3D ToF LiDAR in Mobile Robotics: A Review
Northwestern Polytechnical University(西北工业大学);RENAULT S.A.S(雷诺集团);University of Oxford(牛津大学);NIO Inc.(蔚来汽车);Czech Technical University(捷克技术大学);Univ. Bourgogne Franche-Comté(勃艮第-弗朗什-孔泰大学);UTBM(贝尔福-蒙贝利亚尔技术大学)
在过去的十年中,3D飞行时间(ToF)LiDAR在移动机器人中的使用迅速增长。本文在积累相关研究成果的基础上,对3D ToF LiDAR在科研和工业应用中的应用进行了系统的回顾和分析。前者包括目标检测、机器人定位、长期自主、恶劣天气条件下的LiDAR数据处理以及传感器融合。后者包括服务机器人、辅助和自动驾驶,以及最近为应对公共卫生危机而进行的应用。我们希望我们的努力能够有效地为读者提供相关参考,并促进现有成熟技术在现实系统中的部署。
2022-02-22 cs.RO
A wireless hand-held platform for robotic behavior control
自主机器人平台中对可定制属性的需求,例如老年人的家庭护理和人机控制界面的并行实现,创造了一个机会来引入部署在托管代码中运行机器人命令应用程序的常用移动设备的方法。本文将讨论一个人机界面,并演示了一个原型组成的移动终端运行可配置的应用程序与移动机器人通信使用托管,类型安全的语言,C#.NET,通过蓝牙。
2014-09-08 cs.HC cs.RO
Enhancing Reliability in LLM-Integrated Robotic Systems: A Unified Approach to Security and Safety
The University of Western Australia(西澳大学)
针对大语言模型集成机器人系统面临的攻击防护与运行安全双重可靠性挑战,提出结合提示组装、状态管理与安全验证的统一框架,实验验证其在对抗场景下性能提升显著,且已开源部署演示。
2025-09-02 cs.AI cs.RO
MissionGPT: Mission Planner for Mobile Robot based on Robotics Transformer Model
Skolkovo Institute of Science and Technology(斯科尔科沃科学技术研究院)
本文提出基于Transformer和大语言模型的MissionGPT方法,仅凭相机数据即可为移动机器人规划并执行任务,基本动作成功率超50%,可扩展至任意类型和数量的机器人。
2024-11-07 cs.RO
SVan: A Mobile Hub as a Field Robotics Development and Deployment Platform
Munich Institute of Robotics and Machine Intelligence (MIRMI)(慕尼黑机器人与机器智能研究所(MIRMI));Technical University of Munich (TUM)(慕尼黑工业大学(TUM))
本文提出移动枢纽 SVAN 原型,从机械、软件、硬件与部署经验等方面支撑多领域机器人团队在环境监测保护中的高效可扩展部署。
2024-05-06 cs.RO
Sensory Anticipation of Optical Flow in Mobile Robotics
IIIA-CSIC(西班牙国家研究委员会人工智能研究所);Imperial College London(伦敦帝国理工学院)
为了预测碰撞等危险事件,智能体需要进行长期预测。然而,由于内部和外部变量以及环境动态的不确定性,这些都是具有挑战性的。一个sensorimotor模型在线获得的移动机器人使用一个国家的最先进的方法,学习图像中的光流分布,在空间和时间。学习模型用于预测给定时间范围内的光流,并通过使用强化学习来预测即将发生的碰撞。我们证明,多模态预测减少到更简单的分布,一旦采取行动。
2012-10-03 cs.LG 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
A Survey of Deep Learning Techniques for Mobile Robot Applications
多年来,深度学习的进步吸引了对人工神经网络在机器人系统中的深度的研究。本研究综述将对当前的研究进行总结,特别关注深度学习应用于移动机器人的收益和障碍。
2018-03-20 cs.CV cs.RO
B.A.T.Mobile: Leveraging Mobility Control Knowledge for Efficient Routing in Mobile Robotic Networks
TU Dortmund University(多特蒙德工业大学)
由于信道和网络拓扑结构的动态变化,有效的路由是无人机无线网络的关键挑战之一。各种众所周知的移动自组织路由协议,如AODV、OLSR和B.A.T.M.A.N.已经提出允许主动和被动路由决定。在本文中,我们提出了一种新的方法,利用应用层的知识来自移动性控制算法指导无人机的行为,以完成一个专门的任务。因此,UAV的未来轨迹的预测可以与路由协议集成,以避免意外的路由中断和分组丢失。B.A.T.M.A.N.移动性预测组件(称为B.A.T.Mobile)的路由协议已经显示出对于实现该概念非常有效。深入的仿真研究的结果表明,该协议达到了一个明显的更高的可用性相比,建立的方法,即使在具有挑战性的信道条件下,表现出强大的行为。
2018-02-21 cs.NI cs.RO
Online Learning of Wheel Odometry Correction for Mobile Robots with Attention-based Neural Network
Politecnico di Torino(都灵理工大学)
本文提出一种基于注意力神经网络的轮式里程计在线校正方法,以应对车轮打滑和运动突变,实现实时推理,性能优于标准神经网络和滤波校正算法,并支持在通用机器人平台上即时部署。
2023-03-21 cs.AI cs.RO
GhostEI-Bench: Do Mobile Agents Resilience to Environmental Injection in Dynamic On-Device Environments?
