KUKA Sunrise Toolbox: Interfacing Collaborative Robots with MATLAB
University of Coimbra(科英布拉大学)
协作机器人越来越多地出现在我们的生活中。配备KUKA日出.OS控制器的KUKA LBR iiwa是协作型/灵敏型机器人的典范。本文介绍了一个MATLAB工具箱,KUKA日出工具箱(KST),用于KUKA日出.OS与MATLAB的接口。KST包含联网、实时控制、点对点运动、参数设置器和获取器以及物理交互的功能。KST包括50多种功能,通过传输控制协议/互联网协议(TCP/IP)在与KUKA日出控制器连接的远程计算机上运行。在三个用例中展示了KST的潜力。
2017-09-05 cs.RO
SENSAR: A Visual Tool for Intelligent Robots for Collaborative Human-Robot Interaction
在智能机器人和人类之间建立共同点需要将机器人的意图、行为和知识传达给人类,以建立信任并确保共享环境中的安全。本文介绍了SENSAR(Seeing Everything iN Situ with增强现实),一个增强现实机器人系统,使机器人能够在真实世界的背景下与渲染的图形交流他们的感官和认知数据,允许用户理解,纠正和验证机器人对世界的感知。我们的系统旨在通过建立人类和机器人的感知对齐的共同点来支持人机交互研究。
2020-11-09 cs.RO
Multi-Robot Task Planning under Individual and Collaborative Temporal Logic Specifications
Zhejiang University(浙江大学)
本文研究了多机器人任务协调问题,其中每个机器人都有一个私有的时态逻辑任务规范,同时还必须共同满足一个全局给定的协作时态逻辑任务规范。为了有效地生成可行的和优化的任务执行计划的机器人,我们提出了一个分层的多机器人的时间任务规划框架,在该框架中,一个中央服务器分配的协作任务的机器人,然后单独的机器人可以独立地合成他们的任务执行计划在一个分散的方式。此外,我们提出了一个执行计划调整机制,允许机器人迭代修改他们的执行计划,通过隐私保护的智能体通信,以提高预期的实际执行性能,减少等待时间的机器人合作。分析了该方法的正确性和有效性,并通过大量的仿真实验进行了验证。
2021-08-27 cs.RO
Collaborative Robot Learning from Demonstrations using Hidden Markov Model State Distribution
Rochester Institute of Technology(罗切斯特理工学院)
在机器人技术中,由于经验是昂贵的,因此需要一种交互式和快速的学习方法。机器人学习从示范(RLfD),使机器人学习的政策,从教师执行的演示。RLfD使人类用户能够以直观的方式向机器人添加新的功能,而无需明确地重新编程它。在这项工作中,我们提出了一种新的交互式框架,其中协作机器人从人类教师进行的演示中学习基于轨迹的任务技能。机器人从每个演示中提取特征,称为关键点,并使用隐马尔可夫模型(HMM)学习演示技能的模型。我们的实验结果表明,学习模型可以用来产生一个广义的轨迹为基础的技能。
2018-09-27 cs.RO
Leveraging Passive Compliance of Soft Robotics for Physical Human-Robot Collaborative Manipulation
Brigham Young University(杨百翰大学)
本文通过气动连续体软体机械臂与全向移动基座组成的系统,基准测试了大型软体机器人与人协作操控长形物体的能力,结果表明其表现可媲美人类非视觉跟随者,并挑战了软体机器人力量受限的传统认知。
2025-04-11 cs.RO
Hand Gesture Recognition for Collaborative Robots Using Lightweight Deep Learning in Real-Time Robotic Systems
Institut Teknologi Sepuluh Nopember(泗水理工学院)
本文提出一种仅22 KB、1,103参数的轻量级深度学习手势识别系统,可识别八种手势,经TensorFlow Lite量化剪枝后压缩至7 KB,并在ROS2框架下的UR5协作机器人上验证了实时手势控制的有效性。
2025-07-24 cs.RO
Integrating a Manual Pipette into a Collaborative Robot Manipulator for Flexible Liquid Dispensing
Osaka University(大阪大学);RIKEN(理化学研究所)
