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
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
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
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
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
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
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
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
ARDIE: AR, Dialogue, and Eye Gaze Policies for Human-Robot Collaboration
本文提出ARDIE智能体，融合增强现实、对话与眼动注视，基于决策理论制定联合策略，通过AR渲染可视化未来交互，提升人机协作效率。
2023-05-08 cs.RO
Stochastic Decision-Making Framework for Human-Robot Collaboration in Industrial Applications
Department of Control and Instrumentation Engineering, King Fahd University of Petroleum and Minerals (KFUPM)（控制与仪器工程系，国王法赫德石油与矿物大学）；Interdisciplinary Research Center for Intelligent Manufacturing & Robotics, King Fahd University of Petroleum and Minerals (KFUPM)（智能制造与机器人交叉研究中心，国王法赫德石油与矿物大学）
本文提出了一种随机建模方法，用于工业应用中人机协作的决策框架，以提高协作的安全性和效率。
2026-01-21 cs.RO
FACT: A Full-body Ad-hoc Collaboration Testbed for Modeling Complex Teamwork
Johns Hopkins University（约翰斯·霍普金斯大学）
机器人被设想与人类一起工作，应用范围从家庭辅助到协作制造。对人机协作（HRC）的研究有助于开发机器人参与与人类有效、流畅的协作所需的社会智能的各个方面。然而，HRC的研究主要集中在人类和机器人之间的二元，结构化和最小化的协作，这可能无法完全代表更复杂，非结构化的协作活动的大规模和紧急性质。因此，仍然需要共享的测试平台，数据集和评估指标，研究人员可以使用这些指标来更好地模拟自然的，特别的人类协作行为，并开发用于大规模紧急协作的机器人功能。我们提出了一个这样的共享资源-事实（全身特设协作测试床），一个开放的测试床，研究人员获得一个广泛的看法，个人和团队为基础的行为，涉及复杂的，协同定位的团队合作。我们详细的意见，从初步探索与不同规模的团队，并讨论潜在的研究问题，可能会调查使用测试平台。我们的目标是让FACT成为一个初始资源，支持对人机协作进行更全面的调查。
2021-06-07 cs.RO
IDAGC: Adaptive Generalized Human-Robot Collaboration via Human Intent Estimation and Multimodal Policy Learning
Chinese Academy of Sciences（中国科学院）；Institute of Automation（自动化研究所）；University of Chinese Academy of Sciences（中国科学院大学）；Zhejiang University（浙江大学）；Beijing Zhongke Huiling Robot Technology Co., LTD（北京中科创联机器人科技有限公司）
本文提出IDAGC框架，利用多模态数据和CVAE估计人类意图，自动切换协作模式并学习多任务策略，以克服现有人机协作方法局限于单一模式的问题。
2025-07-07 cs.RO
Sociable and Ergonomic Human-Robot Collaboration through Action Recognition and Augmented Hierarchical Quadratic Programming
Istituto Italiano di Tecnologia（意大利技术研究院）；Politecnico di Milano（米兰理工大学）
