On Enhancing Structural Resilience of Multirobot Coverage Control with Bearing Rigidity
School of Aeronautics and Astronautics, Purdue University（普渡大学航空航天学院）
针对多机器人覆盖控制中机器人丢失或偏离编队导致的结构脆弱问题，提出结合Voronoi划分与分散式MPC的分层框架，通过轴承维护增强结构韧性，仿真验证有效性。
2025-02-23 cs.RO
Fast and Bounded Probabilistic Collision Detection in Dynamic Environments for High-DOF Trajectory Planning
University of North Carolina（北卡罗来纳大学）
我们提出了一种新的方法来执行高自由度的机器人和高自由度的障碍物在动态，不确定的环境中的概率碰撞检测。在高自由度机器人和移动障碍物的动态环境中，我们的方法有效地计算机器人和障碍物之间的准确碰撞概率的误差上限。此外，我们描述了一个预测算法，未来的障碍物的位置和运动，占空间和时间的不确定性。提出了一种基于概率碰撞检测的高自由度机器人在动态、不确定环境中的轨迹优化算法。我们强调运动规划性能在具有挑战性的情况下，机器人手臂在动态移动的人类障碍物的环境中操作。
2016-07-16 cs.RO
Continuous-Time Trajectory Optimization for Decentralized Multi-Robot Navigation
SRM Institute of Science and Technology（SRM科学技术学院）
多机器人系统已经开始渗透到各种不同的领域，但以分散方式进行无碰撞导航仍然是一项艰巨的任务。通常，高速多机器人系统的导航需要重新规划轨迹以避免彼此碰撞。提出了一种基于标记的多机器人场景下的轨迹优化在线重规划算法。通过机器人之间可靠的状态通信，每个机器人都可以为其他所有机器人预测一个平滑的连续时间轨迹。基于这些预测轨迹的知识，每个机器人然后为自己规划无碰撞轨迹。利用基于多项式的轨迹生成方法，将无碰撞轨迹优化问题转化为非线性规划问题。该算法进行了测试，在模拟凉亭与空中机器人。
2019-09-05 cs.RO
Robotic Sculpting with Collision-free Motion Planning in Voxel Space
Georgia Institute of Technology（佐治亚理工学院）
在本文中，我们探讨了机器人雕刻的任务。提出了一种基于搜索的多轴机械手材料去除造型规划算法。我们生成无碰撞轨迹的操纵器使用最佳优先搜索体素空间。我们还展示了显着的加速我们的算法，通过使用八叉树分解体素空间。我们展示了我们的算法在模拟多轴机械手雕刻米开朗基罗的大卫雕像，评估我们的算法的某些指标，并讨论该项目的未来目标。
2019-11-17 cs.RO
Enhancing Social Robot Navigation with Integrated Motion Prediction and Trajectory Planning in Dynamic Human Environments
School of Information Science, Japan Advanced Institute of Science and Technology（日本先进科学技术学院信息科学学院）；University of Engineering and Technology, Vietnam National University Hanoi（越南国家大学河内工程技术大学）
本文提出一种集成运动预测与轨迹规划的方法，通过将人类交互信息融入TEB算法目标函数并设计社交约束，实现动态人类环境中的安全社交导航，实验验证其优越性能。
2024-11-04 cs.RO
Motion Planning for Collision-resilient Mobile Robots in Obstacle-cluttered Unknown Environments with Risk Reward Trade-offs
University of California, Riverside（加州大学河滨分校）
在未知障碍物杂乱的环境中避免碰撞可能并不总是可行的。本文重点介绍了一种新的范式转变，即可以利用而不是完全避免与环境的潜在碰撞。为此，我们引入了一种新的基于采样的在线规划算法，可以明确地处理与环境碰撞的风险，并可以在碰撞避免和碰撞利用之间切换。规划者的能力的核心是一个新的联合优化功能，使用反射模型评估可能的碰撞的影响。通过这种方式，规划者可以做出与环境碰撞的深思熟虑的决定，如果这种碰撞有望帮助机器人朝着目标前进。为了使算法在线，我们提出了一个状态扩展修剪技术，显着减少了搜索空间，同时确保完整性。该算法的实验评估与内置的内部完整轮式机器人，可以承受碰撞。我们进行了广泛的参数研究，以调查（用户调整）的风险水平之间的权衡，故意碰撞决策，和轨迹统计，如时间，以达到目标和路径长度。
2020-09-04 cs.RO
Stochastic Modeling of Distance to Collision for Robot Manipulators
University of California San Diego（加州大学圣地亚哥分校）
