Long-Horizon Multi-Robot Rearrangement Planning for Construction Assembly
University of Stuttgart（斯图加特大学）；TU Berlin（柏林工业大学）；Bilkent University（比尔肯特大学）
针对建筑装配中大规模异构机器人团队的长时域协作问题，提出迭代分解子问题并结合优化与双向时空采样规划的多机器人重排规划系统，验证了鲁棒性、可扩展性和真实机械臂执行可行性。
2022-03-07 cs.RO
CAD-Based Relation Learning and Geometric-Symbolic Planning for Robotic Assembly
Karlsruhe University of Applied Sciences (HKA)（卡尔斯鲁厄应用科学大学）
针对CAD数据不完善导致的装配序列规划难题，提出混合框架，结合神经网络关系提取、人在回路验证与几何符号规划，在ASAP数据集上实现85.83%成功率并大幅缩短规划时间。
2026-09-16 cs.RO
Robust 2D Assembly Sequencing via Geometric Planning with Learned Scores
Tel-Aviv University（特拉维夫大学）；Technion（以色列理工学院）；University of California, Berkeley（加州大学伯克利分校）
为了计算强大的2D装配计划，我们提出了一种方法，结合几何规划与深度神经网络。我们使用Box 2D物理模拟器并添加随机噪声来训练网络，以产生鲁棒性分数--计划装配运动的成功概率。由于对每个装配运动进行仿真是不切实际的，我们训练一个卷积神经网络来映射装配操作，以装配前后的图像对的形式给出，以获得鲁棒性分数。神经网络预测在规划器内用于快速地修剪掉不稳健的运动。我们证明了这种方法双手平面组件，其中的运动是一步平移。结果表明，神经网络可以学习鲁棒性规划鲁棒序列的速度比物理模拟快一个数量级。
2020-09-20 cs.RO
From Perception to Symbolic Task Planning: Vision-Language Guided Human-Robot Collaborative Structured Assembly
Department of Civil, Environmental, and Construction Engineering, Texas Tech University（土木、环境与建设工程系，德克萨斯理工大学）
本文提出基于视觉语言模型的人机协作结构装配框架，通过感知到符号态和人感知规划模块提升动态环境下的态估计和任务规划鲁棒性。
2026-10-14 cs.RO
Fabrica: Dual-Arm Assembly of General Multi-Part Objects via Integrated Planning and Learning
MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）；ETH Zurich（苏黎世联邦理工学院）；Autodesk Research（欧特克研究院）；Texas A&M University（德克萨斯A&M大学）
Fabrica提出双臂机器人多部件装配系统，通过分层规划与轻量强化学习相结合，实现无需领域知识或人类演示的通用真实世界装配。
2025-06-05 cs.RO
Human-in-the-loop Robotic Manipulation Planning for Collaborative Assembly
Osaka University（大阪大学）；University of California, Santa Cruz（加州大学圣克鲁兹分校）
提出了一种面向人机协同装配的机器人操作规划器。与以往研究一个独立的、完全配备人工智能的自主系统的方法不同，本文探讨了机器人和人之间的子任务分配，并研究了一个用于协同装配的人在回路机器人系统。该系统通过利用机器人和人类的优势，避免他们的缺点，分配装配的子任务。系统中的机器人将执行拾取和放置任务，并为人类提供工件。人类合作者将工作的精细操作，如对齐，固定，拧，等约束为基础的增量操作规划方法，提出了产生的机器人的运动。所提出的系统的性能证明，要求一个人和双臂机器人协作组装一个内阁。实验结果表明，所提出的系统和规划器是有效的，高效的，可以帮助人类舒适地完成装配任务。
2019-09-25 cs.RO
Assembly and Disassembly Planning by using Fuzzy Logic & Genetic Algorithms
提出了一种基于混合模糊逻辑-遗传算法（FL-GA）的产品自动装配拆卸序列规划方法。GA-模糊逻辑方法分为两个层次。第一级杂交包括基于遗传算法为装配或拆卸规划器的参数开发模糊控制器。该控制器作用于变异概率和交叉率，以便在算法运行时动态地调整它们的值。第二层次是用模糊函数识别最优装配或拆卸顺序，以便对装配/拆卸过程的技术知识进行更严密的控制。两个案例研究进行了分析，以测试模糊遗传算法的效率。
2004-12-11 cs.RO
Robust, Compliant Assembly via Optimal Belief Space Planning
Siemens Corporate Technology（西门子中央研究院）；University of Freiburg（弗莱堡大学）
