Uncertainty-aware Safe Exploratory Planning using Gaussian Process and Neural Control Contraction Metric
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Massachusetts Institute of Technology（麻省理工学院）；University of California San Diego（加利福尼亚大学圣地亚哥分校）
在本文中，我们考虑的问题，使用机器人探索一个未知的环境，状态依赖的干扰功能，同时避免一些禁区。机器人的目标是安全地收集干扰的观察结果，并构建对潜在干扰函数的准确估计。我们使用高斯过程（GP）从数据中获得对回归误差具有高置信度的干扰估计。此外，我们使用神经收缩神经网络推导出一个跟踪控制器和相应的高置信度的不确定性管周围的标称轨迹规划的机器人，基于估计的干扰。从收缩度量的鲁棒性，误差界限可以被预先计算并由运动规划器使用，使得实际轨迹被保证是安全的。随着机器人沿其轨迹收集越来越多的观测值，对干扰的估计变得越来越准确，这反过来又提高了跟踪控制器的性能，并扩大了机器人可以安全探索的自由空间。我们评估所提出的方法使用精心设计的环境与地面车辆。实验结果表明，该方法能够使机器人安全、快速地对环境进行全面探测。
2021-05-13 cs.RO
LLM-Powered Socially Assistive Robot-Delivered Cognitive Behavioral Therapy Exercises: an Exploratory Study with University Students
University of Southern California（南加州大学）
本研究探索了利用大语言模型驱动的社会辅助机器人实施认知行为疗法练习，发现其能有效降低大学生焦虑并支持治疗进展，展示了AI与机器人结合提供可及心理健康干预的潜力。
2026-09-24 cs.RO
From the DESK (Dexterous Surgical Skill) to the Battlefield -- A Robotics Exploratory Study
Purdue University（普渡大学）；Indiana University School of Medicine（印第安纳大学医学院）；Johns Hopkins University（约翰斯·霍普金斯大学）
短响应时间对于未来在艰苦环境或偏远地区的军事医疗行动至关重要。这种有效的病人护理可以大大受益于半自主机器人系统的集成。为了实现自主性，机器人需要大量的操作库。虽然这在受控环境中是可能的，但在严峻环境中获得手术数据可能是困难的。因此，在本文中，我们提出了灵巧的手术技能（DESK）数据库机器人之间的知识转移。选择栓钉转移任务是因为它是腹腔镜培训的6个主要任务之一。此外，我们提供了一个ML框架来评估这个数据库上的新迁移学习方法。收集的DESK数据集包括一组使用四个机器人平台的手术机器人技能：Taurus II，模拟Taurus II，YuMi和da Vinci Research Kit。然后，我们探讨了两种不同的学习情景：无迁移和领域迁移。在无转移的情况下，训练和测试数据是从同一个域中获得的;而在域转移的情况下，训练数据是在真实机器人上测试的模拟和真实机器人数据的混合。使用仿真数据增强了真实机器人的性能，其中有限或没有真实数据可用。当真实数据与仿真数据的比值为22%-78%时，YuMi机器人的传递模型的准确率为81%。对于Taurus II和da Vinci机器人，该模型的准确率分别为97.5%和93%，仅使用模拟数据进行训练。结果表明，仿真可以用来增加训练数据，以提高模型在真实场景中的性能。这显示了未来在偏远地区可部署的手术机器人中使用手术室手术数据的潜力。
2020-11-30 cs.RO
ARC-Calib: Autonomous Markerless Camera-to-Robot Calibration via Exploratory Robot Motions
Department of Computer Science, Rice University（莱斯大学计算机科学系）；Department of Mechanical Engineering and Material Science, Yale University（耶鲁大学机械工程与材料科学系）
针对传统相机-机器人标定需人工设标记、现有无标记方法依赖预训练模型的问题，提出无需数据训练的ARC-Calib框架，通过探索性运动生成视觉轨迹，结合几何约束迭代优化标定，经仿真与真实实验验证具备强鲁棒性与泛化性。
2025-03-18 cs.CV cs.RO
An Exploratory Study on Human-Robot Interaction using Semantics-based Situational Awareness
Extreme Robotics Lab (ERL) and National Center for Nuclear Robotics (NCNR), University of Birmingham, UK（极端机器人实验室（ERL）和核机器人国家中心（NCNR）、英国伯明翰大学）；School of Electronic Engineering and Computer Science, Queen Mary University of London, UK（电子工程与计算机科学学院，伦敦女王玛丽大学）