评估机器人操作器的碰撞距离对于评估机器人配置的可行性或用于定义不可预测环境中的安全机器人运动是有用的。然而，距离估计是一个耗时的操作，并且测量距离所涉及的传感器总是有噪声的。因此，存在一个挑战，在评估的预期距离碰撞更安全的机器人控制和规划。在这项工作中，我们提出了使用高斯过程（GP）回归和正运动学（FK）内核（机器人操作器的相似性函数），以有效和准确地估计碰撞距离。我们发现，与标准几何技术相比，具有FK内核的GP模型的距离评估速度快了70倍，与其他回归模型相比，即使GP是在嘈杂的距离测量上训练的，其准确度也高出13倍。我们采用这种技术在轨迹优化任务，并观察到9倍的速度比无噪声几何方法的优化，但获得类似的优化运动计划。我们还提出了一个基于置信度的混合模型，该模型在高置信度区域使用基于模型的预测，并在其他领域切换到更昂贵的基于传感器的方法，我们证明了这种混合模型在涉及进入狭窄通道的应用中的有用性。
2020-05-29 cs.RO
Probabilistic Collision Constraint for Motion Planning in Dynamic Environments
University of Genoa（热那亚大学）
无碰撞轨迹的在线生成对于自主导航至关重要。动态环境、机器人运动和传感不确定性给防撞系统带来了进一步的挑战。本文提出了一种动态环境中，机器人和障碍物的状态不确定性的避碰方法。我们推导出了机器人与障碍物碰撞概率的严格上界，并将其表示为一个运动规划约束，该约束可实时的求解。所提出的方法进行了测试，在考虑移动机器人以及四旋翼的仿真，以证明成功的碰撞避免是在实时的应用。我们还提供了我们的方法与几个国家的最先进的方法的比较。
2021-04-04 cs.RO
Forward Kinematics Kernel for Improved Proxy Collision Checking
University of California San Diego（加州大学圣地亚哥分校）
核函数可以在机器人技术中用于比较机器人的不同姿态，诸如在碰撞检查、逆运动学和运动规划中。这些比较通常基于联合空间测量提供距离度量，并且每秒执行数百或数千次，连续地用于变化的环境。很少有例子存在于创建新的内核，尽管它们在机器人控制和规划的计算性能和鲁棒性的显着影响。我们引入了一个新的核函数的基础上的正运动学（FK）比较机器人操作器的配置。我们将新的FK内核集成到我们的代理碰撞检查器Fastron中，Fastron以前在碰撞检查和运动规划方面表现出显着的速度改进。与以前使用的径向基函数内核相比，使用新的FK内核，我们实现了代理碰撞检查速度的两倍加速，内存减少了8倍，并将7自由度机器人手臂的分类准确率从75%提高到95%以上。与最先进的几何碰撞检查器相比，使用FK内核，碰撞检查现在快了9倍。为了展示该方法的广泛性，我们将Fastron FK应用于OMPL中的各种运动规划器，一致显示出更快的机器人规划。
2019-10-14 cs.RO
SAMP: Spatial Anchor-based Motion Policy for Collision-Aware Robotic Manipulators
The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））；The Hong Kong University of Science and Technology（香港科学与技术大学）
提出统一框架SAMP，通过共享空间网格上的SDF同时编码环境与操作臂几何形状，训练神经运动策略生成无碰撞轨迹，在仿真与真实实验中成功率提升11%、碰撞率降低7%。
2025-09-14 cs.RO
Design, Contact Modeling, and Collision-inclusive Planning of a Dual-stiffness Aerial RoboT (DART)
School of Manufacturing Systems and Networks, Ira A. Fulton Schools of Engineering, Arizona State University（制造系统与网络学院，伊拉·A·福尔顿工程学院，亚利桑那州立大学）
本文提出双刚度飞行机器人DART，通过锁定机构切换刚性与柔性模式以适应不同环境，并基于线性互补系统理论建立碰撞响应预测模型，推进了空中机器人的包含碰撞轨迹规划。
2025-04-26 cs.RO
Enhancing Robustness in Language-Driven Robotics: A Modular Approach to Failure Reduction
ISIR, Sorbonne Université, Paris（ISIR，索邦大学，巴黎）
本文提出一种模块化架构，通过引入预期结果模块和反馈机制解决LLM驱动机器人的落地对齐问题，在POMDP框架内提升小型本地LLM的任务规划鲁棒性和成功率。
2025-04-28 cs.RO
Robo-centric ESDF: A Fast and Accurate Whole-body Collision Evaluation Tool for Any-shape Robotic Planning
Zhejiang University（浙江大学）；Huzhou Institute of Zhejiang University（浙江大学湖州研究院）