在自动化制造中，机器人必须可靠地装配各种几何形状和低公差的零件。理想情况下，它们可以自主地计划所需的动作。由于高维状态空间和非线性接触动力学，这提出了一个实质性的挑战。此外，物体姿态和模型参数（如摩擦力）并不确切已知，并且是不确定性的来源。本文提出的方法模型的零件装配任务作为一个信念空间规划问题的基础阻抗控制，符合系统。为了解决这个规划问题，我们引入了一个渐进最优的信念空间规划器，通过扩展一个最优的，随机的，kinodynamic运动规划器的非确定性域。在可扩展性假设下，我们建立了概率完备性和渐近最优性。我们验证了我们的方法在彻底的，模拟和现实世界的实验中的多个装配任务。实验表明，我们的规划师的能力，可靠地组装对象，完全基于CAD模型作为输入。
2018-11-09 cs.RO
WRAP: Fixtureless Wrench-aware Multi-Robot Assembly Planning
ETH Zurich（苏黎世联邦理工学院）
本文提出WRAP，一种无夹具的力矩感知多机器人装配规划器，通过线性规划推理抓取支撑力，结合启发式搜索与运动规划，实现灵活装配，并在仿真和现实中验证。
2026-09-25 cs.RO
Planning Grasps for Assembly Tasks
Osaka University（大阪大学）；National Inst. of AIST（国立先进工业科学技术研究所）
本文提出了基于模型的装配任务抓取规划算法。它专注于工业末端执行器，如抓手和吸盘，并计划把握配置考虑CAD模型的目标对象。所开发的算法能够稳定地规划大量高质量的抓取，具有高精度和对CAD模型质量的依赖性小。叠加分割技术是目前正在发展的核心技术，它通过将网格模型剥离成小平面来对网格模型进行预处理。该算法使用叠加段来定位接触点和平行面，并为流行的工业末端执行器合成抓取姿势。准备了几个可调参数来调整算法以满足各种要求。实验部分通过分析算法的成本和稳定性、计划抓取的精度以及模拟和真实世界实验的可调参数来展示算法的优势。此外，机器人装配系统的一些例子，使用所提出的算法来证明的有效性。
2019-03-05 cs.RO
Planning of efficient trajectories in robotized assembly of aerostructures exploiting kinematic redundancy
University of Salerno（萨莱诺大学）
随着时间的推移，航空航天生产量不断增加，机器人解决方案已逐步引入航空装配线，以实现高质量标准，高生产率，灵活性和降低成本。机器人工作单元有时以安装在滑道上的机器人为特征，以增加机器人工作空间。滑动引入了额外的自由度，使系统在运动学上冗余，但该功能很少用于提高性能。本文提出了一种新的概念，在轨迹规划，利用冗余，以满足额外的要求。采用动态规划技术，计算优化的轨迹，最小化或最大化感兴趣的性能指标。该用例定义在LABOR（复合材料航空结构的精益自动化装配和控制）项目上，该项目采用安装在线性轴上的两个协作的六轴机器人来执行机身壁板的装配操作。考虑到该工作单元的需求，最大限度地减少了不必要的机器人运动以提高安全性，最大限度地提高了机械刚度以增加钻孔操作期间的稳定性，避免了碰撞，同时遵守了关节限制和可用的规划时间。在仿真环境中进行实验，在那里执行的最佳轨迹，突出显示所产生的性能和改进相对于非优化的解决方案。
2021-07-09 cs.RO
CAST: Collision-Aware Assembly with Construction Robots using Simultaneous Trajectory Estimation and Planning
Georgia Institute of Technology（佐治亚理工学院）
本文提出CAST框架，利用单一因子图同时进行轨迹估计与规划，处理施工多机器人系统中的碰撞避免和缆绳约束，并在柱梁结构建造中验证了其有效性。
2026-09-22 cs.RO
Planning to Build Soma Blocks Using a Dual-arm Robot
Osaka University（大阪大学）
本文提出一种规划器，可以自动找到一个最佳的装配序列，双臂机器人装配体块。该规划器利用物体的网格模型和装配的最终状态来生成所有可能的装配序列，并通过考虑稳定性、可抓握性、可装配性以及对第二臂的需求来评估最优装配序列。特别是，当工作台和其他工件的支撑不足以产生稳定的装配时，需要考虑第二臂。规划器将参考辅助抓取来额外地保持和支撑不稳定的部件，使得机器人可以进一步组装新的工件并最终达到稳态。规划器的输出是最优装配顺序、候选抓取、装配方向和辅助抓取（如果有的话）。规划器的输出可用于指导双臂机器人执行装配任务。该规划器在模拟和现实世界的执行进行了验证。
2020-03-02 cs.RO
APEX-MR: Multi-Robot Asynchronous Planning and Execution for Cooperative Assembly
Carnegie Mellon University（卡内基梅隆大学）
本文提出APEX-MR异步规划执行框架，通过后处理任务与运动计划，实现多机器人安全高效协作装配，平均提速48%，并首次用双臂系统完成商用乐高定制装配。
2025-08-07 cs.RO
Robust Task Planning for Assembly Lines with Human-Robot Collaboration
Carnegie Mellon University（卡内基梅隆大学）
高效和鲁棒的人机协作（HRC）系统的任务规划仍然具有挑战性。人类感知的任务规划器需要将工作分配给机器人和人类工人，以便他们可以协同工作，以实现更好的时间效率。然而，任务的复杂性和人类合作者的随机性给这种任务规划带来了挑战。为了降低规划问题的复杂性，我们利用层次任务模型，它明确地捕捉任务的顺序和并行关系。我们用sigma-lognormal函数来模拟人体运动，以考虑人为引起的不确定性。在运行时，应用人类行为模型自适应计划，它提供了一个措施，人为引起的不确定性建模。我们提出了一种基于抽样的方法来估计人类的工作完成时间的不确定性。接下来，我们提出了一个强大的任务规划器，制定规划问题作为一个强大的优化问题，考虑任务结构和不确定性。我们进行模拟的机器人手臂与人类工人在电子装配设置。结果表明，我们提出的规划器可以减少任务完成时间时，人为引起的不确定性发生相比，基线规划器。