该研究探索高层语义对人机团队与交互的作用，在模拟灾难任务中验证基于语义的框架可减轻操作员负荷、提升态势感知信任、缩短自主切换反应时间，还发现高信任用户会更多使用遥操作。
2025-09-02 cs.RO
The Robotarium: A remotely accessible swarm robotics research testbed
Georgia Institute of Technology（佐治亚理工学院）
本文介绍了Robotarium -远程访问，多机器人研究设施。Robotarium背后的推动力是多机器人测试台构成了多机器人研究周期中不可或缺的一部分，但它们的开发，操作和维护成本高昂，复杂且耗时。这些资源限制反过来又限制了大量研究人员和学生的访问，这就是Robotarium通过为用户提供远程访问最先进的多机器人测试设施而进行的补救。本文详细介绍了机器人的设计和操作，并讨论了复杂的硬件远程访问时必须考虑的因素。特别是，安全性必须在设计阶段就已经内置到系统中，而不会过度限制用户可以上传和执行的协调控制程序，这需要具有可证明性能保证的微创安全例程。
2016-09-15 cs.RO
Contrastive Learning from Exploratory Actions: Leveraging Natural Interactions for Preference Elicitation
University of Southern California（南加利福尼亚大学）
本文提出 CLEA 方法，利用用户在机器人定制中的探索性动作作为自然标注信号，通过对比学习获取与用户偏好对齐的轨迹特征，并在用户研究中验证其优于自监督特征。
2025-01-02 cs.AI cs.HC cs.LG
How Robot Dogs See the Unseeable: Improving Visual Interpretability via Peering for Exploratory Robots
Johannes Kepler University Linz（林茨约翰内斯·开普勒大学）；Free University of Bozen-Bolzano（博尔扎诺自由大学）；University of Trento（特伦托大学）；University of Sussex（萨塞克斯大学）
通过模仿昆虫的窥视动作，提升探索机器人在部分遮挡下的视觉推理能力，实现高分辨率、实时感知，适用于复杂环境导航与场景理解。
2026-01-04 cs.CV cs.RO
A Storytelling Robot managing Persuasive and Ethical Stances via ACT-R: an Exploratory Study
ICAR-CNR（意大利国家研究委员会认知科学与技术研究所）；ITD-CNR（意大利国家研究委员会教育技术研究所）；Università di Torino（都灵大学）
我们展示了一个讲故事的机器人，通过ACT-R认知架构控制，能够在谈论有关COVID-19的一些主题时采用不同的说服技巧和道德立场。该文件的主要贡献包括在一个需求驱动的模型，指导和评估，在对话过程中，使用（如果有的话）有说服力的技术，在代理程序的内存中的建议。在这样一个模型中测试的说服性技巧的组合范围从讲故事的使用，到框架技术和基于主题的论点。据我们所知，这是第一次尝试建立一个有说服力的代理，能够整合明确接地的认知假设的对话管理，讲故事和说服力的技术，以及道德态度的混合。本文介绍了63名参与者的系统的探索性评价结果
2021-12-16 cs.AI cs.HC cs.RO
Exploratory Movement Strategies for Texture Discrimination with a Neuromorphic Tactile Sensor
School of Engineering Mathematics and Technology, University of Bristol（工程数学与技术学院，布里斯托尔大学）
本文提出一种受人类探索策略启发的神经形态触觉感知框架，通过比较六种探索运动，发现滑动+旋转在纹理分类中准确率最高且功耗极低，是最优策略。
2025-09-18 cs.RO
An Exploratory Study on Crack Detection in Concrete through Human-Robot Collaboration
Extreme Robotics Lab (ERL) and National Center for Nuclear Robotics (NCNR)（极端机器人实验室（ERL）和核机器人国家中心（NCNR））；University of Birmingham（伯明翰大学）；National Center for Nuclear Robotics (NCNR)（核机器人国家中心）；Queen Mary University of London（伦敦女王大学）
本研究探索了将AI辅助视觉裂缝检测集成到移动Jackal机器人平台上的人机协作方法，实验证明该方法能提高检测准确性并降低操作员工作负荷，优于传统人工检测。
2025-08-15 cs.AI cs.HC cs.RO
