DREAM Architecture: a Developmental Approach to Open-Ended Learning in Robotics
CNRS（法国国家科学研究中心）；ISIR（智能系统与机器人研究所）；U2IS（U2IS实验室）；INRIA Flowers（法国国家信息与自动化研究所Flowers团队）；ENSTA（法国国立高等先进技术学院）；Institut Polytechnique Paris（巴黎理工学院）；University of Edinburgh（爱丁堡大学）
机器人仍然局限于受控条件，机器人设计师知道足够的细节，赋予机器人适当的模型或行为。学习算法增加了一些灵活性，能够发现适当的行为，给出一些演示或奖励，以通过强化学习算法指导其探索。强化学习算法依赖于定义可达行为的状态和动作空间的定义。它们的适应能力关键取决于这些空间的表示：小而离散的空间导致快速学习，而大而连续的空间具有挑战性，要么需要很长的训练期，要么阻止机器人收敛到适当的行为。除了政策执行的操作周期和学习周期，它的工作在一个较慢的时间尺度，以获得新的政策，我们介绍了重新描述周期，第三个周期工作在一个更慢的时间尺度，以生成或适应所需的表示机器人，它的环境和任务。我们介绍了这个周期所提出的挑战，我们提出了梦想（自主机器中的经验延迟重构），一个发展的认知架构，以逐步引导这个重新描述过程，建立新的状态表示与适当的动机，并跨域或任务，甚至跨机器人转移所获得的知识。我们描述了迄今为止用这种方法获得的结果，并最终讨论了它在神经科学中提出的问题。
2020-05-13 cs.AI cs.LG cs.NE
Open-Ended Multi-Modal Relational Reasoning for Video Question Answering
Northwestern University（西北大学）；University of Notre Dame（圣母大学）
本文提出一种集成视频识别与自然语言处理的机器人智能体，用于视频场景中的语言问答，实验表明信任与交互效率正相关，且模型性能较基准方法提升2%至3%。
2024-06-11 cs.AI cs.HC cs.RO
MO-Playground: Massively Parallelized Multi-Objective Reinforcement Learning for Robotics
MO-Playground通过GPU加速的多目标环境和MORLAX算法，实现大规模并行化多目标强化学习，显著提升复杂机器人任务中的帕累托最优策略学习效率。
2026-10-28 cs.RO
Many-Objective-Optimized Semi-Automated Robotic Disassembly Sequences
Osaka University（大阪大学）；The National Institute of Advanced Industrial Science and Technology (AIST)（产业技术综合研究所）；Panasonic Holdings Corporation（松下控股株式会社）
本研究提出受 NSGA-III 启发的多目标遗传算法 MaOGA，结合 3D CAD 几何信息导出的约束与目标函数，解决半自动化机器人拆卸的多目标序列优化问题，实现 100% 成功率生成可行稳定的拆卸序列。
2024-01-03 cs.RO
Quality and Diversity in Evolutionary Modular Robotics
University of Oslo（奥斯陆大学）
在进化机器人学中，解决方案的群体被进化以优化解决给定任务的机器人。然而，在传统的进化算法中，当问题很复杂或搜索空间很大时，解的种群往往会收敛到局部最优，这就是所谓的早熟收敛问题。质量多样性算法试图通过引入额外的措施来克服过早收敛，这些措施奖励不同的解决方案，而不一定表现得更好。在本文中，我们比较了一个单目标进化算法与两个多样性促进搜索算法;多目标进化算法和MAP-Elites质量多样性算法，在模块化机器人进化控制和形态学的困难问题。我们比较他们的能力，以产生高性能的解决方案，除了分析进化形态的多样性。结果表明，这三种搜索算法都能够进化出高性能的个体。然而，质量多样性算法更擅长于用高性能解决方案填充所有小生境。这证实了质量多样性算法非常适合于不断发展的模块化机器人，并且可以成为生成高性能解决方案的重要手段，这些解决方案可以在设计和运行时使用。
2020-08-05 cs.NE cs.RO
Towards Open-World Grasping with Large Vision-Language Models
University of Groningen（格罗宁根大学）
提出OWG开放世界抓取流水线，结合VLM与分割及抓取合成模型，通过视觉提示实现零样本的指代分割、抓取规划与排序，在仿真和硬件实验中表现优于现有LLM方法。
2024-10-13 cs.CV cs.RO
Multi-Objective Trajectory Planning for a Robotic Arm in Curtain Wall Installation
Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）；Shenzhen University of Advanced Technology and University of Chinese Academy of Sciences（深圳先进技术大学和中国科学院大学）
