Assistive Robots and Reasonable Work Assignment Reduce Perceived Stigma toward Persons with Disabilities
HCAI, University of Augsburg(HCAI,乌尔姆大学);IAM, University of Augsburg(IAM,乌尔姆大学);AuxMe, University of Augsburg(AuxMe,乌尔姆大学)
研究通过实验发现,合理分配任务和使用辅助机器人可有效降低对残疾人的认知污名,支持在工作场景中应用协作机器人。
2026-01-30 cs.HC cs.RO
RoHIL: Robust Human-in-the-Loop Robotic Reinforcement Learning Against Illumination Variations
Chongqing University(重庆大学);Chengdu Anu Intelligence(成都安努智能)
本文提出RoHIL框架,通过离线微调方法解决机器人在不同工作间因光照变化导致的性能下降问题,保留原始工作间性能并避免重新收集数据和训练。
2026-05-19 cs.RO
Stakeholder Perspectives on Whether and How Social Robots Can Support Mediation and Advocacy for Higher Education Students with Disabilities
University of Cambridge(剑桥大学)
本研究通过对剑桥大学残障学生等利益相关者的质性调研,探究社交机器人与大语言模型为高校残障学生提供调解和权益倡导支持的潜力,分析其优势与局限,讨论伦理问题并提出赋能自我倡导的未来研究建议。
2025-03-11 cs.AI cs.CY cs.HC
Avatar Work: Telework for Disabled People Unable to Go Outside by Using Avatar Robots "OriHime-D" and Its Verification
Ory Laboratory Inc.(奥里实验室公司);Kanagawa Institute of Technology(神奈川工科大学)
在这项研究中,我们提出了一个远程工作“化身工作”,使残疾人能够从事体力劳动,如客户服务,以实现一个包容性的社会,在那里我们可以做任何事情,如果我们有自由的思想,即使我们是卧床不起。在化身工作中,残疾人可以通过根据自己的残疾使用鼠标或凝视输入操作拟议的机器人“OriHime-D”来远程从事体力工作。作为化身工作的社会实施举措,我们开设了为期两周的有限化身机器人咖啡馆,并使用OriHime-D评估了残疾人的远程就业。作为10个残疾人的结果,我们已经证实,拟议的化身工作导致心理满足的人与差距,并可以设计适应性的工作量。此外,我们确认实验咖啡馆的工作内容适合寻求社会参与的各种残疾人。这一研究有助于实现终身和终身工作,同时导致解决就业短缺问题。
2020-03-25 cs.CY cs.HC cs.RO
Eye-tracking-Driven Shared Control for Robotic Arms: Wizard of Oz Studies to Assess Design Choices
Offenburg University of Applied Sciences(奥芬堡应用科学大学);University of Siegen(锡根大学)
本文通过巫师奥兹研究评估了基于眼动追踪的共享控制设计,旨在提升残疾人与机器人手臂的交互体验和可用性。
2026-02-20 cs.HC cs.RO
Manipulator for people with limited abilities
针对残障人士辅助需求,开发并制造了适合实际操作的4自由度机械手,综合设计了机械结构、控制系统及基于ROS的视觉与软件集成。
2025-08-09 cs.RO
Reconfiguring and ramping-up ventilator production in the face of COVID-19: Can robots help?