DASH: A da Vinci Adapter for Serial-link and Humanoid Robots as an Accessible Platform for Surgical Robotics Research
University of California San Diego（加州大学圣迭戈分校）
针对专用手术机器人成本高、可及性低的问题，提出DASH适配器，将达芬奇器械改装到通用机器人上，无需修改器械，兼容多种负载，通过遥操作实验验证了其有效性和研究可及性优势。
2026-10-26 cs.RO
Jacobian Exploratory Dual-Phase Reinforcement Learning for Dynamic Endoluminal Navigation of Deformable Continuum Robots
The Department of Electronic Engineering, The Chinese University of Hong Kong（电子工程系，香港中文大学）
针对可变形连续体机器人腔内导航的规划难题，提出融合雅可比估计与策略执行的双阶段强化学习框架JEDP-RL，通过局部探索估计雅可比并增强状态表示，在收敛速度、导航效率与泛化性上均显著优于PPO基线。
2025-08-30 cs.AI cs.RO cs.SY
Physical extracurricular activities in educational child-robot interaction
University of Twente（特文特大学）
在一项关于教育儿童与机器人互动的探索性研究中，我们研究了交替学习活动与额外共享活动的效果。我们的目标是通过引入“物理课外活动”来加强和丰富儿童与机器人之间的关系。这种丰富的关系可能最终影响孩子和机器人与学习材料互动的方式。我们使用定性测量技术来评估额外的活动对儿童-机器人关系的影响。我们还探讨了如何将这些指标整合到一个高度探索性的累积分数中，以确定儿童与机器人之间的关系。该累积分数表明，与机器人一起参与物理课外活动的儿童与仅与机器人一起参与学习活动的儿童之间的整体儿童-机器人关系存在差异。
2016-06-08 cs.HC cs.RO
See Spot Guide: Accessible Interfaces for an Assistive Quadruped Robot
Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）；Department of Computer Science, Colby College（科尔比学院计算机系）
本研究为盲人或低视力人士开发了语音应用和响应式手柄两种人机接口，使四足机器人能够传递空间信息并完成引导导航任务，验证了其可行性与用户信任度。
2024-06-06 cs.RO
Accessible Interfaces for the Development and Deployment of Robotic Platforms
TTI-Chicago（芝加哥丰田技术研究所）；TOYOTA TECHNOLOGICAL INSTITUTE AT CHICAGO（芝加哥丰田技术研究所）
本论文针对消费者、研究人员和学习者三类受众，提出了改善机器人无障碍性的方法，包括自然语言导航与操作、可复现研究平台、水下干预框架SHARC以及首个基于硬件的机器人MOOC课程。
2023-05-16 cs.RO
Championing Research Through Design in HRI
Carnegie Mellon University（卡内基梅隆大学）
对CHI和人机交互（HRI）社区的交叉点进行研究的挑战之一是解决两者之间可接受的设计研究方法的差距。虽然HRI专注于与机器人的交互，并在其范围内包括设计研究，但该社区并不像CHI社区那样习惯于探索性设计方法。本研讨会论文主张将探索性设计，特别是过去十年在CHI中建立的设计研究（RtD）方法带到HRI的前景。RtD可以使HRI领域的设计研究人员进行探索性的设计工作，询问什么是正确的设计，并在社区内分享。
2019-08-20 cs.HC cs.RO
Towards Accessible Robot Control: Comparing Kinesthetic Teaching, SpaceMouse Teleoperation, and a Mixed Reality Interface
Stanford University（斯坦福大学）
本研究比较了三种机器人控制方法，发现空间鼠标和混合现实接口表现相近，但任务复杂度增加时成功率下降，凸显了为非专家用户设计更高效可控的遥控系统的重要性。
2026-01-17 cs.RO
Safe, Remote-Access Swarm Robotics Research on the Robotarium
Georgia Institute of Technology（佐治亚理工学院）
本文介绍了Robotarium -一个远程访问，多机器人研究设施的发展。Robotarium背后的推动力是多机器人测试台构成了多智能体研究周期的一个不可或缺的组成部分，但它们的开发，操作和维护成本高昂，复杂且耗时。这些资源限制反过来又限制了大量研究人员和学生的访问，这就是Robotarium通过为用户提供远程访问最先进的多机器人测试设施而进行的补救。本文详细介绍了Robotarium的设计和操作，以及连接这些特殊的考虑因素时，必须采取复杂的硬件远程访问。特别是，安全性必须在设计阶段就已经内置的，而不过度限制用户可以上传和执行哪些协调控制程序，这需要具有可证明的性能保证的微创安全例程。