Shanghai Jiao Tong University, School of Computer Science(上海交通大学计算机科学学院);Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);The University of Hong Kong(香港大学)
GhostEI-Bench通过动态环境注入攻击评估移动代理的鲁棒性,揭示现有模型对欺骗性UI的脆弱性,并提供量化和缓解该威胁的框架。
2026-03-05 cs.AI cs.CR
Mobile Robotic Fabrication at 1:1 scale: the In situ Fabricator
Renishaw PLC.(雷尼绍公司);ETH Zürich(苏黎世联邦理工学院);Moog Inc.(穆格公司)
本文介绍了一个在现场制造,装配和数字化制造的移动机器人的概念。我们提出了一个原型系统的概述,其功能,并强调高性能的控制,估计和规划算法,以实现预期的建设目标的重要性。接下来,我们将详细介绍两种建筑应用场景:首先,建造一个全尺寸的起伏砖墙,这需要一些重新定位和自主定位操作。第二,网格模具混凝土工艺,这表明原位制造机与创新的数字制造工具相结合,可以用于实现全新的建筑技术。随后,我们的方法的重要限制和缺点进行了讨论。在此基础上,我们确定需要一种新型的机器人驱动器,这有利于设计新颖的全尺寸的建筑机器人。我们提供了简要的见解,这种致动器的发展,并总结了下一代原位制造,这是目前正在开发中的展望。
2017-01-13 cs.RO
Robot Operating System Compatible Mobile Robots for Education and Research
Inovasyon Muhendislik Ltd. Sti.(创新工程有限公司);Research and Development Department(研发部门)
近年来,移动机器人的使用不可避免地增加了。生产该领域产品的公司的增加,机器人领域研究的普及以及服务于许多不同领域的技术能力都表明了这种使用的增加。移动机器人在医疗、教育、生产、物流、国防工业和航天装备等方面的重要性越来越突出。事实上,机器人教育可以减少到一个非常年轻的年龄,生产和编码简单的机器人,易于访问的部分也是这个领域的一个重要因素。在这一点上,教育机器人对机器人技术传播的影响是不可否认的。
2020-12-23 cs.RO
Dynamic Modeling and Simulation of a Four-wheel Skid-Steer Mobile Robot using Linear Graphs
GRASP Lab at Ontario Tech University(安大略理工大学GRASP实验室)
本文介绍了线性图理论的概念和方法在四轮滑移转向移动机器人系统建模与仿真中的应用。LG表示的系统,提出了一个移动机器人系统的动力学的伴随状态空间模型进行评估,使用相关的LG理论MATLAB工具箱,这是在我们的实验室开发的。采用基于遗传算法的参数估计方法来确定系统参数,从而对模型进行了非常精确的仿真。开发的模型,然后进行评估和验证,通过比较模拟LG模型轨迹与ROS露台模拟机器人的轨迹和从物理机器人系统获得的实验数据。所得到的结果表明,建议的LG模型,结合GA参数估计过程中,产生一个高度准确的方法建模和仿真的移动机器人系统。
2021-10-01 cs.RO
Evaluation of Three Vision Based Object Perception Methods for a Mobile Robot
Artificial Intelligence Research Institute (IIIA-CSIC)(人工智能研究所 (IIIA-CSIC));Computer Vision Center(计算机视觉中心);Australian Centre for Field Robotics(澳大利亚野外机器人中心);The University of Sydney(悉尼大学)
本文讨论了应用于移动机器人的对象感知。能够在非结构化环境中感知语义上有意义的对象是使机器人适合在家庭环境中执行高级任务的关键能力。然而,为这项任务找到一个解决方案是艰巨的:它需要有能力处理图像形成的变化,在一个移动的相机与严格的时间限制。本文引起注意的一些问题,在移动机器人的情况下,应用三个国家的最先进的对象识别和检测方法,并提出了处理窗口/分割的方法。因此,这项工作的目的是评估国家的最先进的对象感知,试图开发一个轻量级的解决方案,在典型的室内环境中的移动机器人的使用/研究。
2011-02-02 cs.RO
Perfectly Undetectable Reflection and Scaling False Data Injection Attacks via Affine Transformation on Mobile Robot Trajectory Tracking Control
Georgia Institute of Technology(佐治亚理工学院)
本研究针对非完整约束移动机器人轨迹跟踪控制,提出基于仿射变换的完全不可检测虚假数据注入攻击方法,经Turtlebot 3平台验证其可行性,同时提出状态监测特征函数(SMSF)检测此类攻击,为CPS安全防护提供支撑。
2024-08-19 cs.RO cs.SY eess.SY