University of Southern Denmark(南丹麦大学);University of Cambridge(剑桥大学);Cambridge Biomakespace(剑桥生物制造空间)
随着COVID-19大流行的扩大,医疗设备的缩短正在膨胀。一个得到广泛关注的关键设备是制冷机。供需之间的差异很大,需要用正常的生产技术来处理,特别是在采取社交距离措施的情况下。该研究探讨了人类-机器人团队利用易于集成和保持社交距离的优势来提高生产的基本原理。本文提出了一种快速集成的协作机器人模型和工作站的设计准则。通过连续的人机模拟和离散事件模拟结果的放大,对开源呼吸机的场景进行了评估。
2020-06-18 cs.RO cs.SY eess.SY
Multiple Ways of Working with Users to Develop Physically Assistive Robots
University of Washington(华盛顿大学);TU Dortmund University(多特蒙德工业大学);University of Duisburg-Essen(杜伊斯堡-埃森大学);University of Michigan(密歇根大学)
针对当前物理辅助机器人(PAR)研究多未纳入目标残障参与者的问题,本文结合三个PAR项目实践,从多维度梳理与运动障碍用户协作的不同方法,并为相关研究者提供用户参与的实践建议。
2024-03-07 cs.HC cs.RO
A Passivity Based Framework for Safe Physical Human Robot Interaction
University of Central Florida(中佛罗里达大学)
在本文中,一个人和一个辅助机器人之间的安全兼容接触的问题被认为是。残疾用户需要在某些日常生活活动(ADL)中使用辅助机器人进行物理人机交互(PHRI)。具体来说,我们提出了一个混合动力/速度/姿态控制PHRI系统的基础上测量从6轴力/扭矩传感器安装在机器人手腕。在将末端执行器表面与未知环境(人类)表面自动对准的同时,在法向方向上施加期望的命令力,同时在切向方向上遵循期望的速度命令。一个基于李雅普诺夫稳定性分析,以证明收敛性以及无源性的相互作用,以确保性能和安全。仿真和实验结果验证了所提出的混合控制器的性能和鲁棒性的存在下的动态不确定性,以及安全的物理人机交互的运动学冗余机器人操作器。
2022-02-07 cs.RO cs.SY eess.SY
Exploring Capability-Based Control Distributions of Human-Robot Teams Through Capability Deltas: Formalization and Implications
University of Augsburg(奥格斯堡大学);Fraunhofer FKIE(弗劳恩霍夫通信、信息处理与人机工程研究所);RWTH Aachen University(亚琛工业大学)
针对人机团队能力缺乏灵活量化形式化的问题,提出 Capability Deltas 框架,基于职业评估流程量化能力差距并扩展至多维空间,以支持角色分配与自主补偿决策。
2024-08-09 cs.HC cs.RO cs.SY
A Dialogue-Based Human-Robot Interaction Protocol for Wheelchair and Robotic Arm Integrated Control
Saint Louis University(圣路易斯大学)
本文提出一种基于对话的人机交互协议,通过轮椅和机械臂的集成控制提升脊髓损伤和上肢障碍患者的生活质量。
2026-02-05 cs.HC cs.RO
Development of a Feeding Assistive Robot Using a Six Degree of Freedom Robotic Arm
Northern Arizona University(北亚利桑那大学)
本文开发了一款基于Arduino Braccio六自由度机械臂的语音控制喂食辅助机器人,集成距离传感器和蓝牙模块,帮助身体残障人士在餐桌或床上自主选择和进食三种食物,提升其生活质量和日常活动自主性。
2023-09-20 cs.RO
Pick the Right Co-Worker: Online Assessment of Cognitive Ergonomics in Human-Robot Collaborative Assembly
Istituto Italiano di Tecnologia(意大利技术研究院);Politecnico di Milano(米兰理工大学)
人机协同装配系统提高了工作场所的效率和生产力,但可能会增加工人的认知需求。本文提出了一个在线和定量的框架来评估认知工作负荷与同事,无论是人类操作员或工业协作机器人与不同的控制策略的相互作用。该方法监测操作员的注意力分布和上半身运动学受益于输入图像的低成本立体摄像机和尖端的人工智能算法(即头部姿态估计和骨骼跟踪)。三个实验方案的变化,工作站功能和交互方式的设计,以测试我们的在线方法对国家的最先进的离线测量的性能。结果证明,我们的视觉为基础的认知负荷评估有潜力被整合到新一代的协作机器人技术。后者将使人类认知状态监测和机器人控制策略适应,以改善人类舒适度,人体工程学和对自动化的信任。