针对幕墙安装机械臂的复杂轨迹需求，设计融合串联、并联和折臂结构的机械臂，并提出带聚焦算子的 NSGA-III-FO 算法，以提升多目标轨迹规划的收敛效率与实用性。
2025-07-23 cs.RO
Enhancing Robotic Navigation: An Evaluation of Single and Multi-Objective Reinforcement Learning Strategies
University of San Francisco（旧金山大学）；University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校）
本研究对比单目标与多目标强化学习的机器人导航效果，指出传统DQN、DDPG、TD3等方法在多冲突目标复杂场景的局限，提出基于奖励向量的MORL方法以实现帕累托最优，验证了其在复杂动态导航任务中的潜力。
2023-12-14 cs.LG cs.RO
3D_DEN: Open-ended 3D Object Recognition using Dynamically Expandable Networks
University of Groningen（格罗宁根大学）；NVIDIA corporation（英伟达公司）
一般来说，服务机器人必须独立工作，并实时适应环境中发生的动态变化。在这样的场景中，一个重要的方面是不断学习在新的对象类别可用时识别它们。这结合了两个主要的研究问题，即持续学习和3D对象识别。大多数现有的研究方法包括使用深度卷积神经网络（CNN），专注于图像数据集。可能需要一种改进的方法来不断学习3D对象类别。使用CNN的一个主要问题是当模型试图学习新任务时的灾难性遗忘问题。尽管提出了各种解决方案来缓解该问题，但是仍然存在这些解决方案的一些缺点，例如，计算复杂性，特别是当学习大量任务时。这些缺点可能会在机器人场景中造成重大问题，其中实时响应起着至关重要的作用。为了应对这一挑战，我们提出了一种新的深度迁移学习方法，该方法基于动态架构方法，使机器人能够开放式学习新的3D对象类别。此外，我们确保在很大程度上将上述缺点降至最低。实验结果表明，该模型优于国家的最先进的方法方面的准确性，也大大减少了计算开销。
2021-03-15 cs.CV cs.LG cs.RO
Hyperproperties for Robotics: Planning via HyperLTL
Duke University（杜克大学）
基于形式化方法的时序逻辑机器人规划问题越来越受到人们的关注。在这项工作中，我们将现有的合成方法的范围扩展到超时态逻辑。我们的动机是这样一个事实，即重要的规划目标，如最优性，鲁棒性和隐私，（可能隐含）涉及多个路径之间的相互关系。这样的目标因此是超属性，并且不能用通常的时态逻辑（如线性时态逻辑（LTL））来表达。我们表明，这样的超性质可以表示为HyperLTL，LTL的扩展到多个路径。为了处理规划与HyperLTL规范的复杂性，我们引入了一个符号的方法来合成离散过渡系统的规划策略。我们的规划方法进行评估的几个案例研究。
2020-04-28 cs.FL cs.RO
A Concise Introduction to Reinforcement Learning in Robotics
PES University（PES大学）
机器人技术面临的最大障碍之一是复杂和难以工程化的行为。强化学习提供了一套工具和框架来解决这个问题。与此同时，机器人技术的疑虑为强化学习的进步提供了坚实的试验场和评估指标。这两个学科齐头并进，就像数学和物理领域一样。通过这篇调查论文，我们的目标是通过关注机器人的机车和控制方面的强化学习所做的工作，来加强这两个学科的研究社区之间的联系。此外，我们的目标不仅是突出显着的成功，但也强化学习在机器人技术中的应用的关键挑战。本文旨在为强化学习应用于机器人领域的研究人员提供参考指南。文献调查是在一个相当入门的水平，旨在有抱负的研究人员。适当地，我们已经涵盖了强化学习领域研究所需的最基本的概念，并考虑到机器人技术。通过对这个问题的深入分析，我们能够证明强化学习是如何被有效应用的，并且还关注开放式问题以及未来研究的潜力。
2022-10-13 cs.AI cs.RO
Qualitative Analysis of POMDPs with Temporal Logic Specifications for Robotics Applications
IST Austria (Institute of Science and Technology Austria)（奥地利科学技术研究所）；Indian Institute of Technology, Bombay（印度理工学院孟买分校）
我们认为部分可观察马尔可夫决策过程（POMDPs），这是一个标准的框架，机器人应用程序来模拟现实世界中存在的不确定性，与时间逻辑规范。线性时间时序逻辑（LTL）中的所有时序逻辑规范都可以表示为奇偶目标。我们研究的定性分析问题POMDPs奇偶目标，要求是否有一个控制器（政策），以确保目标持有概率1（几乎肯定）。虽然定性分析POMDPs与奇偶校验目标是不可判定的，最近的结果表明，当限制到有限的内存政策的问题是EXPTIME完成。虽然这个问题在理论上是棘手的，我们提出了一个实用的方法来解决定性分析问题。我们设计了几种算法来处理指数复杂度，并在机器人应用程序的一些著名POMDP示例上使用了我们的实现。我们的研究结果提供了第一个实用的方法来解决定性分析的机器人运动规划与LTL属性存在的不确定性。
2015-02-18 cs.LO cs.RO
Collision avoidance and path finding in a robotic mobile fulfillment system using multi-objective meta-heuristics