2022-04-17 cs.RO
AssemPlanner: A Multi-Agent Based Task Planning Framework for Flexible Assembly System
Tsinghua Shenzhen International Graduate School, Tsinghua University, Shenzhen 518055, China（清华大学深圳国际研究生院，清华大学，深圳 518055，中国）；Department of Mechanical Engineering, Tsinghua University, Beijing 100084, China（清华大学机械工程系，清华大学，北京 100084，中国）
本文提出AssemPlanner，一种多智能体任务规划框架，通过自然语言描述的任务转化为可执行的生产操作序列，解决传统方法配置耗时的问题。
2026-05-09 cs.RO
Assembly Planning by Recognizing a Graphical Instruction Manual
Osaka University（大阪大学）；National Institute of Advanced Industrial Science and Technology（产业技术综合研究所）
本文提出了一种机器人装配规划方法，通过自动读取的图形指令手册设计的人类。本质上，该方法通过识别图形化的指令手册来生成装配任务序列图（ATSG）。ATSG是通过检测指令图像中包括的部件的类型、自动地完成缺失信息并且自动地校正检测错误来描述组装任务过程的图。为了建立一个ATSG，所提出的方法首先提取包含在图形化的指令手册的每个图像中的零件的信息。然后，通过使用提取的零件信息，它估计适当的工作运动和工具的装配任务。在此之后，该方法建立一个ATSG通过考虑之前和之后的图像之间的关系，这使得它有可能使用整个图像序列的信息来估计由遮挡造成的未检测部分。最后，通过核对每个部分的总数与生成的ATSG，多余或不足的部分进行调查，并根据这些部分的任务过程被删除或添加。在实验部分中，我们建立了一个ATSG使用所提出的方法，以图形化的指导手册的椅子，并证明在ATSG中发现的动作序列可以执行的双臂机器人执行。结果表明，该方法是有效的，简化了机器人自动装配示教。
2021-06-01 cs.RO
Motion Planning and Control for On-Orbit Assembly using LQR-RRT* and Nonlinear MPC
Massachusetts Institute of Technology（麻省理工学院）
部署大型复杂的空间结构对现代科学界具有极大的兴趣，因为它可以提供获得科学，通信和观测信息的新能力。然而，许多理论上的飞行任务设计包含复杂性，必须受到运载火箭要求的限制，如体积和质量。为了缓解这些限制，使用在轨增材制造和机器人组装可以灵活地建造大型复杂结构，包括望远镜，空间站和通信卫星。这项工作的贡献是开发运动规划和控制算法，使用线性二次调节器和快速探索随机树（LQR-RRT*），路径平滑，并跟踪轨迹使用闭环非线性滚动时域控制优化机器人Astrobee自由飞行器。通过获得控制轨迹，考虑避障和动力学的车辆和机械手，自由飞行器迅速考虑和计划的建设空间结构。该方法是一个自然的概括，维修，加油，并重新提供空间结构组件，同时提供最佳的无碰撞的轨迹在操作过程中。
2020-08-06 cs.RO
RAMP: A Benchmark for Evaluating Robotic Assembly Manipulation and Planning
Birmingham University（伯明翰大学）；The Manufacturing Technology Centre（制造技术中心）；Applied AI Lab, Oxford Robotics Institute, University of Oxford（牛津大学牛津机器人研究所应用人工智能实验室）
本研究提出开源机器人基准RAMP，以工业装配任务为原型，通过销钉组装梁的任务评估机器人多方面能力，配套公开设计、数字孪生与基线，支持子任务研究，旨在打造社区驱动的演进式研究基础。
2023-11-08 cs.RO
Trajectory Optimization for Manipulation of Deformable Objects: Assembly of Belt Drive Units
University of California, Berkeley（加州大学伯克利分校）；Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
提出了一种新的轨迹优化方法来解决带传动单元的机器人装配问题。涉及接触和可变形物体的机器人操作在动力学建模和轨迹规划方面都具有挑战性。对于建模，皮带张力和皮带与皮带轮之间的接触力的变化可能会显著改变系统动力学。对于轨迹规划，这是计算昂贵的规划轨迹的混合动力系统，因为它通常需要规划离散模式分开。在这项工作中，我们制定了带驱动单元装配任务作为一个轨迹优化问题的互补约束，以避免明确施加接触模式序列。该问题被解决作为一个数学规划与互补约束（MPCC），以获得可行的和有效的装配轨迹。我们验证所提出的方法在模拟与物理引擎和在现实世界中的实验与机器人机械手。
2021-06-21 cs.RO
Safe and Uncertainty-Aware Robotic Motion Planning Techniques for Agile On-Orbit Assembly