2022-07-08 cs.HC cs.RO
DVRP-MHSI: Dynamic Visualization Research Platform for Multimodal Human-Swarm Interaction
College of Intelligence Science and Technology, National University of Defense Technology(国防科技大学智能科学学院);School of Robotics, Hunan University(湖南大学机器人学院)
本文提出DVRP-MHSI,一个支持多模态交互(如脑机、眼动、肌电、触摸)的实时动态可视化开放平台,由低成本全向轮式机器人和双工作站构成,旨在加速人-群交互研究,并通过演示实验验证其有效性。
2024-08-20 cs.HC cs.RO
From Woofs to Words: Towards Intelligent Robotic Guide Dogs with Verbal Communication
本文提出了一种新型对话系统,通过LLM实现导航计划和场景的言语化,以提升导盲犬在动态环境中的空间感知与人类操作者的协作决策能力。
2026-03-13 cs.RO
WareVR: Virtual Reality Interface for Supervision of Autonomous Robotic System Aimed at Warehouse Stocktaking
Skolkovo Institute of Science and Technology(斯科尔科沃科学技术学院)
WareVR是一种基于虚拟现实(VR)应用的新型人机界面,可与异构机器人系统进行交互,以实现自动库存管理。我们创建了一个界面,以便从仓库中的一个隔离工作站远程监督自动机器人,这可能会在当前的COVID-19疫情期间受益,因为盘点是仓库中的一个必要和常规的过程,涉及一群人。建议的接口允许没有机器人经验的普通仓库工人控制由无人驾驶地面车辆(UGV)和无人驾驶飞行器(UAV)组成的异构机器人系统。WareVR在仓库的数字孪生中提供机器人系统的可视化,并通过机载无人机摄像头提供来自真实环境的实时视频流。使用WareVR界面,操作员可以进行不同级别的盘点,远程监控库存过程,并远程操作无人机进行更详细的检查。此外,开发的界面包括无人机的远程控制,用于直观和直接的人机交互与自主机器人进行盘点。基于VR的界面的有效性进行了评估,通过用户研究中的“视觉检查”的情况。
2021-10-21 cs.HC cs.RO
Learning Visually Guided Latent Actions for Assistive Teleoperation
Stanford University(斯坦福大学);California Institute of Technology(加州理工学院);Virginia Polytechnic Institute and State University(弗吉尼亚理工学院暨州立大学)
对于人类来说,特别是那些身体残疾的人来说,控制高维灵巧的机器人是一项挑战。先前的工作探索了映射人类低维输入的学习嵌入函数(例如,通过操纵杆)到复杂的、高维的机器人动作以用于辅助远程操作;然而,中心问题是存在比可用的低维输入多得多的高维动作。为了提取正确的动作并最大限度地帮助人类控制器,机器人必须对它们的上下文进行推理:例如,在与咖啡杯交互时按下操纵杆表示与刀交互时不同的动作。在这项工作中,我们开发了辅助机器人,条件他们的潜在嵌入视觉输入。我们探索了一系列的视觉编码器,并表明,将对象检测器预先训练在少量廉价,易于收集的结构化数据上,能够i)准确和鲁棒地识别当前上下文,ii)将控制嵌入推广到新的对象和任务。在使用高维物理机器人手臂的用户研究中,参与者利用这种方法来使用看不见的物体执行新任务。我们的研究结果表明,结构化的视觉表示提高了Few-Shot的性能,并主观上受到用户的青睐。
2021-05-02 cs.AI cs.CV cs.HC
Improving Assistive Robotics with Deep Reinforcement Learning
Georgia Institute of Technology(佐治亚理工学院)
辅助机器人(Assistive Robotics)是一类机器人技术,它帮助人类完成日常护理任务,这些任务可能由于残疾或年龄而被禁止。虽然研究表明,经典的控制方法可以用来设计策略来完成这些任务,这些方法可能很难推广到各种实例的任务。强化学习可以为这个问题提供一个解决方案,其中机器人在仿真中进行训练,并将其策略转移到现实世界的机器上。在这项工作中,我们复制了一个已发布的基线,用于在辅助健身房环境中训练机器人完成三项任务,并探索了使用递归神经网络和阶段性策略梯度学习来增强原始工作。我们的基线实现达到或超过了原始工作的基线,然而,我们发现我们对新方法的探索并没有我们预期的那么有效。我们讨论了基线的结果,以及为什么我们的新方法不那么成功的一些想法。
2022-11-08 cs.AI cs.RO
