Planning Jerk-Optimized Trajectory with Discrete-Time Constraints for Redundant Robots
Delft University of Technology (TU Delft)(代尔夫特理工大学);INRIA(法国国家信息与自动化研究所);The Hong Kong Polytechnic University(香港理工大学);The Chinese University of Hong Kong (CUHK)(香港中文大学)
针对含运动学冗余且刀具路径带大量离散时间路径点的制造机器人,提出一种在制造过程中同步优化运动加加速度的轨迹规划方法,以提高制造质量。
2020-02-15 cs.RO
Optimal Distributed Multi-Robot Communication-Aware Trajectory Planning using Alternating Direction Method of Multipliers
Technical University of Denmark(丹麦技术大学)
针对多机器人通信感知轨迹规划问题,提出基于预算交易分离通信约束并用一致性ADMM分布式求解的最优规划算法,且在巡检仿真中验证。
2024-08-09 cs.RO
On Model Predictive Path Following and Trajectory Tracking for Industrial Robots
Norwegian University of Science and Technology(挪威科技大学);SINTEF DIGITAL(SINTEF数字研究所)
在这篇文章中,我们将展示如何模型预测路径跟踪控制器允许机器人机械手停止在障碍物的方式,模型预测轨迹跟踪控制器不能。我们提出了这两个控制器应用于机器人机械手,模拟两连杆机械手使用内点求解器,考虑离散化的最优控制问题,使用配置或龙格库塔,并讨论我们的实施模型预测路径跟踪控制器的实时可行性。
2017-03-07 cs.RO
Efficient Trajectory Optimization for Robot Motion Planning
University of California at Berkeley(加州大学伯克利分校)
多关节机器人的运动规划具有挑战性。由于问题的复杂性,大多数现有的工作分解运动规划作为更容易的子问题。然而,由于不一致的性能指标,只有次优的解决方案可以找到基于分解的方法。本文提出了一种基于最优控制的方法来同时解决路径规划和轨迹规划子问题。针对涉及复杂机器人动力学的运动规划问题,提出了一种有效的轨迹优化数值方法。数值计算结果表明了该方法的有效性。实验结果表明了该规划算法的可行性。
2018-10-09 cs.RO
A Robust and Energy-Efficient Trajectory Planning Framework for High-Degree-of-Freedom Robots
University of Brighton(布莱顿大学);Jamia Millia Islamia(贾米亚·米利亚·伊斯兰亚大学)
针对高自由度机器人轨迹规划的能耗与平顺性问题,提出融合正弦轨迹生成和速度缩放的框架,仿真验证其可显著节能并保持精度与平顺过渡。
2025-03-13 cs.RO
Complete Decentralized Method for On-Line Multi-Robot Trajectory Planning in Valid Infrastructures
FEL, CTU in Prague(布拉格捷克理工大学电气工程学院);iRobot Inc.(iRobot公司)
我们考虑一个由多个移动机器人组成的系统,在该系统中,用户可以在任何时候发出搬迁任务,命令其中一个机器人从其当前位置移动到给定的目的地位置。在本文中,我们处理的问题,找到一个轨迹为每个这样的搬迁任务,避免与其他机器人的碰撞。所选择的机器人规划其轨迹,以避免与执行先前发布的任务的其他机器人发生碰撞。我们证明,如果所有可能的目的地的搬迁任务满足所谓的有效的基础设施属性,那么这种机制是保证总是成功的,并提供一个轨迹的机器人到达目的地,而不会与任何其他机器人碰撞。在固定的空间时间离散化的方法的时间复杂度是二次的机器人的数量。我们证明了所提出的方法在几个现实世界的地图上的适用性,并将其性能与一种流行的反应性方法进行比较,该方法试图在本地解决冲突。除了死锁自由,所提出的方法生成的轨迹是显着更快(高达48%的改善)比轨迹产生的局部碰撞避免。
2015-01-30 cs.RO
Whole-Body Trajectory Optimization for Robot Multimodal Locomotion
Istituto Italiano di Tecnologia(意大利技术研究院);University of Manchester(曼彻斯特大学)
本文提出一种统一生成地面与空中运动的全身轨迹优化方法,结合质心动量与驱动模型,并使用飞行仿人机器人iRonCub验证了方法有效性。
2022-11-23 cs.RO
VP-STO: Via-point-based Stochastic Trajectory Optimization for Reactive Robot Behavior