2016-04-03 cs.RO
RESample: A Robust Data Augmentation Framework via Exploratory Sampling for Robotic Manipulation
Nanyang Technological University（南洋理工大学）；Tsinghua University（清华大学）；Beijing University of Posts and Telecommunications（北京邮电大学）
本文提出RESample框架，通过探索性采样机制提升VLA训练数据分布覆盖，有效解决分布外场景下的能力瓶颈问题，实验证明在LIBERO基准和真实机器人任务中性能提升12%。
2026-08-06 cs.AI cs.LG cs.RO
Demonstrating Berkeley Humanoid Lite: An Open-source, Accessible, and Customizable 3D-printed Humanoid Robot
University of California, Berkeley（加州大学伯克利分校）
本文展示开源人形机器人 Berkeley Humanoid Lite，采用模块化 3D 打印齿轮箱和摆线设计，成本低于 5000 美元，并通过强化学习实现仿真到硬件的零样本策略迁移，推动人形机器人民主化。
2025-04-24 cs.RO
A Multi-Vine Soft Robot Enabling Accessible Working Channel and Steering
School of Engineering and Materials Science, Queen Mary University of London（伦敦玛丽女王大学工程与材料科学学院）
该研究提出一种多藤蔓软机器人架构，可在推进外部集成工作通道的同时实现近90度主动转向，有望应用于医疗等领域的导航与检测任务。
2026-09-04 cs.RO
TeleDex: Accessible Dexterous Teleoperation
University of California, Los Angeles（加州大学洛杉矶分校）
TeleDex通过手机实现灵巧手和机械臂的直观遥控，降低硬件和设置门槛，支持模拟和现实任务中的演示收集，为机器人遥控提供统一可扩展接口。
2026-03-20 cs.RO
Real-World Robot Control by Deep Active Inference With a Temporally Hierarchical World Model
Graduate School of Integrated Design Engineering, Keio University（Keio大学整合设计工程研究院）
本文提出一种结合时序分层世界模型的深度主动推断框架，用于在不确定环境中实现机器人高成功率的操作与探索性动作切换。
2025-12-01 cs.AI cs.LG cs.RO
Towards Accessible Physical AI: LoRA-Based Fine-Tuning of VLA Models for Real-World Robot Control
Independent Researchers（独立研究者）
本文提出基于LoRA的VLA模型微调方法，使大规模VLA模型能在消费级GPU上高效运行，实现在低成本机器人平台上的现实部署。
2025-12-11 cs.AI cs.RO
Using Infant Limb Movement Data to Control Small Aerial Robots
University of California, Riverside（加州大学河滨分校）
通过偶然反馈促进探索性运动可以对婴儿期运动发育产生积极影响。我们正在进行的工作齿轮通过使用小型空中机器人的机器人辅助应急学习环境的发展。本文探讨是否空中机器人及其相关的运动控制器可以用来实现高效和高响应的机器人飞行，为我们的目的。从视频中提取婴儿踢运动学数据，并将其用于空中机器人的仿真和物理实验。两个标准的实践控制器的功效进行了评估：线性PID和非线性几何控制器。通过均方误差（以评估与输入婴儿腿部轨迹信号的总体偏差）和动态时间规整算法（以量化信号同步性）定性和定量地评估机器人匹配婴儿踢腿轨迹的能力。结果表明，它是在原则上可以跟踪婴儿踢轨迹与小型天线机器人，并确定需要进一步发展的领域，以提高跟踪质量。
2022-08-11 cs.RO
Physical Atari: A Robust and Accessible Platform for Real-time Reinforcement Learning on Robots
Keen Technologies；University of Alberta, Canada（阿尔伯塔大学，加拿大）；Openmind Research Institute（Openmind研究机构）
提出Physical Atari平台，通过机器人操作Atari控制器和实时渲染游戏帧，实现物理世界中的强化学习研究，验证了算法可直接在机器人上学习，并指出分布偏移会显著降低策略性能。
2026-06-19 cs.AI cs.RO