识别人类执行的动作并预测其意图是在人类-机器人团队中产生社交和成功协作的重要推动因素。同时，机器人应该有能力处理多个目标和约束，所产生的协作任务或人类。在这方面，我们提出了视觉技术来执行人类的动作识别和图像分类，这是集成到一个增强的分层二次规划（AHQP）计划，分层优化机器人的反应行为和人体工程学。建议的框架允许一个直观地命令机器人在空间中，而任务正在执行。这些实验证实了人体工程学和可用性的提高，这是减少肌肉骨骼疾病和增加对自动化信任的基本参数。
2022-07-07 cs.RO
Safety of human-robot interaction through tactile sensors and peripersonal space representations
Czech Technical University in Prague（布拉格捷克理工大学）
包括紧密物理人机交互（pHRI）的人机协作是工业和科学的当前趋势。安全准则规定了两种安全模式：（i）功率和力限制以及（ii）速度和分离监测。我们研究了配备人工敏感皮肤和周围保护性安全区（peripersonal space）的机器人对安全pHRI的潜力。
2018-05-18 cs.RO
A Null-space based Approach for a Safe and Effective Human-Robot Collaboration
University of Modena and Reggio Emilia（摩德纳-雷焦艾米利亚大学）
在物理人类机器人协作期间，重要的是能够实现时变交互行为，同时确保鲁棒稳定性。可以利用导纳控制和无源性理论来实现这些目标。然而，当导纳动态是时变的时，为了确保无源和稳定的行为，可能发生的是，必须在导纳动态中引入一些寄生耗散效应。这些影响被用户感知并降低协作性能。在本文中，我们利用任务冗余的机械手，以收获能量在零空间，并避免虚假的动态导纳。所提出的架构进行了验证，通过仿真和实验上的协作机器人。
2022-11-24 cs.RO
Learning-Based Safety-Aware Task Scheduling for Efficient Human-Robot Collaboration
Politecnico di Milano（米兰理工学院）
本文提出一种基于深度学习的安全感知任务调度方法，通过学习系统状态与安全影响的关系，优化任务选择以减少循环时间，提升人机协作效率。
2025-12-19 cs.RO
Non Normalized Shared-Constraint Dynamic Games for Human-Robot Collaboration with Asymmetric Responsibility
University of California at Berkeley（加州大学伯克利分校）
本文提出非归一化的共享约束动态博弈框架，用于人机协作导航，通过滚动时域最优控制实现安全约束的不对称责任分配。
2025-12-09 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
Safe and Efficient Exploration of Human Models During Human-Robot Interaction
Carnegie Mellon University（卡内基梅隆大学）
许多人机协作任务要求机器人在人类周围保持安全并高效工作。由于机器人只能在自己的人类模型中保持安全，我们希望机器人学习一个好的人类模型，以便安全有效地行动。本文研究的方法，使机器人能够安全地探索空间的人-机器人系统，以改善机器人的模型的人，这将因此允许机器人访问一个更大的状态空间，更好地与人类一起工作。特别地，我们在基于能量函数的安全控制框架下引入主动探索，研究不同主动探索策略的效果，最后分析安全主动探索对解析模型和神经网络模型的影响。
2022-08-01 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
SERoCS: Safe and Efficient Robot Collaborative Systems for Next Generation Intelligent Industrial Co-Robots
University of California at Berkeley（加州大学伯克利分校）
人机协作已被认为是未来工厂的重要组成部分。正确设计这些协作机器人的行为仍然具有挑战性。这些机器人工作在动态不确定环境中，计算能力有限。设计目标是在保证安全的同时最大限度地提高任务效率。本文讨论了一套设计原则的安全和有效的机器人协作系统（SERoCS）的下一代合作机器人，它包括强大的认知算法的环境监测，有效的任务规划算法的参考代，安全的运动规划和控制算法的安全人机交互。拟议的SERoCS将解决设计挑战，并显着扩展协作机器人的技能，使它们能够安全有效地与人类同行一起工作。SERoCS的开发将为各行业采用协作机器人带来重大进步。实验验证了SERoCS的有效性。
2018-09-21 cs.RO
