);Centre for Cognitive Science(认知科学中心)
安全性是每个机器人平台的关键属性:任何控制策略都应始终遵守执行器限制,并避免与环境和人类碰撞。在强化学习中,安全性对于探索环境而不造成任何损害更为重要。虽然有许多针对安全探索问题的解决方案,但只有少数能够应对现实世界的复杂性。本文介绍了一种新的配方安全探索的强化学习的各种机器人任务。我们的方法适用于广泛的一类机器人平台,并通过探索约束流形的切线空间,即使在从数据中学习到的复杂碰撞约束下也能确保安全。我们提出的方法在模拟高维和动态任务中实现了最先进的性能,同时避免了与环境的碰撞。我们在TIAGo++机器人上展示了我们学习的控制器的安全真实部署,在操纵和人机交互任务中实现了卓越的性能。
2023-03-01 cs.LG 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
A Hazard-Informed Data Pipeline for Robotics Physical Safety
本文提出一种基于危险信息的数据管道,整合传统安全工程与机器学习,实现机器人物理安全的系统性保障。
2026-03-06 cs.AI cs.RO
Open, Reproducible and Trustworthy Robot-Based Experiments with Virtual Labs and Digital-Twin-Based Execution Tracing
AICOR Institute for Artificial Intelligence, University of Bremen(人工智能研究所,不莱梅大学)
本文提出语义执行追踪框架和AICOR虚拟研究大楼(VRB)云平台,通过记录语义标注的机器人信念状态并支持大规模任务共享与验证,实现开放、可复现且可信的机器人自主科学实验。
2025-08-15 cs.AI cs.RO
Safe cooperative robot dynamics on graphs
本文首次使用向量场设计,优化和实现反应时间表的安全合作机器人模式的平面图。我们认为自动导引车(AGV)在预定义的路径网络上运行。与局部欧氏位形空间的情况相反,碰撞的正则化不再是局部过程,必须解决位形空间的全局拓扑问题。本调查的重点是实现安全,高效,合作的模式,在最简单的非平凡的例子(一对机器人的Y-网络)的状态-事件分层控制器的装置。
2000-02-24 cs.AI cs.RO
A Virtual Reality Teleoperation Interface for Industrial Robot Manipulators
Brown University(布朗大学);Mitsubishi Electric Research Labs(三菱电机研究实验室)
针对工业机器人因隐藏力矩与速度控制导致VR遥操作困难的问题,提出一种简化滤波方法处理指令信号,使操作员能利用商用VR接口有效完成富接触灵巧操作任务。
2023-05-18 cs.AI cs.RO
Using Virtual Reality to Simulate Human-Robot Emergency Evacuation Scenarios
The Pennsylvania State University(宾夕法尼亚州立大学);The University of California, Merced(加州大学默塞德分校)
本文介绍了我们最近的努力,使用虚拟现实来模拟威胁紧急疏散的情况下,机器人引导一个人到出口。我们之前的工作已经证明,在紧急疏散期间,即使机器人出现故障,人们也会遵循机器人的指导。然而,由于物理现场紧急疏散实验是困难和昂贵的,因为我们想评估许多不同的因素,我们有动力开发一个系统,沉浸在模拟环境中的人,以鼓励真正的主题反应。我们正在努力完成实验,验证我们的方法的有效性。
2022-10-16 cs.AI cs.HC cs.RO
Safety of human-robot interaction through tactile sensors and peripersonal space representations
Czech Technical University in Prague(布拉格捷克理工大学)
包括紧密物理人机交互(pHRI)的人机协作是工业和科学的当前趋势。安全准则规定了两种安全模式:(i)功率和力限制以及(ii)速度和分离监测。我们研究了配备人工敏感皮肤和周围保护性安全区(peripersonal space)的机器人对安全pHRI的潜力。
2018-05-18 cs.RO
Virtual Barriers in Augmented Reality for Safe and Effective Human-Robot Cooperation in Manufacturing
Monash University(莫纳什大学)