Department of Industrial Engineering, Clemson University（工业工程系，克莱姆森大学）
针对多智能体路径规划中AGV避障与任务分配问题，提出兼顾能耗与行驶时间的避障策略及两种多目标优化算法，性能优于现有方法。
2025-10-29 cs.RO math.OC
Stable, Concurrent Controller Composition for Multi-Objective Robotic Tasks
Institute for Robotics and Intelligent Machines, Georgia Institute of Technology（机器人与智能机器研究所，佐治亚理工学院）
本文提出了一种稳定且并发的控制器组合方法，用于多目标机器人任务，通过分解任务为子任务并独立设计子任务控制器，再利用RMPflow框架结合生成整体控制策略，同时通过CLF分析确保系统稳定性。
2019-08-30 cs.RO cs.SY eess.SY
Informable Multi-Objective and Multi-Directional RRT* System for Robot Path Planning
Princeton University（普林斯顿大学）
多目标或多目的地路径规划对于移动机器人应用至关重要，例如移动即服务，机器人检测和电动汽车长途充电。本文提出一个随时迭代系统来同时求解多目标路径规划问题和确定目的地的访问顺序。该系统包括一个随时不变形的多目标和多方向的RRT* 算法，以形成一个简单的连通图，和一个建议的求解器，由一个增强的最便宜的插入算法和遗传算法，以解决放松旅行商问题在多项式时间。此外，通常会为机器人检查和车辆路由提供一系列路点，以便机器人可以优先访问某些设备或感兴趣的区域。我们表明，所提出的系统可以固有地将这些知识，并可以通过具有挑战性的拓扑导航。所提出的随时随地系统进行评估，为现实世界的驾驶应用程序建立的大型和复杂的图形。所有实现都是用多线程C++编写的，可以在https://github.com/UMich-BipedLab/IMOMD-RRTStar上找到。
2022-05-30 cs.RO
A Robotic Prosthesis for an Amputee Drummer
Georgia Tech（佐治亚理工学院）；Meka Robotics（Meka机器人公司）
设计和评估的机器人假肢鼓手与经桡截肢。假肢的主要目的是模拟手指在击鼓时所起的作用。这主要包括控制鼓槌在初始撞击后反弹的方式。这是通过在共享控制系统中使用由可变阻抗控制框架驱动的DC电动机来实现的。使用者的能力来执行和控制假肢使用音乐同步研究进行评估。假肢的第二个目标是探索音乐表达和人机交互的影响时，第二个，完全自主的，坚持添加到假肢。这个可穿戴的机器人音乐家通过听音乐并以不同的节奏和行为做出反应来与用户互动。我们根据用户在这种范式下的执行体验讲述了一些经验发现。
2016-12-13 cs.HC cs.RO
POLAR: Preference Optimization and Learning Algorithms for Robotics
California Institute of Technology（加州理工学院）；Argo AI
机器人系统的参数调整是一项耗时且具有挑战性的任务，通常依赖于人类操作员的领域专业知识。此外，现有的学习方法不太适合参数调整的原因有很多，包括：没有一个明确的数值度量“良好的机器人行为”;有限的数据，由于依赖于真实世界的实验数据;和大搜索空间的参数组合。在这项工作中，我们提出了一个开源的MATLAB偏好优化和机器人工具箱（POLAR）的学习算法系统地探索高维参数空间，使用人在回路的偏好为基础的学习。这个工具箱的目的是系统地和有效地完成两个目标之一：1）优化机器人行为的人类操作员的偏好; 2）学习操作员的潜在偏好景观，以更好地理解可调参数和操作员偏好之间的关系。POLAR工具箱仅使用主观反馈机制（成对偏好、协同反馈和有序标签）来推断指示用户偏好的底层奖励函数上的贝叶斯后验，从而实现这些目标。我们展示了工具箱在仿真中的性能，并提出了基于偏好的人在回路学习的各种应用。
2022-08-08 cs.RO
Multi-Fingered Robotic Grasping: A Primer
University of California, Merced（加州大学默塞德分校）；National Institute of Standards and Technology (NIST)（美国国家标准与技术研究院）
本技术报告介绍了多指机器人抓取的不同方面。在介绍了建模的相关数学背景后，讨论了模型的形式和力封闭性。接下来，我们提出了一个概述的各种抓取规划算法的目的是说明不同的方法来解决这个问题。最后，我们讨论了把握绩效标杆。
2016-07-22 cs.RO
Exploring the Adversarial Vulnerabilities of Vision-Language-Action Models in Robotics
Rochester Institute of Technology（罗切斯特技术研究所）；University of Missouri - Kansas City（密苏里大学-凯撒城分校）；U.S. Naval Research Laboratory（美国海军研究实验室）；Lamar University（拉马尔大学）；Meta AI；University of Rochester（罗切斯特大学）；Rutgers University（新泽西罗格斯大学）