Massachusetts Institute of Technology（麻省理工学院）；Institute for Systems and Robotics, Instituto Superior Técnico（高等技术学院系统与机器人研究所）
随着进入空间和机器人自主能力的发展，同时对部署大型复杂空间结构以提供新的在轨能力的兴趣也越来越大。新的太空观测站，大型轨道前哨站，甚至未来的在轨制造都将通过使用在轨增材制造等技术的空间结构机器人组装来实现，这些技术可以在构建甚至修复复杂硬件方面提供灵活性。然而，在操纵过程中，机器人装配机的动力学可能会在惯性不确定性下运行。因此，惯性估计的机器人和被操纵的组件系统必须考虑在结构装配。这项工作的贡献是解决机器人装配的运动规划和控制，同时考虑到组合的自由飞行机器人装配机和增材制造组件系统的惯性估计。具体来说，线性二次调节器快速探索随机树（LQR-RRT*）和动态可行路径平滑被用来获得无障碍轨迹的系统。此外，模型学习通过对连续系统的近似和伴随的执行安全、目标导向运动的奖励被明确地纳入规划阶段。剩余的不确定性，然后可以处理使用鲁棒管模型预测控制。通过获得控制轨迹，考虑避障和学习的惯性特性的自由飞行器和操纵组件系统，自由飞行器迅速考虑和计划的建设空间结构与增强的系统知识。该方法自然地推广到修理、加油和重新供应空间结构部件，同时在例如以下情况下提供最佳无碰撞轨迹，惯性不确定性
2021-02-20 cs.RO
Scalable underwater assembly with reconfigurable visual fiducials
Dartmouth College（达特茅斯学院）
本文针对水下装配提出可扩展的联合定位基础设施部署与任务规划算法，利用可移动视觉基准标记和分层聚类方法，在AUV上实现在线高效操作，并通过实验验证其可扩展性。
2023-10-30 cs.RO
The ReSWARM Microgravity Flight Experiments: Planning, Control, and Model Estimation for On-Orbit Close Proximity Operations
Massachusetts Institute of Technology（麻省理工学院）；Institute for Systems and Robotics（系统与机器人研究所）；Instituto Superior Técnico（高等技术学院）
本文介绍ReSWARM国际空间站飞行实验，基于Astrobee机器人验证融合动力学感知长时域规划、RATTLE模型学习与鲁棒控制的自主近距离在轨装配方案。
2023-07-16 cs.RO
Building Gradient by Gradient: Decentralised Energy Functions for Bimanual Robot Assembly
Applied AI Lab, University of Oxford（牛津大学应用人工智能实验室）
本文提出了一种去中心化基于梯度的框架，通过自适应势函数自动组合生成分段连续能量函数，以解决双臂机器人装配中的高层序列规划和快速重新规划问题。
2025-12-08 cs.RO
Manifold-Guided Motion Planning for Tight Assemblies
Blavatnik School of Computer Science and Artificial Intelligence, Tel-Aviv University（特拉维夫大学布拉瓦尼克计算机科学与人工智能学院）
针对刚体装配运动规划因几何约束面临的挑战，提出临界流形引导的CMG-RRT规划器。它利用配置空间分层细分，将采样偏向临界流形邻域引导探索，经证明概率完备，在基准测试中成功率达100%，还解决了麋鹿拆解谜题。
2026-07-21 cs.RO
Rearrangement Planning for General Part Assembly
Columbia University（哥伦比亚大学）；Google Deepmind（谷歌DeepMind）
本文提出通用零件装配任务，并设计基于Transformer的GPAT模型，通过推断零件与目标形状的对应关系来预测精确位姿，实验证明其泛化能力。
2023-09-03 cs.AI cs.RO
Imitation Learning-Based Path Generation for the Complex Assembly of Deformable Objects
SDU Robotics（SDU机器人研究所）；The Maersk Mc-Kinney Moller Institute（马士基麦金尼莫勒研究所）；Syddansk Universitet（西丹麦大学）
本文提出利用人类演示和离线无碰撞路径规划，结合柔顺控制与行为克隆，在仅使用简单动力学模型的情况下，生成可变形物体复杂装配的高质量路径。
2025-05-30 cs.RO
String Diagrams for Assembly Planning
University of California Riverside（加州大学河滨分校）；Stanford University（斯坦福大学）；Siemens Corporate Technology（西门子公司技术部）
装配规划是企业面临的一个难题。许多学科，如设计，规划，调度和制造执行需要仔细设计和协调，以创建成功的产品装配计划。最近在装配设计领域的研究已经提出了新的方法来设计产品结构，以这种方式，他们的装配更容易。然而，目前的装配规划方法缺乏工程工具的支持，以捕捉所有的约束相关联的装配规划在一个统一的方式。本文提出了一个基于字符串图的装配规划框架CompositionalPlanning。在所提出的框架中，字符串图及其组成属性作为工程工具的基础，CAD设计与规划和调度算法进行交互，以自动创建高质量的装配计划。然后在模拟中执行这些装配计划，以测量其性能并可视化其关键构建特征。我们证明了这种方法在乐高组装域的多功能性。我们开发了两个参考乐高CAD模型，由CompositionalPlanning的算法管道处理。我们在Minecraft模拟中比较了顺序和并行装配计划，并表明我们的算法可以优化构建时间性能。