安全性是任何人机协作场景中的基本要求。为了确保这种情况下的用户的安全,我们提出了一种新的虚拟障碍系统的增强现实接口。我们的系统提供了两种类型的虚拟障碍,以确保安全:1)一个虚拟人障碍,封装和跟随用户,以保护他们免受碰撞的机器人,和2)虚拟障碍障碍,用户可以产卵,以保护物体或区域,机器人不应该进入。为了实现有效的人机协作,我们的系统包括一个直观的机器人编程界面,利用语音命令和手势,并具有自动路径重新规划的能力,当检测到潜在的碰撞作为一个障碍物相交的机器人的规划路径的结果。我们通过用户研究比较了我们的新系统与标准的2D显示界面,参与者模仿工业制造过程完成一项任务。实验结果表明,该系统提高了用户的安全感和工作效率,使交互更加直观。
2021-04-12 cs.RO
Deception Game: Closing the Safety-Learning Loop in Interactive Robot Autonomy
Princeton University(普林斯顿大学);Carnegie Mellon University(卡内基梅隆大学)
针对机器人安全交互方法忽视运行时学习、导致行为保守的问题,本文提出联合建模物理动力学与学习算法的闭环安全控制范式,并用对抗性强化学习支持贝叶斯信念传播和预训练神经轨迹预测器。
2023-11-01 cs.AI cs.LG cs.RO
Safe and Efficient Exploration of Human Models During Human-Robot Interaction
Carnegie Mellon University(卡内基梅隆大学)
许多人机协作任务要求机器人在人类周围保持安全并高效工作。由于机器人只能在自己的人类模型中保持安全,我们希望机器人学习一个好的人类模型,以便安全有效地行动。本文研究的方法,使机器人能够安全地探索空间的人-机器人系统,以改善机器人的模型的人,这将因此允许机器人访问一个更大的状态空间,更好地与人类一起工作。特别地,我们在基于能量函数的安全控制框架下引入主动探索,研究不同主动探索策略的效果,最后分析安全主动探索对解析模型和神经网络模型的影响。
2022-08-01 cs.RO
SERoCS: Safe and Efficient Robot Collaborative Systems for Next Generation Intelligent Industrial Co-Robots
University of California at Berkeley(加州大学伯克利分校)
人机协作已被认为是未来工厂的重要组成部分。正确设计这些协作机器人的行为仍然具有挑战性。这些机器人工作在动态不确定环境中,计算能力有限。设计目标是在保证安全的同时最大限度地提高任务效率。本文讨论了一套设计原则的安全和有效的机器人协作系统(SERoCS)的下一代合作机器人,它包括强大的认知算法的环境监测,有效的任务规划算法的参考代,安全的运动规划和控制算法的安全人机交互。拟议的SERoCS将解决设计挑战,并显着扩展协作机器人的技能,使它们能够安全有效地与人类同行一起工作。SERoCS的开发将为各行业采用协作机器人带来重大进步。实验验证了SERoCS的有效性。
2018-09-21 cs.RO
Safety Assurances for Human-Robot Interaction via Confidence-aware Game-theoretic Human Models
UC Berkeley(加州大学伯克利分校)
人机交互安全方法的一个突出挑战是在保持对人类行为变化的鲁棒性的同时减少其保守性。在这项工作中,我们建议,机器人使用的信心,意识到人类行为的博弈论模型时,评估安全的人机交互。通过将人类和机器人之间的影响以及人类的理性视为未观察到的潜在状态,我们可以简洁地推断出人类遵循博弈论交互模型的程度。我们利用这个模型来限制在安全验证过程中的一组可行的人类控制,使机器人能够自信地在线调节其安全监视器的保守性。在模拟的人类-机器人场景和消融研究的评估表明,充满信心的游戏理论模型的安全监视器,使安全和有效的人机交互。此外,与真实的交通数据的评估表明,我们的安全监测是保守性低于传统的安全方法在真实的人类驾驶场景。
2021-10-30 cs.RO
Towards Safe Multi-Level Human-Robot Interaction in Industrial Tasks
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Foxconn Interconnect Technology(富士康互联科技);Zhejiang University(浙江大学)
本文提出三个独立安全模块(视觉监控、接触监控、分层意图跟踪),实现工业协作机器人在多层级人机交互中的安全保障,并探讨了基于人类行为建模的未来研究方向。
2023-08-06 cs.RO
Virtual, Augmented, and Mixed Reality for Human-Robot Interaction: A Survey and Virtual Design Element Taxonomy
