Results of the Survey: Failures in Robotics and Intelligent Systems
Research Institute for Cognition and Robotics (CoR-Lab)(认知与机器人研究所);Center of Excellence Cognitive Interaction Technology (CITEC)(认知交互技术卓越中心);Bielefeld University(比勒费尔德大学)
2015年1月,我们在机器人研究人员中分发了一份关于机器人和智能系统故障的在线调查。这项调查的目的是找出目前存在哪些类型的故障,它们的起源是什么,以及如何监控和调试系统-特别关注性能错误。本报告概述了调查结果。
2017-08-24 cs.RO cs.SE
Webots.HPC: A Parallel Robotics Simulation Pipeline for Autonomous Vehicles on High Performance Computing
School of Computing(计算学院)
在快速发展和成熟的机器人领域,计算机模拟已成为设计过程中的宝贵工具。Webots是最先进的机器人模拟器,通常是机器人研究的首选软件。即便如此,Webots模拟通常在个人和实验室计算机上运行。对于将从数千次模拟运行的聚合输出数据集中受益的项目,没有标准的追索权;该项目通过开发一个正式的并行管道来缓解这一问题,该管道用于在强大的HPC资源上运行Webots模拟序列。这样的管道将允许研究人员从他们的模拟中生成大量数据集,为潜在的机器学习应用和决策工具开发打开大门。我们已经开发了一个管道,能够在SSH X11服务器上以无头和GUI启用模式运行Webots模拟,模拟执行在HPC计算节点上远程进行。此外,模拟可以按顺序运行,批处理作业分布在任意数量的计算节点上,每个节点都有多个并行运行的实例。所实现的分布和并行化是非常有效的,在12小时的运行后,100%的模拟完成率。总的来说,这个管道是非常有能力的,可以用来扩展现有的项目或作为新的机器人仿真工作的平台。
2021-08-01 cs.DC cs.RO
IoHRT: An Open-Source Unified Framework Towards the Internet of Humans and Robotic Things with Cloud Computing for Home-Care Applications
University of Bristol(布里斯托大学);Bristol Robotics Laboratory(布里斯托机器人实验室)
人口老龄化加速导致对家用机器人的需求不断增加,以减轻护理人员的负担。物联网(IoT)、机器人技术和人机交互(HRI)技术的集成对于家庭护理应用至关重要。虽然机器人物联网(IoRT)的概念已被用于各个领域,但大多数现有的IoRT框架缺乏符合人体工程学的HRI接口,并且仅限于特定任务。本文提出了一种基于云计算的开放源代码的人与机器人物联网(IoHRT)统一框架,该框架将个性化的HRI接口与智能机器人和物联网技术相结合。这个开源框架具有高度的安全性、兼容性和模块化,允许无限制的用户访问。进行了两个案例研究,以评估拟议的框架的功能,评估其有效性在家庭护理的情况。用户的反馈是通过问卷调查收集的,这表明IoHRT框架在家庭护理应用方面具有很大的潜力。
2023-03-07 cs.RO
A Survey of research in Deep Learning for Robotics for Undergraduate research interns
Maulana Azad National Institute of Technology(莫拉纳·阿扎德国家技术研究院);JNResearch Labs LLP(JN研究实验室有限责任公司)
在过去的几年里,基于机器人的解决方案的用例已经从工厂车间到家庭应用多样化。与此同时,深度学习方法正在取代计算机视觉、自然语言处理、语音处理等领域的传统技术,并提供稳健的结果。我们的目标是调查“应用于机器人的深度学习”这一广泛领域的一些研究实习项目,并为有抱负的学生实习生提供一个简明的观点。本文介绍了CMU机器人研究所暑期学者(RISS)的研究工作。我们特别关注使用深度学习来解决核心机器人问题以及机器人解决方案的论文。我们相信这将是有用的,特别是对实习的机器人研究所,CMU的抱负
2023-01-23 cs.AI cs.RO
Reservoir Computing in robotics: a review
储备池计算是一个相对较新的框架,它允许使用功能强大但复杂的系统作为计算介质。基本方法包括仅训练读出层,利用先前未经训练的系统提供的固有分离和转换。这种方法已被证明具有强大的计算能力,并成功地用于实现许多任务。这篇评论的目的是代表当前的“国家的最先进的”的使用储备池计算技术在机器人领域。最初给出的框架及其实现的介绍性描述。随后,有趣的应用程序,方法和解决方案的总结和讨论。解释中提出了考虑因素、想法和今后可能的发展。
2022-06-06 cs.ET cs.RO
Towards Real-Time Monocular Depth Estimation for Robotics: A Survey
University of New South Wales(新南威尔士大学)
单目深度估计(MDE)作为自主驾驶和机器人运动估计、避障和场景理解等活动的重要组成部分,引起了计算机视觉和机器人领域的极大关注。在过去的几十年里,已经开发了大量的方法。然而,据我们所知,没有一个全面的调查MDE。本文旨在通过回顾1970年至2021年间发表的197篇相关文章来弥合这一差距。特别是,我们提供了一个全面的调查MDE涵盖各种方法,介绍了流行的性能评估指标和总结可利用的数据集。我们还总结了一些代表性方法的可用开源实现并比较了它们的性能。此外,我们还回顾了MDE在一些重要机器人任务中的应用。最后,我们总结了本文提出了一些有前途的未来研究方向。本调查有望帮助读者浏览这一研究领域。
2021-11-16 cs.RO