本文提出了一种系统集成的方法,为6自由度(自由度)的协作机器人操作移液器的液体分配。其技术发展有三个方面。首先,我们设计了一个端部执行器,用于固定和触发手动移液器。其次,我们利用了一个协作机器人,以识别实验室器皿的姿势和规划机器人运动的基础上,认识到的姿势。第三,我们开发了基于视觉的分类器来预测和纠正定位误差,从而将移液器精确地连接到一次性吸头上。通过实验和分析,我们证实了所开发的系统,特别是规划和视觉识别方法,可以帮助确保高精度和灵活的液体分配。该系统适用于低频率、高重复性的生化液体分配任务。我们希望它能促进实验室自动化的协作机器人的部署,从而提高实验效率,而无需显着定制实验室环境。
2022-07-04 cs.RO
Continuous Execution of High-Level Collaborative Tasks for Heterogeneous Robot Teams
Sibley School of Mechanical and Aerospace Engineering, Cornell University(康奈尔大学西布利机械与航空航天工程学院)
提出一种异构多机器人系统控制综合框架,利用LTL^ψ逻辑编码任务,自动生成团队分配与离散行为,实现连续执行并确保协作任务满足,已在物理系统验证。
2024-06-26 cs.RO
Hierarchical Multi-robot Strategies Synthesis and Optimization under Individual and Collaborative Temporal Logic Specifications
College of Electrical Engineering, Zhejiang University(浙江大学电气工程学院)
针对需满足个体与协作线性时序逻辑规范的多机器人时序任务规划问题,提出含任务分解分配、初始策略综合及分布式迭代调整的分层框架,经仿真验证具备良好可扩展性与优化效率。
2021-10-21 cs.RO
Distilling Collaborative Dynamics into Latent Space for Implicit Coordination in Decentralized Multi-Agent Manipulation
Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院)
提出CLS-DP分散式多智能体框架,通过将多智能体动态蒸馏到潜在空间,在部分可观测下实现隐式协调,无需全局视图或通信,在RoboFactory任务中平均成功率38%,优于集中式基线20%。
2026-07-03 cs.RO
A Dynamic Architecture for Task Assignment and Scheduling for Collaborative Robotic Cells
University of Modena and Reggio Emilia(摩德纳-雷焦艾米利亚大学)
在协作机器人单元中,人类操作员和机器人共享工作空间,以便执行由一组任务组成的共同作业。一个适当的分配和调度的任务,为人类和机器人是至关重要的,以实现高效的人机协作。为了处理人类的动态和不可预测的行为,并允许人类和机器人协商要执行的任务,一个两层的体系结构,用于解决任务分配和调度问题。第一层最优地解决任务分配问题,考虑标称执行时间。第二层,这是反应性的,适应在线的任务序列由机器人执行考虑偏离标称行为和来自人类和机器人的请求。在一个协同装配作业上对该体系结构进行了实验验证。
2021-04-29 cs.RO
Human-Robot Collaborative Carrying of Objects with Unknown Deformation Characteristics
Istituto Italiano di Tecnologia(意大利技术研究院)
在这项工作中,我们引入了一个自适应控制框架,用于人类与机器人协作运输具有未知变形行为的物体。建议的框架作为输入的触觉信息通过对象传输,和运动学信息的人体从运动捕捉系统获得的移动协作机器人上创建反应性全身运动。为了验证我们的框架实验,我们比较了它的性能与导纳控制器在一个部分可变形的物体的共同运输任务。我们还展示了框架的潜力,同时共同运输刚性(铝棒)和高度变形(绳)的对象。一个移动机械手,其中包括一个全方位的移动基地,协作机械臂,机械手被用作实验中的机器人合作伙伴。定量和定性的结果表明,该框架可以有效地处理对象的未知变形能力,并提供直观的援助,以人类的合作伙伴。
2022-07-21 cs.RO
Multi-agent Collaborative Perception for Robotic Fleet: A Systematic Review
Carnegie Mellon University(卡内基梅隆大学);University of Maryland(马里兰大学);Worcester Polytechnic Institute(伍斯特理工学院)
本综述总结20余篇协同感知研究,探讨测试评估框架,实验证明协同感知较单机器人感知性能提升超200%,并附开源仓库。
2024-03-22 cs.RO
An Optimization Approach for a Robust and Flexible Control in Collaborative Applications
University of Modena and Reggio Emilia(摩德纳与雷焦艾米利亚大学)