Integrating Deep RL and Bayesian Inference for ObjectNav in Mobile Robotics
Institute For Systems and Robotics(系统与机器人研究所)
本文提出结合贝叶斯推断与深度强化学习的混合对象搜索框架,通过在线更新空间信念图和训练导航策略,提升移动机器人在部分可观测环境中的搜索效率和可靠性。
2026-03-26 cs.AI cs.CV cs.RO
MIRAGE: Context-Aware Prompt Injection against Mobile GUI Agents via User-Generated Content
Griffith University(格里菲斯大学);Quantstamp;Nanyang Technological University(南洋理工大学);Singapore Management University(新加坡管理学院);University of New South Wales(新南威尔士大学);Wake Forest University(威克森林大学);Independent Researcher(独立研究者)
提出MIRAGE管道,通过将攻击者控制的文本嵌入用户生成内容区域,在不修改代理、应用或操作系统的情况下,对视觉语言模型驱动的移动GUI代理实现高成功率的提示注入攻击。
2026-05-27 cs.AI cs.CL cs.CR
Rapid Development of a Mobile Robot Simulation Environment
Lawrence Technological University(劳伦斯理工大学)
机器人仿真在智能地面车辆(IGV)的开发过程中提供了许多优势,例如在不同的场景中测试软件组件,而不需要完整的物理机器人。本文讨论了使用快速应用程序开发和Unity游戏引擎创建的3D仿真环境,以便在移动机器人比赛中进行测试。我们的经验表明,模拟环境极大地促进了比赛软件的开发。该模拟器还有助于机器人的硬件开发。
2022-08-09 cs.RO
Accuracy evaluation of a Low-Cost Differential Global Positioning System for mobile robotics
Fraunhofer Institute for Materialflow and Logistic(弗劳恩霍夫物流与材料流动研究所)
本文提出一种基于Ublox ZED-F9P芯片和开源软件的低成本DGPS系统,评估其重复性与绝对精度,并比较SAPOS与本地基站差异,利用VICON系统验证移动机器人定位精度。
2023-06-22 cs.RO cs.SY eess.SY
Enhancement for Robustness of Koopman Operator-based Data-driven Mobile Robotic Systems
University of California, Riverside(加州大学河滨分校)
Koopman算子理论已经成为非线性系统建模和跨环境控制(包括非完整移动机器人控制)的动力学提取基础。有越来越多的兴趣在研究中获得鲁棒性(和/或安全性)的保证系统的动态提取通过Koopman运营商。在本文中,我们提出了一种方法来量化的预测误差,因为噪声测量时,Koopman算子近似通过扩展动态模式分解。我们进一步开发了一种增强的机器人控制策略,赋予鲁棒性的一类数据驱动(机器人)系统,依赖于Koopman算子理论,我们展示了如何部分的策略可以发生离线的努力,使我们的算法能够实时实现。我们进行了参数研究,以评估(理论)的性能的算法,使用范德波尔振荡器和进行一系列的模拟实验,在凉亭使用非完整轮式机器人。
2021-04-09 cs.RO cs.SY eess.SY
Radar Meets Vision: Robustifying Monocular Metric Depth Prediction for Mobile Robotics
ETH Zürich(苏黎世联邦理工学院);Wingtra AG(Wingtra公司)
本文提出将低成本毫米波雷达测量编码到单目深度估计模型输入中,以提升移动机器人在尺度线索有限、低纹理环境下的深度预测鲁棒性,并通过合成逼真训练数据缓解数据不足问题。
2024-10-01 cs.RO
Particle robots A new specie of hybrid bio-inspired robotics
灵感来自于一些没有眼睛和耳朵的简单生物。本文提出了一种新型的混合仿生机器人,称为“粒子机器人”,它将一个大型生物体和一个微型生物体混合在同一个机器人中。一方面,一种有趣而无聊的动物,生物海胆(海胆)与病毒微生物混合,特别是轮状病毒;以及球形移动机器人。类似地,从纯机器人的角度来看,这种仿生机器人可以被看作是一个穿着驱动外骨骼的球形移动机器人。该机器人有两个主要配置:当脊柱收缩时,它成为一个球形移动机器人,能够在陆地上快速移动,嵌入所有球形移动机器人属性。另一方面,当脊椎或腿以受控的模式伸展时,它可以在平坦的表面上行走,也可以像仿生海胆一样在雪地和岩石上移动。机器人的脊柱是伸缩式线性致动器,它结合了软、硬3D打印材料,使致动单元灵活,可以在最小的空间内压缩它,而刚性可以提升机器人。
2020-02-15 cs.RO