针对任意形状移动机器人快速且精确的全身碰撞评估难题，提出在机器人本体坐标系预建的RC-ESDF方法，通过惰性评估保留最少安全信息并基于解析梯度联合优化位姿，显著加速轨迹优化，经实验验证具备可靠性与泛化能力。
2023-06-28 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
In-Place Rotation for Enhancing Snake-like Robot Mobility
Georgia Institute of Technology（佐治亚理工学院）
为蛇形机器人设计的原地旋转的步态填补了传统上优先考虑翻译的机车步态的空白。本文设计了一个原地转弯步态，并展示了以形状为中心的建模框架捕捉步态的运动特性的能力。用于转弯的形状建模涉及由驻波描述的随时间变化的连续身体曲线。假设粘性机器人地面摩擦相互作用导致身体动力学条件的时变形状模型。通过一个关节型蛇形机器人，使用基于物理的模拟器和物理机器人的动力学方程描述的转向到位步态进行验证。结果肯定了以形状为中心的建模框架的能力，从根本上不同的身体-地面接触模式的各种蛇形机器人步态建模。作为应用示范，示例运动场景将以形状为中心的原地转弯步态与基于多模态机车规划策略的用于通过受限环境操纵的直线步态相结合。统一的以形状为中心的建模有助于蛇形机器人的轨迹规划和跟踪，以成功地通过非平凡的障碍物配置。
2022-03-09 cs.RO cs.SY eess.SY
Online Search-based Collision-inclusive Motion Planning and Control for Impact-resilient Mobile Robots
University of California, Riverside（加州大学河滨分校）
本文重点研究碰撞包容性运动规划和控制的冲击弹性移动机器人的新兴范式转变，并开发了一个统一的层次框架，在未知和部分可观察的混乱空间导航。在较低的水平，我们开发了一个变形恢复控制和轨迹重新规划策略，处理碰撞，可能会发生在运行时，本地。低级别系统主动检测碰撞（通过内置的-house中的移动机器人上的嵌入式霍尔效应传感器），使机器人能够从碰撞中恢复，并局部调整碰撞后的轨迹。然后，在更高的层次上，我们提出了一个基于搜索的规划算法，以确定如何最好地利用潜在的冲突，以提高某些指标，如控制能量和计算时间。我们的方法建立在具有跳跃点的A* 上。我们生成了一个新的启发式函数，碰撞检查和调整技术，从而使A* 算法收敛速度更快，通过开发和利用可能的碰撞达到目标。通过结合全局A* 算法和局部变形恢复和重新规划策略生成的整体分层框架，以及该框架的各个组件，在仿真和实验中进行了广泛的测试。消融研究将链接到相关的最先进的基于搜索的碰撞避免规划器（用于整体框架），以及基于搜索的碰撞避免和基于采样的碰撞包容性全局规划器（用于更高级别）。结果表明，我们的方法的碰撞包容性运动规划和控制在未知的环境中孤立的障碍物一类的冲击弹性机器人在2D操作的有效性。
2022-10-18 cs.RO cs.SY eess.SY
Predicting Sample Collision with Neural Networks
University at Albany, SUNY（奥尔巴尼大学（纽约州立大学））；University of Richmond（里士满大学）
许多最先进的机器人应用需要快速有效的运动规划算法。现有的运动规划方法随着机器人及其工作空间维数的增加而变得不那么有效，尤其是碰撞检测例程的计算成本。在这项工作中，我们提出了一个框架，以解决成本昂贵的原始操作采样为基础的运动规划。该框架确定了一个样本机器人配置的有效性，通过一个新的组合的收缩自动编码器（CAE），它捕获的占用网格表示的机器人的工作空间，和一个多层感知器，有效地预测碰撞状态的机器人从CAE和机器人的配置。我们评估我们的框架上的多个规划问题与各种机器人在2D和3D双。结果表明，（1）该框架是计算效率在所有调查的问题，（2）该框架推广到新的问题。
2020-06-30 cs.CV cs.LG cs.RO
Enhancing Worker Safety in Harbors Using Quadruped Robots
Rice Lab, University of Genova（里奇实验室，热那亚大学）；RAISE Ecosystem（RAISE生态系统）；Autorità di Sistema Portuale del Mar Ligure Occidentale（利古里亚西海岸港口系统管理局）
本文提出利用四足机器人识别港口关键区域并进行检查，以提升港口工人安全。
2026-01-27 cs.RO
Enhancing Robotic System Robustness via Lyapunov Exponent-Based Optimization
ETHZ（苏黎世联邦理工学院）
针对机器人系统稳定性量化优化的行业难题，提出基于李雅普诺夫指数、结合可微仿真的新方法，通过JAX梯度框架在多场景验证其提升系统鲁棒性的潜力。
2024-12-09 cs.RO
Visual Proactivity: Enhancing Human-Robot Collaboration Through Intent Communication
Institut de Robotica y Informatica Industrial (CSIC-UPC)（工业机器人信息研究所（CSIC-UPC））；Universitat Politecnica de Catalunya - BarcelonaTech (UPC)（加泰罗尼亚理工大学）