University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校);Colorado School of Mines(科罗拉多矿业学院);IBM Research AI(IBM人工智能研究院)
用于人机交互的虚拟、增强和混合现实技术(VAM-HRI)近年来受到了广泛的关注。然而,HRI社区缺乏一套共享的术语和框架来表征混合现实界面的各个方面,这为未来的研究带来了严重的问题。因此,重要的是要有一套共同的术语和概念,可以用来准确描述和组织在该领域内正在进行的各种工作。在本文中,我们提出了一种新的分类框架不同类型的VAM-HRI接口,由四个主要类别的虚拟设计元素(VDES)。我们提出并证明了我们的分类,并解释了它的元素是如何在过去30年中发展的,以及VAM-HRI在未来十年中的发展方向。
2022-02-23 cs.AI cs.GR cs.HC
Safe Spot: Perceived safety of dominant and submissive appearances of quadruped robots in human-robot interactions
Delft University of Technology(代尔夫特理工大学);Politecnico di Torino(都灵理工大学)
本研究针对四足机器人社会感知不足的问题,为Boston Dynamics Spot设计主导与服从两种行为人格,通过2×2被试内实验测试两种行走场景下的感知差异,发现服从型机器人感知安全性更高,为非人形机器人社交设计提供参考。
2024-03-08 cs.RO
Human-Robot Interaction using VAHR: Virtual Assistant, Human, and Robots in the Loop
American University of Beirut(贝鲁特美国大学);Lebanese American University(黎巴嫩美国大学)
本文提出VAHR系统,通过Alexa实现双向通信以控制多机器人,实验表明其显著降低注意力需求并提升多任务效率,但需提升操作员信任。
2023-03-31 cs.RO
Exploring Immersive Social-Physical Interaction with Virtual Characters through Coordinated Robotic Encountered-Type Contact
Queen's University(皇后大学);York University(约克大学)
本文提出了一种通过协调机器人邂逅型接触实现沉浸式社交-物理交互的实验平台,展示了其在虚拟现实中的可行性及应用价值。
2026-02-11 cs.HC cs.RO
SafeEmbodAI: a Safety Framework for Mobile Robots in Embodied AI Systems
The University of Western Australia(西澳大利亚大学)
SafeEmbodAI框架通过安全提示、状态管理和安全验证机制保障LLM驱动的移动机器人导航安全,在攻击场景下较基线性能提升267%。
2024-09-03 cs.AI cs.ET cs.RO
Learning-Based Safety-Aware Task Scheduling for Efficient Human-Robot Collaboration
Politecnico di Milano(米兰理工学院)
本文提出一种基于深度学习的安全感知任务调度方法,通过学习系统状态与安全影响的关系,优化任务选择以减少循环时间,提升人机协作效率。
2025-12-19 cs.RO
SHARP: Shielding-Aware Robust Planning for Safe and Efficient Human-Robot Interaction
Princeton University(普林斯顿大学)
在人机交互(HRI)设置中共同实现安全性和效率是一个具有挑战性的问题,因为机器人的规划目标可能与人类自己的意图和期望不一致。最近的方法,确保安全的机器人操作在不确定的环境中,通过监督控制方案,有时被称为“屏蔽”,它覆盖机器人的标称计划与安全回退策略时,一个安全的关键事件是迫在眉睫的。这些反应性的“最后手段”策略(通常以积极的紧急机动的形式)专注于保护安全而不考虑效率;当名义计划者不知道可能的安全覆盖时,屏蔽可以比必要的更频繁地激活,导致性能下降。在这项工作中,我们提出了一个新的屏蔽为基础的规划方法,允许机器人规划效率明确占未来可能的屏蔽事件。利用贝叶斯人体运动预测的最新工作,由此产生的机器人政策积极平衡标称性能与低概率人类行为引发的高成本紧急演习的风险。我们形式化屏蔽感知鲁棒规划(SHARP)作为一个随机最优控制问题,并提出了一个计算效率高的框架,在运行时找到易于处理的近似解。我们的方法在模拟驾驶示例中的性能优于屏蔽不可知的运动规划基线(配备相同的人类意图推理方案),这些示例中的人类轨迹来自最近发布的Waymo Open Motion Dataset。