Codesign of Humanoid Robots for Ergonomy Collaboration with Multiple Humans via Genetic Algorithms and Nonlinear Optimization
Istituto Italiano di Tecnologia（意大利理工学院）；The University of Manchester（曼彻斯特大学）
针对人形机器人设计阶段忽视工效指标导致人机协作性能不佳的问题，提出结合遗传算法与非线性优化的双层设计优化方法，在多人工效协作场景中显著提升工效表现，将用于ergoCub2机器人设计。
2023-12-12 cs.RO
Joint Prediction of Human Motions and Actions in Human-Robot Collaboration
University of Genoa（热那亚大学）
本文提出MA-HERP框架，通过层次递归概率模型联合估计和预测人类动作与连续运动，结合Allen区间关系、统一概率因子分解及贝叶斯过滤启发的递归推理，实现鲁棒的动作推断和在线协作。
2026-04-03 cs.RO
A Complementary Framework for Human-Robot Collaboration with a Mixed AR-Haptic Interface
Tsinghua University（清华大学）；Hong Kong Productivity Council（香港生产力促进局）
在人机协作中，协作机器人（cobots）总是在安全性和效率之间进行权衡。与人类互动最少的机器人可以快速准确地工作，但无法适应新任务或应对不可预见的变化，而与人类密切合作的机器人只能对人类变得被动，这意味着它们的主要任务暂停，效率受到影响。因此，本文提出了一种新的互补框架，平衡人类的安全和机器人的效率，人与机器人的协作。在这个框架中，机器人使用基于视觉的自适应控制器执行给定的任务，人类专家在零空间中与机器人协作。这种解耦驱动机器人处理任务空间中的现有问题（例如，未校准的照相机，有限的视场）和零空间（例如，关节限制）同时允许专家调整机器人主体的配置以响应不可预见的变化（例如，突然入侵、环境变化）而不影响机器人的主要任务。此外，机器人可以同时学习专家的演示在任务空间和零空间预先与动态运动基元。因此，专家的知识和机器人的能力是互补的。通过混合交互界面，即，增强现实（AR）和触觉设备。用李雅普诺夫方法严格证明了闭环系统的稳定性。在各种情况下的实验结果来说明所提出的方法的性能。
2022-10-12 cs.RO
Robot Assisted Tower Construction - A Resource Distribution Task to Study Human-Robot Collaboration and Interaction with Groups of People
Cornell University（康奈尔大学）；Robinhood（罗宾汉）；RoBotany（机器人植物学）
人类与机器人协作或人类与机器人合作的研究主要集中在理解和实现单个机器人与单个人类之间的协作。将人机协作研究扩展到二元体之外，提出了关于机器人如何在组成员之间分配资源以及分配的社会和任务相关后果的新问题。需要方法上的进步，使研究人员能够收集有关涉及多人的人类机器人协作的数据。本文介绍了塔建设，一种新的资源分配任务，允许研究人员检查机器人和人群之间的协作。通过关注机器人的资源分配（建筑任务所需的木块）是否以及如何影响协作动态和结果的问题，我们提供了一个案例，说明如何在实验室研究中应用该任务，其中有124名参与者收集有关涉及多个人类的人类机器人协作的数据。我们强调了任务可以产生的各种见解。特别是，我们发现，资源的分配会影响性能的看法，和人类团队成员之间的人际动态。
2018-12-22 cs.HC cs.RO
Safety Assurances for Human-Robot Interaction via Confidence-aware Game-theoretic Human Models
UC Berkeley（加州大学伯克利分校）
人机交互安全方法的一个突出挑战是在保持对人类行为变化的鲁棒性的同时减少其保守性。在这项工作中，我们建议，机器人使用的信心，意识到人类行为的博弈论模型时，评估安全的人机交互。通过将人类和机器人之间的影响以及人类的理性视为未观察到的潜在状态，我们可以简洁地推断出人类遵循博弈论交互模型的程度。我们利用这个模型来限制在安全验证过程中的一组可行的人类控制，使机器人能够自信地在线调节其安全监视器的保守性。在模拟的人类-机器人场景和消融研究的评估表明，充满信心的游戏理论模型的安全监视器，使安全和有效的人机交互。此外，与真实的交通数据的评估表明，我们的安全监测是保守性低于传统的安全方法在真实的人类驾驶场景。
2021-10-30 cs.RO
Adaptive Safety-critical Control with Uncertainty Estimation for Human-robot Collaboration
Queen’s University Belfast（贝尔法斯特女王大学）