W-RIZZ: A Weakly-Supervised Framework for Relative Traversability Estimation in Mobile Robotics
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Coordinated Science Laboratory(协调科学实验室)
本文提出弱监督框架W-RIZZ,通过少量点对标注估计相对可通过性,结合跨图像标注策略和损失函数,在减少标注成本的同时提升移动机器人在非结构化环境中的地形理解能力。
2024-06-04 cs.RO
On-line Optimal Ranging Sensor Deployment for Robotic Exploration
University of Trento(特伦托大学)
移动机器人在没有任何定位基础设施的未知环境中导航一直是困难的。本文提出了一种自部署的超宽带UWB基础设施的移动代理,允许一个动态的位置和运行时扩展的UWB锚基础设施,而机器人探索新的环境。我们提供了一个详细的分析定位系统的不确定性,而UWB基础设施的增长。此外,我们开发了一种遗传算法,最大限度地减少部署新的锚,节省能源和资源的移动机器人和最大限度地提高任务的时间。虽然所提出的方法是通用的任何类的移动系统,我们运行模拟和实验室内无人机。结果表明,最大定位不确定性总是控制在用户的阈值,使用几何精度因子(GDoP)。
2021-10-17 cs.MA cs.RO
THUD++: Large-Scale Dynamic Indoor Scene Dataset and Benchmark for Mobile Robots
Shenzhen International Graduate School, Tsinghua University(清华大学深圳国际研究生院);Department of Computer Science and Technology, Tsinghua University(清华大学计算机科学与技术系)
针对现有移动机器人数据集多为静态、难以评估动态环境性能的问题,本文提出包含真实与合成数据的大规模THUD++动态室内数据集及配套仿真平台,并在多类任务上验证了其对机器人算法研发的推动价值。
2024-12-11 cs.RO
PREVENT: Proactive Risk Evaluation and Vigilant Execution of Tasks for Mobile Robotic Chemists using Multi-Modal Behavior Trees
Department of Chemistry and Material Innovation Factory, University of Liverpool(化学系和材料创新工厂,利物浦大学);Center for Life Science Automation, University of Rostock(生命科学自动化中心,罗斯托克大学)
针对移动机器人化学家缺乏工作流感知导致异常中断的问题,提出基于多模态行为树的PREVENT系统,通过分层感知机制实现高效决策,在模拟风险场景中完全避免误报漏报,并提升部署准确率。
2025-10-24 cs.RO
WebotsTM: Professional Mobile Robot Simulation
Cyberbotics Ltd.开发WebotsTM,这是一款移动机器人仿真软件,可为您提供用于移动机器人建模、编程和仿真的快速原型环境。所提供的机器人库使您能够将控制程序传输到几个商业上可用的真实移动机器人。WebotsTM允许您定义和修改一个完整的移动机器人设置,即使是几个不同的机器人共享同一个环境。对于每个对象,您可以定义许多属性,例如形状,颜色,纹理,质量,摩擦力等,您可以为每个机器人配备大量可用的传感器和执行器。您可以使用自己喜欢的开发环境对这些机器人进行编程,模拟它们,并选择将生成的程序传输到您的真实机器人上。WebotsTM是与瑞士洛桑联邦理工学院(Swiss Federal Institute of Technology)合作开发的,经过全面测试,记录良好,并持续维护超过7年。它现在是Cyberbotics有限公司的主要商业产品。
2004-12-11 cs.RO
Learning Fuzzy Controllers in Mobile Robotics with Embedded Preprocessing
Centro de Investigación en Tecnoloxías da Información (CITIUS)(信息技术研究中心(CITIUS));Universidade de Santiago de Compostela(圣地亚哥-德孔波斯特拉大学)
移动机器人控制器的自动设计通常需要两个阶段。在第一阶段,感官数据被预处理或转换为通常根据专家知识定义的高水平且有意义的变量值。在第二阶段,应用机器学习技术来获得控制器,该控制器将这些高级变量映射到实际发送给机器人的控制命令。本文介绍了一种算法,它能够嵌入到learningstage的预处理阶段,以获得控制器直接从感官的原始数据,没有专家knowledgeinvolved。由于感官数据的高维性,该方法使用量化模糊规则(QFR),能够将低级别的输入变量转换为高级别的输入变量,通过总结降低维数。所提出的学习算法,称为迭代量化模糊规则学习(IQFRL),是基于遗传编程。IQFRL能够学习不同结构的规则,并能够管理多粒度的语言变量。该算法已被测试的墙壁以下的行为在几个现实的模拟环境中具有不同的复杂性和先锋3-AT机器人在两个真实的环境中的实施。实验结果表明,IQFRL算法具有更好的性能,并与几种著名的结合不同数据预处理技术的学习算法进行了比较。此外,三个现实世界中的应用,IQFRL发挥了核心作用,也提出了:路径和物体跟踪与静态和移动障碍物的避免。