2020-05-11 cs.RO cs.SY eess.SY
Auto-Assembly: a framework for automated robotic assembly directly from CAD
Arrival（Arrival公司）
在这项工作中，我们提出了一个框架，称为自动装配的自动化机器人装配从设计文件，并展示了一个实际的实施模块化零件连接通过紧固使用一个机器人单元组成的两个机器人。我们通过在不同的输入设计上进行测试，展示了该方法的灵活性。自动装配由几个部分组成：设计分析、装配序列生成、工艺清单（BOP）生成、BOP到控制代码的转换、路径规划、仿真以及执行控制代码以在物理环境中装配零件。
2023-01-06 cs.RO
Motion Planning through Demonstration to Deal with Complex Motions in Assembly Process
Graduate School of Engineering Science, Osaka University（大阪大学基础工学研究科）；National Inst. of AIST（日本产业技术综合研究所）
在实际装配过程中，由于人工装配过程中的某些关键位姿过于熟练，机器人无法自动实现，因此现有的运动规划方法难以实现复杂的、熟练的装配动作。为了解决这一问题，本文提出了一种利用演示中的熟练动作进行运动规划的方法，该方法可用于完成包含复杂熟练动作的机器人装配过程。为了在没有多余的第三方设备的情况下方便地演示，我们将增强现实（AR）标记附加到被操纵的对象上，以跟踪和捕获人体装配过程中对象的姿态，这些姿态被规划器用作执行运动规划的关键姿态。每个关键位姿的导数作为判断关键位姿使用优先级的依据，以加速运动规划。通过数值算例和机器人实验验证了该方法的有效性。
2019-10-04 cs.CV cs.RO
Backward Layout Search for Sequence-Constrained Robotic Assembly
College of Computer and Information Sciences, Fujian Agriculture and Forestry University（福建农林大学计算机与信息学院）；School of Mechatronic Engineering and Automation, Shanghai University（上海大学机电工程与自动化学院）；Department of System Innovation, Graduate School of Engineering Science, Osaka University（大阪大学工程科学研究生院系统创新系）
针对序列约束机器人装配布局规划的挑战，提出反向布局搜索（BLS）算法，通过反向分配零件初始位姿并结合多维度检查与波束选择，在5个装配模型上实现了更优的无碰撞布局规划，减少了评估次数与搜索时间。
2026-08-20 cs.RO
Teaching Robots to Do Object Assembly using Multi-modal 3D Vision
National Institute of Advanced Industrial Science and Engineering（国立先进产业科学技术研究院）；Beihang University（北京航空航天大学）
本文的动机是开发一个智能系统，使用多模态视觉的下一代机械装配。它包括两个阶段，在第一阶段中，人类将装配结构教给机器人，在第二阶段中，机器人使用AI规划找到物体并抓住并装配它们。该系统的关键部分是三维视觉检测的精度，本文提出了多模式的方法来满足要求：AR标记用于教学阶段，因为人类可以主动控制该过程。在机器人执行阶段使用点云匹配和几何约束，以避免意外的噪声。通过实验验证了该方法的准确性和正确性。这项研究是实际的：所开发的方法集成了基于图形模型的运动规划，实现了工业机器人和适用于现实世界的场景。
2016-01-26 cs.RO
Assemble Them All: Physics-Based Planning for Generalizable Assembly by Disassembly
MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）；Autodesk Research（欧特克研究院）；Texas A&M University（德克萨斯农工大学）
装配规划是现代工业制造中实现产品装配、维护和回收自动化的核心。尽管其重要性和悠久的研究历史，规划机械装配时，给定的最终组装状态仍然是一个具有挑战性的问题。这是由于处理任意3D形状的复杂性以及现实世界装配所需的高度约束运动。在这项工作中，我们提出了一种新的方法来有效地规划物理上合理的装配运动和序列的真实世界的组件。我们的方法利用组装拆卸原则和基于物理的模拟，有效地探索减少搜索空间。为了评估我们的方法的一般性，我们定义了一个大规模的数据集，包括数千个物理上有效的工业组件与各种装配运动所需的。我们在这个新的基准上的实验表明，与其他基线算法相比，我们实现了最先进的成功率和最高的计算效率。我们的方法还推广到旋转组件（例如，螺钉和拼图），并在几分钟内解决80个部件的组装。
2022-11-08 cs.GR cs.RO
Visual scoping operations for physical assembly
UC San Diego（加州大学圣地亚哥分校）