该研究针对机器人领域VLA模型的对抗脆弱性，提出三类攻击目标与对抗补丁生成方法，实验显示模拟任务成功率最高降100%，为提升其安全性、推动防御策略开发提供支撑。
2025-08-01 cs.AI cs.RO
Review on Efficient Strategies for Coordinated Motion and Tracking in Swarm Robotics
Middlesex University（密德萨斯大学）
群体机器人是一种创造性的组织多机器人结构的方法，由许多受公共昆虫影响的基本机器人组成。群体机器人最令人惊讶的属性是它们能够一起工作以实现集体目标。本文讨论了目前的调查，问题和算法，刺激在群体机器人协调运动的研究。群机器人运动的算法进行了对比，考虑到群体微型机器人完成聚合，创建，并通过对比算法和仿真之间的相关计算仿真。
2023-02-13 cs.RO
Variational Inference with Mixture Model Approximation: Robotic Applications
Idiap Research Institute（Idiap 研究院）
我们提出了一种方法来近似满足多个目标的机器人配置的分布。我们的方法使用变分推理，贝叶斯计算中的一种流行的方法，它有几个优点，基于采样的技术。为了能够表示复杂和多模态分布的配置，我们建议使用混合模型作为近似分布，最近已经获得普及的方法。在这项工作中，我们展示了这种方法的有趣特性，以及它如何应用于机器人技术中的各种问题。
2019-11-22 cs.RO
Decoupling Task and Behavior: A Two-Stage Reward Curriculum in Reinforcement Learning for Robotics
Chalmers University of Technology（查尔姆斯理工大学）；Gothenburg University（哥德堡大学）
本文提出了一种两阶段奖励课程方法，通过分离任务目标与行为术语，提升机器人强化学习中奖励函数设计的有效性和稳定性。
2026-03-05 cs.LG cs.RO
Trust the PRoC3S: Solving Long-Horizon Robotics Problems with LLMs and Constraint Satisfaction
MIT Computer Science and Artificial Intelligence Laboratory（麻省理工学院计算机科学与人工智能实验室）
本文提出 PRoC3S，将 LLM 生成的开放参数技能规划转化为 CCSP，并通过采样或优化及重新提示机制求解长时域约束机器人操作任务。
2024-09-06 cs.AI cs.RO
Model-free source seeking of exponentially convergent unicycle: theoretical and robotic experimental results
Department of Aerospace Engineering and Engineering Mechanics（航空航天工程与工程力学系）；University of Cincinnati（辛辛那提大学）；Department of Mathematics（数学系）；University of Klagenfurt（克雷格弗特大学）
本文提出一种无模型的单轮车源寻找设计，实现指数收敛于高次幂函数极值点，通过理论分析和机器人实验验证了其鲁棒性和实际应用能力。
2026-01-24 cs.RO math.OC
Accessible Survey of Evolutionary Robotics and Potential Future Research Directions
Bournemouth University（伯恩茅斯大学）
本文综述了应用于进化机器人领域的各种进化方法，旨在解决机器人设计和控制领域的难题。进化机器人是一个快速发展的领域，近年来吸引了大量的研究关注。因此，本文整理了最近的研究结果以及一些预期的应用。所审查的文献有系统地组织起来，对最近的事态发展作了分类概述，并以表格形式提出，以供快速参考。我们从ER的角度讨论了机器人技术中存在的突出潜力和挑战，相信这些将在不久的将来通过应用进化方法得到解决。本研究的主要目的是探讨进化方法在机器人应用程序开发中的适用性。我们相信，这项研究将使研究人员能够利用进化方法来解决机器人技术中复杂的突出问题。
2022-10-21 cs.RO
Self-Refining Vision Language Model for Robotic Failure Detection and Reasoning
UT Austin（德克萨斯大学）；Amazon Robotics（亚马逊机器人技术）；Carnegie Mellon University（卡内基梅隆大学）
ARMOR是一种自适应多任务视觉语言模型，通过多任务自 refinement 过程提升机器人故障检测与推理性能，实现故障检测率提升30%和推理表现提升100%。
2026-10-16 cs.LG cs.RO
Vector Cost Behavioral Planning for Autonomous Robotic Systems with Contemporary Validation Strategies