本文提出视觉主动性方法，通过视觉反馈让机器人主动沟通意图，在人机交接场景中验证其能增强透明度和协作流畅性。
2026-09-21 cs.RO
Evaluating a GAN for enhancing camera simulation for robotics
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
鉴于生成对抗网络（GANs）的多功能性，我们试图了解使用现有的GAN来增强模拟图像并减少模拟与真实差距所带来的好处。我们进行分析的背景下，模拟机器人的性能和基于图像的感知。具体来说，我们量化了GAN的能力，以减少机器人图像感知的模拟到真实的差异。使用语义分割，我们分析了模拟训练和测试中的模拟与真实的差异，使用标称和增强的模拟城市环境。作为次要应用，我们考虑使用GAN来增强室内环境。对于该应用，使用目标检测来分析训练和测试中的增强。结果表明，使用GAN时，模拟到真实的差距减少量化，并说明了其使用的好处。
2022-09-14 cs.RO
Collision-aware Task Assignment for Multi-Robot Systems
Polytechnique Montreal（蒙特利尔高等理工学院）
提出了一种新的冲突感知任务分配（CATA）问题的形式和一个分散的基于拍卖的算法来解决这个问题的最优界。使用碰撞锥，我们预测潜在的冲突，并引入一个二元决策变量到本地奖励函数的任务投标。我们进一步改善CATA通过实施后退碰撞地平线，以解决停止机器人的情况下，即当机器人被限制在他们的任务位置，并成为其他移动机器人的静态障碍。基于拍卖的算法鼓励机器人投标的任务与碰撞缓解的考虑。我们验证了改进的任务分配解决方案的仿真和实验结果，这表明显着减少重叠路径以及死锁。
2019-04-08 cs.RO
On Blocking Collisions between People, Objects and other Robots
The University of Texas at Austin（得克萨斯大学奥斯汀分校）
由于自主系统在人类环境中的部署，有意或无意的接触必然会越来越频繁地发生。在本文中，我们设计的方法来计算预测物体，机器人和人之间即将发生的碰撞，并使用上身人形机器人阻止他们，如果他们可能发生。我们采用统计方法进行有效的碰撞预测，然后基于传感器的轨迹生成和实时控制，试图阻止可能的碰撞使用最有利的部分阻塞机器人。我们彻底调查涉及对象，机器人和人的各种类型的实验设置中的碰撞。总的来说，本文的主要贡献是设计基于传感器的预测，轨迹生成和控制过程的高度关节型机器人，以防止碰撞的人，并进行了大量的实验来验证这种方法。
2018-03-05 cs.RO
Decentralized Probabilistic Multi-Robot Collision Avoidance Using Buffered Uncertainty-Aware Voronoi Cells
Delft University of Technology（代尔夫特理工大学）
针对多机器人系统，提出了一种分散的、无通信的避碰方法，该方法同时考虑了机器人定位和传感不确定性。该方法依赖于计算的不确定性感知的安全区域，每个机器人之间的其他机器人和静态障碍物的环境中，高斯分布的不确定性的假设下，导航。特别是，在每个时间步，我们构建一个机会约束缓冲不确定性感知Voronoi细胞（B-UAVC）为每个机器人给定一个指定的碰撞概率阈值。通过将每个机器人的运动约束在其相应的B-UAVC内来实现概率碰撞避免，即机器人与障碍物之间的碰撞概率保持在指定阈值以下。该方法具有分散性、无通信、可扩展性和对机器人定位和感知不确定性的鲁棒性。我们将该方法应用于单积分器，双积分器，差分驱动机器人，和一般的非线性动力学的机器人。大量的模拟和实验与地面车辆，四旋翼，和异构机器人团队进行分析和验证所提出的方法。
2022-01-11 cs.RO
Cooperative Collision Avoidance in Mobile Robots using Dynamic Vortex Potential Fields
Technische Universität Dortmund（多特蒙德工业大学）；International Institute of Information Technology Bangalore（班加罗尔国际信息技术学院）
本文研究了非完整机器人在二维平面内作匀速直线运动时的避碰问题。的机动，以避免碰撞的设计使用动态涡流势场（PF）和它们的负梯度;这种提法导致机器人之间的相互行为，表示为合作。排斥场被选择为机器人相对于另一个机器人的速度和位置的函数，并且在其定义中引入涡度保证了不存在局部最小值。只有当机器人处于与其他移动机器人或静止障碍物碰撞的路径上时，才会激活这种排斥场。通过分析极坐标系下基于运动学的啮合动力学，它表明，合作机器人是能够避免碰撞与非合作机器人，如固定和等速机器人，以及那些积极寻求与它碰撞的PF参数的条件确定，确保避免碰撞的所有情况下。使用移动机器人平台获得的实验结果支持的理论贡献。
2022-11-24 cs.RO
Collision-Aware Fast Simulation for Soft Robots by Optimization-Based Geometric Computing