在人机协作中,机器人在高度动态的环境中运行。因此,关键是要保证系统在交互过程中的鲁棒稳定性,而且还要保证机器人行为的高度灵活性,以确保对协作场景的可变条件的安全性和反应性。在本文中,我们提出了一种控制架构,能够最大限度地提高机器人的灵活性,同时保证一个稳定的行为时,与环境的物理交互。这通过将基于能量罐的可变导纳架构与控制屏障功能相结合来实现。所提出的架构进行了实验验证的协作机器人。
2021-03-04 cs.RO
Air-Ground Collaborative Robots for Fire and Rescue Missions: A Survey from the Mapping and Navigation Perspective
Southern University of Science and Technology(南方科技大学);Jiaxing Research Institute, Southern University of Science and Technology(南方科技大学嘉兴研究院)
本文系统综述了空地协同机器人在消防救援中的建图与导航技术,提出UAV建图与UGV导航框架,分类分析不同配置的实用性,并指出挑战与未来研究方向。
2026-09-28 cs.RO
Robots and COVID-19: Challenges in integrating robots for collaborative automation
目的:回顾了装配应用中人机协作的现状,并提出了研究界和从业人员当前面临的主要挑战。背景:随着COVID-19疫情开始浮出水面,制造商面临应对需求挑战的压力。社会距离措施使得能够工作的人更少。在这种情况下,机器人被指向支持人类解决供应短缺。在制造业价值链中需要人工的一项重要活动是装配。HRC装配系统应该保护共存的人类,执行一系列动作,并且经常需要重新配置以处理产品多样性。这就要求它们在使用寿命期间具有弹性并能适应各种配置。除了使用机器人的潜在优势外,在工业装配中使用机器人的挑战也是巨大的。方法:这篇小型综述总结了装配应用中协作机器人工业部署的挑战。应用:记录的挑战突出了工业应用中人机交互的未来研究方向。
2020-06-01 cs.RO
Optimizing Collaborative Robotics since Pre-Deployment via Cyber-Physical Systems' Digital Twins
Politecnico di Milano(米兰理工大学)
本文提出在预部署阶段利用数字孪生和贝叶斯优化设计协作机器人单元,通过集成生产KPI实现数据驱动决策,从而获得更安全、高效和适应性强的协作环境。
2024-10-18 cs.RO
Collaborative Human-Robot Exploration via Implicit Coordination
Carnegie Mellon University(卡内基梅隆大学)
针对人机协作探索中目标通信效率低的问题,本文利用头盔式深度相机隐式传递感兴趣区域,并结合信息增益目标引导无人机在人类视角内规划,实现对难达区域的安全协作探索。
2022-09-19 cs.RO
Demonstration of real-time event camera to collaborative robot communication
University of Coimbra(科英布拉大学);Politecnico di Torino(都灵理工大学)
本文演示了利用事件相机的高频轻量数据实时获取挥手位置并作为运动命令控制协作机器人,实测总延迟110毫秒,验证了事件相机用于实时机器人系统的可行性。
2024-07-16 cs.RO
A Laser-based Dual-arm System for Precise Control of Collaborative Robots
Idiap Research Institute(伊迪亚普研究所)
协作机器人以相对较低的成本提供增强的交互能力,但与工业机器人相比,它们不可避免地缺乏精确度。此外,除了机器人自身的不完美模型之外,日常操作还涉及各种错误来源,尽管这些错误很小,但会迅速积累。当任务发生变化和机器人重新编程时,通常需要耗时的校准。这些方面严重限制了协作机器人在要求高精度的任务(例如制表)中的应用。我们解决这个问题,依靠一个双臂系统与基于激光的传感来测量感兴趣的对象之间的相对姿态和补偿来自机器人本体感受的姿态误差。我们的方法利用先前的对象3D模型的知识,结合点云配准,有效地提取相关的姿态和计算校正轨迹。这将产生高精度的组件行为。该方法在穿针实验中得到了验证,具有150μm的线和300μm的孔,以及使用两个7轴Panda机器人的USB插入任务。
2021-03-25 cs.RO
A Collaborative Aerial-Ground Robotic System for Fast Exploration
The Hong Kong University of Science and Technology(香港科技大学);Beihang University(北京航空航天大学)