Ecole Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院);Oxford Robotics Institute, University of Oxford(牛津大学牛津机器人研究所);Idiap Research Institute(Idiap 研究所)
在复杂的动态环境中实现反应式机器人行为仍然具有挑战性,因为它依赖于能够足够快地解决轨迹优化问题,使得我们能够以对于手头的任务足够高的频率重新规划未来的运动。我们认为,目前的机器人操作器的模型预测控制(MPC)的局限性产生于效率低下,高维的轨迹表示和忽视的时间最优的轨迹优化过程中。因此,我们提出了一个运动优化框架,在空间和时间上进行联合优化,在关节空间中生成平滑和时间最优的机器人轨迹。虽然是任务不可知的,我们的配方可以结合额外的特定任务的要求,如避免碰撞,但保持实时控制率,在模拟和现实世界的机器人实验中证明闭环操作。如需更多资料,请访问https://sites.google.com/oxfordrobotics.institute/vp-sto。
2023-03-14 cs.RO
Efficient Trajectory Planning for Multiple Non-holonomic Mobile Robots via Prioritized Trajectory Optimization
Nanyang Technological University(南洋理工大学)
在本文中,我们提出了一种新的方法来有效地产生无碰撞的最优轨迹的多个非完整移动机器人在障碍物丰富的环境。我们的方法首先采用基于图的多智能体路径规划器找到一个初始的离散解,然后使用非线性优化将此解细化为平滑的轨迹。我们将机器人团队分成小的组,并提出了一个优先级的轨迹优化方法,以提高算法的可扩展性。由于解耦的优化框架,在某些情况下可能会出现不可行的子问题。为了解决这个问题,提出了一种新的分组和优先级分配策略,以增加找到可行轨迹的概率。与耦合轨迹优化方法相比,该方法在对规划的最优性影响较小的情况下,大大减少了计算时间。仿真和硬件实验验证了该方法的有效性和优越性。
2020-12-15 cs.RO
Continuous Jumping for Legged Robots on Stepping Stones via Trajectory Optimization and Model Predictive Control
University of Southern California(南加州大学)
在不平坦的踏脚石上进行跳跃或奔跑等高度敏捷的动态运动一直是足式机器人运动中的一个挑战性问题。本文提出了一种框架,结合轨迹优化和模型预测控制执行稳健的和连续的跳跃上的垫脚石。在我们的方法中,我们首先利用轨迹优化的基础上的全非线性动力学的机器人产生周期性的跳跃轨迹的各种跳跃距离。设计了基于模型预测控制的跳跃控制器,实现了跳跃过程的平滑过渡,使机器人能够在踏脚石上实现连续跳跃。由于MPC作为一个实时反馈控制器的结合,所提出的框架也被验证为具有未知的高度扰动和模型不确定性的机器人动力学不均匀的平台是强大的。
2022-09-16 cs.RO
Continuous Trajectory Optimization via B-splines for Multi-jointed Robotic Systems
University of California, Berkeley(加州大学伯克利分校)
轨迹规划问题的连续公式有两个主要好处。首先,保证约束在任何时候都得到满足。其次,动态障碍可以自然地随着时间而考虑。提出了一种新的基于B样条的多关节机器人轨迹优化方法,该方法能够在保证连续约束满足的情况下提供连续轨迹。在这种方法的核心,B样条的基本操作,如加法,乘法和导数,严格定义和应用的问题制定。利用B样条曲线的凸包和光滑曲线特性,将原连续优化问题转化为有限维问题。利用有符号距离场实现了对静态障碍物的避碰,通过构造时变分离超平面实现了对动态障碍物的避碰。对各种机器人的仿真结果验证了算法的有效性。此外,本文提供了实验验证与6连杆FANUC机器人避免静态和移动障碍物。
2022-12-20 cs.RO
Collision-Free Multi Robot Trajectory Optimization in Unknown Environments using Decentralized Trajectory Planning
SRM Institute of Science and Technology(SRM科学技术研究所)
多机器人系统具有广泛的应用前景。在大多数以前的工作中,多机器人系统的轨迹生成是在已知的环境中实现的。为了克服这个问题,我们提出了一种在线轨迹优化算法,该算法利用机器人当前状态的通信来解释其他机器人,同时使用基于本地对象的地图来识别障碍物。基于这些数据,我们预测机器人预计要穿越的轨迹,并利用它来避免碰撞,方法是制定机器人可以不与其他机器人和障碍物碰撞的自由空间区域。在Gazebo上使用ROS进行了仿真,验证了该方法的有效性。
2018-12-03 cs.MA cs.RO
Efficient Computation of Higher-Order Variational Integrators in Robotic Simulation and Trajectory Optimization
Northwestern University(西北大学)