2014-11-14 cs.AI cs.LG cs.RO
User-Conditioned Neural Control Policies for Mobile Robotics
University of Zurich(苏黎世大学);ETH Zurich(苏黎世联邦理工学院)
提出基于FiLM层的用户条件化神经控制框架,通过无模型强化学习训练四旋翼策略,使用户能在部署时调节飞行激进程度,在仿真和实验中实现接近时间最优的性能。
2023-04-02 cs.RO
Robótica Móvel e Inteligência Artificial para Investigação, Competição e Automatização de Sistemas Industriais
Universidad Tecnológica del Uruguay(乌拉圭技术大学)
近年来,由于一些工厂的生产方式加快,机器人用于增强某些流程的实施变得流行。在这种背景下,机器人技术出现了,首先是固定机器人,最近是移动机器人,即空中和地面机器人。它们可以用于功能内的限定过程,主要是固定机器人,但也可以用于更广泛领域的研究甚至竞争。本工作总结了一个地面移动机器人模型的建设,使人工智能的研究和比赛的目的,所有这些与基本的传感器,可用于工业。
2022-10-20 cs.RO
Using Markov Decision Process to Model Deception for Robotic and Interactive Game Applications
The Pennsylvania State University(宾夕法尼亚州立大学);Penn State Harrisburg(宾州州立大学哈里斯堡分校)
本文研究欺骗的背景下,使用模拟移动机器人的运动。我们分析了一些以前设计的欺骗性策略的移动机器人模拟器。然后,我们提出了一种新的方法,自适应地选择面向目标的欺骗性轨迹欺骗人类的多次互动。此外,我们提出了一个新的度量来评估欺骗的数据收集时,从用户与移动机器人模拟器进行交互。我们进行了一个用户研究,以测试我们提出的自适应欺骗算法,这表明,我们的算法欺骗人类,甚至多次互动,它是更有效的欺骗策略比随机选择。
2020-12-22 cs.HC cs.MA cs.RO
Robotic deployment on construction sites: considerations for safety and productivity impact
Ecole de technologie supérieure(高等技术学院);GRIDD;Lab of INIT Robots(INIT机器人实验室)
针对建筑工地移动机器人部署的安全保障与环境适配难题,本文基于与加拿大建筑公司的合作,分享了半自主移动机器人在真实施工场景的部署经验与相关见解。
2024-05-12 cs.RO
Do You Know the Way? Human-in-the-Loop Understanding for Fast Traversability Estimation in Mobile Robotics
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
针对非结构化环境中机器人通行性估计面临的数据标注成本高及领域偏移问题,提出一种按需请求人类标注的人在环方法,利用基础模型在少量标注下实现快速学习与准确预测,并在仿真和真实数据中达到最先进性能。
2025-04-28 cs.RO
Empirical Analysis of Bi-directional Wi-Fi Network Performance on Mobile Robots in Indoor Environments
University of Georgia(佐治亚大学)
本文提出了一个框架来衡量的重要指标(吞吐量,延迟,数据包重传,信号强度等)。确定由机器人操作系统(ROS)中间件支持的移动机器人的Wi-Fi网络性能。我们通过室内环境中的实验装置分析了移动机器人的双向网络性能,其中移动机器人将重要的传感器数据(如来自摄像机的视频流和LiDAR扫描值)传输到命令站,同时通过从命令站接收的遥控速度命令导航室内环境。实验评估了2.4 GHz和5 GHz信道下的性能,不同的接入点(AP)的位置,每侧最多有两个网络设备。该框架可推广到车辆网络评估,本研究的讨论和见解适用于现场机器人社区,其中无线网络在现实环境中成功执行机器人任务方面发挥着关键作用。
2022-01-13 cs.NI cs.RO
Intrinsic Calibration of Depth Cameras for Mobile Robots using a Radial Laser Scanner
University of Malaga(马拉加大学)