Assistive robotic device: evaluation of intelligent algorithms
Université Laval(拉瓦尔大学);Centre for interdisciplinary research in rehabilitation and social integration, CIUSSS de la Capitale-National(首都国家综合卫生与社会服务中心 康复与社会融合跨学科研究中心);Centre for interdisciplinary research in rehabilitation of Greater Montreal, Centre intégré de santé et de services sociaux de Laval(拉瓦尔综合卫生与社会服务中心 大蒙特利尔康复跨学科研究中心);McGill University(麦吉尔大学)
辅助机器人设备可以用来帮助上肢残疾的人在日常生活中获得更多的自主权。虽然基本的运动,如定位和定向在空间中的辅助机器人夹持器允许许多任务的性能,它可能是耗时和繁琐的执行更复杂的任务。为了克服这些困难,可以在不同层次上进行改进,例如机械设计,控制接口和智能控制算法。为了指导解决方案的设计,必须评估不同创新的影响和潜力。因此,本文提出了三个智能算法的评估,旨在提高性能的JACO机械臂(Kinova机器人)。评价的算法有“预设位置”、“流动性过滤器”和“饮用模式”。该算法的评估进行了14电动轮椅的用户,并显示了统计上显着的改善机器人的性能。
2018-12-18 cs.RO
Rethinking the Role of Collaborative Robots in Rehabilitation
Idiap Research Institute(伊迪亚普研究所);EPFL(洛桑联邦理工学院)
本文探讨协作机器人在康复治疗中的多方面作用,包括协助治疗师和患者,提升治疗可及性,并提出未来研究方向。
2026-03-05 cs.RO
Brain-Computer Interface meets ROS: A robotic approach to mentally drive telepresence robots
University of Padova(帕多瓦大学);Politecnico di Milano(米兰理工大学);Istituto Italiano di Tecnologia (IIT)(意大利理工学院);École Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院)
本文展示和评估了一种新的方法,将非侵入性的脑机接口(BCI)与机器人操作系统(ROS)精神驱动的远程呈现机器人。通过使用人脑信号控制移动终端可能会改善患有严重身体残疾的人或无法再移动的老年人的生活质量。因此,由于与机器人的视频流连接,BCI用户能够与位于不同房间的亲戚和朋友积极互动。为了便于通过BCI控制机器人,我们探索了新的基于ROS的导航和避障算法,使系统更安全,更可靠。在这方面,机器人可以利用环境的两个地图,一个用于定位,一个用于导航,并且BCI用户也可以使用这两个地图来在机器人移动时观察机器人的位置。如实验结果所示,用户的认知工作量减少,减少了完成任务所需的命令数量,并帮助他/她保持注意力更长的时间。
2019-04-04 cs.RO
Multimodal Reinforcement Learning for Robots Collaborating with Humans
University of Illinois Chicago(伊利诺伊大学芝加哥分校);California State University Channel Islands(加州州立大学海峡群岛分校)
本文提出一种多模态强化学习方法学习机器人协作策略,通过人类数据开发的模拟器处理语言和物理动作,经人类研究评估在真实用户交互中取得有前景的初步结果。
2024-08-23 cs.RO
SPARCS: Structuring Physically Assistive Robotics for Caregiving with Stakeholders-in-the-loop
Cornell University(康奈尔大学);Columbia University(哥伦比亚大学)
物理机器人的现有工作是有限的,在其提供长期援助的能力。这主要是由于(一)缺乏明确界定的问题,(二)任务多样性,以及(三)接触社区利益攸关方的机会有限。我们提出构建物理辅助机器人护理与利益相关者在循环(SPARCS),以解决这些挑战。SPARCS是一个物理机器人部署框架,包括(i)构建块,定义物理机器人部署场景的模型,(ii)结构化工作流,分层工作流,使我们能够回答物理机器人部署的是什么和如何,以及(iii)SPARCS-Box,一个基于网络的平台,以促进所有利益相关者之间的对话。我们收集的临床数据为6个不同残疾的照顾对象,并展示了使用SPARCS设计定义明确的治疗方案,并确定他们的护理要求。所有数据和工作流程都可以在SPARCS-Box上使用。我们证明了实用的SPARCS在建立一个机器人辅助喂养系统的照顾对象之一。我们还进行了实验,以显示该系统的适应性,以不同的浏览场景。最后,我们通过咨询护理人员和护理人员来确定物理机器人的开放性挑战。补充材料可以在https://emprise.cs.cornell.edu/sparcs/上找到。