2022-03-10 cs.LG cs.RO math.OC
Assistive VR Gym: Interactions with Real People to Improve Virtual Assistive Robots
Georgia Institute of Technology(佐治亚理工学院)
多功能机器人护理人员可以使全球数百万人受益,包括老年人和残疾人。最近的工作探索了机器人护理人员如何通过物理模拟学习与人互动,但将学到的知识转移到真正的机器人上仍然具有挑战性。虚拟现实(VR)有可能帮助弥合模拟和现实世界之间的差距。我们介绍了辅助VR健身房(AVR健身房),它使真人能够与虚拟辅助机器人进行交互。我们还提供证据表明,AVR Gym可以帮助研究人员提高模拟训练的辅助机器人与真人的性能。在AVR Gym之前,我们使用两个模拟机器人(来自Willow Garage的PR2和来自Kinova的Jaco),仅在模拟中训练机器人控制策略(原始策略),用于四个机器人任务(机器人辅助喂食,饮水,瘙痒抓挠和床上洗澡)。与AVR Gym合作,我们根据从真人测试原始政策中获得的见解制定了修订后的政策。通过对AVR Gym的八名参与者进行的正式研究,我们发现原始策略表现不佳,修订后的策略表现明显更好,并且用于训练修订后策略的生物力学模型的改进导致模拟人更好地匹配真实参与者。值得注意的是,与会者非常不同意原始政策在援助方面取得了成功,但非常同意修订后的政策在援助方面取得了成功。总的来说,我们的研究结果表明,VR可以用来提高模拟训练的控制策略的性能,而不会使人处于危险之中,从而成为真正的机器人辅助的宝贵垫脚石。
2020-07-22 cs.HC cs.LG cs.RO
A Virtual Fencing Framework for Safe and Efficient Collaborative Robotics
New York University(纽约大学)
本文提出一种虚拟围栏框架,通过检测和预测人体运动来确保协作机器人安全运行,采用优化问题模型解决安全与性能的权衡,实验验证其在保持安全的同时减少操作暂停。
2025-03-26 cs.RO cs.SY eess.SY
Intuitive Robot Integration via Virtual Reality Workspaces
The University of Texas at Arlington(德克萨斯大学阿灵顿分校)
本文提出一种基于纯虚拟仿真的机器人集成框架,通过虚拟现实工作空间实现直观的人机交互和机器人编程,并在虚拟训练后迁移到真实机器人上验证了自动化任务执行的有效性。
2023-05-25 cs.RO
Towards a Robotic Intrusion Prevention System: Combining Security and Safety in Cognitive Social Robots
Intelligent Robotics Lab, Rey Juan Carlos University(智能机器人实验室,雷焦卡洛斯大学);HoneComp, Rey Juan Carlos University(HoneComp,雷焦卡洛斯大学)
针对认知社交机器人的网络安全与功能安全协同问题,提出RIPS在通信层检测威胁并借助System Mones限制受侵功能,且在真实机器人攻击场景中验证其可保护人类隐私与安全。
2024-07-09 cs.RO
PheroCom: Decentralised and asynchronous swarm robotics coordination based on virtual pheromone and vibroacoustic communication
Federal University of Uberlândia(乌贝兰迪亚联邦大学)
生物启发的方法所使用的stigmergic物质的动态表示和控制是一个挑战,当应用于机器人。为了克服这一挑战,这项工作提出了一个模型,以协调机器人群的基础上虚拟化和控制这些物质在本地范围内。该模型提出了一种新的信息素建模,使分散和导航决策的精确性。每个机器人保持一个独立的虚拟信息素地图,这是不断更新的机器人的存款和信息素蒸发。此外,个体信息素地图也通过聚合来自正在探索附近区域的其他机器人的信息来更新。因此,个体和独立的地图取代了控制和分发信息素信息的集中代理的需要,这并不总是可行的。信息素信息传播的灵感来自蚂蚁的振动声通信,而振动声通信的特征在于通过一种八卦协议的间接通信。该模型进行了评估,通过代理模拟软件,实现了作者,并在Webots平台。实验进行了验证模型在不同的环境中,具有不同的形状和大小,以及不同的机器人的数量。结果分析表明,该模型能够执行群体的协调,机器人表现出表现力的执行监视任务的性能。