Physical Reservoir Computing with Origami and its Application to Robotic Crawling
Clemson University(克莱姆森大学)
最近出现了一种称为物理储备池计算的新范例,其中利用高维和固定物理系统的非线性动力学作为计算资源来实现复杂的任务。通过基于动态桁架模型的广泛模拟,本研究表明,折纸结构可以作为一个动态水库,具有足够的计算能力来模拟高阶非线性系统,产生稳定的极限环,并根据动态输入调制输出。本研究也揭示了折纸水库的物理设计和它的计算能力之间的联系,提供了一个指导方针,以优化计算性能。综合的参数研究表明,选择最佳的反馈折痕分布和微调底层折纸折叠设计是提高计算性能的最有效方法。此外,本研究显示如何折纸的物理储备池计算功率可以适用于软机器人控制问题的蚯蚓般的蠕动爬行没有传统的控制器的案例研究。这些结果可以为具有体现机械智能的折纸机器人铺平道路。
2021-01-20 cs.RO
Robotic Grasping from Classical to Modern: A Survey
Xi’an Jiaotong University(西安交通大学)
机器人抓取一直是机器人学中的一个活跃的话题,因为抓取是机器人最基本但最具挑战性的技能之一。它要求协调机器人的感知,规划和控制的鲁棒性和智能性。然而,目前的解决方案仍然远远落后于人类,特别是在面对非结构化场景时。在本文中,我们调查的机器人抓取的进展,从经典的配方和解决方案的现代。通过回顾机器人抓取的历史,我们希望提供一个完整的视图,这个社区,也许启发不同的想法的组合和融合,我们认为这将有助于触摸和探索机器人抓取问题的本质。详细地,我们首先给出了机器人抓取的分析方法的概述。在此之后,我们提供了一个最新的国家的最先进的数据驱动的抓取方法,近年来兴起的讨论。随着计算机视觉的发展,语义抓取得到了广泛的研究,并有望成为未来自主机器人系统智能操作和技能学习的基础。因此,在我们的调查中,我们也简要回顾了这一主题的最新进展。最后,我们讨论了开放的问题和未来的研究方向,可能是重要的人类水平的鲁棒性,自主性和智能的机器人。
2022-02-08 cs.RO
The Developments and Challenges towards Dexterous and Embodied Robotic Manipulation: A Survey
College of Control Science and Engineering, Zhejiang University(浙江大学控制科学与工程学院)
该综述总结机器人操作从机械编程到具身智能、从简单夹具到多指灵巧手的演变及挑战,重点介绍当前具身灵巧操作在数据采集与技能学习框架的进展,并讨论三大限制其发展的关键挑战。
2025-11-18 cs.RO
Affordances in Robotic Tasks -- A Survey
Edinburgh Centre for Robotics(爱丁堡机器人中心);University of Edinburgh(爱丁堡大学);Heriot-Watt University(赫瑞-瓦特大学)
示能是自主机器人代理必须感知的关键属性,以便有效地与新对象进行交互。从历史上看,这一概念来源于心理学和认知科学的文献,其中对启示的讨论使得定义很难直接转移到对机器人有用的计算规范。这篇综述文章特别关注机器人技术,因此我们从这个角度讨论相关文献。在这次调查中,我们对文献进行分类,并试图找到不同方法之间的共同点,以期在机器人技术中的应用。我们提出了一个分类的基础上的先验知识的水平,假设建立一个特定的机器人任务的重要的不同的启示组件之间的关系。我们还确定了未来改进的领域,并讨论了可能对机器人实践产生影响的可能方向。
2020-04-15 cs.RO
Improving Robotic Arms through Natural Language Processing, Computer Vision, and Edge Computing
Saint Louis University(圣路易斯大学)
本文提出一种结合边缘计算、自然语言处理和计算机视觉的辅助机器人原型,利用LLM和视觉系统协同解释并执行自然语言复杂指令,实验表明该系统在意图识别与物体操作上表现优异,显著提升了残疾用户的交互体验。
2024-10-10 cs.RO
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
Formal Specification and Verification of Autonomous Robotic Systems: A Survey
University of Liverpool(利物浦大学)
本文针对自主机器人系统形式化规约与验证缺乏最新综述的问题,系统梳理了该领域的挑战、形式化体系及验证方法,填补了相关研究概述的空白。
2019-05-01 cs.FL cs.RO
Comprehensive Survey of Evolutionary Morphological Soft Robotic Systems
University of Bridgeport(布里奇波特大学);King Saud University(沙特国王大学)
进化机器人旨在自动设计自主自适应形态机器人,这些机器人可以进化以完成特定任务,同时适应环境变化。软机器人技术已经证明了进化机器人技术用于机器人控制和形态综合的可行性。发展进化软计算技术,可以产生面向任务的结构形态机器人的动机,使软机器人领域值得认真调查和研究,因此,本文总结了一个重要的研究量的计算和软件体系结构的角度。本文回顾了文献,并讨论了进化机器人学的各个方面,包括形态软体机器人的应用,使自我组装,自我重构,自我修复,自我繁殖。然后,主要的里程碑概述了重要的形态软机器人原型,由于其在该领域的重要性。最后,评估了该领域的当前最新技术水平。
2017-05-30 cs.RO
Augmented Reality and Robotics: A Survey and Taxonomy for AR-enhanced Human-Robot Interaction and Robotic Interfaces