2022-10-20 cs.RO
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
Designing for Difference: How Human Characteristics Shape Perceptions of Collaborative Robots
本文通过在线实验和认知-情感映射方法,研究人类特征与交互范式如何影响人们对协作机器人的评价,发现反社会行为评分最低、高龄协作评价更敏感、物体交接场景更受认可,强调亲社会设计和反思方法对包容性机器人开发的重要性。
2025-07-22 cs.AI cs.CV cs.ET
Multidimensional Capacitive Sensing for Robot-Assisted Dressing and Bathing
Georgia Institute of Technology(佐治亚理工学院)
机器人辅助为许多身体残疾者的生活带来了机会,但准确感知人体和跟踪人体运动对机器人来说仍然很困难。我们提出了一种多维电容传感技术,估计局部姿态的人的肢体在实时的。这种传感方法的一个关键好处是,它可以通过不透明的材料(包括织物和湿布)来感知肢体。我们的方法使用安装到机器人的末端执行器的多电极电容传感器。神经网络模型估计人的肢体上的最近点的位置和肢体的中心轴相对于传感器的参考系的取向。这些姿态估计使得机器人能够使用反馈控制相对于肢体移动其末端执行器。我们证明,PR2机器人可以使用这种方法与自定义的六电极电容传感器,以协助两个活动的日常生活穿衣和洗澡。这个机器人在跟踪人类运动的同时,把医院长袍的袖子拉到身体健全的参与者的右臂上。当帮助洗澡时,机器人会移动一条柔软的湿毛巾,以跟随身体健全的参与者的四肢轮廓,清洁他们的表面。总的来说,我们发现多维电容传感为机器人在需要物理人机交互的辅助任务中感知和跟踪人体提供了一种很有前途的方法。
2019-05-24 cs.RO
Towards Online Robot Interaction Adaptation to Human Upper-limb Mobility Impairments in Return-to-Work Scenarios
Human-Robot Interfaces and Interaction (HRII) Laboratory, Istituto Italiano di Tecnologia(人类-机器人接口与交互(HRII)实验室,意大利技术研究院)
针对工作环境对上肢残疾人士缺乏包容性的问题,提出将特定关节运动模型集成到分层最优控制器的人机交互框架,经测试能使交互个性化,适应受损运动范围,鼓励关节使用。
2026-07-14 cs.RO
I Know What You Meant: Learning Human Objectives by (Under)estimating Their Choice Set
Virginia Tech(弗吉尼亚理工大学)
辅助机器人有可能帮助人们完成日常任务。然而,这些机器人首先需要了解用户希望它们做什么。对于没有经验的用户、老年用户和身体残疾的用户来说,教辅助机器人是很困难的,因为这些人通常无法向机器人展示他们想要的行为。我们知道,全纳学习者应该对人类教师无法展示的东西给予赞扬。但今天的机器人却恰恰相反:他们认为每个用户都有能力提供任何演示。因此,这些机器人学会模仿演示的行为,即使这种行为不是人类真正的意思!在这里,我们提出了一种不同的方法来奖励学习:机器人的原因有关用户的演示在类似或更简单的替代品的上下文中。不像以前的作品--错误地高估了人类的能力--这里我们错误地低估了人类可以输入的东西(即,他们的选择集)。我们的理论分析证明,低估人类的选择集是风险厌恶的,具有更好的最坏情况下的性能比高估。我们正式三个属性,以产生类似的和更简单的替代品。通过模拟和用户研究,我们的算法可以更好地推断人类的目标。查看用户研究:https://youtu.be/RgbH2YULVRo
2021-04-05 cs.RO
Adaptive Vision-Based Control of Redundant Robots with Null-Space Interaction for Human-Robot Collaboration
Department of Automation, Tsinghua University(自动化系,清华大学)
本文提出了一种适应性视觉控制与空隙空间交互相结合的控制方案,用于冗余机器人的人机协作,以提升协作效率和安全性。
2026-03-09 cs.RO
Learning to Walk in Minutes Using Massively Parallel Deep Reinforcement Learning
ETH Zurich(苏黎世联邦理工学院);NVIDIA(英伟达)