本文讨论的问题,有效地计算高阶变分积分的仿真和轨迹优化的机械系统,经常发现在机器人应用。我们开发了$O(n)$算法来计算离散的Euler-Lagrange(DEL)方程,并计算求解DEL方程的牛顿方向,从而得到任意高阶的线性时间变分积分器。据我们所知,没有线性时间高阶变分,甚至隐式积分已经开发出来。提出了一种线性化DEL方程的$O(n^2)$算法,可用于轨迹优化。这些算法消除了复杂机器人系统仿真和轨迹优化中高阶变分积分器的实现瓶颈。通过与现有方法的比较,以及在多种机器人系统上的实现,包括Spring Flamingo机器人、LittleDog机器人和Atlas机器人的轨迹优化,验证了本文方法的有效性。结果表明,相同的积分器可用于机器人中的仿真和轨迹优化,在保持机械性能的同时实现良好的可扩展性和准确性。
2019-04-29 cs.RO math.OC
Learning Interaction-Aware Trajectory Predictions for Decentralized Multi-Robot Motion Planning in Dynamic Environments
Delft University of Technology(代尔夫特理工大学)
针对动态环境下的多机器人运动规划问题,提出了一种数据驱动的分散轨迹优化方法。当在共享空间中导航时,每个机器人都需要对相邻机器人的运动进行准确的预测,以实现预测性的碰撞避免。这些运动预测可以在机器人之间通过经由通信彼此共享它们的未来规划轨迹来获得。然而,这种通信在实践中可能无法获得,也不可靠。在本文中,我们介绍了一种新的轨迹预测模型的基础上循环神经网络(RNN),可以学习多机器人的运动行为,从演示轨迹使用集中式顺序规划器生成。学习的模型可以为每个机器人有效地在线运行,并根据其历史状态的观察提供其邻居的交互感知轨迹预测。然后,我们将轨迹预测模型到一个分散的模型预测控制(MPC)框架的多机器人避碰。仿真结果表明,我们的分散式方法可以实现一个集中式规划器的性能相当的水平,同时是通信自由和可扩展到大量的机器人。我们还验证了我们的方法与现实世界的实验中的四旋翼团队。
2021-02-23 cs.LG cs.RO
Optimal Predefined-time Trajectory Planning for a Free-floating Space Robot
随着人类空间探索的不断深入,空间环境中逐渐充满了废弃的卫星碎片和未知的微小陨石,这些碎片将严重影响空间机器人的捕获运动。因此,本文将重点研究一种具有预定时间位姿反馈的双臂自由漂浮空间机器人(FFSR)快速避碰轨迹规划策略,以实现末端执行器的微米级跟踪精度。然而,与控制类似,指数反馈导致相对于比例反馈的较大的初始关节角速度。首先,从控制的角度推导出基于位姿误差的FFSR运动学模型。在预定时间轨迹规划中,采用累积危险场(CDF)避碰算法,实现了微米级的避碰轨迹跟踪精度。最后,采用基于遗传算法的优化算法对预定时间参数进行优化,得到了机器人手臂低关节角速度的运动轨迹。仿真结果验证了我们的猜想和结论。
2021-09-01 cs.RO math.OC
Exploring Robot Trajectory Planning -- A Comparative Analysis of Algorithms And Software Implementations in Dynamic Environments
University of Lincoln(林肯大学)
本文比较分析了动态环境中机器人轨迹规划算法及其软件实现,旨在解决适应性和实时分析问题,以更好地应对不可预测环境。
2024-07-18 cs.RO cs.SE cs.SY
Contact-timing and Trajectory Optimization for 3D Jumping on Quadruped Robots
University of Southern California(南加州大学)
在长时间的飞行阶段进行高度敏捷的杂技动作需要完美的时机,高精度和全身运动的协调。为了解决这些挑战,我们提出了一种新的方法的时机和轨迹优化框架进行侵略性的3D跳跃的足式机器人。在我们的方法中,我们首先利用一个有效的优化框架,使用简化的刚体动力学来解决接触时间和机器人身体的参考轨迹。该模块的解决方案,然后用于制定一个完整的身体轨迹优化的基础上完全非线性动力学的机器人。这种组合使我们能够有效地优化接触时间,同时确保跳跃轨迹可以在机器人硬件中有效地实现。我们首先验证了A1机器人模型上的各种3D跳跃任务,如双后空翻的高海拔2米的建议框架的效率。实验验证,然后成功地进行了各种积极的三维跳跃运动,如对角跳,桶滚,双桶滚从一个盒子的高度分别为0.4米和0.9米。
2022-08-24 cs.RO cs.SY eess.SY
Rolling in the Deep -- Hybrid Locomotion for Wheeled-Legged Robots using Online Trajectory Optimization
ETH Zürich(苏黎世联邦理工学院);Delft University of Technology(代尔夫特理工大学);Boston Dynamics(波士顿动力公司)
轮式足式机器人具有高度敏捷和多功能运动的潜力。腿和轮子的组合可能是任何需要在具有挑战性的地形上快速和长距离移动技能的现实世界应用的解决方案。在本文中,我们提出了一个在线轨迹优化框架轮式四足机器人能够执行混合步行驱动运动策略。通过将优化问题分解为轮和基座轨迹规划,高维轮足式机器人的运动规划变得更加易于处理,可以以模型预测控制的方式实时在线求解,并且对于不可预测的干扰变得鲁棒。参考运动由分层全身控制器跟踪,该控制器向机器人发送扭矩命令。我们的方法是验证四足机器人与非转向轮连接到它的腿。该机器人执行混合运动的各种步态序列在粗糙的地形。此外,我们在美国国防高级研究计划局(DARPA)地下挑战赛中验证了机器人平台,机器人在那里快速绘制地图,导航和探索动态地下环境。