Michigan State University（密歇根州立大学）；Embry-Riddle Aeronautical University（艾姆伯-理德航空大学）；City College of New York（纽约市立大学）；Istanbul Technical University（伊斯坦布尔技术大学）
本文提出了一种基于向量成本双矩阵博弈的自主机器人行为规划方法，结合XAI和SEMBAS技术，通过对比标量加权和方法，展示了在多目标优化和敏感性分析中的优越性能。
2025-11-21 cs.GT cs.RO
In-pipe Robotic System for Pipe-joint Rehabilitation in Fresh Water Pipes
该机器人的目标是通过爬进水渠并应用修复材料来修复淡水供应系统的管道接头。机器人的结构由六个轮腿组成，三个在前面分开120°，三个在后面以相同的配置，沿着管道的中心支撑结构。在这种配置中，机器人能够使用旋转工具进行清洁和密封，类似于圆柱形机器人，覆盖整个3D管内空间。
2019-12-06 cs.RO
Planning for target retrieval using a robotic manipulator in cluttered and occluded environments
Korea Institute of Science and Technology（韩国科学技术研究院）
本文提出了一种具有固定基座的机器人机械手的规划算法，以在杂乱的环境中抓取目标物体。我们考虑一个配置的对象在一个有限的空间中具有高密度，所以没有碰撞的自由路径的目标存在。机器人必须重新定位一些对象，以检索目标，同时避免碰撞。为了快速完成检索任务，机器人需要计算优化与重新定位计划的执行时间直接相关的适当目标值的计划。我们提出了规划算法，旨在尽量减少要重新定位的对象的数量。我们的目标值是适当的对象检索任务，因为抓住和释放对象往往占主导地位的总运行时间。除了在完全已知的和静态的环境中工作的算法，我们提出了算法，可以处理不确定的和动态的情况下所引起的闭塞的意见。所提出的算法是完整的，并运行在多项式时间。与基线方法相比，我们的方法显著减少了总运行时间（例如，在已知静态环境中减少25.1%，有10个物体
2019-07-09 cs.RO
Model Predictive Manipulation of Compliant Objects with Multi-Objective Optimizer and Adversarial Network for Occlusion Compensation
Harbin Institute of Technology（哈尔滨工业大学）；Beihang University（北京航空航天大学）；The Hong Kong Polytechnic University（香港理工大学）
柔性物体的机器人操作是目前机器人技术中最活跃的问题之一，因为它具有自动化许多重要应用的潜力。尽管近年来机器人领域取得了进展，但这些类型材料的3D成形仍然是一个开放的研究问题。在本文中，我们提出了一种新的基于视觉的控制器，自动调节形状的顺应性的物体与机器人手臂。我们的方法使用一个有效的在线曲面/曲线拟合算法，量化对象的几何形状与一个紧凑的矢量的功能，这种反馈样的矢量，使建立一个明确的形状伺服回路。为了协调机器人的运动与计算的形状特征，我们提出了一个后退时间估计，近似系统的感觉运动模型，同时满足各种性能标准。开发了一个深度对抗网络来鲁棒地补偿相机视野中的视觉遮挡，即使对对象进行部分观察，也可以指导成形任务。模型预测控制用于计算机器人的成形运动受工作空间和饱和度的限制。详细的实验研究，以验证所提出的控制框架的有效性。
2022-05-20 cs.RO cs.SY eess.SY
Learning Multi-Objective Curricula for Robotic Policy Learning
McGill University（麦吉尔大学）；Mila - Québec AI Institute（米拉-魁北克人工智能研究所）；IBM Research（IBM研究院）；Université de Montréal（蒙特利尔大学）；Polytechnique Montréal（蒙特利尔理工学院）；Beijing Academy of AI（北京人工智能研究院）
为了提高深度强化学习（DRL）的样本效率和最终性能，已经提出了各种自动课程学习（ACL）方法。它们旨在控制DRL代理如何收集数据，这是受到人类如何逐渐适应其学习过程以适应其能力的启发。例如，ACL可用于子目标生成、奖励塑造、环境生成或初始状态生成。然而，先前的工作只考虑课程学习以下的上述预定义的范例之一。目前还不清楚这些范例中哪些是互补的，以及如何从与环境的相互作用中学习它们的组合。因此，在本文中，我们提出了一个统一的自动课程学习框架，以创建多目标，但连贯的课程，是由一组参数课程模块生成。每个课程模块被实例化为一个神经网络，并负责生成特定的课程。为了在统一的参数空间中协调这些潜在冲突的模块，我们提出了一个多任务超网学习框架，该框架使用单个超网来参数化所有这些课程模块。除了现有的手工设计的课程范例，我们进一步设计了一个灵活的记忆机制来学习一个抽象的课程，否则可能很难手动设计。我们评估我们的方法上的一系列机器人操作任务，并证明其优越性比其他国家的最先进的ACL方法的样本效率和最终性能。
2022-10-20 cs.AI cs.LG cs.RO
Adaptive Force Controller for Contact-Rich Robotic Systems using an Unscented Kalman Filter