2022-02-27 cs.AI cs.MA cs.NE
Validating Virtual Reality for Studying Multimodal Human-Robot Interaction in Socially Aware Robot Navigation
LAAS-CNRS, Universite de Toulouse(法国国家科学研究中心图卢兹分部,图卢兹大学);Inria Nancy(法国国家信息与自动化研究所南锡分部)
研究VR在社交感知机器人导航中研究多模态人机交互的适用性,通过受试者内研究,让参与者在现实与VR环境中与机器人交互,结果显示VR能捕捉交互行为,可成为研究多模态行为的可靠灵活平台。
2026-07-13 cs.RO
Examining the Difference in Human Behavior Between Virtual and Real-World Human-Robot Teaming
Oakland University(奥克兰大学);University of Michigan-Flint(密歇根大学弗林特分校);U.S. Army DEVCOM Ground Vehicle Systems Center (GVSC)(美国陆军DEVCOM地面车辆系统中心)
本研究通过混合方法比较虚拟与现实环境中人机团队协作的行为差异,发现工作负载显著不同,且策略、心理模型和信任类型存在差异。
2026-09-17 cs.HC cs.RO
Distributed Virtual Model Control for Scalable Human-Robot Collaboration in Shared Workspace
Department of Engineering, University of Cambridge(工程系,剑桥大学)
本文提出一种分布式虚拟模型控制框架,通过去中心化方法实现安全的人机协作,有效解决死锁问题并提升协作效率。
2026-02-19 cs.RO cs.SY eess.SY
Enhancing the Perception of Safety and Comfort during Physical Human-Robot Handshake Interactions by Integrating Flexible Elements into a Robotic Arm
ESPOL Polytechnic University(ESPOL理工大学)
本研究通过实验对比刚性关节与串联弹性执行器(SEA)柔性关节机械臂的握手交互,发现SEA能提升用户的安全感和舒适感,促进更安全、更被社会接受的人机交互。
2026-09-18 cs.RO
A Concise Overview of Safety Aspects in Human-Robot Interaction
Technical University of Munich(慕尼黑工业大学);Munich Institute of Robotics and Machine Intelligence(慕尼黑机器人与机器智能研究院)
本文针对人机交互中的安全核心问题,提出一种融合物理与认知层面的多层安全架构,将人的因素和感知安全作为高层约束,以支持机器人在多种场景下的安全认证。
2023-09-18 cs.RO
Studying the Effects of Robot Intervention on School Shooters in Virtual Reality
The Pennsylvania State University(宾夕法尼亚州立大学)
本文通过150人参与的VR校园枪击模拟,比较机器人接近策略与干扰强度,发现激进高干扰机器人可使受害者减少46.6%,并指出其安全潜力与校园伦理争议。
2025-10-20 cs.AI cs.CY cs.HC
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
Robot Safe Interaction System for Intelligent Industrial Co-Robots
University of California, Berkeley(加州大学伯克利分校)
本文提出一种安全交互系统,通过并行规划与控制架构提升协作机器人在动态不确定环境中的效率与安全性,实验验证了方法的有效性。
2018-08-12 cs.RO cs.SY eess.SY
Safe, Passive Control for Mechanical Systems with Application to Physical Human-Robot Interactions
Royal Institute of Technology (KTH)(瑞典皇家理工学院)