University of Calgary(卡尔加里大学);University College London(伦敦大学学院)
本文基于对460篇研究论文的调查,对增强现实和机器人技术进行了分类。增强和混合现实(AR/MR)已经成为增强人机交互(HRI)和机器人接口(例如,致动的和形状改变的界面)。最近,越来越多的HCI、HRI和机器人研究已经证明了AR如何实现人与机器人之间更好的交互。然而,研究往往仍然集中在个人的探索和关键的设计策略,研究问题很少进行系统的分析。在本文中,我们综合和分类这一研究领域在以下方面:1)增强现实的方法; 2)机器人的特点; 3)目的和好处; 4)分类的信息; 5)设计组件和策略的视觉增强; 6)交互技术和方式; 7)应用领域;和8)评估策略。我们制定了关键的挑战和机遇,以指导和通知未来的研究在AR和机器人。
2022-03-07 cs.CV cs.HC cs.RO
A New Wave in Robotics: Survey on Recent mmWave Radar Applications in Robotics
University of Colorado Boulder(科罗拉多大学博尔德分校);Seoul National University(首尔大学);University of Toronto(多伦多大学)
本文综述76–81 GHz FMCW毫米波雷达在机器人学中的最新应用,梳理雷达原理、定位建图、检测分类及数据集与校准技术,并展望其抗恶劣视觉条件的独特优势。
2024-10-28 cs.RO
Resource Allocation and Service Provisioning in Multi-Agent Cloud Robotics: A Comprehensive Survey
Swinburne University of Technology(斯威本科技大学);CSIRO(澳大利亚联邦科学与工业研究组织);Engineering Institute of Technology (EIT)(工程技术学院);South China University of Technology(华南理工大学);University of Manitoba(曼尼托巴大学)
如今,机器人应用被广泛采用,以增强现实世界网络物理系统(CPS)的操作自动化和性能,包括工业4.0,农业,医疗保健和灾难管理。这些应用程序由延迟敏感、数据量大和计算密集型任务组成。然而,机器人在计算能力和存储容量方面受到限制。多智能体云机器人的概念使机器人之间能够进行协作,并为机器人执行大规模应用程序创造了一个互补的环境,能够利用边缘和云资源。然而,在这样的协作环境中,机器人任务的最优资源分配是具有挑战性的实现。与机器人和计算实例相关的异构能耗率和执行成本的应用使其变得更加复杂。此外,本地机器人、边缘节点和云数据中心之间的数据传输延迟会对实时交互产生不利影响,并阻碍服务性能保证。考虑到所有这些问题,本文全面调查的最先进的资源分配和服务提供的多智能体云机器人。本文通过与当代计算范式的明确比较,提出了多智能体云机器人的应用领域,并确定了具体的研究挑战。第一次提出了一个完整的分类资源分配,连同讨论的资源池,计算卸载,和任务调度的有效服务提供。此外,我们强调了从经验教训中得出的研究差距,并提出了有利于进一步推进这一新兴领域的未来方向。
2021-04-29 cs.DC cs.RO
Compare Contact Model-based Control and Contact Model-free Learning: A Survey of Robotic Peg-in-hole Assembly Strategies
Tsinghua University(清华大学);Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所)
在本文中,我们提出了一个概述的机器人销孔装配和分析两个主要的战略:接触模型为基础的和接触模型的战略。更具体地说,我们首先介绍了接触模型的控制方法,包括接触状态识别和顺应控制两个步骤。此外,我们专注于整个机器人装配系统的全面分析。其次,在没有接触状态识别过程的情况下,我们将接触无模型学习算法分解为两个主要的子领域:从演示中学习示教学习和从环境中学习(主要基于强化学习)。对于每个子领域,我们调查了标志性研究和正在进行的研究,以比较不同的类别。我们希望通过揭示潜在的联系来加强这两个研究群体之间的关系。最后,剩余的挑战和开放的问题,在该领域的机器人钉孔装配社区进行了讨论。展望了未来的研究方向和可能的工作。
2019-04-10 cs.RO
Edge Robotics: Edge-Computing-Accelerated Multi-Robot Simultaneous Localization and Mapping
School of Computer Science and Engineering, Sun Yat-sen University(中山大学计算机科学与工程学院)
随着智能机器人在各个领域的广泛渗透,机器人技术中的同时定位与地图构建(SLAM)技术越来越受到关注。然而,由于SLAM的密集图形计算和机器人有限的计算能力之间的性能矛盾,在多个机器人上协作SLAM仍然具有挑战性。虽然传统的解决方案求助于强大的云服务器作为外部计算提供商,但我们通过实际测量表明,数据卸载中的显着通信开销阻止了其对实际部署的实用性。为了应对这些挑战,本文将新兴的边缘计算范式推广到多机器人SLAM中,并提出了RecSLAM,这是一种多机器人激光SLAM系统,专注于在机器人-边缘-云架构下加速地图构建过程。与传统的多机器人SLAM不同,RecSLAM开发了一种分层地图融合技术,将机器人的原始数据引导到边缘服务器进行实时融合,然后发送到云端进行全局融合。为了优化整体流水线,引入了一种高效的多机器人SLAM协同处理框架,自适应地优化机器人到边缘的卸载,以适应异构边缘资源条件,同时确保边缘服务器之间的工作负载平衡。广泛的评估表明,RecSLAM可以实现高达39%的处理延迟减少比最先进的。此外,概念验证原型的开发和部署在真实场景中,以证明其有效性。
2022-01-24 cs.AI cs.DC cs.NI