2020-02-06 cs.RO cs.SY eess.SY
ARMCHAIR: integrated inverse reinforcement learning and model predictive control for human-robot collaboration
Instituto Tecnológico de Aeronáutica(航空技术研究院);Delft University of Technology(代尔夫特理工大学)
提出ARMCHAIR架构,融合对抗逆强化学习与模型预测控制,使多机器人在探索任务中自主识别人类支持需求、保障安全与网络连接并提升整体任务性能。
2024-02-29 cs.HC cs.MA cs.RO
Combinatorics of a Discrete Trajectory Space for Robot Motion Planning
DFKI(德国人工智能研究中心)
运动规划是机器人控制中的一个难题。问题的复杂性与机器人的位形空间维数直接相关。虽然在许多理论计算和实际应用中的配置空间建模为连续空间,我们提出了一个离散的机器人模型的基础上的基本硬件规格的机器人。使用格路径的方法,我们提供的运动规划的复杂性估计通过计数的数量可能的轨迹在一个离散的机器人配置空间。
2020-05-25 cs.AI cs.CC cs.DM
Digital Twins for Human-Robot Collaboration: A Future Perspective
University of Genoa(热那亚大学)
本文综述了数字孪生在人机协作领域的最新进展,论证了其对提升系统效率效能的关键作用,展望了未来发展方向并分析了集成的优势与挑战。
2023-11-04 cs.RO
Human Motion Prediction for Human-Robot Collaboration
本文比较了三种人体运动预测方法(GMM聚类、TransFusion、Graph-Mixer)在人机协作中的效果,通过预判人体运动来改进机器人规划,提升动态环境的安全与效率。
2026-09-29 cs.RO
Human Leading or Following Preferences: Effects on Human Perception of the Robot and the Human-Robot Collaboration
University of Waterloo(滑铁卢大学)
本研究提出整合人类主导/跟随偏好与绩效的主动式任务规划框架,经用户研究验证可提升人机协作绩效与人类积极感知,还发现领导/跟随风格与协作效果存在值得探究的关联。
2024-10-28 cs.RO
The Robot in the Room: Influence of Robot Facial Expressions and Gaze on Human-Human-Robot Collaboration
University of Hamburg(汉堡大学)
机器人面部表情和凝视是增强人机交互(HRI)的重要因素,但它们对人类协作和感知的影响还没有得到很好的理解,例如,在协作游戏场景中。在这项研究中,我们设计了一个合作的三元HRI游戏的情况下,两个参与者一起工作,插入到一个形状分类器的对象。一名与会者担任了导游。向导指导扮演演员角色的另一位参与者将遮挡的物体放入分类器。一个人形机器人发出指令,观察互动,并显示社交线索,以引起两个参与者的行为变化。我们测量了人类的合作作为任务完成时间的函数,以及参与者对机器人的感知,将其行为评为智能或随机。参与者还通过填写Godspeed问卷来评估机器人。我们发现,与中性面部表情相比,当机器人在游戏开始时表现出快乐的面部表情时,人类的合作程度更高。我们还发现,当机器人在游戏结束时表现出积极的面部表情时,参与者认为机器人更聪明。机器人的行为也被认为是智能的,当它在互动开始时将目光投向向导,而不是演员。这些发现为机器人面部表情和凝视如何影响人类在协作中的行为和感知提供了见解。
2023-03-24 cs.RO
Surena-V: A Humanoid Robot for Human-Robot Collaboration with Optimization-based Control Architecture
本文介绍了人形机器人Surena-V,其通过配备气压触觉传感器和基于优化的控制架构(如ZMP修正与作用点外力检测),实现了更敏捷的环境交互与稳定的人机协作。
2025-01-28 cs.RO
To Lead or to Follow? Adaptive Robot Task Planning in Human-Robot Collaboration
University of Waterloo(滑铁卢大学)
本文提出一种兼顾人类引领/跟随偏好与表现的自适应机器人任务规划框架,通过用户研究验证其能提升团队表现并改善人类对协作的感知。
2025-07-20 cs.RO
Co-speech gestures for human-robot collaboration
Tampere University(坦佩雷大学)