在本文中,我们提出了一种新的安全,被动,鲁棒控制律的机械系统。所提出的方法从物理人机交互的角度解决了安全问题,其中机器人不仅必须停留在预定义的区域内,而且必须遵守速度约束,并确保相对于可能由人类或环境引起的外部扰动的被动性。所提出的控制是以封闭形式编写的,即使在奇异配置期间也表现良好,并且只要安全要求(例如,速度(velocity)。所提出的方法是在一个6自由度机器人上实现的,以证明其有效性,在一个物理的人机交互任务。
2020-11-03 cs.RO
Safe LLM-Controlled Robots with Formal Guarantees via Reachability Analysis
Technical University of Munich(慕尼黑工业大学);German University in Cairo(开罗德国大学)
本文提出一种基于数据驱动可达性分析的LLM控制机器人安全保证框架,通过历史数据构建状态可达集,在不依赖精确解析模型的前提下严格防范不安全行为,有效降低了自主导航与任务规划中的风险。
2025-03-05 cs.LG cs.RO cs.SY
A Barrier Pair Method for Safe Human-Robot Shared Autonomy
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
共享自治提供了一个框架,其中人类和自动化系统(如机器人)共同控制系统的行为,从而为各种应用(包括人机交互)提供有效的解决方案。然而,在共享自治的一个具有挑战性的问题是安全性,因为人类的输入可能是未知的和不可预测的,这影响了机器人的安全约束。如果人类输入是通过与机器人的物理接触施加的力,它也会改变机器人的行为以保持安全。我们提出了一个两层的控制框架,以解决在实时应用程序中的共享自治的安全问题。在第一层中,我们使用人类输入测量的历史来推断人类希望机器人做什么,并根据该推断来定义机器人的安全约束。在第二层中,我们制定了一个快速探索的随机树的障碍对,与每个障碍对组成的障碍函数和控制器。使用这些屏障对中的控制器,机器人能够在人类输入的干预下保持其安全操作。该控制框架允许机器人帮助人类,同时防止他们遇到安全问题。我们证明了所提出的控制框架上的两连杆机械手机器人的模拟。
2021-12-01 cs.RO math.OC
Virtual Reality Platform to Develop and Test Applications on Human-Robot Social Interaction
Federal University of Santa Maria(圣玛丽亚联邦大学);Universidade Federal do Rio Grande(里奥格兰德联邦大学);Technological University of Uruguay(乌拉圭科技大学)
机器人仿真一直是机器人领域研究和发展的一个组成部分。该模拟消除了对传感器、电机和真实机器人物理结构造成伤害的可能性,使机器人应用测试能够快速、经济地进行,而不会受到机械或电子错误的影响。通过虚拟现实(VR)的仿真通过提供更好的环境视觉提示提供了更身临其境的体验,使其成为与仿真机器人交互的有吸引力的替代方案。这种沉浸感至关重要,特别是在讨论社交机器人(人机交互(HRI)领域的一个子领域)时。机器人在日常生活中的广泛使用取决于HRI。在未来,机器人将能够与人类有效地互动,以执行人类文明中的各种任务。随着机器人开始在个人工作空间中激增,为机器人开发简单易懂的界面至关重要。由于这一点,在这项研究中,我们实现了一个VR机器人框架与现成的工具和软件包,以加强研究和应用开发的社会HRI。由于整个VR界面是一个开源项目,因此测试可以在沉浸式环境中进行,而无需物理机器人。
2022-08-13 cs.RO
ContactRL: Safe Reinforcement Learning based Motion Planning for Contact based Human Robot Collaboration
School of Computing Science, University of Glasgow(计算科学学院,格拉斯哥大学)
ContactRL通过力反馈强化学习实现安全高效的物理协作,提升人机协作任务的安全性和效率。
2025-12-03 cs.RO
Movement Information from a Robotic Effector Influences Human Performance During Object Handovers
Queen’s University Belfast(贝尔法斯特女王大学)
本研究通过虚拟现实探讨机器人运动学对人类在交接任务中的表现影响,发现机器人提供早期视觉信息和人类样式的轨迹能提升交互准确性。
2026-11-19 cs.HC cs.RO
A Robot by Any Other Frame: Framing and Behaviour Influence Mind Perception in Virtual but not Real-World Environments