Hardware-Software Collaborative Computing of Photonic Spiking Reinforcement Learning for Robotic Continuous Control
Xidian University(西安电子科技大学)
本文提出基于光子脉冲RL的软硬件协同计算架构,通过硅光子芯片与电子域结合,实现机器人连续控制的高效能效和低延迟。
2025-11-29 cs.RO physics.optics
Simulation for Planetary Robotic Perception and Autonomy: A Concise Survey of Recent Capabilities and Gaps
DGIST(大邱庆北科学技术院)
本文综述行星机器人感知与自主性仿真,从开放性、场景覆盖、传感器支持和环境真实性四维度评估,指出公共可用性不均、漫游车中心覆盖及操作约束报告不足等差距。
2026-09-29 cs.RO
A Survey on Imitation Learning for Contact-Rich Tasks in Robotics
该综述全面梳理了机器人接触丰富型任务的模仿学习研究,涵盖示教收集方法、学习算法及多模态/基础模型带来的性能提升,明确了现有挑战,为该领域后续发展提供基础。
2025-06-16 cs.HC cs.LG cs.RO
Deep Reinforcement Learning for Robotics: A Survey of Real-World Successes
The University of Texas at Austin(德克萨斯大学奥斯汀分校);The University of Virginia(弗吉尼亚大学);Sony AI(索尼人工智能)
该综述梳理了深度强化学习在机器人领域的真实应用成果,分析了成功关键因素与研究空白,提出未来研究方向,为打造通用真实世界机器人系统提供参考。
2024-09-16 cs.LG cs.RO
AI-IoT-Robotics Integration: Survey of Frameworks, Emerging Trends, and the Path Toward Connected Robotics
Tohoku University(东大大学)
本文综述了人工智能、物联网和机器人三者融合的现状,提出了模块化系统架构,并强调了小语言模型(SLM)和大型语言模型(LLM)在分布式认知与自主决策中的作用,为下一代互联机器人和物理AI生态系统提供了概念和技术路线图。
2026-05-31 cs.AI cs.NI cs.RO
A Survey of Decision-Theoretic Approaches for Robotic Environmental Monitoring
该综述首次全面梳理了机器人环境监测领域的决策论方法,明确了环境表示方式与任务求解思路,归纳了决策优化的六大维度,指出了领域现存挑战与发展机遇。
2023-11-06 cs.RO
Edge Computing Architectures for Enabling the Realisation of the Next Generation Robotic Systems
Luleå University of Technology(吕勒奥理工大学)
边缘计算是一种很有前途的技术,可以在需要瞬时数据处理的技术领域提供新的功能。机器和深度学习等领域的研究人员在其应用程序中广泛使用边缘和云计算,这主要是由于它们提供了大量的计算和存储资源。目前,Robotics也在寻求利用这些功能,随着5G网络的发展,该领域的一些现有限制可以克服。在这种情况下,重要的是要知道如何利用新兴的边缘架构,当今存在哪些类型的边缘架构和平台,以及基于每个机器人应用可以并且应该使用哪些边缘架构和平台。一般来说,边缘平台可以以不同的方式实现和使用,特别是因为有几个提供商提供或多或少相同的服务集,但存在一些本质差异。因此,这项研究为那些从事下一代机器人系统开发的人提供了这些讨论,并将有助于了解每个边缘计算架构的优点和缺点,以便为每个应用明智地选择合适的架构。
2022-09-17 cs.RO cs.SY eess.SY
Graph learning in robotics: a survey
Polytechnic of Turin(都灵理工大学)
该综述从机器人学视角梳理图神经架构的基础、进展与应用挑战,总结其在多类机器人任务中的应用,为理解该技术的优劣势及未来研究方向提供参考。
2023-10-06 cs.CV cs.RO
3D Gaussian Splatting in Robotics: A Survey
Shanghai Jiao Tong University(上海交通大学);University of Cambridge(剑桥大学);Imperial College London(伦敦帝国学院)
本综述全面回顾了3D Gaussian Splatting (3DGS) 在机器人学中的应用与技术进展,涵盖场景理解、交互任务、数据集评估及未来挑战。
2024-12-19 cs.RO
A Survey of Robotics and Emotion: Classifications and Models of Emotional Interaction
Georgia Tech Center for Music Technology(佐治亚理工学院音乐技术中心)
随着情感在机器人研究中发挥越来越大的作用,开发方法来分析和比较各种方法至关重要。为此,我们提出了一个调查1427 IEEE和ACM出版物,包括机器人和情感。这包括情感输入分析,机器人情感表达,情感交互研究和内部处理模型的广泛分类趋势。然后,我们专注于232篇论文,提出了内部处理的情绪,如使用人类的情感更好的互动或把环境刺激到情感驱动机器人路径规划。我们对232篇论文进行了持续的比较分析,得出了三个广泛的分类指标:情绪智力,情绪模型和实施,每个都包括两个或三个子类别。这些子类别涉及所使用的算法、情感映射、历史、情感模型、情感类别、情感的作用、情感的目的和平台。我们的研究结果显示了一个不同的研究领域,主要是由情感在系统中的作用,无论是改善互动,或改善机器人的性能。我们还提出了多个未来的研究机会,并描述了所有出版物中常见的内在挑战。