未知环境的自主探索已广泛应用于检查、监视、搜救等领域。在探测任务中,对机器人的基本要求是尽可能快地探测未知空间。在本文中,我们提出了一个自主的协作系统由一个空中机器人和地面车辆探索在未知的环境。将基于前沿面的方法与谐波场相结合生成路径,并针对地面机器人在障碍物中的安全性和动力学可行性,生成一条最小加加速度的分段Bezier曲线。对于空中机器人,采用运动基元法进行局部路径规划。我们实现了一个自主的协同空-地系统的建议框架。大量的现场实验以及模拟验证的方法,并证明其对每一个单一的车辆更高的效率。
2019-10-20 cs.RO
KittingBot: A Mobile Manipulation Robot for Collaborative Kitting in Automotive Logistics
University of Bonn(波恩大学)
个性化的汽车制造需要配套:为每辆汽车收集单独的零件变体。这种具有挑战性的物流任务通常由仓库管理员手动执行。我们提出了一个移动操作机器人系统的自主配套,建立在Kuka Miiwa平台,其中包括一个全向基地,一个7自由度的协同iiwa机械手,相机和距离传感器。已开发并集成了用于运输箱的检测和姿态估计、这些容器中的部件分割、部件变体识别、抓取生成和臂轨迹优化的软件模块。我们的系统专为协作配套而设计,即一些零件由仓库管理员收集,而其他零件则由机器人拾取。为了解决安全的人-机器人协作,快速手臂轨迹重新规划,考虑以前不可预见的障碍物实现。该系统在欧洲机器人挑战赛2中进行了评估,Miiwa机器人展示了自主配套,零件变体识别和避免不可预见的障碍物。
2018-09-14 cs.RO
CoViLLM: An Adaptive Human-Robot Collaborative Assembly Framework Using Large Language Models
The Pennsylvania State University(宾夕法尼亚州立大学)
本文提出CoViLLM框架,结合深度相机定位、人类操作员分类和大语言模型,实现定制化和新产品的自适应装配,通过NIST装配任务板验证,实验表明该框架提升了人机协作的灵活性。
2026-08-17 cs.RO
3D Hand-Eye Calibration for Collaborative Robot Arm: Look at Robot Base Once
Department of Mechanical and Production Engineering, Aarhus University(机械与生产工程系,奥胡斯大学);Department of Computer Science, Lund University(计算机科学系,卢德大学)
本文提出一种无需外部标定物的3D手眼标定方法,通过将机器人基座点云与扫描数据对齐,在14个品牌机器人臂上验证了其与商业方案相当的精度,并将标定时间缩短至数秒。
2025-05-09 cs.RO
Collaborative Radio SLAM for Multiple Robots based on WiFi Fingerprint Similarity
Singapore University of Technology and Design(新加坡科技设计大学);Southwest University of Science and Technology(西南科技大学);Nanyang Technological University(南洋理工大学)
同时定位与地图构建(SLAM)使自主机器人能够在未知环境中导航和执行任务。然而,利用单个机器人在大型环境中执行SLAM是低效的,并且视觉或基于LiDAR的SLAM需要计算上昂贵的特征提取和匹配算法。在本文中,我们提出了一种协作SLAM方法与多个机器人使用的普及WiFi无线电信号。提出了一种集中式的解决方案,以优化轨迹的基础上里程计和无线电指纹收集从多个机器人。为了提高定位精度,引入了一种新的相似性模型,该模型结合了接收信号强度(RSS)和接入点(AP)的检测可能性。我们进行了大量的实验,以证明所提出的相似性模型和协作SLAM框架的有效性。
2021-10-20 cs.RO
A Framework for Collaborative Multi-Robot Mapping using Spectral Graph Wavelets
ETH Zurich(苏黎世联邦理工学院)
大规模未知环境的探索可以受益于部署多个机器人进行协作映射。每个机器人探索环境的一部分,并将机载姿态估计和地图传送到中央服务器,以构建优化的全局多机器人地图。当然,由于机载里程计漂移、故障或退化,机载和服务器估计之间可能出现不一致。映射服务器可以使用诸如机器人间环路闭合检测和多模态映射的计算上昂贵的操作来校正和克服这样的故障情况。然而,如果地图服务器不提供反馈,则各个机器人不会从协作地图中受益。虽然从多机器人地图的服务器更新可以大大减轻机器人任务的战略,大多数现有的工作缺乏他们,由于其相关的计算和带宽相关的成本。出于这一挑战,本文提出了一种新的协作映射框架,使机器人和映射服务器之间的全局映射一致性。特别是,我们提出了图谱分析,在不同的空间尺度上,检测机器人和服务器图之间的结构差异,并生成必要的约束,为个人的机器人姿势图。我们的方法专门找到对应于漂移原点的节点,而不是误差变得太大的节点。我们彻底分析和验证我们提出的框架,使用几个现实世界的多机器人现场部署,我们显示了改善的板载系统高达90%,可以恢复板载估计从本地化故障,甚至从退化的估计。