在这项工作中,我们提出并研究了一个训练设置,实现了快速的政策生成现实世界的机器人任务,通过使用大规模的并行在一个工作站GPU。我们分析和讨论了不同的训练算法组件在大规模并行制度的最终政策的性能和训练时间的影响。此外,我们提出了一个新颖的游戏启发的课程,非常适合与成千上万的模拟机器人并行训练。我们通过训练四足机器人ANYmal在具有挑战性的地形上行走来评估这种方法。平行的方法允许在四分钟内训练平坦地形的策略,在二十分钟内训练不平坦地形的策略。与以前的工作相比,这代表了多个数量级的加速。最后,我们将策略转移到真实的机器人来验证该方法。我们开源了我们的训练代码,以帮助加速在学习腿部运动领域的进一步研究。
2022-08-19 cs.LG cs.RO
The Helping Hand: An Assistive Manipulation Framework Using Augmented Reality and a Tongue-Drive Interfaces
Institute for Robotics and Intelligent Machines, Georgia Institute of Technology(佐治亚理工学院机器人与智能机器研究所)
提出了一个人在回路系统,使协作操作任务的人与身体残疾。研究表明,随着辅助系统自主性的增强,主体的认知负担也随之减轻。我们的框架从用户那里获得高级意图来指定操作任务。系统处理传感器输入以解释用户的环境。增强现实眼镜提供了以自我为中心的视觉反馈的解释和总结机器人启示的菜单上。舌头驱动系统用作用于触发机器人臂执行任务的输入模态。援助实验比较系统笛卡尔控制和国家的最先进的方法。我们的系统通过简化操作任务,以更快的完成时间实现了具有竞争力的结果。
2018-08-24 cs.RO
Task Planning with a Weighted Functional Object-Oriented Network
University of South Florida(南佛罗里达大学);Technical University of Munich(慕尼黑工业大学);University of Illinois - Urbana Champaign(伊利诺伊大学厄巴纳-香槟分校)
实际上,机器人要完全自主地执行操作动作还有很多工作要做。复杂的操作任务,例如烹饪,可能仍然需要人执行一些对机器人来说非常危险的动作。另一方面,一些其他动作对于身体残疾的人来说可能是非常危险的。因此,有必要根据机器人和人类的限制来平衡机器人和人类的工作量,同时最大限度地减少协作机器人(cobot)设置中人类所需的努力。本文提出了一个新版本的功能面向对象的网络(FOON),集成在其功能单元的权重,以反映机器人的机会,成功地执行该功能单元的动作。本文还提出了一个任务规划算法的加权FOON分配操作动作负载的机器人和人类,以达到最佳的性能,同时最大限度地减少人类的努力。通过大量的实验,本文展示了几个成功的案例,其中使用所提出的加权FOON和任务规划算法允许机器人和人类一起成功地完成复杂的任务,成功率高于机器人单独完成这些任务。
2021-03-25 cs.AI cs.RO
Assistive arm and hand manipulation: How does current research intersect with actual healthcare needs?
University of Alberta(阿尔伯塔大学)
人类辅助机器人有可能帮助老年人和残疾人进行日常生活活动(ADL)。机器人研究人员提出了自自底向上的的解决方案,使用各种控制方法进行不同类型的运动。另一方面,健康研究侧重于临床评估和康复,这两个领域之间存在着重要的差异。特别是,很少有人知道在日常生活中,人类在他们的日常环境中-在家里,工作等,这些信息可以帮助指导开发和优先考虑的机器人技术,在家里辅助机器人部署。这项研究针对几个生活记录数据库,其中我们计算(i)ADL任务频率从长期低采样频率视频和物联网(IoT)传感器数据,以及(ii)短期手臂和手部运动数据从30 fps视频数据的家庭任务。机器人和医疗保健社区有不同的术语和分类来表示任务和运动。我们推导并讨论了一个机器人相关的分类,从这个定量的ADL任务和ICF运动数据,试图改善这些分类的差异。我们的统计数据量化了人类每天接触,打开抽屉,门,检索和使用物体数百次。仅在美国,商业轮椅安装的机器人手臂就可以帮助15万上肢残疾人,但只有几百个机器人被部署。更好的用户界面和更有能力的机器人可以显著增加潜在用户群和ADL任务的解决数量。
2021-01-07 cs.RO
Defining Preferred and Natural Robot Motions in Immersive Telepresence from a First-Person Perspective
University of Oulu(奥卢大学);Centro de Investigación en Matemáticas(数学研究中心)
本文介绍了一些早期的工作和未来的计划,关于如何自主运动的远程呈现机器人影响一个人体现在机器人通过盔装显示器。我们考虑的偏好,舒适度,和感知的自然度方面的分段线性路径相比,相同的方面在一个光滑的路径。18名女性在虚拟现实中观看了三条不同路径的全景视频,并对每条路径进行了问卷调查。尽管人们认为自然的事物不尽相同,但主观的自然感对路径偏好也有很大的影响。我们描述了一个分类的机器人的运动的自然性的反应,并提供了一个建议,这可以更广泛地应用。尽管沉浸式机器人远程呈现越来越多地用于远程教育、临床护理以及帮助残疾人或行动不便的人,但这项技术的全部潜力受到与用户体验相关的问题的限制。我们的工作解决了这些缺点,并将使未来的个性化的远程呈现体验,以改善整体远程通信和增强在远程位置的存在感。