2020-07-29 cs.RO
A Survey of Behavior Learning Applications in Robotics -- State of the Art and Perspectives
German Research Center for Artificial Intelligence (DFKI) GmbH(德国人工智能研究中心)
本综述针对机器学习成功引发的对机器人行为学习的过高预期,梳理复杂机器人已实现的学习行为并分类,总结可学习与应学习的行为方向,展望未来可解决的难题,提出融合多方法构建自主系统的思路。
2024-09-12 cs.LG cs.RO
Survey and Perspective on Social Emotions in Robotics
Osaka University(大阪大学);The University of Electro-Communications(电气通信大学)
本文综述了机器人社会情感的研究进展。在机器人技术中,对情感的研究已经进行了很长一段时间,包括对情感的识别,表达和基本机制的计算建模的研究。研究已经根据著名的心理学发现,如类别和维度理论。许多研究都是基于这些基本理论,只涉及基本的情绪。然而,社会情绪,也被称为更高层次的情绪,已经在心理学中进行了研究。我们相信,这些更高层次的情感值得在下一代具有社会意识的机器人机器人中加以追求。在这篇综述论文中,我们总结了心理学和神经科学中关于社会情绪的研究结果,以及迄今为止对机器人社会情绪研究的调查。此后,对机器人的社会情感的实现的研究方向进行了讨论。
2022-01-14 cs.AI cs.RO
Bio-inspired Intelligence with Applications to Robotics: A Survey
University of Guelph(圭尔夫大学)
在过去的几十年里,生物智能及其在机器人技术中的应用受到了相当大的关注。本文提供了一个全面的调查生物启发的智能,重点是神经动力学方法,各种机器人应用,特别是自主机器人系统的路径规划和控制。首先,介绍了仿生分流模型及其变体(加性模型和门控偶极子模型),并给出了它们的主要特点。然后,回顾了神经动力学在各种机器人系统实时路径规划和控制中的两个主要应用。一个生物启发的神经网络框架,其中神经元的神经动力学模型的特点,讨论了移动机器人,清洁机器人,水下机器人。生物启发神经网络已被广泛应用于实时无碰撞导航和合作,没有任何学习过程,全球成本函数,和先验知识的动态环境。此外,生物启发的反推控制器的各种机器人系统,这是能够消除速度跳时,一个大的初始跟踪误差发生,进一步讨论。最后,本文讨论了当前面临的挑战和未来的研究方向。
2022-06-17 cs.RO cs.SY eess.SY
A Survey of FPGA-Based Robotic Computing
Georgia Institute of Technology(佐治亚理工学院);Harvard University(哈佛大学);PerceptIn Inc(佩塞普特因公司);South China University of Technology(华南理工大学);University of Rochester(罗切斯特大学);Tsinghua University(清华大学)
最近的机器人研究已经取得了显着的进步,从算法,机械到硬件架构。包括机械手、足式机器人、无人机和自动驾驶汽车在内的机器人技术现在广泛应用于各种场景。然而,机器人算法的高计算量和数据复杂度对其应用提出了很大的挑战。一方面,CPU平台灵活,可以处理多个机器人任务。GPU平台具有较高的计算能力和易于使用的开发框架,因此在许多应用中被广泛采用。另一方面,基于FPGA的机器人加速器正在成为越来越有竞争力的替代方案,特别是在延迟关键和功率受限的场景中。通过专门设计的硬件逻辑和算法内核,基于FPGA的加速器可以在性能和能效方面超越CPU和GPU。在本文中,我们概述了以前的工作,基于FPGA的机器人加速器涵盖不同阶段的机器人系统管道。分析了软件和硬件优化技术和主要技术问题,以及一些商业和空间应用,作为未来工作的指导。
2021-03-05 cs.AI cs.AR cs.RO
Diffusion Models for Robotic Manipulation: A Survey
Karlsruhe Institute of Technology (KIT)(卡尔斯鲁厄理工学院)
本综述全面回顾了Diffusion Models在机器人操作中的应用,涵盖抓取学习、轨迹规划和数据增强,并探讨了其与模仿学习和强化学习的整合及当前挑战。
2025-07-14 cs.RO stat.ML
NeRFs in Robotics: A Survey
University of Cambridge, UK(剑桥大学);China University of Mining and Technology(中国矿业大学);ETH Zurich(苏黎世联邦理工学院);University of California, Berkeley, USA(加州大学伯克利分校);Shanghai Jiao Tong University(上海交通大学)
本文综述了NeRF在机器人学中的应用与改进进展,分析其在感知和交互任务中的潜力,并总结挑战与未来方向。
2025-07-02 cs.CV cs.RO
Complete coordination of robotic fiber positioners for massive spectroscopic surveys
Swiss Federal Institute of Technology in Lausanne (EPFL)(洛桑联邦理工学院(EPFL))