规划是很难的。使用子目标可以使计划更容易处理，但选择这些子目标的计算成本很高。什么样的算法可以让我们从使用子目标的规划中获益，同时最小化选择子目标的计算开销？我们提出了视觉范围，交替定义一个空间区域作为下一个子目标，并选择行动来实现它的策略，交错规划和行动。我们评估了我们的视觉范围算法对各种物理装配问题对两个基线：提前规划所有子目标和规划没有子目标。我们发现，视觉范围达到可比的任务性能的子目标规划，而只需要一小部分的总计算成本。总之，这些结果有助于我们理解人类如何有效地利用认知资源来解决复杂的规划问题。
2021-08-04 cs.AI cs.RO
Video-to-BT: Generating Reactive Behavior Trees from Human Demonstration Videos for Robotic Assembly
Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所）；Technical University of Munich（慕尼黑技术大学）；Aalto University（艾尔沃斯大学）；Shanghai University（上海大学）；Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
本文提出 Video-to-BT 分层框架，利用视觉语言模型从人类演示视频生成行为树，结合实时场景解释与失败重规划，实现机器人装配在动态环境中的反应式执行和强泛化能力。
2025-09-20 cs.RO
IDfRA: Self-Verification for Iterative Design in Robotic Assembly
Institute for Manufacturing, Department of Engineering, University of Cambridge（剑桥大学工程系制造研究所）
本文提出IDfRA框架，通过规划、执行、验证与重新规划的迭代循环并结合自验证，在真实环境中逐步优化机器人装配设计，实现了73.3%的语义识别准确率和86.9%的构建成功率。
2026-10-16 cs.RO
Physics-Aware Combinatorial Assembly Sequence Planning using Data-free Action Masking
Westlake High School（西湖高中）
针对物理组合装配序列规划的组合挑战，提出带在线物理感知动作掩码的深度强化学习方法，在250余个Lego 3D结构装配任务中实现100%成功率，显著优于基线。
2025-03-23 cs.LG cs.RO
A Unified Framework for Automated Assembly Sequence and Production Line Planning using Graph-based Optimization
Technical University of Munich, Chair of Metal Forming（慕尼黑技术大学金属成形与铸造系）；Faurecia Emissions Control Technologies, Germany GmbH（德国法乌里亚排放控制技术公司）；Technical University of Munich, Professorship for Discrete Mathematics（慕尼黑技术大学离散数学教授职位）
本文提出PyCAALP框架，通过图优化方法实现自动化装配序列与生产线规划，结合启发式算法和混合整数规划，提升复杂装配规划效率。
2026-07-27 cs.MS cs.RO
Meta-Modeling of Assembly Contingencies and Planning for Repair
University of California - San Diego（加利福尼亚大学圣迭戈分校）
世界机器人挑战赛（2018年和2020年）旨在挑战团队设计易于适应新任务的系统，并确保在半结构化环境中稳健运行。我们提出了一个分层的策略，将任务转化为任务和行动，并提供了一套策略，以解决简单和复杂的故障。我们提出了一个模型，使用这个模型来描述故障，并讨论维修。简单的故障是我们WRC系统中最常见的，我们也介绍了我们如何修复它们。
2021-03-12 cs.AI cs.RO
Robotic additive construction of bar structures: Unified sequence and motion planning
Massachusetts Institute of Technology（麻省理工学院）；Princeton University（普林斯顿大学）
建筑规模的离散杆系结构（如桁架和空间框架）的增材机器人施工由于在效率、安全性和设计可能性方面的潜在改进而越来越有吸引力。然而，编程复杂的机器人（例如具有七个自由度的操纵器）以成功地完成施工任务对于人类来说可能是乏味的、具有挑战性的或不可能手动完成的。也就是说，结构必须按顺序构造，在每个步骤中保持结构特性，例如刚度。同时，该序列必须允许机器人精确地操纵正在进行的结构中的元素，同时遵守几何约束，例如，确保机器人不会与其构建的内容发生碰撞。在这项工作中，我们提出了一个自动化的和新的广义规划方法，共同寻找一个建设序列和机器人运动计划的增材建设，满足这些要求。我们的方法可以应用于各种添加剂的建设过程中，我们证明它特别是在空间挤压和离散杆组装在本文中。我们证明了我们的方法在几个模拟和现实世界的挤出和装配任务，包括人类规模的物理原型，我们的算法首次部署到计划装配一个复杂的双切线杆系统设计的有效性。
2021-05-24 cs.RO
Automatic Assembly Planning based on Digital Product Descriptions