2021-02-25 cs.RO
Learning to Share Autonomy Across Repeated Interaction
Virginia Tech(弗吉尼亚理工大学)
安装在轮椅上的机器人手臂(和其他辅助机器人)应该帮助他们的用户执行日常任务。机器人可以提供这种帮助的一种方式是共享自主权。在共享自治中,人类和机器人都保持对机器人运动的控制:随着机器人变得自信它理解人类想要什么,它越来越多地干预以自动化任务。但是,机器人如何知道人类首先想要执行什么任务呢?今天的共享自治方法通常依赖于先验知识:例如,机器人必须先验地知道一组可能的人类目标。然而,从长远来看,这种先验知识将不可避免地被打破-人类迟早会达到机器人没有预料到的目标。在本文中,我们提出了一种学习方法,以共享的自主权,利用重复的互动。如果人类在每次互动中执行完全不同的任务,那么学习帮助人类是不可能的:但我们的见解是,身体残疾的用户每天都在重复重要的任务(例如,打开冰箱,煮咖啡,吃晚饭)。我们介绍了一种算法,利用这些重复的相互作用来识别人类的任务,复制类似的演示,并在不确定时返回控制。当人类反复与这个机器人一起工作时,我们的方法不断学习帮助那些事先从未指定的任务:这些任务包括离散的目标(例如,到达杯子)和连续技能(例如,打开抽屉)。通过模拟和面对面的用户研究,我们证明了利用我们的方法的机器人与已知目标的现有共享自主方法相匹配,并且在新任务上优于模仿学习基线。请在此观看视频:https://youtu.be/Plh4t3wQeIA
2021-09-28 cs.RO
Learning to Plan in Human-Robot Collaboration: Multimodal Reinforcement Learning for Adaptive Interaction
University of Illinois Chicago(伊利诺伊大学芝加哥分校);California State University Channel Islands(加州州立大学海峡群岛分校)
本文提出一种强化学习方法,自动生成机器人在家庭环境中协助用户定位物体的多模态交互策略,实验表明该方法具有高可用性和可扩展性。
2026-09-23 cs.RO
Active Robot-Assisted Feeding with a General-Purpose Mobile Manipulator: Design, Evaluation, and Lessons Learned
Georgia Institute of Technology(佐治亚理工学院);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
饮食是日常生活(ADL)中保持健康和独立生活的基本活动。虽然已经引入了许多辅助设备,但由于设备的物理或感知限制,许多残疾人仍然受到限制,无法独立进食。在这项工作中,我们提出了一个新的膳食援助系统和评估该系统与运动障碍的人。我们还讨论了经验教训,并根据评估设计见解。该助餐系统使用了一种通用移动机械手,Willow Garage PR 2,它有可能成为一种多功能的辅助技术。我们的主动喂食框架使机器人能够自动将食物送到用户的口中,减少了用户头部移动的需要。用户界面、视觉引导行为和安全工具允许患有严重运动障碍的人成功使用该系统。我们评估了我们的系统,共有10名健全的参与者和9名运动障碍的参与者。两组参与者都成功地使用该系统吃下了各种食物,并报告了系统自主行为的高成功率。总体而言,操作该系统的参与者报告称,该系统舒适、安全且易于使用。
2019-09-16 cs.RO
Force-Constrained Visual Policy: Safe Robot-Assisted Dressing via Multi-Modal Sensing
Robotics Institute, Carnegie Mellon University(卡内基梅隆大学机器人研究所)
提出一种结合仿真训练的视觉策略与真实世界力动力学模型的力约束优化方法,在240次真实试验中显著提升了机器人辅助穿衣的安全性与性能。
2024-04-24 cs.RO
Deep Haptic Model Predictive Control for Robot-Assisted Dressing
Georgia Institute of Technology(佐治亚理工学院)
机器人辅助穿衣为许多残疾人(如一些老年人)的生活提供了一个机会。然而,机器人目前缺乏关于其行为对人类的物理影响的常识。非刚性服装使着装的物理含义变得复杂,这可能导致机器人间接地对人体施加很大的力。我们提出了一个深度循环模型,当机器人给出一个建议的动作时,预测服装将施加到人体上的力。我们还表明,机器人可以提供更好的穿衣援助,通过使用此模型与模型预测控制。我们的模型所作的预测只使用触觉和运动学观察机器人的末端执行器,这是很容易实现的。从真实世界的物理人机交互中收集训练数据可能是耗时的,昂贵的,并使人处于危险之中。相反,我们训练我们的预测模型,使用从基于物理的模拟中以完全自我监督的方式收集的数据。我们用PR2机器人评估了我们的方法,该机器人试图将医院的长袍拉到10名人类参与者的手臂上。在0.2秒的预测范围内,我们的控制器成功地以高速率和降低施加的力,同时在人的拳头和肘部周围导航服装而不会被抓住。较短的预测范围导致参与者的拳头和肘部的袖子明显减少,这证明了我们模型预测的价值。这些减轻捕获的行为来自我们的深度预测模型和控制器目标函数,该目标函数主要惩罚高力量。