机器人光纤定位器在生成大规模光谱测量中发挥着至关重要的作用。定位器组协调得越完整,其对应的摄谱仪在观测期间接收的信息就越多。研究了位置集的完全协调问题。我们首先定义了局部和全局完备性问题,并确定了它们之间的关系。然后,我们提出了一种新的人工势场,根据该人工势场,定位器及其相邻定位器的收敛性被协同考虑。我们还发现了一个完整的协调所需的条件。最后,我们解释了如何修改的定位器集的一些参数可能会解决其不完全协调的情况。我们使用模拟来验证我们的成就。
2020-05-21 astro-ph.IM cs.RO
Spatial Computing and Intuitive Interaction: Bringing Mixed Reality and Robotics Together
Microsoft Mixed Reality and AI Lab(微软混合现实与人工智能实验室);ETH Zürich(苏黎世联邦理工学院);University of Haifa(海法大学);NVIDIA(英伟达)
空间计算--设备感知周围环境并以数字方式表示的能力--为人机交互提供了新的能力。特别是,混合现实设备上的空间计算和以自我为中心的感知相结合,使它们能够捕捉和理解人类的动作,并将其转换为具有空间意义的动作,这为人类和机器人之间的协作提供了令人兴奋的新可能性。本文介绍了几个人类机器人系统,利用这些功能,使新的机器人用例:任务规划检查,基于手势的控制,沉浸式遥操作。这些作品展示了混合现实作为人机交互工具的力量,以及空间计算和混合现实推动人机交互未来的潜力。
2022-02-03 cs.CV cs.HC cs.RO
A Survey on Integration of Large Language Models with Intelligent Robots
Korea Advanced Institute of Science and Technology(韩国科学技术院)
该综述梳理GPT-3.5后大语言模型在机器人通信、感知、规划、控制领域的应用,提供提示工程指南与实践示例,为LLM与智能机器人的融合研究提供路线图与实操参考。
2024-08-15 cs.RO
A Survey of Robotic Harvesting Systems and Enabling Technologies
Aristotle University of Thessaloniki(塞萨洛尼基亚里士多德大学);Centre for Research and Technology Hellas(希腊研究与技术中心)
本文对地面农业机器人系统和应用进行了全面的回顾,特别关注跨越研究和商业产品和成果的收获,以及它们的使能技术。大多数文献关注作物检测的发展,通过视觉的田间导航及其相关的挑战。健康监测、产量估计、水状况检查、播种和除草是经常遇到的任务。关于机器人收割,苹果、草莓、西红柿和甜椒主要是出版物、研究项目和商业产品中考虑的作物。所报道的收割农业机器人解决方案通常由移动平台、单个机械臂/机械手和各种导航/视觉系统组成。本文回顾了特定功能和硬件的发展,通常需要由一个操作的农业机器人收割机,它们包括(a)视觉系统,(b)运动规划/导航方法(机器人平台和/或手臂),(c)人机交互(HRI)战略与三维可视化,(d)系统操作规划和抓取策略和(e)机器人末端执行器/抓手设计。显然,自动化农业,特别是通过机器人系统进行自动收割是一个仍然开放的研究领域,提供了一些可以做出新贡献的挑战。
2023-02-01 cs.RO
Re-purposing a modular origami manipulator into an adaptive physical computer for machine learning and robotic perception
Virginia Tech(弗吉尼亚理工大学)
本研究将折纸模块化机械臂重构为自适应物理储层计算机,通过NARMA基准任务和PSI指标揭示机械设计与计算性能的关联,并利用SMA驱动实现负载感知与实际机器人操作,为软体机器人具身智能提供了设计框架。
2025-05-05 cs.RO
RobotPerf: An Open-Source, Vendor-Agnostic, Benchmarking Suite for Evaluating Robotics Computing System Performance
Acceleration Robotics(加速机器人公司);Alpen-Adria-Universität Klagenfurt(阿尔卑斯-亚得里亚大学克拉根福分校);Harvard University(哈佛大学);Georgia Institute of Technology(佐治亚理工学院);Carnegie Mellon University(卡内基梅隆大学);Johannes Kepler University Linz(约翰·开普勒林茨大学);Ford Motor Company(福特汽车公司);AMD(AMD公司);Intel(英特尔公司);Boston University(波士顿大学);Barnard College, Columbia University(哥伦比亚大学巴纳德学院)
本研究推出开源且与厂商无关的机器人基准测试套件RobotPerf,以ROS 2为通用基准,整合黑盒、灰盒两种测试方法,提供即用型工具并支持自定义计算图评估,建立标准化机器人性能测试方案,助力硬件加速机器人发展。
2024-01-29 cs.RO
Proceedings of the Third International Conference on Cloud and Robotics (ICCR2016)
Northeastern University(东北大学);University of Picardie Jules Verne(皮卡第儒勒·凡尔纳大学);Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院);Mines-Telecom Institute(巴黎高科矿业电信学院);University of Montpellier(蒙彼利埃大学);Griffith University(格里菲斯大学);RoboConsult;iRobot;CNRS(法国国家科学研究中心);Pierre-and-Marie-Curie University(皮埃尔和玛丽·居里大学);Sant’Anna School of Advanced Studies(圣安娜高等研究院);Tampere University of Technology(坦佩雷理工大学);Rovira i Virgili University(罗维拉·维尔吉利大学);INSA Lyon(里昂国家应用科学学院);University of Caen-Lower Normandy(卡昂-下诺曼底大学);University of Zaragoza(萨拉戈萨大学);Ecole des Mines d’Alès(阿莱斯高等矿业学校)