The University of Manchester（曼彻斯特大学）；Delft University of Technology（代尔夫特理工大学）
软体机器人由于其机械顺应性而可以安全地与环境交互。在软体机器人的现代设计中，自碰撞也被用来提高它们在不同任务中的性能。然而，开发一种高效、可靠的仿真器，能够很好地处理碰撞响应，仍然是软机器人研究中的一个具有挑战性的任务。本文提出了一种基于几何优化的碰撞感知模拟器，在其中我们开发了一个高效，逼真的碰撞检查/响应模型，将超弹性材料的属性。软体机器人的驱动变形和碰撞响应都是基于几何的目标。通过最小化基于几何的目标函数，可以得到软体机器人的无碰撞体。与基于FEA的物理模拟不同，所提出的管道执行低得多的计算成本。此外，自适应网格重划分，以实现在处理软体机器人，有大的体积变化时的收敛性的改善。在不同的软体机器人上进行了实验测试，以验证我们的方法的性能。
2022-07-31 cs.RO
Continuous Collision Detection for a Robotic Arm Mounted on a Cable-Driven Parallel Robot
Tecnalia France（法国泰克纳利亚）；LAAS-CNRS（法国国家科学研究中心自动化系统与机器人实验室）；University of Toulouse（图卢兹大学）；LIRMM（蒙彼利埃大学与法国国家科学研究中心联合机器人与微电子机械系统实验室）；Université de Montpellier（蒙彼利埃大学）；CNRS（法国国家科学研究中心）
提出了一种带承载臂的索驱动并联机器人的连续碰撞检测方法。该方法旨在通过检查任何一对机器人主体（移动平台，电缆和臂连杆）之间的碰撞来验证路径。对于一对物体，计算它们相对速度的上限和物体之间距离的下限，并将其用于验证部分路径。这些计算重复进行，直到发现碰撞或验证路径。该方法集成在类人路径规划（HPP）软件，电缆驱动的并联机器人CoGiRo进行测试，并比较离散化验证方法。
2019-09-24 cs.RO
Formalization of Robot Collision Detection Method based on Conformal Geometric Algebra
Capital Normal University（首都师范大学）
本文利用 HOL Light 共形几何代数库形式化建模几何基元与机器人本体，证明最短距离及碰撞条件，并通过两台单臂工业协作机器人验证碰撞检测框架的灵活可靠性。
2023-12-06 cs.RO
Deep Reinforcement Learning in Surgical Robotics: Enhancing the Automation Level
Technical University of Munich（慕尼黑工业大学）；The Chinese University of Hong Kong（香港中文大学）
本文综述了强化学习在手术机器人中的应用，涵盖术前、体内和经皮手术，指出其能提升机器人自主性、精度，并教会复杂任务如缝合和组织操作。
2023-09-02 cs.RO
A Deconfounding Framework for Human Behavior Prediction: Enhancing Robotic Systems in Dynamic Environments
本文提出一种去混淆框架，通过整合先进的时间序列预测方法，提升动态环境中人类行为预测的准确性，为适应性人机交互系统提供可靠基础。
2026-03-16 cs.RO
Collisionless Pattern Discovery in Robot Swarms Using Deep Reinforcement Learning
Louisiana State University（路易斯安那州立大学）；Kent State University（肯特州立大学）
我们提出了一个基于深度强化学习的框架，用于自动发现脂肪机器人群的任何给定初始配置中可用的模式。特别是，我们模型的问题，无碰撞收集和相互可见性的脂肪机器人群，并发现使用我们的框架来解决它们的模式。我们表明，通过基于某些约束（如相互可见性和安全接近度）塑造奖励信号，机器人可以发现无碰撞的轨迹，从而形成良好的聚集和可见性模式。
2022-09-20 cs.RO
Enhancing robot reliability for health-care facilities by means of Human-Aware Navigation Planning
Sapienza University of Rome（罗马大学）
本研究将Co-operative Human-Aware Navigation planner集成至机器人MARRtina，通过医疗场景模拟测试验证了该系统在提升导航可靠性与可接受性方面的优势及局限。
2024-09-25 cs.RO
Orientation Control System: Enhancing Aerial Maneuvers for Quadruped Robots
Istituto Italiano di Tecnologia (IIT)（意大利技术研究院）；University of Trento（特伦托大学）