针对人机协作中人类行为不确定带来的安全风险，提出融合 TVIBLF 与 AECBF 的自适应安全关键控制框架及二次惩罚最短路径方法，确保机器人在意外情况下仍满足安全约束并稳定切换跟踪与避碰模式。
2023-08-19 cs.RO
Early Prediction for Physical Human Robot Collaboration in the Operating Room
Purdue University（普渡大学）
为了实现自然流畅的人类机器人协作流程，机器人理解其人类同伴的正在进行的动作，预测其在不久的将来的行为，并相应地规划其动作是至关重要的。具体地，进行早期预测的能力是重要的，使得机器人可以预见到轮位转换事件的精确定时，并且足够早地开始运动规划和执行以平滑轮位转换。这种主动行为可以减少人的等待时间，提高效率，增强协作任务的自然性。为此，本文提出了一种早期轮换预测算法的设计和实现，迎合物理人类机器人协作场景。具体而言，机器人擦洗护士（RSN）系统，它可以理解外科医生的多模态通信线索，并执行轮采取预测。所开发的算法进行了测试，在一个外科医生护士串联的模拟手术程序的收集的数据集。所提出的话轮预测算法被发现是显着优于其算法同行，是更准确的比人类基线时，很少的部分输入（小于30%的全部行动）。在观察到更多信息后，该算法可以达到与人类相当的性能，F1得分为0.90。
2017-09-26 cs.RO
Towards Safe Multi-Level Human-Robot Interaction in Industrial Tasks
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Foxconn Interconnect Technology（富士康互联科技）；Zhejiang University（浙江大学）
本文提出三个独立安全模块（视觉监控、接触监控、分层意图跟踪），实现工业协作机器人在多层级人机交互中的安全保障，并探讨了基于人类行为建模的未来研究方向。
2023-08-06 cs.RO
Hierarchical Intention Tracking for Robust Human-Robot Collaboration in Industrial Assembly Tasks
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Pennsylvania State University（宾夕法尼亚州立大学）；Michigan Technological University（密歇根理工大学）
本文提出层级意图追踪方法，使协作机器人同时估计高层交互模式与低层任务信息，并在UR5e上验证了工业装配中稳健、无缝且符合人体工程学的人机协作。
2023-08-06 cs.RO
Safe Spot: Perceived safety of dominant and submissive appearances of quadruped robots in human-robot interactions
Delft University of Technology（代尔夫特理工大学）；Politecnico di Torino（都灵理工大学）
本研究针对四足机器人社会感知不足的问题，为Boston Dynamics Spot设计主导与服从两种行为人格，通过2×2被试内实验测试两种行走场景下的感知差异，发现服从型机器人感知安全性更高，为非人形机器人社交设计提供参考。
2024-03-08 cs.RO
Gestural and Touchscreen Interaction for Human-Robot Collaboration: a Comparative Study
University of Genoa（热那亚大学）
近距离人机交互（HRI），特别是在工业场景中，已经被广泛研究了人类和机器人技能相结合的优势。为了有效的HRI，目前可用的人机通信媒介或工具的有效性应受到质疑，并应探索新的通信模式。本文提出了一种模块化架构，允许人类操作员通过不同的方式与机器人进行交互。特别是，我们实现的架构来处理手势和触摸屏输入，分别使用智能手表和平板电脑。最后，我们对这两种模式进行了比较用户体验研究。
2022-07-08 cs.RO
Exploring Human-Robot Collaboration: Analysis of Interaction Modalities in Challenging Tasks
Dalle Molle Institute for Artificial Intelligence (IDSIA), USI-SUPSI（达勒莫勒人工智能研究所（IDSIA））；Department of Surgery, Medicine, Dentistry and Morphological Sciences with interest in Transplant, Oncology and Regenerative Medicine, University of Modena and Reggio Emilia（外科、医学、牙科和形态学科学系（关注移植、肿瘤学和再生医学），摩德纳和雷吉奥艾米利亚大学）；Department of Sciences and Methods for Engineering (DISMI), University of Modena and Reggio Emilia（工程科学与方法系（DISMI），摩德纳和雷吉奥艾米利亚大学）