2022-11-02 cs.RO
CoSTAR: Instructing Collaborative Robots with Behavior Trees and Vision
Johns Hopkins University(约翰斯·霍普金斯大学)
为了使协作机器人变得有用,不是机器人专家的最终用户必须能够指示它们执行各种任务。考虑到这一目标,我们开发了一个系统,用于最终用户创建具有广泛功能的强大任务计划。CoSTAR:任务自动化和识别协作系统是我们在汉诺威工业博览会2016年KUKA创新奖竞赛中的获奖作品,今年的重点是柔性制造。CoSTAR的独特之处在于它如何创建自然的抽象,使用感知来表示世界,用户可以理解并利用这种方式来编写有能力和强大的任务计划。我们基于行为树的任务编辑器将来自已知对象分割和姿态估计的高级信息与空间推理和机器人动作相集成,以创建强大的任务计划。我们描述了该系统的跨平台设计和实现多个工业机器人,并评估其适用于各种各样的用例。
2016-11-18 cs.RO
CoHaptics: Development of Human-Robot Collaborative System with Forearm-worn Haptic Display to Increase Safety in Future Factories
Skolkovo Institute of Science and Technology(斯科尔科沃科学技术研究院);University of Southern Denmark(南丹麦大学);University of Genoa(热那亚大学)
复杂的任务需要人类的协作,因为机器人没有足够的灵活性。然而,机器人仍然被用作工具,而不是协作系统。我们正在引入一个框架,以确保在人机协作环境中的安全性。该系统由一个触觉反馈显示器,低成本的可穿戴mocap,和一个新的避碰算法的人工势场(APF)的基础上。可穿戴光学运动捕捉系统能够在大工作区域以高精度和低延迟跟踪人手位置。这项研究评估了触觉反馈是否可以提高人机协作的安全性。三个实验进行了评估所提出的系统的性能。第一个评估人类的触觉设备在与机器人工具中心点(TCP)的互动。第二个实验分析了在即将发生碰撞时人类-机器人的行为。第三个实验评估了系统在共享工作环境中的协作活动。该研究表明,当控制回路中包括触觉反馈时,安全距离(机器人-障碍物最小距离)从12.39 cm增加到16.55 cm,增加了4.1 cm,并且当启用防撞算法时,机器人的路径减少了81%。
2021-09-13 cs.RO
Optimal Robot Path Planning In a Collaborative Human-Robot Team with Intermittent Human Availability
University of Waterloo(滑铁卢大学)
本文研究人类间歇可用的人机协作场景下机器人最优路径规划问题,提出基于预算和关键出发时间的新方法,在保证最优解的同时扩展了问题规模,并在城市路网上验证了其优于基线算法的性能。
2023-07-10 cs.RO
Collaborative Trolley Transportation System with Autonomous Nonholonomic Robots
Southern University of Science and Technology(南方科技大学);Jiaxing Research Institute, Southern University of Science and Technology(南方科技大学嘉兴研究院);The Chinese University of Hong Kong(香港中文大学);University of Alberta(阿尔伯塔大学);National University of Singapore(新加坡国立大学)
针对现有多机器人协作运输方法适用范围受限、缺乏完整实时导航决策框架的问题,提出面向非完整约束机器人的端到端分层自主框架,可处理长队列手推车与复杂约束,经实验验证在复杂动态环境中有效可靠。
2023-07-21 cs.RO
Anticipating Human Behavior for Safe Navigation and Efficient Collaborative Manipulation with Mobile Service Robots
University of Bonn(波恩大学)
本文利用智能边缘传感器网络预测人类行为,提出轨迹投影和意图预测方法,实现移动服务机器人的安全导航与高效协作操作。
2025-09-15 cs.RO
Hierarchical Adaptive Control for Collaborative Manipulation of a Rigid Object by Quadrupedal Robots
University of Southern California(南加州大学)