Uppsala University(乌普萨拉大学);Jacobs University(雅各布斯大学)
与拟人和意向姿态等类似概念相比,机器人的心智感知在人机交互(HRI)中一直是一个研究不足的结构。在一系列的三个实验中,我们确定了两个因素,可能会影响机器人的心灵感知和道德关注:机器人是如何引入的(框架),以及机器人如何行动(社会行为)。在前两个在线实验中,我们表明,框架和行为独立地影响参与者的心灵感知。然而,当我们在下面的真实世界实验中将这两个变量结合起来时,这些影响未能复制。因此,我们确定了第三个因素事后:在线与现实世界的互动性质。在分析了潜在的混淆之后,我们初步认为,在现实世界的实验中,心灵感知更难受到影响,因为与虚拟实验相比,操纵更难隔离,虚拟实验只提供了一部分交互。
2020-04-16 cs.HC cs.RO
Safety Evaluation of Robot Systems via Uncertainty Quantification
Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院)
在本文中,我们提出了一种在线和数据驱动的方式量化机器人系统的传播不确定性的方法。特别是在人机协作中,在运行时间内跟踪安全合规性至关重要:将危险情况错误地分类为安全可能会导致严重的事故。根据官方规定(例如ISO标准),工业机器人应用的安全性取决于关键参数,例如人类和机器人之间的距离和相对速度。然而,只有在对这些参数的可靠性进行测量的情况下,才能确保安全。虽然文献中存在不同的风险检测和缓解方法,但迄今为止,还缺少一种可用于在线评估安全限制的措施,并简明地表明情况是安全还是危险。出于这一动机,我们介绍了一种可推广的方法来计算传播的测量不确定性的任意参数,捕获的累积不确定性源于传感器设备和环境干扰的系统。为了证明我们的方法提供了正确的结果,我们在模拟中进行验证实验。此外,我们采用我们的方法在两个现实世界的设置,并演示如何量化传播的不确定性的关键参数,有利于评估安全在线人机协作。
2023-02-21 cs.RO
Control Barrier Functions Solved with Hierarchical Quadratic Programming for Safe Physical Human-Robot Interaction
本文提出利用分层二次规划框架在物理人机交互中设计性能和安全任务,平衡安全与性能。通过实验证明该方法的有效性、灵活性和通用性。
2026-04-24 cs.RO
Reframing Human-Robot Interaction Through Extended Reality: Unlocking Safer, Smarter, and More Empathic Interactions with Virtual Robots and Foundation Models
Division of Robotics, Perception, and Learning, KTH Royal Institute of Technology(KTH皇家理工学院机器人、感知与学习部);Department of Clinical Medicine, University of Bergen(卑尔根大学临床医学系)
本文探讨通过扩展现实技术,利用基础模型驱动的虚拟机器人实现更安全、智能和具同理心的人机交互,同时讨论多模态大模型在认知和情感交互中的应用及潜在风险。
2025-12-11 cs.HC cs.RO
Virtual Reality as a Tool for Studying Diversity and Inclusion in Human-Robot Interaction: Advantages and Challenges
University of Applied Sciences Ruhr West(鲁尔西区应用科学大学)
本文探讨 VR 作为 HRI 多样性与包容性研究工具的独特优势、开发挑战及相应解决方案。
2023-09-26 cs.RO
Certifiably-correct Control Policies for Safe Learning and Adaptation in Assistive Robotics
Arizona State University(亚利桑那州立大学);University of Colorado Boulder(科罗拉多大学博尔德分校);Toyota NA-R&D(丰田北美研发中心)
保证以人为中心的应用程序的安全性在机器人学习中至关重要,因为学习的策略可能会在以前看不见的场景中表现出不安全的行为。我们提出了一个框架,本地修复一个错误的策略网络,以满足一组正式的安全约束,使用混合二次规划(MIQP)。我们的MIQP公式明确地施加了安全约束的学习策略,同时最小化原始的损失函数。然后验证策略网络在本地是安全的。我们展示了我们的框架的应用程序,以获得机器人小腿假肢的安全政策。
2023-03-12 cs.RO