Accessible and Pedagogically-Grounded Explainability for Human-Robot Interaction: A Framework Based on UDL and Symbolic Interfaces
Grupo de Robótica , EIIIA Campus de Vegazana, Universidad de León（机器人组，EIIIA校区，莱昂大学）；C.E.E. Ntra. Sra. Del Sagrado Corazón（圣心宗女会）
本文提出基于UDL和符号接口的框架，旨在通过多模态解释板提升人机交互中不同需求用户的可解释性与教学导向性。
2025-04-08 cs.HC cs.RO
Exploring the Edges of Latent State Clusters for Goal-Conditioned Reinforcement Learning
Rutgers University（罗格斯大学）
针对无监督目标条件强化学习中的探索难题，提出簇边缘探索算法，通过潜在空间聚类并优先选择可达边界目标，在多个机器人环境中显著提升探索效率。
2024-11-03 cs.AI cs.LG cs.RO
Integrated Benchmarking and Design for Reproducible and Accessible Evaluation of Robotic Agents
ETH Zürich（苏黎世联邦理工学院）；Toyota Technological Institute at Chicago（芝加哥丰田技术研究所）；Mila, Université de Montréal（蒙特利尔大学米拉研究所）
随着机器人技术的成熟和复杂性的增加，机器人自主研究的可重复性比以往任何时候都更有必要。与其他科学相比，对自主性进行基准测试存在特定的挑战，例如软件堆栈的复杂性，硬件的可变性以及对数据驱动技术的依赖等。在本文中，我们描述了一个新的概念，可再生的机器人研究，集成了开发和基准，使再现性是“通过设计”从一开始的研究/开发过程。我们首先提供了实现这一目标的总体概念目标，然后是我们构建的一个具体实例：DUCKIENet。Duckietown Autolab是这一设置的核心组件之一，这是一种可远程访问的标准化设置，其本身也相对低成本和可重复。在评估代理时，仔细定义接口允许用户使用模拟、日志或远程自动硬件设置在本地与远程评估之间进行选择。我们通过分析使用基础设施进行的实验的可重复性来验证该系统，并表明不同机器人硬件和不同远程实验室之间的差异很小。
2020-09-09 cs.LG cs.RO
PolyUMI: Accessible Visual-Tactile-Audio Data Collection for Object Inference and Manipulation
TU Darmstadt（达姆施塔特工业大学）；Robotics Institute Germany（德国机器人研究所）
PolyUMI与VisTA提供开源可及的多模态数据采集与策略学习管道，通过视觉-触觉-音频集成提升物体推断与操作性能。
2026-10-22 cs.RO
Interactive Learning of Physical Object Properties Through Robot Manipulation and Database of Object Measurements
Czech Technical University in Prague（布拉格捷克技术大学）；Czech Institute of Informatics, Robotics, and Cybernetics, Czech Technical University in Prague（布拉格捷克技术大学捷克信息学、机器人学与控制论研究所）；New York University Abu Dhabi（纽约大学阿布扎比分校）；Mondragon Unibertsitatea（蒙德拉贡大学）；Imperial College London（伦敦帝国学院）；Aalto University（阿尔托大学）
提出一种基于贝叶斯网络和机器人操作的框架，通过最优探索性动作选择与在线数据库自动提取并更新物体的物理属性。
2025-02-01 cs.AI cs.IT cs.RO
Giving Sense to Inputs: Toward an Accessible Control Framework for Shared Autonomy
Idiap Research Institute（伊迪亚普研究所）；EPFL（洛桑联邦理工学院）
提出一种将2D摇杆输入动态映射到6D机器人运动的框架，通过管状曲面轨迹定义控制框架，用户研究表明其降低了工作负荷并提升了可用性，且在轮椅用户的探索性研究中验证了可行性。
2025-01-28 cs.HC cs.RO
DeltaZ: An Accessible Compliant Delta Robot Manipulator for Research and Education
Carnegie Mellon University（卡内基梅隆大学）；Rose-Hulman Institute of Technology（罗斯-霍曼理工学院）
本文提出厘米级、低成本且可 3D 打印的 DeltaZ 机器人，利用三平动自由度和闭式运动学降低研究与教育使用门槛，并将其作为开源强化学习基准。