University of California, Los Angeles（加州大学洛杉矶分校）
针对多点接触机器人的力控需求，提出一种基于自动整定的自适应导纳控制器，可兼顾旋转摩擦、力旋量跟踪、防滑与避奇异，并在攀爬机器人硬件上验证了操作与移动任务中的鲁棒性。
2023-10-01 cs.RO cs.SY eess.SY
Planning for robotic exploration based on forward simulation
Tampere University of Technology（坦佩雷理工大学）
本文提出基于POMDP的探索规划方法，结合信息论目标函数和正向模拟算法，通过改进的互信息近似方法提升机器人在部分已知环境中的探索效率。
2016-06-29 cs.RO cs.SY eess.SY
Hybrid Consistency Policy: Decoupling Multi-Modal Diversity and Real-Time Efficiency in Robotic Manipulation
Shanghai Jiao Tong University（上海交通大学）；National University of Singapore（国立新加坡大学）；Shanghai AI Lab（上海人工智能实验室）
在视觉策略学习中，基于扩散的模仿学习因其捕捉不同行为的能力而被广泛采用。然而，建立在普通和随机去噪过程上的方法很难同时实现快速采样和强大的多模态。为了应对这些挑战，我们提出了混合一致性策略（HCP）。HCP运行一个短的随机前缀，直到一个自适应的切换时间，然后应用一步一致性跳转，以产生最终的行动。为了对齐这一跳生成，HCP执行时变一致性蒸馏，该蒸馏结合了一个连续性一致性目标以保持相邻预测的一致性和一个去噪匹配目标以提高局部保真度。在模拟和真实机器人上，HCP具有25步加一跳的精度和模式覆盖率接近80步DDPM教师，同时显着减少延迟。这些结果表明，多模态不需要缓慢的推理，和切换时间从速度的模式保持。它产生了一个实际的精度效率权衡机器人的政策。
2025-10-30 cs.RO
Denoising Particle Filters: Learning State Estimation with Single-Step Objectives
Learning AI for Dextrous Robots Lab, Technical University of Munich（灵活机器人学习人工智能实验室，慕尼黑技术大学）
本文提出了一种基于单步目标的去噪粒子滤波方法，通过隐式学习测量模型和动力学模型，实现高效的机器人状态估计，具有可组合性和良好的性能表现。
2026-02-23 cs.AI cs.LG cs.RO
MAP-Elites enables Powerful Stepping Stones and Diversity for Modular Robotics
在模块化机器人中，模块可以重新配置以改变机器人的形态，使其能够适应特定的任务。然而，优化的身体和控制是一个困难的挑战，由于微调控制和形态变化之间的复杂关系，可以使这种优化。为了解决这一挑战，我们比较了三种不同的进化算法在模块化机器人中优化形态的能力。我们比较了两个基于目标的搜索算法，与MAP精英。为了理解多样性的好处，我们将进化的种群转移到两个困难的环境中，看看多样性是否会对解决复杂环境产生影响。此外，我们还分析了家谱祖先，以阐明垫脚石的概念，这是实现高性能的关键。结果表明，MAP-Elites除了产生最大的形态多样性之外，还能够进化出最高性能的解决方案。对于环境之间的过渡，结果表明，MAP-Elites更好地通过促进形态多样性来恢复性能。通过对家谱祖先的分析，我们发现MAP精英比其他基于目标的搜索算法产生更多样化和更高性能的垫脚石。将种群过渡到更困难的环境显示了形态多样性的实用性，而对垫脚石的分析显示了血统多样性与运动任务的最大表现之间的强相关性。本文展示了模块化机器人在不同环境下解决运动任务的多样性的优势。通过证明进化算法中垫脚石的质量和多样性是整体性能的重要因素，我们开辟了一个新的分析和结果领域。
2020-12-08 cs.RO
Graph-Based Design of Soft Grippers with Multi-Objective Quality-Diversity Optimisation
CSIRO Robotics（澳大利亚联邦科学与工业研究组织机器人部门）
本文提出基于图的软体夹爪表示与多目标多样性驱动遗传优化框架，通过多抓取场景优化，实现对新物体的涌现泛化与鲁棒性提升。
2026-09-18 cs.RO
3D Move to See: Multi-perspective visual servoing for improving object views with semantic segmentation
Queensland University of Technology（昆士兰科技大学）
在本文中，我们提出了一种新的方法，视觉伺服的机器人，被称为3D移动到看到（3DMTS）的基础上，找到下一个最好的看法，使用3D相机阵列和机器人机械手从不同的角度获得多个样本的场景的原则。该方法使用语义视觉和应用于每个视角的目标函数来采样表示下一个最佳视图的方向的梯度。该方法在模拟和一个真正的机器人平台上进行了演示，该平台包含一个自定义的3D相机阵列，用于在高度闭塞和非结构化的环境中进行机器人收获的挑战性场景。在一个真实的机器人平台上显示，通过使用目标函数的梯度移动末端执行器，即使在遮挡之间，也会导致感兴趣对象的局部最佳视图。与使用单个RGB-D相机的基线方法相比，3DMTS方法的总体性能获得了目标尺寸平均增加29.3%，基线方法获得了9.17%。结果表明，定性和定量的3DMTS方法在大多数情况下表现更好，并产生三倍的目标大小相比，基线方法。在最终视图中增加的目标尺寸将改善对感兴趣对象的关键特征的检测，以用于进一步操纵，例如抓取和收获。