Attacking Digital Twins of Robotic Systems to Compromise Security and Safety
Manchester Metropolitan University(曼彻斯特城市大学);The University of Sheffield(谢菲尔德大学)
无论是自主机器人还是人机协同制造,安全性和安全性对人机交互都至关重要。安防与安全之间的相互交织关系,对各类机器人新兴的数字孪生系统提出了新的挑战。具体而言,无论是对网络物理系统还是数字孪生系统的攻击,都可能对另一个系统造成严重后果。特别是,与网络物理系统同步的数字孪生系统的攻击可能会对人类和其他周围设施造成横向损害。本文论证了对于机器人操作系统(ROS)驱动的系统,诸如数字孪生系统的中间人攻击之类的攻击最终可能导致网络物理系统的崩溃,无论是工业机器人还是自主移动机器人,都会造成意想不到的后果。我们还讨论了缓解此类攻击的潜在解决方案。
2022-11-17 cs.RO
On Using Neural Networks to Learn Safety Speed Reduction in Human-Robot Collaboration: A Comparative Analysis
Politecnico di Milano(米兰理工大学)
本文提出利用深度学习直接从过程执行数据预测机器人安全缩放因子,以提高周期时间预测和调度算法效率。
2025-12-19 cs.RO
A Safety-Aware Kinodynamic Architecture for Human-Robot Collaboration
University of Modena and Reggio Emilia(摩德纳和雷焦艾米利亚大学);Datalogic S.p.A.(得利捷公司)
本文提出一种双层轨迹规划与缩放架构,在遵守安全法规的同时根据人类行为自适应调整轨迹并缩放速度,实现人机协作中安全与高效的平衡,并在Pilz PRBT机械臂上完成实验验证。
2021-03-02 cs.RO
Safe Physical Human-Robot Interaction through Variable Impedance Control based on ISO/TS 15066
Faculty of Mechanical Engineering(机械工程学院);K.N. Toosi University of Technology(霍加·纳赛尔·丁·图西理工大学)
本文提出一种基于ISO/TS 15066功率和力限制模式的变阻抗控制器,在保证人机协作安全的同时提升协作机器人运行速度,并在两个机器人平台上验证了其优于传统方法的效果。
2023-11-23 cs.RO cs.SY eess.SY
SPARK: Safe Protective and Assistive Robot Kit
Carnegie Mellon University(卡内基梅隆大学)
SPARK是一种用于提升双足机器人安全性的综合工具包,提供安全控制算法和模拟基准,支持快速部署和多种硬件集成,助力安全研究与开发。
2026-01-14 cs.RO cs.SY eess.SY
A Safety and Passivity Filter for Robot Teleoperation Systems
Georgia Institute of Technology(佐治亚理工学院);Massachusetts Institute of Technology(麻省理工学院)
在本文中,我们提出了一种方法,执行机器人遥操作系统的安全性和被动性,其中一个人操作员与一个动态系统建模的机器人进行交互。该方法以整体的方式这样做,通过在一个单一的基于优化的控制器,有效地过滤所需的控制输入之前,提供给系统的安全性和被动性约束相结合。其结果是一个安全性和无源性过滤器作为一个凸二次规划,可以有效地解决,并在许多机器人遥操作应用中的在线方式。仿真结果表明,本文所提出的方法适用于二阶动力学系统的人的遥操作的好处。
2021-02-17 cs.RO math.DS
VRGym: A Virtual Testbed for Physical and Interactive AI
UCLA Center for Vision, Cognition, Learning, and Autonomy(加州大学洛杉矶分校视觉、认知、学习与自主中心)
我们提出了VRGym,一个虚拟现实的实验平台,为现实的人机交互。与现有的工具包和虚拟现实环境不同,VRGym强调为机器人、机器学习和认知科学构建和训练物理和交互代理。VRGym利用各种机制,可以通过基于物理的模拟生成具有高度真实感的各种3D场景。我们证明,VRGym能够(i)收集人类的互动和精细的操作,(ii)容纳各种机器人与ROS桥,(iii)支持实验的人机交互,(iv)提供工具包,用于训练国家的最先进的机器学习算法。我们希望VRGym可以帮助推进通用机器人和机器学习代理,以及在认知科学领域协助人类研究。
2019-04-02 cs.HC cs.RO