对于足式机器人，空中运动是唯一的选择，以跨越障碍物，不能绕过标准的运动步态。在这些情况下，机器人必须跳跃到障碍物上或飞越障碍物。然而，这些运动是一个挑战，因为在飞行阶段无法控制质心（CoM），并且机器人方向的可控性有限。本文着重于后一个问题，并提出了一个方向控制系统（OCS）组成的两个旋转和驱动质量（飞轮或反作用轮），以获得控制权的机器人方向。由于角动量守恒，它们的旋转速度可以调整，以引导机器人的方向，即使没有与地面接触。飞轮的旋转轴被设计成入射的，从而导致能够控制滚转角和俯仰角的紧凑的定向控制系统，考虑到在两个方向上的不同惯性矩。我们在机器人Solo12上进行了模拟测试。
2023-01-27 cs.RO
Assessing Human Cooperation for Enhancing Social Robot Navigation
LAAS-CNRS（法国图卢兹大学）；Universite de Toulouse（图卢兹大学）
针对正面交叉场景中机器人与人类因意图不明导致的导航困难，本文提出基于情境几何分析的人类合作性评估方法与指标，并据此生成适时沟通和机器人动作。
2025-08-29 cs.RO
Enhancing Robot Explanation Capabilities through Vision-Language Models: a Preliminary Study by Interpreting Visual Inputs for Improved Human-Robot Interaction
University of León（莱昂大学）
本研究针对人机交互中机器人动作解释的需求，在原有基于大语言模型的日志解释系统基础上引入视觉-语言模型，结合日志与图像数据生成解释，经导航避障任务验证可提升障碍物识别精度与解释准确性。
2024-04-15 cs.RO
Minimizing Acoustic Noise: Enhancing Quiet Locomotion for Quadruped Robots in Indoor Applications
Department of Computer Science and Engineering, Shanghai Jiao Tong University（计算机科学与工程系，上海交通大学）；Department of Automation, Shanghai Jiao Tong University（自动化系，上海交通大学）；MoE Key Lab of Artificial Intelligence and AI Institute, Shanghai Jiao Tong University（人工智能与AI研究所，上海交通大学）
针对四足机器人在噪声敏感室内环境中移动噪声易被忽视的问题，提出结合优化步态设计与定制控制策略的新方法，实现约8 dBA的平均降噪，提升了其室内安静运行的适用性。
2025-06-29 cs.RO
A Self-Adaptive IoT-based Approach for Improving the Decision Making of Active Surgical Robots in Hospitals
University of Washington Tacoma（华盛顿大学塔科马分校）
近年来，手术机器人已经成为辅助外科医生在医院中执行复杂手术程序的工具。与传统的手术方法不同，机器人系统帮助外科医生进行微创手术，同时提高手术的精度和控制（例如，微小切口，伤口缝合，内窥镜检查等）。在这种程度上，必须考虑可能影响在外科手术中使用机器人系统的可行性和决策的几个因素。在本文中，我们提出了一种基于物联网的自适应方法，该方法使用多标准决策分析方法（MCDA）来增强涉及手术机器人的手术决策。在本文中，我们提出了实验验证结果，利用MCDA作为一种有效的战略，提高决策，采用机器人系统在外科手术。
2021-07-30 cs.RO
Leveraging Foundation Models for Enhancing Robot Perception and Action
Department Computer Science & Artificial Intelligence University of Technology Nuremberg（技术大学纽伦堡计算机科学与人工智能系）
本论文研究系统利用基础模型增强机器人在非结构化环境中的定位、交互与操作能力，围绕四条核心路线构建了语义感知的机器人智能框架。
2025-10-30 cs.AI cs.RO
Enhancing Deep Reinforcement Learning-based Robot Navigation Generalization through Scenario Augmentation
Hong Kong Polytechnic University（香港理工大学）；Eastern Institute of Technology（宁波工程学院（东方理工学院））；National University of Singapore（新加坡国立大学）
本文提出一种名为scenario augmentation的数据增强方法，通过将观测映射至想象空间生成动作再重映射回真实动作，解决了深度强化学习机器人导航在未见环境中因训练场景有限导致的泛化性能不佳问题，并在真实应用中实现了接近最优且耗时更短的轨迹。
2025-03-03 cs.RO
Adaptive Collision Sensitivity for Efficient and Safe Human-Robot Collaboration
Czech Technical University in Prague（布拉格捷克理工大学）；Faculty of Electrical Engineering（电气工程学院）