本文提出一种结合语音与手势的多模态模型,用于人机协作中的任务分配,并在真实工业场景中验证其比单一模态工具更易实现且协作效果更优。
2023-11-30 cs.RO
Identification Algorithm to Determine the Trajectory of Robots with Singularities
奇异性是机器人控制中的一个重要问题。通过为机器人确定合适的轨迹,可以避免奇异情况。本文提出了一种识别算法来控制机器人,使其能够改变其方向,以避免奇异的情况。基于奇异值分解,提出了一种适用于非冗余单秩机器人的控制算法。所提出的方法是采用六个自由度的机器人,以确定其可行的轨迹。关键词:奇异性;轨迹辨识;机器人控制;辨识算法;奇异值分解。
2019-08-23 cs.RO
Adaptable Human Intention and Trajectory Prediction for Human-Robot Collaboration
Peking University(北京大学);Carnegie Mellon University(卡内基梅隆大学);Georgia Institute of Technology(佐治亚理工学院)
为了实现安全、高效的人机协作,对人类行为进行高保真预测至关重要。做出准确预测的挑战在于人类行为的随机性和异质性。本文介绍了一种通过多任务模型来预测人的轨迹和意图的方法,该模型适用于不同的人类主体。提出了一种非线性递归最小二乘参数自适应算法(NRLS-PAA)实现在线自适应。实验结果验证了该方法的有效性和灵活性。特别是,在线自适应可以将新的人类受试者的轨迹预测误差减少28%以上。所提出的人类预测方法具有高度的灵活性、数据效率和通用性,可以支持快速集成HRC系统以完成用户指定的任务。
2019-09-11 cs.RO
Recent Advances in Human-Robot Collaboration Towards Joint Action
Italian Institute of Technology(意大利理工学院);University of Genoa(热那亚大学);The University of Manchester(曼彻斯特大学)
到目前为止,机器人作为独立的实体存在,但人类与机器人共生伙伴关系的前景即将到来。尽管最近在硬件方面取得了技术进步,但机器人仍然没有被赋予必要的关系技能,以确保其存在的社会成分。本文借鉴了我们的经验,机器人专家在人-机器人协作(HRC)与人形机器人,并提出了一些最新的进展,实现直观的机器人行为和合作伙伴意识到控制涉及物理交互。
2020-01-02 cs.RO
Human-Robot Collaboration: From Psychology to Social Robotics
KTH Royal Institute of Technology(瑞典皇家理工学院)
随着机器人技术的发展,人机协作的研究越来越受到重视。对于机器人来说,要想自主地与人类互动,他们需要主动做出决策,并将人类伙伴考虑在内。然而,国家的最先进的研究在人力资源管理往往假设一个领导者和追随者的分工,其中一个代理人领导的互动。我们认为,这是由于缺乏一个可靠的代表人类和环境,让自主决策。这个问题可以克服体现的方法,以人权委员会的灵感来自心理学研究的人与人的互动(HHI)。在这项调查中,我们回顾了神经科学和心理学的发现,感觉运动模式,管理HHI和查看他们在机器人的背景下。此外,我们研究了机器人社区向体现HRC方向所取得的进展。我们专注于积极的,物理的人机协作所需的机制。最后,我们讨论了这两个研究领域的异同,指出了未来研究的方向。
2017-05-29 cs.RO
Human-Robot Collaboration: A Non-Verbal Approach with the NAO Humanoid Robot
本研究探讨NAO仿人机器人在厨房备餐等场景下,通过手势、肢体动作和视觉提示等非语言方式提供反馈以增强人机交互与安全性,发现多提示结合可提升交流效果,为未来机器人设计提供参考。
2025-03-07 cs.RO
Compliant Blind Handover Control for Human-Robot Collaboration
University of Modena and Reggio Emilia(摩德纳与雷焦艾米利亚大学)
针对人机协作中操作者背对机器人的盲交接场景,提出自主交接架构,解决递送安全与物品释放时机问题,推动人机协作协议发展与高效协作。
2024-09-11 cs.RO
Human-Robot Collaboration in Microgravity: the Object Handover Problem
Institute for Systems and Robotics, Instituto Superior Técnico(系统与机器人研究所,里斯本高等理工学院)
协作太空机器人是一项具有巨大影响力的新兴技术,因为机器人在漫长的任务期间、在紧张的操作时间表下以更高的精度与宇航员协作,以更低的风险和成本促进服务功能,使其更高效、更经济可行。然而,空间中的人机协作仍然是一个挑战,涉及人机交互中的关键问题,包括微重力环境下物体的移动和协作操作。在本文中,我们制定了一个算法,使自由飞行器机器人,配备了一个机械手,在微重力环境中执行一个人和自由飞行器机器人之间的对象切换。为了验证和评估该算法,我们提出了一个系统的用户研究,其目标是了解在交互过程中刚性和顺应性阻抗机器人行为的主观结果影响。结果表明,在任务过程中,刻板行为总体上更可取,迁移成功率更高。