研究比较了三种人机协作交互模式：被动、反应式和主动式，在记忆组装七层彩色塔任务中发现主动式协作更受参与者青睐，提升了用户体验。
2026-07-08 cs.RO
On Using Neural Networks to Learn Safety Speed Reduction in Human-Robot Collaboration: A Comparative Analysis
Politecnico di Milano（米兰理工大学）
本文提出利用深度学习直接从过程执行数据预测机器人安全缩放因子，以提高周期时间预测和调度算法效率。
2025-12-19 cs.RO
Game-Theoretic Modeling of Human Adaptation in Human-Robot Collaboration
Carnegie Mellon University（卡内基梅隆大学）
在人类-机器人团队中，人类通常从一个不准确的机器人能力模型开始。当它们与机器人交互时，它们推断机器人的能力并部分适应机器人，即，他们可能会根据观察到的结果和机器人的动作改变自己的动作，而不复制机器人的策略。我们提出了一个博弈论模型的人的部分适应机器人，在那里的人响应机器人的行动，通过最大化的奖励函数，随着时间的推移而改变随机，捕捉他们的期望机器人的能力的演变。然后，机器人可以使用这个模型来最佳地决定采取行动，向人类展示其能力，并在人类当前拥有的信息下采取最佳行动。我们证明了在一定的可观测性假设下，最优策略可以有效地计算。我们通过一个人类受试者的实验表明，该模型显着提高人类机器人团队的性能相比，政策，假设完全适应人类的机器人。
2017-04-06 cs.RO
Effect of Human Involvement on Work Performance and Fluency in Human-Robot Collaboration for Recycling
University of Illinois at Chicago（伊利诺伊大学芝加哥分校）
由于可回收产品的组成变化很大，人机协作在回收方面具有巨大的潜力。六名参与者与配备视觉系统的机器人手臂合作执行可回收物品分类任务。三个不同级别的人类参与或协助机器人（1级-闭塞消除; 2级-最佳间距; 3级-最佳抓地力）的性能指标，如机器人的准确性，任务时间和主观流畅性的影响进行了评估。结果表明，人类参与对机器人的准确性有显着的影响，这增加了人类参与水平。水平1的平均准确度值为33.3%，水平2为69%，水平3为100%。结果表明，对于涉及大小、形状和成分不同的各种材料的分拣过程，人工辅助可以在很大程度上提高机器人的准确性，同时也具有成本效益。
2022-01-20 cs.RO
I've Changed My Mind: Robots Adapting to Changing Human Goals during Collaboration
Department of Computer Science, Yale University（计算机科学系，耶鲁大学）
本文提出了一种机器人在协作中适应变化的人类目标的方法，通过跟踪动作序列和递推时间规划提高目标预测准确性。
2025-11-19 cs.RO
Human-Robot Gym: Benchmarking Reinforcement Learning in Human-Robot Collaboration
Technical University of Munich（慕尼黑工业大学）
本文提出人机健身房（human-robot gym），一个用于人机协作中安全强化学习的基准套件，包含八个真实任务并配备可证明安全性的防护盾，评估表明其任务具有挑战性，且基于动作的奖励可超越专家，过拟合可忽略。
2024-06-25 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
A Safety-Aware Kinodynamic Architecture for Human-Robot Collaboration
University of Modena and Reggio Emilia（摩德纳和雷焦艾米利亚大学）；Datalogic S.p.A.（得利捷公司）
本文提出一种双层轨迹规划与缩放架构，在遵守安全法规的同时根据人类行为自适应调整轨迹并缩放速度，实现人机协作中安全与高效的平衡，并在Pilz PRBT机械臂上完成实验验证。
2021-03-02 cs.RO
ContactRL: Safe Reinforcement Learning based Motion Planning for Contact based Human Robot Collaboration