本文提出一种基于机器人连杆有效质量动态判断碰撞力的自适应碰撞灵敏度框架，在UR10e、KUKA LBR iiwa机器人实验中，该方法使拾取-放置场景生产力提升超45%，适用于可计算有效质量的机器人。
2026-11-09 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
Enhancing Robotic Arm Activity Recognition with Vision Transformers and Wavelet-Transformed Channel State Information
Northeastern University（东北大学）；Mayo Clinic（梅奥诊所）
针对传统视觉式机械臂活动识别依赖视距、存在隐私隐患的问题，提出结合离散小波变换与视觉Transformer的CSI感知识别方法，在多场景多活动实验中准确率优于CNN和LSTM，且视距遮挡下仍有效。
2024-07-08 cs.RO
Collision-tolerant Aerial Robots: A Survey
Norwegian University of Science and Technology（挪威科技大学）；University of Nevada, Reno（内华达大学里诺分校）
由于空中机器人的任务是在日益复杂的环境中导航，因此在其设计中嵌入碰撞容限变得非常重要。在这次调查中，我们回顾了目前最先进的碰撞容忍微型飞行器的利基领域，并提出了不同的设计方法，在文献中确定，以及方法，专注于自主功能，利用碰撞弹性。随后，我们讨论了生物系统的相关性，并提供了我们对未来富有成效的研究的关键方向的看法。
2022-12-06 cs.RO
Enhancing the Vertical Mobility of a Robot Hexapod Using Microspines
Carnegie Mellon University（卡内基梅隆大学）
现代的攀爬机器人已经爬到了很高的高度，但攀登悬崖的机械装置在平地上往往移动缓慢，过于谨慎。在这里，我们介绍T-RHex，一个经典的蟑螂启发六足动物的迭代，已经增加了微刺脚攀登。T-RHex是一种机械智能平台，能够在地面上高效移动，并具有额外的攀爬能力。腿将微棘所需的顺应性与运动所需的顺应性整合在一起，以简化设计并减少质量。通过在增材制造工艺期间嵌入脊来简化微脊制造。我们目前的结果表明，在T-RHex平台上添加微刺大大增加了机器人能够静态悬挂（高达45度悬垂）和上升（高达55度）的最大坡度，而不会牺牲地面移动性。
2019-09-19 cs.RO
Simultaneous Control and Trajectory Estimation for Collision Avoidance of Autonomous Robotic Spacecraft Systems
Georgia Institute of Technology（佐治亚理工学院）
我们提出了因子图优化的同时规划，控制和轨迹估计的无碰撞导航的自主系统在移动物体的环境中。提出的在线概率运动规划和轨迹估计导航技术生成最佳的无碰撞状态和控制轨迹的自主车辆时，障碍物运动模型是未知的和已知的。我们评估该算法的实用性，以支持未来的自主机器人空间任务。
2022-04-28 cs.RO
Real Time Collision Detection and Identification for Robotic Manipulators
大多数日常任务都涉及与非结构化环境进行交互。这意味着，为了使机器人真正有用，它们必须能够处理接触。本文探讨了如何粒子滤波器可以用来定位接触点和估计外力。我们证明了粒子滤波器的能力，在一个模拟的4DoF平面机械臂，并比较它的一个行之有效的分析方法。
2018-02-02 cs.RO
Crowd-Aware Robot Navigation for Pedestrians with Multiple Collision Avoidance Strategies via Map-based Deep Reinforcement Learning
University of Science and Technology of China (USTC)（中国科学技术大学）
对于移动机器人来说，在人群中导航是具有挑战性的。现有的方法通常假设行人遵循预定义的避碰策略，如社会力模型（SFM）或最佳相互避碰（ORCA）。然而，它们的性能通常需要进一步改善的实际应用中，行人遵循多种不同的防撞策略。在本文中，我们提出了一种基于地图的深度强化学习方法，用于具有各种行人的人群感知机器人导航。我们使用传感器地图来表示机器人周围的环境信息，包括其形状和可观察到的障碍物外观。我们还介绍了行人地图，指定机器人周围的行人的运动。通过应用这两个地图作为输入的神经网络，我们表明，导航政策可以训练，以更好地与行人以下不同的防撞策略。我们评估我们的方法在多个场景下，在模拟器和实际的机器人。结果表明，我们的方法允许机器人成功地与各种行人进行交互，并在成功率方面优于比较方法。
2021-09-06 cs.RO
Proprioceptive Robot Collision Detection through Gaussian Process Regression
University of Padova（帕多瓦大学）