深度相机通常采用RGB-D配置,是移动机器人平台中的常见设备,因为它们具有吸引人的功能:高频率和分辨率,低价格和功率要求等。这些传感器在深度测量中可能会出现严重的非线性误差,这会危及机器人的任务,如自由空间检测,环境重建或视觉机器人-人类交互。本文提出了一种方法来校准这样的系统误差的帮助下,第二,更精确的距离传感器,在我们的情况下,径向激光扫描仪。与最初看起来的情况相反,这并不意味着在实践中存在严重的限制,因为这两个传感器通常共同安装在许多移动机器人平台中,因为它们彼此互补。此外,激光扫描仪可以仅用于校准过程,并且在校准过程之后将其去除。本文的主要贡献是:i)校准是从概率的角度通过最大似然估计问题,和ii)所提出的方法可以很容易地自动执行移动机器人平台。为了验证所提出的方法,我们对3D平面重建的局部失真和测量中的全局偏移进行了评估,获得了更加准确的结果。为了社区的利益,已经发布了所提出方法的C++开源实现。
2019-07-03 cs.CV cs.RO
Physics-Based Learning for Robotic Environmental Sensing
Duke University(杜克大学)
我们提出了一个基于物理的方法来学习环境领域(EF)使用移动机器人。普通的纯数据驱动方法需要大量的测量来准确地学习这种复杂的EF。或者,基于物理的模型提供全球知识的EF,但需要实验验证,依赖于不确定的参数,是棘手的移动机器人。为了解决这些挑战,我们提出了一个贝叶斯框架,以选择最有可能的基于物理的模型的EF实时,从一个池的数值解离线生成的不确定参数的函数。具体来说,我们专注于湍流场,并利用高斯过程(GP)来构建统计模型,使用数值解池来告知其先验均值。为了将流量测量到这些全球定位系统,我们控制一个定制的移动机器人通过一系列的路点,最大限度地提高测量的信息内容。我们通过实验证明,我们提出的框架构建了流场的后验分布,与先前的数值解和纯粹的数据驱动方法相比,该后验分布更好地近似真实流。
2021-01-14 cs.LG cs.RO stat.ML
Robo-Platform: A Robotic System for Recording Sensors and Controlling Robots
Department of Electrical Engineering, Islamic Azad University, Najafabad Branch, Isfahan, Iran(电气工程系,伊斯兰教Azad大学,纳杰法德分校,伊斯法罕,伊朗)
本文提出Robo-Platform系统,利用Android手机、微控制器板和远程无线站实现多传感器原始数据采集与机器人控制,并通过SLAM/AR实验及玩具车、四旋翼控制案例验证其有效性。
2025-07-17 cs.RO cs.SY eess.SY
When Prompts Control Robots: Prompt Injection Attacks in Multi-Agent Robotic Systems
School of Informatics, Computing, and Cyber Systems, Northern Arizona University(北亚利桑那大学信息学、计算与网络安全学院);Department of Software Science, Tallinn University of Technology(塔林理工大学软件科学系)
本文针对基于LLM的多智能体机器人系统,系统研究了直接和间接提示注入攻击的风险、传播特性及架构对攻击成功率的影响,是该领域的首项系统性研究。
2026-08-05 cs.AI cs.CR cs.MA
Development of a Stereo-Vision Based High-Throughput Robotic System for Mouse Tail Vein Injection
Preferred Networks Inc.(Preferred Networks公司);Chugai Pharmaceutical Co., Ltd.(中外制药株式会社)
在本文中,我们提出了一个机器人装置,小鼠尾静脉注射。提出了一种无需麻醉即可实现静脉注射的小鼠夹持机构,该机构由止血带、真空端口和自适应末端固定装置组成。目标静脉在3D空间中的位置从高分辨率立体视觉重建。静脉是由一个简单但强大的静脉线检测器检测。由于所提出的两阶段校准过程,注射过程的总时间被限制为1.5分钟,尽管针和尾静脉的位置对于每次试验是不同的。我们对40只小鼠进行了注射实验,其中37只成功注射生理盐水,成功率为92.5%。
2022-05-25 cs.RO
Path planning for Robotic Mobile Fulfillment Systems
University of Paderborn(帕德博恩大学);Leuphana University of Lüneburg(吕讷堡莱法纳大学)
本文提出了一个收集的路径规划算法的实时移动的多个机器人在机器人移动履行系统(RMFS)。机器人被指派将存储单元移动到工作站的拣选员,而不是要求拣选员去存储区域。路径规划算法的目标是为机器人找到路径,以满足没有冲突或死锁的请求。最先进的路径规划算法,包括WHCA*,FAR,BCP,OD&ID和CBS,经过调整以适应RMFS中的路径规划,并集成在仿真工具中,以引导机器人在存储和检索过程中从起点到目的地。在模拟研究中考虑了十种不同的布局,其中包括各种数量的机器人,楼层,吊舱,车站和存储区域的大小。性能指标的吞吐量,路径长度和搜索时间进行了监测。仿真结果表明,最好的算法的基础上,每个性能指标。