2018-09-21 cs.RO
Epistemic Planning for Heterogeneous Robotic Systems
University of Virginia（弗吉尼亚大学）
针对异构多机器人系统在不可靠通信环境下的规划问题，提出一种基于动态认知逻辑和混合整数规划的框架，使机器人能推理系统状态并优化信息传播，经仿真和实验验证有效。
2023-08-03 cs.RO
Collision Avoidance Robotics Via Meta-Learning (CARML)
University of California, San Diego（加利福尼亚大学圣地亚哥分校）
提出了一种基于模型不可知元学习的多目标强化学习方法。我们使用的环境包括一辆配备了LIDAR传感器的2D车辆。环境的目标是到达一些预定的目标位置，但也有效地避免任何障碍物，它可能会发现沿其路径。我们还比较了这种方法与基线TD3解决方案，试图解决同样的问题。
2020-07-16 cs.AI cs.LG cs.RO
Gradient-based Taxis Algorithms for Network Robotics
Humboldt-Universität zu Berlin（柏林洪堡大学）
查找特定网络节点的物理位置是无线网络内导航的原型任务。在本文中，我们深入考虑无线通信作为基于梯度的出租车算法的测量输入的影响。我们讨论如何梯度可以测量，并确定这种估计的误差。然后，我们介绍了一个基于梯度的出租车算法作为一个例子，一个家庭的基于梯度的，收敛的算法，并讨论其收敛性的背景下，网络机器人。我们还进行了一个示例性的实验，以展示如何克服一些与网络机器人相关的具体问题。最后，我们将展示如何使这个框架适应更复杂的目标。
2014-09-26 cs.AI cs.NI cs.RO
Value Iteration for Learning Concurrently Executable Robotic Control Tasks
University of Waterloo（滑铁卢大学）
提出基于强化学习的值迭代方法，通过定义任务独立性并优化成本泛函，训练冗余机器人并发执行多任务且最小化高优先级任务干扰。
2025-04-01 cs.LG cs.RO cs.SY
Expected Free Energy-based Informative Path Planning for Robotic Mars Exploration
TU Eindhoven（埃因霍温理工大学）；Cajal Centre for Neuroscience, Spanish National Research Council（西班牙国家研究委员会卡哈尔神经科学中心）
该研究提出将主动推理的期望自由能作为统一准则，用于预算约束下的机器人信息路径规划，其规划方法在火星探测场景中可同时实现精准地图构建与高价值区域定位，性能优于信息论基准方法。
2026-08-17 cs.IT cs.LG cs.RO
Option-Aware Adversarial Inverse Reinforcement Learning for Robotic Control
Purdue University（普渡大学）；KAUST（阿卜杜拉国王科技大学）；George Washington University（乔治华盛顿大学）
本文提出一种结合对抗逆强化学习与期望最大化的分层模仿学习算法，通过引入有向信息项和变分自编码器实现端到端策略学习，并在机器人控制任务中验证其优越性。
2023-05-26 cs.AI cs.LG cs.RO
Pareto Frontier Approximation Network (PA-Net) to Solve Bi-objective TSP
Toronto Metropolitan University（多伦多都会大学）
旅行推销员问题（TSP）是一个经典的资源分配问题，用于寻找一组任务的最优顺序，同时最小化（或最大化）相关的目标函数。它被广泛用于机器人的规划和调度等应用。在这项工作中，我们解决TSP的两个目标，使用强化学习（RL）。通常在多目标优化问题中，相关的目标函数在本质上可能是冲突的。在这种情况下，最优性被定义为帕累托最优性。目标空间中的这些帕累托最优解的集合形成帕累托前沿（或前沿）。每种解决方案都有其利弊。我们提出了帕累托前沿近似网络（PA-Net），一个网络，生成良好的近似的帕累托前沿的双目标旅行销售员问题（BTSP）。首先，BTSP转化为一个约束优化问题。然后，我们训练我们的网络来解决这个约束问题，使用拉格朗日松弛和策略梯度。使用PA-Net，我们改进了现有基于深度RL的方法的性能。用于衡量Pareto前沿最优性的超体积度量的平均改进为2.3%。与此同时，PA-Net的推理时间快了4.5倍。最后，我们提出了应用PA-网络，以找到最佳的访问顺序在机器人导航任务/覆盖规划。我们的代码可以在项目网站上找到。
2022-07-17 cs.AI cs.RO
Reward Training Wheels: Adaptive Auxiliary Rewards for Robotics Reinforcement Learning
George Mason University（乔治梅森大学）