本文提出了一个新的概念，其中一个数字孪生来自数字产品描述将自动执行装配规划和编排的生产资源在一个制造单元。因此，制造单元具有通用服务，对组装何种产品的假设最少，而数字产品描述是在OEM的设计师和潜在制造商的自动化服务之间协作设计的。这有几个优点。首先，由此产生的多功能制造设施可以处理各种各样的产品，只需很少或根本不需要重新配置，因此它可以经济高效地为大量OEM提供服务。其次，提出了跨组织边界的并行产品设计与装配规划问题的解决方案。第三，OEM的产品设计不受特定制造设施能力的限制。该概念是在UML中的一般条款和实现提供了一个三维仿真环境中使用自动化置标语言的数字产品描述。最后，提出了两个案例研究，并在一个真实的工业环境中的应用进行了讨论。
2021-03-25 cs.RO cs.SE
WorkBenchMark: A LEGO-Based Assembly Benchmark with an Assembly-by-Disassembly Baseline for the Smart Manufacturing League
Chair of Machine Learning and Reasoning (i6), RWTH Aachen University（亚琛工业大学机器学习与推理教席（i6））；MASCOR Institute, FH Aachen University of Applied Science（亚琛应用技术大学MASCOR研究所）
提出一个基于乐高Duplo的机器人装配基准，包含400个任务和四个复杂度层级，并提供一个基于规划的基线方法，在所有层级上优于现代视觉-语言-动作方法。
2026-06-23 cs.RO
Tool Exchangeable Grasp/Assembly Planner
Graduate School of Engineering Science, Osaka University（大阪大学工程科学研究生院）；Intelligent Systems Research Institute, National Inst. of Advanced Industrial Science and Technology（日本产业技术综合研究所智能系统研究所）
提出了一种新的装配规划器的机械手，可以同时规划装配序列，机器人运动，抓取配置，交换夹持器。我们的装配规划器假设多个夹具，并能自动选择一个可行的装配零件。对于一个给定的与/或图的装配任务，我们考虑生成的装配图，装配运动的机器人可以规划。组装图的边由三种路径组成，即，传送/组装路径、运输路径和工具交换路径。在本文中，我们首先解释所提出的方法规划装配运动序列，包括夹持器交换功能。最后通过数值算例和物理实验验证了该方法的有效性。
2018-05-23 cs.RO
Efficient and Feasible Robotic Assembly Sequence Planning via Graph Representation Learning
Technical University of Munich（慕尼黑工业大学）；German Aerospace Center (DLR)（德国航空航天中心（DLR））
提出基于图的表示和策略架构GRACE，逐步预测双臂机器人装配序列并检测不可行装配，显著提升规划效率与可行性。
2023-07-27 cs.LG cs.RO
Combining Planning and Learning of Behavior Trees for Robotic Assembly
ABB Robotics（ABB机器人）；ABB Corporate Research（ABB企业研究院）；Royal Institute of Technology (KTH)（皇家理工学院（KTH））
工业机器人可以在受控环境中解决非常复杂的任务，但现代应用要求机器人也能够在不可预测的环境中运行。机器人技术中越来越流行的反应式策略架构是行为树，但与其他架构一样，编程时间仍然会增加成本并限制灵活性。自动生成策略的算法有两个主要分支，自动规划和机器学习，两者都有自己的缺点。我们提出了一种使用遗传编程算法生成行为树的方法，并通过自动规划器的结果将其插入到人口中来结合这两个分支。实验结果证实，所提出的方法相结合的规划和学习表现良好的各种机器人装配问题，并优于单独使用的基础方法。我们还表明，这种类型的行为树的高级学习可以转移到一个真正的系统，而无需进一步的培训。
2021-03-16 cs.LG cs.RO
Human Robot Collaborative Assembly Planning: An Answer Set Programming Approach
Faculty of Engineering and Natural Sciences, Sabancı University, Istanbul, Turkey（工程与自然科学学院，萨班奇大学，伊斯坦布尔，土耳其）
本文提出一种基于答案集编程的协作装配规划方法，结合常识推理和丰富的沟通动作，用于处理不确定性和确保安全协作。
2020-08-08 cs.AI cs.LO cs.RO
Simulation-based planning of Motion Sequences for Automated Procedure Optimization in Multi-Robot Assembly Cells
Institute for Material Handling and Logistics (IFL), Karlsruhe Institute of Technology（材料搬运与物流研究所（IFL），卡尔斯鲁厄理工学院）；Bosch Corporate Research, Robert Bosch GmbH（博世企业研究，罗伯特·博世有限公司）
提出一种基于仿真的方法，通过将装配步骤分解为核心操作和遍历操作，并采用分解式运动规划策略优化调度，以生成高效无碰撞的多机器人运动序列，减少装配时间。