2018-11-19 cs.AI cs.RO
Towards Motion Compensation in Autonomous Robotic Subretinal Injections
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)
本文针对机器人视网膜下注射中的生理运动干扰,提出基于B$^5$-扫描的实时光学相干断层扫描运动补偿方法,并通过离体猪眼实验揭示了现有方法在距离保持和注射精度方面的不足。
2025-03-11 cs.RO
Decentralized Control of Three-Dimensional Mobile Robotic Sensor Networks
移动机器人传感器网络的分散控制是机器人学中的一个基本问题,近几十年来吸引了大量的研究。大多数现有的作品处理二维空间。这份报告关注的是在三维环境中的移动机器人传感器网络的分散自部署的问题。报告的第一部分研究了三维空间中完整的传感覆盖问题。我们提出了一个分散的随机算法来驱动移动机器人传感器的顶点上的一个截断的八面体网格完整的传感覆盖的有界的3D区域。在第二部分中,我们提出了一个分布式随机搜索算法在有界三维环境。第三,我们研究了由移动机器人传感器网络在有界三维空间中定位静态和移动目标的问题。我们介绍了一种新的分散式生物启发的随机搜索算法,用于在3D区域中找到静态和移动对象。该算法将Levy飞行随机搜索机制与三维覆盖网格相结合。本文研究了移动机器人传感器网络在三维空间中的三维编队构建问题。提出了一种基于分散共识的多机器人系统的控制律,该控制律能使多机器人在三维环境中从任意初始位置形成给定的几何构形。移动机器人传感器的收敛到给定的配置所示的广泛的模拟。此外,数学上严格的证明所提出的算法收敛到给定的配置。
2016-06-01 cs.RO math.OC
Low-cost commercial LEGO platform for mobile robotics
Universidad de Guadalajara, CUCEI(瓜达拉哈拉大学)
本文展示了乐高\c{opyright}为基础的低成本商业机器人平台的潜力,学习和测试原型在高等教育和研究。整体设置旨在解释与机电一体化,机器人和自动控制理论等几个领域密切相关的移动机器人问题。乐高机器人的能力和局限性的研究在两个项目。第一个涉及一个机器人车辆,它能够遵循几个预定义的路径。第二个项目涉及到经典的位置控制问题。算法和其他工具已经完全设计,应用和记录的结果显示在整个文件。该平台被认为是适合教学和研究的关键问题,涉及上述领域。
2014-06-30 cs.RO
Deep Learning-Enhanced Robotic Subretinal Injection with Real-Time Retinal Motion Compensation
Laboratory for Computational Sensing and Robotics(计算感知与机器人实验室);Johns Hopkins University(约翰霍普金斯大学);Wilmer Eye Institute(威尔默眼科研究所)
本文提出了一种全自动机器人视网膜注射系统,结合术中光学相干断层扫描和深度学习运动预测,实现针头运动与视网膜位移同步,实验验证了其在视网膜微手术中的安全性和准确性。
2025-04-04 cs.RO
Innovative Integration of Visual Foundation Model with a Robotic Arm on a Mobile Platform
Shanghai Hrstek Co., Ltd(上海赫斯克机器人有限公司)
本文提出将Segment Anything model (SAM)视觉基础模型与移动平台机械臂集成,通过深度相机实现动态物体分割、跟踪与抓取,并支持多模态用户交互,在仿真和真实环境中验证了其有效性与广泛应用潜力。
2024-04-29 cs.RO
Review of control algorithms for mobile robotics
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA(国家开放大学);UNIVERSIDAD PEDAGOGICA Y TECNOLOGICA DE COLOMBIA(哥伦比亚教育与技术大学)
本文综述了移动机器人控制算法,涵盖经典PID及现代深度学习等方法,聚焦导航、定位、建图与路径规划挑战,并讨论实际应用与挑战,为研究者提供全面参考。
2023-10-09 cs.RO
Towards Probabilistic Formal Modeling of Robotic Cell Injection Systems
National University of Sciences and Technology (NUST)(巴基斯坦国立科技大学)
细胞注射是生物细胞显微操作领域中的一种技术,用于将小体积的样品递送到悬浮或粘附的细胞中。它已广泛应用于基因注射、体外受精、卵胞浆内单精子注射和药物开发等领域。然而,现有的手动和半自动细胞注射系统需要长时间的培训,并且存在高污染概率和低成功率的问题。在最近推出的全自动细胞注射系统中,注射力在该过程的成功中起着至关重要的作用,因为即使是微小的过度力也会破坏生物细胞的膜或组织。传统上,力控制算法是使用仿真来分析的,这在检测系统故障方面是固有的非穷举和不完整的。此外,在分析中通常忽略系统中的不确定性。为了克服这些局限性,我们提出了一个正式的分析方法的基础上概率模型检验分析机器人细胞注射系统利用阻抗力控制算法。所提出的方法,使用PRISM模型检查器开发,允许找到算法中的差异,这是没有发现的任何以前的分析使用传统的方法。