2020-09-18 cs.RO
Experimental Evaluation of Human Motion Prediction: Toward Safe and Efficient Human Robot Collaboration
Carnegie Mellon University(卡内基梅隆大学);University of California, Berkeley(加州大学伯克利分校)
人体运动预测在现代工业环境中是重要的。准确的人体运动预测不仅可以提高人机协作的效率,而且可以提高人类在机器人附近的安全性。在现有的预测模型中,这些模型的参数化和识别方法各不相同。目前尚不清楚预测模型的必要参数化是什么,模型的在线适应是否必要,以及预测是否有助于提高人类机器人协作期间的安全性和效率。这些问题是由于难以在真实的人机交互环境中以闭环方式定量评估各种预测模型。本文提出了一种方法来评估不同的预测模型的闭环性能。特别是,我们比较了不同的参数化模型和模型,或没有在线参数自适应。在人机协作平台上进行了大量的实验。实验结果表明,人体运动预测显著提高了协作效率和人体安全性。由神经网络参数化的自适应预测模型实现了最佳性能。
2020-01-27 cs.RO
A survey of robot learning from demonstrations for Human-Robot Collaboration
Indiana University(印第安纳大学)
机器人学习的示范(LfD)是一种研究范式,可以发挥重要作用,在解决问题的规模扩大机器人学习。由于这种类型的方法使非机器人专家可以在没有任何机械工程或计算机编程技能的专业背景下教授机器人新知识,因此机器人可以出现在现实世界中,即使它没有任何关于新生婴儿的任何任务的先验知识。越来越多的文献采用LfD方法训练机器人。在本文中,我提出了一个调查,在这方面的最新研究,同时专注于研究人与机器人的协作任务。由于独立任务和协作任务之间存在不同的方面,研究人员应该考虑这些差异来设计协作机器人,以实现更有效和自然的人机协作(HRC)。在这方面,许多研究人员已经表现出越来越大的兴趣,使机器人和人类之间更好的通信框架,因为通信是一个关键问题,应用LfD范式的人机协作。因此,我首先回顾了一些最近的工作,重点是设计更好的沟通渠道/方法,然后处理另一个有趣的研究方法,互动/主动学习,之后,我最后提出了其他最近的方法来解决一个更具挑战性的问题,复杂任务的学习,在文章的最后。
2017-10-24 cs.RO
Anticipatory Human-Robot Collaboration via Multi-Objective Trajectory Optimization
Georgia Institute of Technology(佐治亚理工学院)
我们解决的问题,适应机器人轨迹,以提高安全性,舒适性和效率,在人机协作任务。为此,我们提出了CoMOTO,一个轨迹优化框架,利用随机运动预测模型来预测人类的运动,并相应地调整机器人的关节轨迹。我们设计了一个多目标成本函数,同时优化i)分离距离,ii)末端执行器的可见性,iii)易读性,iv)效率和v)平滑度。我们评估CoMOTO对现有的三种方法,机器人轨迹生成时,在接近人类。我们的实验结果表明,我们的方法始终优于现有的方法在一组组合的安全性,舒适性和效率指标。
2020-07-31 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
Secure Heterogeneous Multi-Robot Collaboration and Docking with Hyperledger Fabric Blockchain
University of Turku(图尔库大学)
近年来,多机器人系统越来越受到工业界和学术界的关注。除了需要准确和鲁棒的相对定位估计之外,系统的安全性和信任对于更广泛的采用至关重要。在本文中,我们提出了一个使用Hyperledger Fabric的框架,用于工业应用中的多机器人协作。我们依靠区块链身份进行地面和空中机器人的交互,并使用智能合约进行协作决策。使用超宽带(UWB)定位自主导航和机器人协作扩展了我们以前的工作,在基于光纤的车队管理。我们专注于一个库存管理应用程序,该应用程序使用地面机器人和空中机器人来检查类似仓库的环境,并将有关发现的对象的信息存储在区块链中。我们测量了添加区块链层的影响,分析了交易提交延迟,并将区块链相关流程的资源利用率与已经运行的数据处理模块进行了比较。
2022-06-30 cs.RO
Real-Time Adaptive Industrial Robots: Improving Safety And Comfort In Human-Robot Collaboration
University of St. Gallen(圣加仑大学)
本研究提出一种具备用户感知能力的实时自适应工业机器人系统,通过非侵入式监测生理信号动态调整机器人运动,可显著降低操作人员认知负荷,提升协作舒适度与安全感,为人机交互提供了新范式。
2024-09-14 cs.RO
Mean-Shift Theory and Its Applications in Swarm Robotics: A New Way to Enhance the Efficiency of Multi-Robot Collaboration
Fellow, IEEE(IEEE会士);Life Fellow, IEEE(IEEE生命会士)