针对机器人强化学习中人工设计辅助奖励成本高、无法自适应的问题，提出师生框架RTW，可动态调整辅助奖励权重，在导航和越野任务中性能与训练效率均优于专家设计方案，实体实验也验证了其有效性。
2025-03-19 cs.AI cs.RO
LIV: Language-Image Representations and Rewards for Robotic Control
University of Pennsylvania（宾夕法尼亚大学）；Meta AI
本文提出 LIV 统一目标，从带文本标注的无动作视频中联合学习视觉-语言表示与奖励，并在仿真和真实机器人控制中验证其优于既有表示与奖励指定方法。
2023-06-01 cs.AI cs.LG cs.RO
The Autonomy-Alignment Problem in Open-Ended Learning Robots: Formalising the Purpose Framework
Institute of Cognitive Sciences and Technologies, National Research Council（认知科学与技术研究所，国家研究理事会）；Integrated Group for Engineering Research, CITIC, Universidade da Coruña（工程研究联合组，CITIC，科鲁纳大学）；Institute of Intelligent Systems and Robotics, Sorbonne University / CNRS（智能系统与机器人研究所，索邦大学 / CNRS）
本文提出了一种用于开放性学习机器人的计算框架，通过定义'目的'来平衡自主性与人类控制，解决自主性-对齐问题。
2025-12-04 cs.AI cs.LG cs.RO
Promptable Behaviors: Personalizing Multi-Objective Rewards from Human Preferences
Allen Institute for AI（艾伦人工智能研究所）；Massachusetts Institute of Technology（麻省理工学院）；Korea Advanced Institute of Science and Technology（韩国高等科学技术院）
针对具身AI中机器人行为适配多样人类偏好的难题，提出Promptable Behaviors框架，用多目标强化学习训练通用策略，通过三类交互推断偏好，在导航任务中验证了个性化效果。
2023-12-14 cs.AI cs.CV cs.RO
Robustness via Retrying: Closed-Loop Robotic Manipulation with Self-Supervised Learning
UC Berkeley（加州大学伯克利分校）
预测是行为技能的自监督学习的一个有吸引力的目标，特别是对于自主机器人。然而，有效地利用预测模型进行控制，特别是在原始图像输入的情况下，提出了许多重大挑战。预测应该如何使用？当它们不准确时会发生什么？在本文中，我们通过提出一种仅使用自主收集的经验从原始图像观察中学习机器人技能的方法来解决这些问题。我们表明，即使是一个不完美的模型，如果它可以不断重试，也可以完成复杂的任务，但这需要模型不失去目标的跟踪（例如，感兴趣的对象）。为了使机器人能够不断重试任务，我们设计了一种用于学习图像配准的自监督算法，该算法可以在试验期间跟踪感兴趣的对象。我们证明，这个想法可以与基于视频预测的控制器相结合，使复杂的行为从头开始学习，只使用原始的视觉输入，包括抓取，重新定位对象，和非可伸缩操作。我们的真实世界实验表明，使用160个机器人小时自主收集的未标记数据训练的模型能够成功执行复杂的操作任务，并且在训练过程中看不到各种各样的对象。
2018-10-06 cs.AI cs.CV cs.RO
Trajectory Planning of Robotic Manipulator in Dynamic Environment Exploiting DRL
Lahore University of Management and Sciences（拉合尔管理科学大学）；Speridian Technologies（斯佩里迪安技术公司）
本研究针对未知动态环境下机械臂的轨迹规划问题，应用DDPG算法控制7自由度机械臂避开随机移动障碍物完成拾放任务，并对比了密集与稀疏奖励下的模型效率。
2024-03-25 cs.RO cs.SY eess.SY
Towards Controllability of Wireless Network Quality using Mobile Robotic Routers
Department of Electrical and Computer Engineering, Georgia Institute of Technology（电子与计算机工程系，佐治亚理工学院）
本文研究通过移动机器人中继节点的部署与移动控制，优化无线网络通信质量，提出集中式和分布式两种优化算法，通过仿真实验验证其性能。
2016-07-26 cs.RO cs.SY eess.SY
Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search
MIT（麻省理工学院）
本文针对仓储“货到人”拣选作业，提出先学习后优化的大规模邻域搜索方法，联合优化订单-工作站分配、物品-货架分配与订单履行调度，并在与Amazon Robotics合作中验证其显著优于现有方法，提升机器人车队利用率并减少拥堵。
2024-08-29 cs.LG cs.RO math.OC