2026-07-16 cs.RO cs.SY eess.SY
Stackelberg Game-Theoretic Learning for Collaborative Assembly Task Planning
New York University（纽约大学）；Purdue University（普渡大学）
提出Stackelberg博弈论学习方法，通过领导者-跟随者交互及Stackelberg双深度Q学习算法，实现多机器人协作装配任务的高效自动化规划，缩短任务完成时间并增强鲁棒性。
2024-04-19 cs.GT cs.MA cs.RO
Multi-Robot Assembly of Deformable Linear Objects Using Multi-Modal Perception
Chair of Robotics, Artificial Intelligence and Real-time Systems, School of Computation, Information and Technology（机器人学、人工智能与实时系统教授会，计算、信息与技术学院）；Institute for Machine Tools and Industrial Management, School of Engineering and Design（机械加工与工业管理研究所，工程与设计学院）
提出一种以物体为中心的多模态感知与规划框架，通过视觉和触觉信息跟踪可变形线性物体的形状与接触状态，实现多机器人协作完成从杂乱环境拾取到安装夹具的全流程装配。
2025-06-27 cs.RO
Cooperative Task and Motion Planning for Multi-Arm Assembly Systems
Massachusetts Institute of Technology（麻省理工学院）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；NVIDIA（英伟达）
多机器人装配系统由于其自动、灵活、快速地构造所需结构设计的能力而在制造业中变得越来越有吸引力。然而，以确保每个机器人同时具有生产力而不是空闲的方式有效地规划这些系统是具有挑战性的，这是由于（1）机器人必须操作以操纵结构的紧密接近以及（2）关于何时可以安装每个部件的固有结构部分排序。在本文中，我们提出了一个任务和运动规划框架，共同计划安全，低完工计划的机器人团队组装复杂的空间结构。我们的框架采取分层的方法，在高层次上，使用混合整数线性规划来计算一个抽象的计划，包括分配机器人的任务优先约束，并在低层次上，建立在一个国家的最先进的算法多智能体路径查找计划无碰撞机器人运动，实现这个抽象的计划。我们的方法的关键是在高层次的规划，这更好地通知搜索抽象的计划，可能是可行的和低的完工时间，同时保持搜索易处理的某些碰撞约束和运动持续时间。我们展示了我们的规划系统在几个具有挑战性的装配域与几个（有时异构）机器人与夹具或吸盘装配结构多达23个对象，涉及乐高积木，酒吧，板，或不规则形状的块。
2022-03-04 cs.AI cs.RO
Behavior Tree Generation using Large Language Models for Sequential Manipulation Planning with Human Instructions and Feedback
Technical University of Munich（慕尼黑工业大学）
本研究提出首个由人类引导的基于大语言模型的行为树生成框架，支持人类指令启动与反馈优化，生成的行为树可在真实机器人装配平台执行，兼顾工具使用细粒度知识，在多维度指标上验证了有效性。
2024-09-14 cs.RO
LLM-as-BT-Planner: Leveraging LLMs for Behavior Tree Generation in Robot Task Planning
Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所）；Technical University of Munich（慕尼黑技术大学）；Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
针对机器人装配任务中行为树手动构建费力的问题，提出LLM-as-BT-Planner框架，利用大语言模型结合上下文学习和微调自动生成行为树，提升生成成功率。
2025-06-18 cs.RO
Large-Scale Multi-Robot Assembly Planning for Autonomous Manufacturing
Stanford Intelligent Systems Laboratory, Stanford University（斯坦福智能系统实验室，斯坦福大学）；Multi-Robot Systems Lab, Stanford University（多机器人系统实验室，斯坦福大学）
针对自主制造中大型机器人集群部署的多项挑战，提出包含布局优化、任务分配等模块的多机器人装配规划完整算法栈，配套开源模拟器，实验验证其可快速生成大规模复杂产品的装配规划。
2025-11-15 cs.AI cs.RO
Skill Sequence Planning for Collaborative Multi-Robot Construction
Texas A&M University（德克萨斯A&M大学）；Amazon Robotics（亚马逊机器人）；University of Michigan（密歇根大学）；University of Tennessee（田纳西大学）
本文提出一种技能序列规划方法，利用可复用技能和建造关系图，使异构多机器人团队协作完成建造装配，减少单独编程需求，提升部署灵活性。
2026-09-23 cs.RO