提出了一种基于高斯回归的本体感觉碰撞检测算法。与基于传感器的碰撞检测和其他本体感受算法相比，所提出的方法具有最小的传感要求，因为只需要电流和关节配置。该算法扩展了学习机器人逆动力学所采用的标准高斯过程模型，使用更丰富的输入位置集和ad-hoc内核结构来模拟由于准静态配置中的摩擦引起的复杂和非线性行为。在通用机器人UR 10上进行的测试表明，所提出的算法可以有效地检测何时发生碰撞。
2019-05-21 cs.RO
On-line collision avoidance for collaborative robot manipulators by adjusting off-line generated paths: An industrial use case
University of Coimbra（科英布拉大学）；Arts et Métiers（法国国立高等工程技术学院）
人机碰撞避免是协作机器人和工业4.0框架中的关键。它对于实现安全标准，同时使人类和机器在非结构化和时变环境中并肩工作起着重要作用。本研究将机械手的在线碰撞避免引入到一个实际的工业应用中，该应用实现了典型的传感器和常用的协作工业机械手KUKA iiwa。在所提出的方法中，人类的同事和机器人表示的几何图元（胶囊）。当人/障碍物在附近时，使用假设的排斥和吸引向量的概念，计算它们之间的最小距离和相对速度。通过耦合这一概念与机器人的运动学的数学表示，实现了具有碰撞避免能力的任务级控制。因此，离线生成的工业任务的标称路径在运行中被修改，使得机器人能够安全地避免与同事碰撞，同时能够完成工业操作。为了保证在不同任务之间切换时的运动连续性，引入了排斥向量整形的概念。在汽车工业装配机器人单元上的试验表明，通过调整离线生成的标称路径，机器人运动平稳，成功避免了碰撞。
2019-09-11 cs.RO
Enhancing Causal Discovery from Robot Sensor Data in Dynamic Scenarios
University of Lincoln（林肯大学）；University of Padua（帕多瓦大学）
从传感器数据的时间序列中识别动态系统的主要特征并学习其因果关系是许多实际机器人应用中的关键问题。在本文中，我们提出了一个扩展的国家的最先进的因果发现方法，PCMCI，嵌入一个额外的特征选择模块的基础上转移熵。从一组预先确定的变量开始，新算法通过只考虑其主要特征而忽略那些被认为对理解系统演化不必要的特征来重建所观察系统的因果模型。我们首先验证的方法上的玩具问题和合成数据的大脑网络，其中地面实况模型是可用的，然后在现实世界的机器人场景中使用大规模的时间序列数据集的人类轨迹。实验表明，我们的解决方案在准确性和计算效率方面优于以前的最先进技术，可以更好，更快地从机器人传感器数据中发现有意义的模型。
2023-02-20 cs.RO
Enhancing Robot Navigation Efficiency Using Cellular Automata with Active Cells
Jadara University（贾达拉大学）；Xiamen University Malaysia（厦门大学马来西亚分校）；Wrexham University（雷克瑟姆大学）；University of South Wales（南威尔士大学）
本文提出一种基于具有活动细胞的元胞自动机内部导航系统，通过嵌入式地图、六边形镶嵌和距离控制模块，提升单机器人及多机器人在干扰和障碍环境中的自主导航效率与精度。
2024-04-02 cs.RO
Enhancing Physical Human-Robot Interaction: Recognizing Digits via Intrinsic Robot Tactile Sensing
Dep. Management and Engineering University of Padua（管理与工程系帕多瓦大学）；CEMMPRE, Dep. Mechanical Engineering University of Coimbra（CEMMPRE，机械工程系科英布拉大学）
利用协作机器人内置扭矩传感器采集人手在触控板上书写数字时的关节力矩和末端力数据，通过双向LSTM网络实现94%准确率的在线数字识别，并在水果递送任务中验证其应用潜力。
2025-03-31 cs.RO
A Generalized Continuous Collision Detection Framework of Polynomial Trajectory for Mobile Robots in Cluttered Environments
The University of Hong Kong（香港大学）；Baidu Research（百度研究院）
在本文中，我们介绍了一种广义连续碰撞检测（CCD）框架的移动机器人沿多项式轨迹在杂乱的环境中，包括各种静态障碍物模型。具体来说，我们发现，机器人和障碍物之间的碰撞条件可以转化为一组多项式不等式，其根可以有效地解决所提出的求解器。此外，我们测试了不同类型的移动机器人与各种运动学和动力学的约束，在我们的广义CCD框架，并验证它允许可证明的碰撞检查，并可以计算准确的时间的影响。此外，我们结合我们的架构与导航系统中的路径规划器。受益于我们的CCD方法，移动机器人能够安全地工作在一些具有挑战性的场景。
2022-06-27 cs.RO
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