School of Computing Science, University of Glasgow（计算科学学院，格拉斯哥大学）
ContactRL通过力反馈强化学习实现安全高效的物理协作，提升人机协作任务的安全性和效率。
2025-12-03 cs.RO
Adapting to Human Preferences to Lead or Follow in Human-Robot Collaboration: A System Evaluation
University of Waterloo（滑铁卢大学）
针对人机协作任务规划中需适配人类主导/跟随偏好的问题，提出支持人机双向选任务与分配的系统，在真实Fetch机器人场景验证其可适配不同人类行为，为后续用户研究奠定基础。
2023-07-20 cs.RO
Integrating Ergonomics and Manipulability for Upper Limb Postural Optimization in Bimanual Human-Robot Collaboration
Department of Mechanical and Automation Engineering, T-Stone Robotics Institute, The Chinese University of Hong Kong（机械与自动化工程系、T-Stone机器人研究所、香港中文大学）；Bristol Robotics Laboratory, UWE Bristol（布里斯托尔机器人实验室、UWE布里斯托尔）；HKCLR, Hong Kong（香港物流机器人中心、香港）
本文提出一种整合人体工程学与力可操纵性的上肢姿态优化方法，并结合双臂模型预测阻抗控制器引导人类调整姿态，在双臂人机协同搬运任务中显著改善肌肉状态。
2025-11-06 cs.RO
Uncertainty Estimation for Safe Human-Robot Collaboration using Conservation Measures
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
我们提出了一种在线和数据驱动的不确定性量化方法，以实现安全的人机协作应用程序的开发。系统的安全性和风险评估与测量的准确性密切相关：独特的参数通常无法通过已知模型直接访问，因此必须进行测量。然而，由于传感器的有限性能，甚至未知的环境干扰或人类，测量通常会受到不确定性的影响。在这项工作中，我们量化这些测量的不确定性，利用守恒措施，这是定量的，系统特定的属性是恒定的，随着时间的推移，空间，或其他状态空间维度。我们的方法的关键思想在于在运行时参考守恒方程的传入数据的即时数据评估。特别是，我们估计违反先验已知的，特定领域的守恒性质，并考虑它们作为测量不确定性的后果。我们在人机协作的背景下验证了我们的方法，从而突出了我们对在真实世界条件下成功开发安全机器人系统的贡献的重要性，例如，在工业环境中。此外，我们展示了如何获得的不确定性值可以直接映射到任意的安全限制（例如，ISO 13849），允许在运行时监控安全标准的遵守情况。
2022-09-01 cs.RO
Towards Proactive Safe Human-Robot Collaborations via Data-Efficient Conditional Behavior Prediction
Carnegie Mellon University（卡内基梅隆大学）；Robotics Institute（机器人研究所）；Department of Electrical and Computer Engineering（电气与计算机工程系）
本文针对数据稀疏场景下的人机协作，提出基于条件行为预测的主动控制方法，实现机器人主动目标选择与安全轨迹生成，并在真实用户实验中验证其能有效提升人机交互质量。
2024-07-01 cs.RO
Considering Human Behavior in Motion Planning for Smooth Human-Robot Collaboration in Close Proximity
City University of Hong Kong（香港城市大学）
众所周知，深入了解同事的行为和偏好对协作效率至关重要。在这项工作中，我们提出了一种方法来完成顺利的人与机器人合作，在密切的接近考虑到人类的行为，同时规划机器人的轨迹。特别地，我们首先使用占用图来概括人类随时间的运动偏好，然后在基于优化的运动规划器中通过[1]中引入的两个代价项来考虑这些先验信息：1）避开先前由人类占用的工作空间，以消除中断并提高任务成功率; 2）倾向于在人与机器人之间保持安全距离以提高安全性。在实验中，我们比较了规划人员之间的协作性能，使用不同的组合，人类意识到的成本项目，包括回避因子，避免和安全距离因子，和基线，没有考虑人类相关的因素。生成的轨迹在模拟和现实环境中进行了测试，结果表明，我们的方法可以显着提高协作任务的成功率，也是人性化的。我们的实验结果还表明，成本函数需要调整在特定的任务的方式，以更好地反映人类的偏好。
2019-05-17 cs.RO