第三届云与机器人国际会议(ICCR 2016)于2016年11月23日至23日在法国圣康坦举行。ICCR是对如何将云计算和机器人技术的力量带入一个新的前沿领域:云机器人感兴趣的从业者和研究人员的首要聚会。ICCR的目标是一次工作会议,让云计算和机器人研究人员/从业者一起交流他们的想法。与传统的学术会议不同,ICCR也是两个学科的研究人员和实践者的论坛,促进云计算与机器人技术的合作,并让实践者展示他们的工作项目,并与研究人员讨论和交流他们的问题,以找到解决方案。
2017-06-10 cs.RO
A Survey on Privacy Attacks Against Digital Twin Systems in AI-Robotics
Mississippi State University(密西西比州立大学)
本文综述了工业4.0中AI与数字孪生赋能机器人面临的隐私攻击风险,涵盖模型窃取与数据泄露,并倡导结合伦理框架与可信自主性原则以构建安全可靠的AI机器人系统。
2024-06-27 cs.AI cs.RO
A Survey of Behavior Trees in Robotics and AI
Royal Institute of Technology (KTH)(皇家理工学院);ABB Future Labs(ABB未来实验室);ABB Corporate Research(ABB企业研究院);SAAB Aeronautics(萨博航空);ABB Robotics(ABB机器人)
行为树(BT)是作为一种在计算机游戏中实现模块化AI的工具而发明的,但在过去十年中,它在机器人社区中受到了越来越多的关注。随着对智能体AI复杂性的要求不断提高,游戏程序员发现他们使用的有限状态机(FSM)扩展性差,难以扩展,适应和重用。在BT中,状态转换逻辑不是分散在各个状态中,而是以分层树结构组织,状态作为叶子。这对模块化有很大的影响,这反过来又简化了人类和算法的合成和分析。这些优势不仅在游戏AI设计中需要,而且在机器人技术中也需要,这一点从正在进行的研究中可以看出。在本文中,我们提出了一个全面的调查的主题的BT在人工智能和机器人应用。现有的文献进行了描述和分类的基础上的方法,应用领域和贡献,并得出结论的文件与开放的研究挑战的列表。
2020-05-13 cs.AI cs.RO
Security Considerations in AI-Robotics: A Survey of Current Methods, Challenges, and Opportunities
Mississippi State University(密西西比州立大学)
该综述针对AI-机器人系统易受安全攻击的问题,从攻击面、伦理法律、人机交互安全三个维度梳理现有研究与防御策略,并展望未来研究方向,为相关利益方提供整体安全认知参考。
2024-01-26 cs.AI cs.RO
A Survey on Task Allocation and Scheduling in Robotic Network Systems
C4-Cloud Computing Competence Center(C4云计算能力中心);Universidade da Beira Interior(贝拉内瓦大学);Computer Science and Communication Research Centre-(CIIC)(计算机科学与通信研究中心);Escola Superior de Tecnologia e Gestão(技术与管理高等学院);Instituto Politécnico de Leiria(莱里亚理工学院);NOVA LINCS(NOVA LINCS(里斯本新大学计算机科学系实验室))
本文综述机器人网络云系统中的任务分配与调度策略、指标及方法局限,并按架构应用、方法和参数三类梳理文献。
2024-12-02 cs.NI cs.RO
A Survey on Trust Metrics for Autonomous Robotic Systems
Worcester Polytechnic Institute (WPI)(伍斯特理工学院)
本文综述了自主机器人系统的信任度量研究,提出需将系统、硬件、软件、认知鲁棒性及供应商级指标纳入统一模型,以解决现有研究缺乏整体性和成本考量的问题,为评估复杂系统提供系统级信任度量框架。
2021-06-30 cs.CR cs.RO
A Survey of Deep Learning Techniques for Mobile Robot Applications
多年来,深度学习的进步吸引了对人工神经网络在机器人系统中的深度的研究。本研究综述将对当前的研究进行总结,特别关注深度学习应用于移动机器人的收益和障碍。
2018-03-20 cs.CV cs.RO
Industry 4.0 and Prospects of Circular Economy: A Survey of Robotic Assembly and Disassembly
尽管他们的贡献,金融效率和环境的可持续性的工业流程,机器人装配和拆卸已在现有的文献研究不足。这与它们在实现第四次工业革命中的重要性相矛盾。更具体地说,尽管大多数文献广泛讨论了如何最佳地组装或拆卸给定的产品,其他因素的作用被忽视了。例如,执行顺序计划所涉及的机器人类型,理想情况下,应该在设计、装配、拆卸和重新装配的整个链条中考虑到这一点。将上述操作与相关生态系统的其他组成部分隔离开来,可能会导致对基本程序的必要性和效率的错误推断。在本文中,我们试图减轻这些缺点,全面调查的国家最先进的机器人装配和拆卸。我们考虑和审查制造和再制造框架的各个方面,同时特别关注它们对支持循环经济的可取性。