本文综述了群体机器人无分配协作的最新进展,重点介绍均值漂移探索策略如何将大规模群体形状形成效率提升数十倍,并展示其在智能仓储、区域探索和货物运输中的应用。
2025-11-07 cs.RO
Trajectory Generation for Robotic Systems with Contact Force Constraints
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
针对机械手和足式机器人等接触受限机器人系统,提出了一种轨迹生成方法。接触约束系统受到机器人与环境之间的相互作用力的影响。反过来,这些力确定并约束机器人部件或末端执行器的状态可达性。我们的研究细分的轨迹生成问题和支持的可达性分析到听话的子问题,包括一个采样问题,凸优化问题,和一个非线性规划问题。我们的方法导致显着降低计算成本。所提出的方法进行了验证,使用一个现实的模拟接触约束机器人系统。
2018-09-27 cs.RO
Facilitating Human-Robot Collaboration through Natural Vocal Conversations
University of Modena and Reggio Emilia(摩德纳与雷焦艾米利亚大学)
针对传统人机请求-响应系统自然性不足、效率受限的问题,提出采用类人对话交互的人机语音通信框架,经对比实验验证可提升任务表现与协作效率,优化协作体验。
2023-11-23 cs.RO
The Effect of Robot Skill Level and Communication in Rapid, Proximate Human-Robot Collaboration
Georgia Institute of Technology(佐治亚理工学院)
本研究提出人机双打乒乓球测试平台,通过用户实验探讨机器人技能与通信对敏捷近距离人机协作中信任、安全及团队表现的影响,发现技能提升显著增加信任,而机器人发声意图反而降低表现与安全感。
2023-04-07 cs.RO
RLSS: Real-time Multi-Robot Trajectory Replanning using Linear Spatial Separations
University of Southern California(南加州大学);California Institute of Technology(加州理工学院)
轨迹重规划是多机器人团队在动态环境中导航的关键问题。本文提出了一种基于线性空间分离的重新规划算法RLSS(Replanning using Linear Spatial Separations):一种实时的【形】轨迹重新规划算法,该算法利用线性空间分离来保证多机器人团队的安全性。我们的算法明确地处理机器人的动态限制,是完全分布式的,并且对环境变化,机器人故障和轨迹跟踪错误具有鲁棒性。它不需要机器人之间的通信,而是只依赖于本地的相对测量。我们证明了该算法在实时的【形】仿真和实验中使用物理机器人。我们比较我们的算法的一个国家的最先进的在线轨迹生成算法的基础上模型预测控制,并表明,我们的算法的结果显着减少碰撞在高度约束的环境中,并有效地避免了死锁。
2022-01-04 cs.RO
When Robots Get Chatty: Grounding Multimodal Human-Robot Conversation and Collaboration
University of Hamburg(汉堡大学)
本文提出一种模块化方法,将大语言模型与物理机器人感知及多种深度学习模型集成,实现开放式人机对话与协作,并验证了其在自然社交交互中的潜力。
2024-06-29 cs.RO
Robotic Vision for Human-Robot Interaction and Collaboration: A Survey and Systematic Review
Australian Research Council Centre of Excellence for Robotic Vision(澳大利亚研究理事会机器人视觉卓越中心);Queensland University of Technology(昆士兰科技大学);Monash University(莫纳什大学);University of Oxford(牛津大学)
本综述系统性回顾了过去10年310篇文献,全面分析了机器人视觉在人机交互与协作中的应用趋势、方法、数据集及未来挑战,指出该领域在动作识别和物体交接等方面取得进展,但计算机视觉新技术转化不足。
2023-07-28 cs.RO
Trajectory Advancement for Robot Stand-up with Human Assistance
Italian Institute of Technology(意大利理工学院)
物理交互是人机协作任务中不可避免的一部分,协作机器人需要具有直观的行为,而不是对人类交互表现出简单的反应行为。本文提出了一种轨迹推进方法,通过利用人机协作过程中有用的交互扳手的帮助,促进沿参考轨迹推进。我们验证了我们的方法,通过与iCub仿真实验。
2019-10-14 cs.RO
Bidirectional Communication Control for Human-Robot Collaboration
University of Modena and Reggio Emilia(摩德纳-雷焦艾米利亚大学)