2022-07-02 cs.RO cs.SY eess.SY
Curate, Connect, Inquire: A System for Findable Accessible Interoperable and Reusable (FAIR) Human-Robot Centered Datasets
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
针对机器人数据集缺乏策展标准导致发现与重用困难的问题，本文提出一个FAIR原则的以人为中心的机器人数据集策展与访问系统，包含结构化数据集策展发布方法和ChatGPT驱动的自然语言对话查询接口，显著提升了人机交互数据的可访问性与可理解性。
2025-05-30 cs.HC cs.IR cs.RO
Rearrange Indoor Scenes for Human-Robot Co-Activity
Beijing Institute for General Artificial Intelligence（北京通用人工智能研究院）；Peking University（北京大学）
我们提出了一个基于优化的框架，重新安排室内家具，以更好地适应人类和机器人的合作活动。重新安排的目的是为机器人活动提供足够的可访问空间，而不影响人类的日常活动。为了保留人类的活动，我们的算法保留家具之间的功能关系，通过整合空间和语义共现提取SUNC G和ConceptNet，分别。通过定义机器人的可访问空间的开放空间的量，它可以遍历和它可以达到的对象的数量，我们制定的重排为人类-机器人的合作活动作为一个优化问题，解决自适应模拟退火（ASA）和协方差矩阵自适应演化策略（CMA-ES）。我们在SUCG数据集上的实验定量地表明，重新排列的场景平均提供了14%的可访问空间和30%的可交互对象。重新排列的场景的质量是定性验证的人类研究，表明所提出的策略的有效性。
2023-03-10 cs.AI cs.RO
Control and Monitoring System for Modular Wireless Robot
Indonesian Institute of Sciences（印度尼西亚科学研究所）
介绍了模块化无线机器人的概念，该机器人由三个主要模块组成：主机模块、数据采集模块和数据处理模块。我们已经开发了一个通用的原型与集成的控制和监测系统，以提高其灵活性，并使简单的操作，通过一个基于网络的界面可无线访问。在本文中，我们专注于基于微控制器的硬件，使数据采集和远程机械控制。
2007-10-03 cs.RO
BEAVR: Bimanual, multi-Embodiment, Accessible, Virtual Reality Teleoperation System for Robots
Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（航空与航天系，麻省理工学院）
提出BEAVR，一个开源的双手多形态VR遥操作系统，通过零拷贝流式架构和异步“思考-行动”控制循环，实现低延迟、多机器人实时控制与数据记录，并兼容多种视觉运动策略。
2025-08-13 cs.RO cs.SY eess.SY
Direct off-line robot programming via a common CAD package
University of Coimbra（科英布拉大学）
本文着重于直观和直接的离线机器人编程从一个常见的3-D CAD软件包上运行的CAD图纸。探讨了在CAD图形中表示机器人运动的最合适的方法，如何从图形中自动提取运动数据，将数据从虚拟（CAD模型）映射到真实环境，以及自动生成机器人路径/程序的过程。总之，本研究的目的是提出一种新的基于CAD的机器人编程系统，任何人都可以使用CAD和机器人的基本知识。不同操作任务的实验表明了该方法的有效性和通用性。
2013-09-09 cs.RO
Participatory Design for Mental Health Data Visualization on a Social Robot
University of Washington（华盛顿大学）
数据可视化和人机交互（HRI）的交叉是一个新兴的领域。理解、交流和处理不同类型的数据以创建多功能可视化可以使HRI受益。相反，通过有效的可视化表达HRI生成的不同类型的数据可以提供有趣的见解。我们的工作增加了这个不断增长的领域的文献。在本文中，我们提出了我们的探索性工作可视化的心理健康数据的社交机器人。特别是，我们讨论了心理健康数据可视化的开发使用参与式设计（PD）的方法。作为社交机器人上心理健康数据可视化的第一步，这项工作为相关的进一步工作和使用社交机器人作为数据可视化工具铺平了道路。
2022-08-20 cs.HC cs.RO
FAtiMA Toolkit -- Toward an effective and accessible tool for the development of intelligent virtual agents and social robots
INESC-ID；Instituto Superior Técnico（高等技术学院）；Universidade de Lisboa（里斯本大学）；Faculdade de Ciências e Tecnologia（科学与技术学院）；Universidade do Algarve（阿尔加维大学）；CCMAR