2021-06-14 cs.RO
Robust Quantum Controllers: Quantum Information -- Thermodynamic Hidden Force Control in Intelligent Robotics based on Quantum Soft Computing
Institute of System Analysis and Management, Dubna State University(杜布纳国立大学系统分析与管理研究所);Joint Institute for Nuclear Research (JINR)(联合核子研究所);Moscow State University of Geodesy and Cartography (MIIGAiK)(莫斯科测绘大学);Yamaha Motor Co. Ltd.(雅马哈发动机株式会社)
本文提出一种基于量子软计算技术的智能鲁棒控制系统广义设计策略,通过赋予不完善知识库自组织能力提升混合智能控制器可靠性,并介绍了在经典计算机上建模量子算法的超算加速器软硬件平台。
2023-05-18 cs.AI cs.RO quant-ph
Robotics Evolution: from Remote Brain to Cloud
Texas A&M University-Corpus Christi(德克萨斯农工大学科珀斯克里斯蒂分校);The University of Jordan(约旦大学)
几十年来,机器人系统一直在发展,几乎涉及生活的各个方面,无论是休闲还是关键应用。大多数传统的机器人系统都在使用预先配置的机载处理单元的明确定义的环境中运行。然而,现代和可预见的机器人应用要求复杂的处理要求,超过了机载计算能力的限制。云计算及其相关技术在克服星载硬件限制和提高性能效率方面具有很大的潜力。这项研究强调了机器人系统的进步,重点关注云机器人作为一种新兴趋势。存在大量的努力来利用机器人系统的潜力并处理出现的缺点。此外,物联网时代的智能,灵活和自主机器人系统的未来品种也有很好的见解。
2019-01-08 cs.RO
Semantics for Robotic Mapping, Perception and Interaction: A Survey
Queensland University of Technology(昆士兰科技大学);Monash University(莫纳什大学);University of Adelaide(阿德莱德大学);Australian National University(澳大利亚国立大学)
为了让机器人能够更丰富地与周围的世界进行导航和互动,它们可能需要对它们所处的世界有更深入的了解。在机器人和相关研究领域,理解的研究通常被称为语义学,它规定了世界对机器人的“意义”,并且与如何表示该意义的问题密切相关。随着人类和机器人越来越多地在同一个世界中操作,人机交互的前景也带来了自然语言的语义和本体。在需求的驱动下,以及通过增加训练数据和计算资源的可用性等推动因素,语义是机器人技术中一个快速发展的研究领域。迄今为止,该领域在研究文献中受到了极大的关注,但大多数评论和调查都集中在该主题的特定方面:关于其在特定机器人主题(如映射或分割)中使用的技术研究问题,或其与自动驾驶等特定应用领域的相关性。因此,需要一种新的治疗方法,这也是及时的,因为自从许多关键调查发表以来,已经进行了如此多的相关研究。因此,这项调查提供了一个全面的快照,语义在机器人技术的立场今天。我们建立了一个分类的语义研究或相关的机器人技术,分为四大类的活动,其中语义提取,使用,或两者兼而有之。在这些广泛的类别中,我们调查了数十个主要主题,包括计算机视觉领域的基础知识和利用语义的关键机器人研究领域,包括地图绘制,导航和与世界的交互。该调查还涵盖了关键的实际考虑因素,包括提高数据可用性和改进计算硬件等推动因素,以及...
2021-01-02 cs.CV cs.HC cs.LG
Recent Developments in Aerial Robotics: A Survey and Prototypes Overview
Hongo Aerospace Inc.(本乡航空航天公司);University of Tokyo(东京大学)
近年来,航空机器人的研究和发展(即,无人机(Unmanned Aerial Vehicles,UAVs)正以前所未有的速度发展,有必要对无人机研究的背景、最新进展和趋势进行总结。在对无人机的定义、类型、类别和主题进行概述的同时,本文描述了一种系统的方法,从3万多篇发表在顶级期刊和会议上的高质量无人机论文中识别出1,318篇。在此基础上,通过对2001年以来无人机研究论文的年份、类型和主题分布等统计信息的归纳,对无人机研究的总体情况进行了概述。我们将我们的调查清单公之于众,并相信该清单不仅可以帮助研究人员识别,研究和比较他们的工作,而且对了解该领域的研究趋势也很有用。从我们的调查结果中,我们发现有许多类型的无人机,据我们所知,没有文献试图在一个地方总结所有类型。通过我们的调查列表,我们解释了我们调查中的类型,并概述了每个调查的最新进展。我们相信这篇综述可以加深读者对无人机的理解,并启发研究人员提出新的方法和新的应用。
2017-11-30 cs.RO
From the Desks of ROS Maintainers: A Survey of Modern & Capable Mobile Robotics Algorithms in the Robot Operating System 2
Samsung Research(三星研究院);Locus Robotics(Locus机器人公司);Metro Robots(Metro机器人公司);Cobalt Robotics(Cobalt机器人公司)
本文由核心 ROS Navigation 维护者撰写,全面回顾并分析了 ROS 2 中最先进的机器人导航算法与系统,涵盖新框架、方法对比及专家见解,并对该生态系统的未来发展进行了展望。
2023-07-31 cs.RO