一个富有成效的合作是基于相互了解对方的技能和沟通自己的局限性,并提出替代方案,以适应执行任务的合作者的能力的可能性。本文旨在再现这样的情况下,在人与机器人的协作设置,提出了一种新的通信控制架构。利用控制屏障功能,机器人意识到其(动态)技能和限制,并且由于本地预测器,它能够评估是否有可能执行所请求的任务,如果没有,则通过放松一些约束来提出替代方案。控制器与通信基础设施接口,该通信基础设施使人类和机器人能够建立关于要执行的任务的双向通信,并且人类能够对机器人的行为做出明智的决定。提出了比较实验验证。
2022-06-10 cs.RO
Seamless Interaction Design with Coexistence and Cooperation Modes for Robust Human-Robot Collaboration
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Carnegie Mellon University(卡内基梅隆大学)
机器人需要多种交互模式来与人类在复杂的工业任务中进行鲁棒协作。我们开发了一个共存与合作(CoCo)的人机协作系统。共存模式使机器人能够与人类在共享空间中独立地完成不同的子任务。合作模式使机器人能够遵循人类的指导和恢复故障。人类意图跟踪算法将人类和机器人运动测量值作为输入,并提供交互模式上的开关。我们证明了CoCo系统的有效性,在一个用例类似于现实世界中的多步组装任务。
2022-06-09 cs.RO
Mixed Reality as Communication Medium for Human-Robot Collaboration
University of Genoa(热那亚大学)
参与协作活动的人类自然能够通过多模态通信将其意图传达给队友,该通信由显式和隐式线索组成。类似地,可以通过使机器人能够经由多个通信信道将其意图传达给人类队友来实现更自然形式的人类-机器人协作。在本文中,我们假设,如果协作机器人能够以直观的方式预测它们与人类队友的动作,那么就可以进行更好的沟通。为了支持这样的说法,我们提出了一个机器人系统的架构,通过该架构,机器人可以利用现代盔装显示器提供动力的混合现实接口,将计划的运动传达给人类队友。具体来说,机器人的全息图,这是叠加到真正的机器人在人类队友的角度来看,显示了机器人的未来运动,让人类提前了解他们,并可能以适当的方式对他们作出反应。我们进行了初步的用户研究,以评估在一个复杂的协作任务的有效性,建议预期的可视化。实验结果表明,一个改进的和更自然的合作,可以通过采用这种预期的通信模式。
2022-06-30 cs.RO
Four-Arm Collaboration: Two Dual-Arm Robots Work Together to Maneuver Tethered Tools
Osaka University(大阪大学);National Inst. of AIST(国立先进工业科学技术研究所)
在本文中,我们提出了一个规划主双臂机器人操纵绳系工具与助理双臂机器人的帮助。辅助机器人通过操纵工具电缆和避免碰撞来向主机器人提供帮助。所提供的辅助允许主机器人在机器人工作台上执行工具放置以重新抓握工具,这通常会失败,因为工具线缆张力可能改变工具位置。它还允许主机器人执行工具翻转,这通常会在没有辅助的情况下导致与电缆和环境的缠绕或碰撞。仿真和真实世界的实验进行验证所提出的规划。
2020-09-29 cs.RO
Towards Better Human Robot Collaboration with Robust Plan Recognition and Trajectory Prediction
University of California, Berkeley(加州大学伯克利分校);Carnegie Mellon University(卡内基梅隆大学)
随着制造业从大规模生产向大规模定制的转变,人机协作变得越来越重要。HRC的引入可以显著提高自动化的灵活性和智能性。然而,由于人类合作者的随机性和时变性,这是具有挑战性的机器人,以有效和准确地识别人类的计划,并以安全的方式作出反应。为了解决这一挑战,我们提出了一个集成的人类机器人协作框架,在本文中,它包括计划识别和轨迹预测。这样的框架使机器人能够感知、预测并根据人类的计划调整其行动,并根据预测的人类轨迹智能地避免与人类发生碰撞。此外,通过明确地利用计划和轨迹之间的分层关系,可以实现更鲁棒的计划识别性能。在工业机器人上进行了实验验证,实验结果表明,该框架不仅能保证安全的HRC,还能提高HRC团队的时间效率,且计划识别模块对噪声不敏感。
2020-02-17 cs.RO
Planning with Verbal Communication for Human-Robot Collaboration
Carnegie Mellon University(卡内基梅隆大学);Cornell University(康奈尔大学)
人类合作者通过语言和非语言沟通有效地协调他们的行动。我们认为,人类-机器人团队也应该如此。我们提出了一种形式主义,使机器人之间做一个任务,并发出一个话语,以最佳的决定。我们专注于两种类型的话语:口头命令,机器人表达它希望人类队友如何表现,以及状态传达动作,机器人解释为什么它会这样做。人类受试者的实验表明,使机器人发出口头命令是最有效的形式沟通的目标,同时保持用户的信任机器人。交流为什么信息应该明智地处理,因为许多参与者质疑机器人陈述的真实性。
2017-06-14 cs.RO