本文提出一种用于四足机器人协作操作刚性物体的分层控制系统,包含自适应力计算、基于QP的力分配与接触点优化、以及分散式移动操作控制器,成功在仿真中实现不同地形下操作18kg未知物体并保持稳定。
2023-07-28 cs.RO
Human-Aware Physical Human-Robot Collaborative Transportation and Manipulation with Multiple Aerial Robots
New York University, Tandon School of Engineering(纽约大学坦登工程学院)
针对现有物理人机交互多聚焦单机器人、多空中机器人研究进展少的问题,提出含负载外力估计器、6D导纳控制器及人感知力分配的方法,通过仿真与实验首次实现四旋翼机群与人类协作完成负载全6自由度操作。
2024-12-03 cs.RO
Diffusion Co-Policy for Synergistic Human-Robot Collaborative Tasks
Stanford University(斯坦福大学)
提出扩散协同策略,用Transformer扩散模型预测人机联合动作序列,在搬桌任务中优于现有方法,实现相互适应与领导权切换等真协作。
2023-11-13 cs.RO
A Task Allocation Framework for Human Multi-Robot Collaborative Settings
Roma Tre University(罗马第三大学);University of Cassino and Southern Lazio(卡西诺和南拉齐奥大学)
现代生产系统的要求以及更先进的机器人技术促进了由人类和自主机器人组成的团队的整合。然而,随着潜在的好处也来的问题,如何有效地处理这些团队考虑到所涉及的代理的不同特点。为此,本文提出了一个框架,在人类多机器人协作的情况下任务分配。所提出的解决方案结合了最佳离线分配与在线重新分配策略,该策略考虑了离线计划的不准确性和/或不可预见的事件、人的主观偏好以及从一个任务切换到另一个任务的成本,以提高人的满意度和团队效率。实验的情况下,两个机械手与人类操作员合作,执行装箱任务。
2022-10-25 cs.RO
Collaborative Behavior Models for Optimized Human-Robot Teamwork
NVIDIA(英伟达);University of Washington(华盛顿大学)
有效的人机协作需要知情的预期。机器人必须预测人类的行动,但在预测错误时也要迅速而直观地做出反应。机器人必须计划自己的行动来解释人类自己的计划,并知道人类的行为会根据机器人的实际行为而改变。这种预测人类未来动作并生成相应运动计划的循环游戏非常难以使用标准技术进行建模。在这项工作中,我们描述了一种新的模型预测控制(MPC)为基础的框架,寻找最佳轨迹的协作,多智能体设置,在其中我们同时计划的机器人,同时预测其外部合作者的行动。我们使用人机交互来证明,有了一个强大的合作者模型,我们的框架在新的、混乱的环境中产生了流畅的、反应性的人机交互。我们的方法有效地生成协调的轨迹,并实现了很高的成功率切换,即使在存在显着的传感器噪声。
2020-09-03 cs.RO
The Critical Role of Effective Communication in Human-Robot Collaborative Assembly
University of Modena and Reggio Emilia(摩德纳与雷焦艾米利亚大学);Department of Sciences and Methods of Engineering(科学与工程方法系)
针对人机协同装配中传统请求-响应沟通系统自然度不足、效率受限的问题,提出基于自然对话的类人语音交互方法,经对比实验验证可提升任务表现、协作效率与用户体验。
2024-09-11 cs.RO
VIO-UWB-Based Collaborative Localization and Dense Scene Reconstruction within Heterogeneous Multi-Robot Systems
University of Turku(图尔库大学);École Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院(EPFL))
多机器人系统的有效协作需要精确和鲁棒的相对定位估计:从协作操作到协作感知,包括协作探索或协作运输。针对由地面机器人和微型飞行器(MAVs)组成的异构多机器人系统的稠密场景重建问题,提出了一种新的协作定位方法。我们解决了没有滑动时间窗口的完整相对姿态估计的问题,依靠基于UWB的测距和基于视觉惯性里程计(VIO)的自运动估计定位,同时利用激光雷达机载地面机器人在一个单一的参考系中的完整相对姿态估计。在操作期间,刚度特征值向系统提供反馈。为了解决在GNSS拒绝环境中的路径规划和避障的MAVs的挑战,我们保持地面机器人和MAVs之间的视线。由于能够进行密集重建的激光雷达具有有限的FoV,这给系统带来了新的约束。因此,我们提出了一种新的配方与Dubins多个旅行商问题的一个变种与邻域(DMTSPN),其中我们包括与地面机器人的有限FoV的约束。我们的方法进行了验证与模拟和实验与真实的机器人系统的不同部分。