2017-03-20 cs.CE cs.LO cs.RO
Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing
Technische Universität München(慕尼黑工业大学);Johns Hopkins University(约翰斯·霍普金斯大学);Wilmer Eye Institute(威尔默眼科研究所);Johns Hopkins Hospital(约翰斯·霍普金斯医院);Technical University of Munich(慕尼黑工业大学);Whiting School of Engineering(怀廷工程学院)
针对机器人系统与iOCT融合在视网膜下注射手术中面临的处理速率、动态配准等挑战,提出含器械位姿估计、在线配准、轨迹规划及智能虚拟B扫描的自主导航框架,经离体猪眼实验验证了精度与可重复性。
2023-01-17 cs.CV cs.RO
Configuration-Aware Safe Control for Mobile Robotic Arm with Control Barrier Functions
Shanghai Jiao Tong University(上海交通大学);University of Oxford(牛津大学);Tencent(腾讯)
碰撞避免是机器人应用中广泛研究的课题。在将避碰技术应用于移动机器人时,如何处理机器人的空间结构仍然是一个挑战。在本文中,我们设计了一个配置感知的安全控制律,通过求解二次规划(QP)与设计的控制障碍函数(CBFs)的约束,它可以安全地导航移动机械臂到所需的区域,同时避免与环境障碍物碰撞。我们的方法的优点是,它正确地,并在一个优雅的方式结合了移动机器人手臂的空间结构。这是通过合并移动机器人手臂链接到CBF约束之间的几何限制。通过对刚性杆和移动机械臂的仿真,验证了该方法的可行性和时间效率。对不同自由度的计算结果表明,该方法具有很好的维数伸缩性。
2022-05-08 cs.RO cs.SY eess.SY
Affordable Mobile-based Simulator for Robotic Surgery
Digital Surgery Limited(数字手术有限公司);University College London(伦敦大学学院);Kasetsart University(泰国农业大学)
机器人手术和新型手术器械为更安全、更准确和一致的微创手术提供了巨大的潜力。然而,采用这些方法取决于能否获得培训设施和广泛的外科培训。与开放式或腹腔镜相比,机器人器械需要不同的灵巧技能。因此,外科医生需要投入大量时间参加广泛的培训计划。相反,由于用于培训目的的机器人系统的可用性有限,实际操作经验代表了医院的额外运营成本。外科医生和医院面临的所有这些技术和财政障碍都阻碍了机器人手术的采用。在本文中,我们提出了一个移动灵活性训练包,以发展基本的手术技术在一个负担得起的设置。该系统可用于训练基本的外科手术姿势,并开发操纵机器人器械所需的运动技能。我们的工作提出了架构和组件需要创建一个模拟环境的培训子任务,以及便携式移动机械手,可用作主控制器的不同仪器的设计。初步研究结果表明,该系统的可用性和技能的发展。
2018-07-20 cs.RO
Formal Modeling of Robotic Cell Injection Systems in Higher-order Logic
National University of Sciences and Technology (NUST)(国立科技大学)
机器人细胞注射用于自动将物质输送到细胞中,是药物开发、基因工程和细胞生物学许多其他领域的不可或缺的组成部分。传统上,这些系统的功能的正确性是确定使用纸笔证明和计算机模拟的方法。然而,基于纸张的证明可能容易出现人为错误,并且由于其基于采样的性质以及无法在基于计算机的模型中捕获连续行为,模拟提供了不完整的分析。模型检验最近也被提倡用于细胞注射系统的分析。然而,它涉及用于建模系统的动态的微分方程的离散化,从而妥协的完整性的分析以及。在本文中,我们建议使用高阶逻辑定理证明的建模和分析的机器人细胞注射系统的动态行为。底层逻辑的高表达性允许我们以真实的形式捕捉模型的连续细节。然后,可以在证明助手的声音核心内使用演绎推理来分析模型。
2018-07-18 cs.LO cs.RO
osmAG: Hierarchical Semantic Topometric Area Graph Maps in the OSM Format for Mobile Robotics
ShanghaiTech University(上海科技大学)
提出基于OSM格式的osmAG分层语义拓扑度量区域图,结合语义标注与紧凑障碍物表示,支持基于机器人能力的规划,并集成ROS,在大规模真实地图上验证了其有效性与便利性。
2023-09-09 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