《无畏》的开发已经过去了十多年，这是一款旨在通过虚拟角色扮演帮助儿童应对欺凌行为的应用程序。这也是导致创建FAtiMA的应用程序，这是一种情感代理架构，用于创建能够唤起移情反应的自主角色。在本文中，我们描述了FAtiMA工具包，一个开源工具集，旨在帮助研究人员，游戏开发人员和机器人专家将情感和决策的计算模型纳入他们的工作。开发该工具包的目的是使FAtiMA更容易访问，更容易融入不同的项目，并根据多年来在不同的虚拟环境和人机交互场景中收集的经验，使其人机交互功能更加灵活。因此，这项工作作出了几个不同的贡献，基于Agent的体系结构领域。更确切地说，FAtiMA工具包的基于库的设计允许开发人员轻松地将其与其他框架集成，其元认知模型提供了不同的内部推理机和情感组件，其明确的对话结构即使在高度复杂的场景中也可以控制作者。为了演示FAtiMA工具包的使用，描述和讨论了成功应用该工具包的几个不同的用例。
2021-03-04 cs.HC cs.MA cs.RO
Estimating Human Intent for Physical Human-Robot Co-Manipulation
人类团队在使用共享的心理模型进行操作任务时，可以非常有效地进行适应和协作。然而，在协作操作任务期间，人类可以使用相同的共享心智模型来执行鲁棒的低级别力和运动控制，而机器人则不存在。为了让机器人能够自然、高效地与人类执行协作任务，理解和预测人类的意图是必要的。然而，人类很难预测和建模。我们已经完成了一项探索性研究，记录了20个人的运动和力量，以更好地了解他们如何移动以及如何预测他们的运动。在本文中，我们将展示如何使用过去的运动数据来预测人类的意图。为了预测人类的意图，我们将其等同于人类团队在短时间内的速度，我们使用了神经网络。以200 Hz的频率使用前150个时间步长，可以预测接下来50个时间步长的人类意图，均方误差为0.02（m/s）^2。我们还表明，人类的意图，可以估计在一个人-机器人二元。这项工作是重要的第一步，使未来的工作集成人类意图估计机器人控制器执行短期协作轨迹。
2017-05-30 cs.RO
Robot Operating System 2: Design, Architecture, and Uses In The Wild
Samsung Research America（三星美国研究院）；Open Robotics（开放机器人组织）
机器人革命的下一章正在顺利进行，机器人将被部署到广泛的商业用例中。即使在无数的应用和环境中，机器人也有一个共同的组件词汇表-需要模块化，可扩展和可靠的架构;传感;规划;移动性;和自主性。机器人操作系统（ROS）是最后一章的一个组成部分，它使用免费提供的组件和模块化框架，大大加快了机器人研究的速度。然而，ROS 1并没有设计许多必要的生产级功能和算法。ROS 2及其相关项目已经重新设计，以满足现代机器人系统在各种规模的新领域和探索领域提出的挑战。在这篇评论中，我们强调了ROS 2的哲学和架构变化，为机器人革命的新篇章提供动力。我们还通过案例研究的影响ROS 2和它的采用加速真正的机器人系统可靠的部署在各种各样的挑战性的环境。
2022-11-14 cs.RO
Embodied Perception for Test-time Grasping Detection Adaptation with Knowledge Infusion
School of Control Science and Engineering, Shandong University（山东大学控制科学与工程学院）；Unmanned Systems Technology Research Institute, Northwestern Polytechnical University（西北工业大学无人系统技术研究院）
本文提出一种具身测试时自适应抓取检测框架，通过基于操作能力的评估准则和灵活知识库引导机器人主动探索并持续学习，在真实机器人实验中验证了其有效性和泛化能力。
2025-04-07 cs.RO
GeoBotsVR: A Robotics Learning Game for Beginners with Hands-on Learning Simulation
Purdue University（普渡大学）
本文提出 GeoBotsVR 虚拟现实游戏，通过机器人搭建、程序化谜题和动手维修机制，帮助无技术基础的初学者沉浸式学习机器人、编程与电子知识。
2024-02-27 cs.HC cs.RO
CoBRA: A Composable Benchmark for Robotics Applications
Technical University of Munich（慕尼黑工业大学）
针对机器人、基座位姿和轨迹组合优化缺乏自动评估手段的问题，提出了包含统一格式的CoBRA基准测试套件，特别适用于模块化机器人，并提供在线平台以共享和比较任务及解决方案。
2024-03-21 cs.RO
Build Your Own Robot Friend: An Open-Source Learning Module for Accessible and Engaging AI Education
University of Southern California（南加州大学）；Cornell University（康奈尔大学）