2022-04-10 cs.RO
Robust and Context-Aware Real-Time Collaborative Robot Handling via Dynamic Gesture Commands
Carnegie Mellon University(卡内基梅隆大学)
本文提出条件协作搬运过程(CCHP),通过从人人协作中学习上下文感知策略,解决动态手势指令下实时协作机器人搬运中人类行为异质性和感知随机性问题,在Kinova Gen3装配任务中显著降低人类工作量并提升协作流畅性。
2023-04-12 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
Online Resynthesis of High-Level Collaborative Tasks for Robots with Changing Capabilities
Cornell University(康奈尔大学);Sibley School of Mechanical and Aerospace Engineering(西布利机械与航空航天工程学院)
针对异构机器人团队能力变化导致高层协作任务失效的问题,提出基于 LTL^ψ 的运行时在线重综合方法,通过最小化全局重分配与局部重综合并支持用户自定义团队约束,在模拟仓库中验证了框架有效性。
2024-09-09 cs.RO
Should Collaborative Robots be Transparent?
Virginia Tech(弗吉尼亚理工大学)
该研究针对人机协作场景,通过拓展贝叶斯纳什均衡与贝尔曼方程的递归方法求解最优策略,发现短交互或用户学习慢时不透明机器人能带来更高奖励,且用户主观评价与透明机器人相当。
2025-05-16 cs.RO
Object-Aware Impedance Control for Human-Robot Collaborative Task with Online Object Parameter Estimation
Korea Institute of Machinery & Materials(韩国机械材料研究院);KyungHee University(庆熙大学)
针对无参数先验的长物体协作任务,提出集成在线参数估计与物体感知阻抗控制的框架,通过零空间扰动提升估计精度,实验验证了其在搬运与装配中的有效性。
2023-10-19 cs.RO
Collaborative Object Handover in a Robot Crafting Assistant
CSIRO Robotics(澳大利亚CSIRO机器人研究所);Monash University(墨尔本大学);Deakin University(德金大学)
本文提出了一种基于人类遥控数据训练的协作传递模型,通过交叉验证和用户研究验证了其在机器人与人类协作中的有效性,并指出了进一步改进的方向。
2025-12-19 cs.RO
Whole-Body Control for Velocity-Controlled Mobile Collaborative Robots Using Coupling Dynamic Movement Primitives
Shenzhen Institute of Artificial Intelligence and Robotics for Society (AIRS)(深圳人工智能与机器人研究院(AIRS));Harbin Institute of Technology(哈尔滨工业大学);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳))
在本文中,我们提出了一个统一的全身控制框架速度控制移动协作机器人,可以分配任务运动到手臂和移动基地根据特定的任务要求,通过调整加权因子。我们的框架侧重于解决全身协调中的两个挑战性问题:1)移动基座和手臂的不同动态特性; 2)避免违反安全和配置约束。此外,我们的控制器还包括耦合动态运动基元,以实现协作和交互应用的基本功能,例如避障、人工教学和合规控制。在此基础上,我们设计了一个自适应的运动模式,直观的物理人机交互,通过调整的权重因子。所提出的控制器是在封闭的形式,因此相当计算效率。在一个实际的移动协作机器人上进行的几个典型的实验验证了所提出的控制器的有效性。
2022-11-06 cs.RO
Safe Multi-Robot Collaborative Transport Using Density Functions
Indian Institute of Technology Mandi(印度理工学院曼迪分校);Clemson University(克莱姆森大学)
本文提出基于密度的分层MPC框架,使多台四足机器人仅凭初始和目标位姿协作推动物体,实现避障与目标收敛,并在MuJoCo中验证其优于基线方法。
2026-10-07 cs.RO
Robot Trajectory Adaptation to Optimise the Trade-off between Human Cognitive Ergonomics and Workplace Productivity in Collaborative Tasks