2019-05-24 cs.AI cs.RO stat.ML
EgoSpot:Egocentric Multimodal Control for Hands-Free Mobile Manipulation
Technical University of Munich(慕尼黑技术大学);ETH Zurich(苏黎世联邦理工学院);SJTU(上海交通大学);Microsoft(微软公司)
本文提出一种基于微软HoloLens 2混合现实头显的无手控制框架,通过眼动、头部动作和语音指令融合实现机器人移动和机械臂操作的实时控制,提升无障碍交互体验。
2026-03-19 cs.CV cs.RO
Towards Probabilistic Inference of Human Motor Intentions by Assistive Mobile Robots Controlled via a Brain-Computer Interface
University of Michigan(密歇根大学)
本文针对BCI控制辅助轮椅速度调节离散化的问题,利用EEG数据和GAN学习运动意图的概率世界状态,并在ROS-Gazebo仿真中构建贝叶斯观察者模型。
2025-01-09 cs.ET cs.HC cs.LG
A Laser-guided Interaction Interface for Providing Effective Robot Assistance to People with Upper Limbs Impairments
Istituto Italiano di Tecnologia(意大利技术研究院);University of Genova(热那亚大学);University of Pisa(比萨大学)
本研究针对上肢残障人士日常活动辅助需求,提出头戴式激光引导的人机交互界面,含点位选择与纸质键盘两种控制模式,经6自由度机械臂验证可完成需双手能力的操作任务。
2025-03-20 cs.RO
Smart Help: Strategic Opponent Modeling for Proactive and Adaptive Robot Assistance in Households
Beijing Institute for General Artificial Intelligence (BIGAI)(北京通用人工智能研究院);State Key Laboratory of General Artificial Intelligence(通用人工智能国家重点实验室);Tsinghua University(清华大学);Peking University(北京大学);University of California, Los Angeles(加州大学洛杉矶分校)
本研究提出Smart Help新挑战,针对弱势群体家庭辅助需求,构建AI2-THOR交互式3D家庭环境,创新对手建模模块以优化辅助策略,实验验证方法优于基线,展现AI辅助机器人提升弱势群体福祉的潜力。
2024-04-13 cs.AI cs.CV cs.RO
Assistax: A Multi-Agent Hardware-Accelerated Reinforcement Learning Benchmark for Assistive Robotics
University of California, Berkeley(加州大学伯克利分校);Stanford University(斯坦福大学)
提出Assistax基准,利用JAX硬件加速和基于多智能体强化学习的辅助机器人任务,实现高达370倍加速,并测试机器人的零样本协调能力。
2026-07-22 cs.AI cs.LG cs.MA
What You See is What You Grasp: User-Friendly Grasping Guided by Near-eye-tracking
University of Science and Technology of China(中国科学技术大学)
提出一种结合近眼追踪与Transformer抓取模型的视觉引导机器人界面,仅通过视线实现用户意图推断与抓取操作,在多个数据集上验证了低误差与良好性能,为辅助机器人提供概念验证。
2023-05-15 cs.RO
One Policy to Dress Them All: Learning to Dress People with Diverse Poses and Garments
Carnegie Mellon University(卡内基梅隆大学)
本研究提出一种基于强化学习和策略蒸馏的机器人穿衣系统,利用部分点云观测为不同姿态和服装的人群穿衣,经510次试验平均覆盖手臂86%长度。
2023-06-21 cs.RO