本工作开发了一个开源学习模块，让学生从零构建机器人伴侣，以提供AI、机器人学等动手经验，并强调以人为中心的AI，通过可用性测试验证其有效性和吸引力。
2024-01-06 cs.AI cs.CY cs.HC
Astro, I'm Home! Investigating Factors that Influence the Acceptance of Home Robots Using Supervised Machine Learning
University of Southern California（南加州大学）
本研究运用正则化技术（如Lasso和Ridge回归）分析影响社交机器人接受度的因素，发现绩效期望、社会影响和享乐动机是使用意图的最强预测因子，并识别出可用性、信任和能力等新变量。
2026-05-21 cs.CY cs.HC cs.RO
Evaluating Transferable Emotion Expressions for Zoomorphic Social Robots using VR Prototyping
University of Glasgow（格拉斯哥大学）；Abertay University（阿伯泰大学）
本文利用VR快速原型与被动触觉交互，评估动物形态社交机器人的情感表达模态，发现面部表情及类动物与无歧义模态结合的优势，为情感机器人设计提供方向。
2024-10-20 cs.HC cs.RO
The Impacts of Human-Cobot Collaboration on Perceived Cognitive Load and Usability during an Industrial Task: An Exploratory Experiment
Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学）
本研究通过工业装配任务实验发现，人机协作机器人协作虽增加完成时间，但降低感知时间需求和认知负荷，减少手势和错误，从而改善用户体验与表现。
2023-05-30 cs.HC cs.RO
Designing a minimalist socially aware robotic agent for the home
Indiana University（印第安纳大学）；Instituto Gulbenkian de Ciencia（古尔本基安科学研究所）
我们提出了一个极简的社会机器人，依赖于长时间序列的低分辨率数据，如机械振动，温度，照明，声音和碰撞。我们的目标是开发一个实验系统，用于培养社会定位的机器人代理人，其行为库被空间的社会秩序所包含。为了实现这一目标，我们正在设计机器人，这些机器人使用简单的传感器和运动反馈程序来识别不同类别的人类活动，然后将每个类别与一系列适当的行为相关联。我们使用Katie系列机器人，构建在iRobot Create平台上，Arduino Uno和Raspberry Pi。我们描述了它的传感器的能力和探索性的测试，使我们能够开发什么样的对象（传感器数据）对应于已知的和可观察的人类受试者的假设。我们使用机器学习方法对来自100多个实验的三种社交场景进行分类，证明使用我们的极简机器人的低分辨率传感器可以高精度地检测社交场景。
2014-06-26 cs.HC cs.RO
Teaching is a Process: The TOSS Framework for Modeling Human Teaching Decisions in Human-Interactive Robot Learning
LIACS, Leiden University（莱顿大学LIACS学院）；VU Amsterdam（阿姆斯特丹自由大学）
本研究通过34名参与者的实验揭示人类教学决策的构成，提出TOSS框架，为理解教学决策、模拟神谕及设计机器人学习算法提供数据集与理论基础。
2026-08-24 cs.HC cs.RO
Arena-Web -- A Web-based Development and Benchmarking Platform for Autonomous Navigation Approaches
Berlin Institute of Technology（柏林工业大学）
近年来，移动机器人导航方法已变得越来越重要，由于各种应用领域，从医疗保健到仓库物流。特别是，深度强化学习方法已经在机器人导航中得到了普及，但非专家不易访问，开发起来也很复杂。近年来，已作出努力，使这些先进的方法，以更广泛的受众。在本文中，我们提出了Arena的Web，基于Web的开发和评估套件，用于开发，培训和测试基于DRL的导航规划器，用于各种机器人平台和场景。该界面的设计是直观和吸引人的，以吸引非专家，并使技术可供更广泛的受众使用。使用Arena-Web及其界面，训练和开发深度强化学习代理可以简化，并且无需一行代码。该网络应用程序可免费使用，并可通过补充材料中所述的链接公开获取。
2023-02-06 cs.AI cs.HC cs.LG
On Motion Control and Machine Learning for Robotic Assembly
Department of Automatic Control, Lund University（自动控制系，卢恩大学）
本研究通过减少机器人编程所需的工程工作量并增强机器人应对意外事件的能力，提出了新的方法，从而加快编程速度并使非工程背景用户也能使用机器人。
2019-05-27 cs.RO cs.SY eess.SY