Istituto Italiano di Tecnologia(意大利理工学院);Politecnico di Milano(米兰理工大学)
在混合工业环境中,工人的舒适度和积极的安全感是成功接受和使用协作机器人的基本要求。本文提出了一种新的人机交互框架,其中机器人的行为是适应在线根据操作员的认知工作量和压力。该方法利用B样条轨迹在关节空间和制定一个多目标优化问题在线调整总的执行时间和平滑的机器人轨迹的生成。前者确保工作场所的人类效率和生产力,而后者有助于保障用户的舒适性和认知人体工程学。在一个典型的工业任务中,所提出的框架的性能进行了评估。结果表明,它的能力,以提高生产力的人-机器人二人组,同时减轻认知工作量引起的工人。
2022-07-08 cs.RO
Improving Human Legibility in Collaborative Robot Tasks through Augmented Reality and Workspace Preparation
University of Colorado Boulder(科罗拉多大学博尔德分校)
针对人机协作中人类行为预测不准易引发安全问题的痛点,提出通过优化工作空间物体布置与AR投射虚拟障碍提升人类行为可解读性的算法,经两项用户研究验证可改善任务流畅度与安全性。
2023-11-09 cs.RO
Achieving Meaningful Collaboration: Worker-centered Design of a Physical Human-Robot Collaborative Blending Task
Delft University of Technology(代尔夫特理工大学);RoboHouse
本文倡导跨学科方法,以工人为中心设计物理人机协作混合任务,探索协作机器人在飞机发动机维修中的潜力,优先考虑工人福祉和工作吸引力。
2025-10-14 cs.RO
Benchmarking human-robot collaborative assembly tasks
Centre for Mechanical Engineering, Materials and Processes (CEMMPRE)(机械工程、材料与工艺中心(CEMMPRE));University of Coimbra(科英布拉大学)
本文提出用于人机协作装配场景测试评估的CT基准,通过对比人工、自动化、协作三种装配模式,发现协作模式耗时比纯人工高70.8%,但能显著降低操作人员的整体工作负荷及身心需求。
2024-02-01 cs.RO
Learning to Assist: Collaborative VLAs for Implicit Human-Robot Collaboration
University of Wisconsin–Madison(威斯康星大学麦迪逊分校);Massachusetts Institute of Technology(麻省理工学院)
本文研究利用视觉-语言-动作(VLA)模型通过模仿学习实现人机协作,发现动作分块策略在隐式协作中存在演示动作泄漏问题,提出推理时引导方法缓解过早辅助行为,并通过用户研究验证其有效性。
2026-10-14 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
One Interface, Many Robots: Unified Real-Time Low-Level Motion Planning for Collaborative Arms
Robotics Research Center (RRC), Nanyang Technological University(南洋理工大学机器人研究中心);WinGs Robotics LLC(WinGs 机器人有限责任公司)
本文提出一个统一的实时低级运动规划接口,用于协作机器人臂,旨在提高在异构硬件平台上的应用性和可移植性。通过n次多项式插值与二次规划求解器结合,生成平滑连续可微的轨迹。在三个不同场景中验证了方法的可靠性、通用性和易用性。
2026-04-09 cs.RO
Human-robot collaborative object transfer using human motion prediction based on Cartesian pose Dynamic Movement Primitives
Aristotle University of Thessaloniki(塞萨洛尼基亚里士多德大学);Chalmers University of Technology(查尔姆斯理工大学)
在这项工作中,问题的人-机器人协作对象转移到未知的目标位姿。使用DMP(动态运动基元)对末端执行器姿态轨迹到已知目标姿态的期望模式进行编码。在物体向新的未知目标的转移过程中,提出了一种基于DMP的参考模型和EKF(Extended卡尔曼滤波器)方法,用于估计目标的位姿和人的预期运动持续时间。提供了整体方案的稳定性分析。实验使用Kuka LWR 4+机器人配备ATI传感器在其末端执行器验证其功效方面所需的人力,并比较它与导纳控制方案。
2021-10-27 cs.RO