CHORUS: Decentralized Multi-Embodiment Collaboration with One VLA Policy
Stanford University（斯坦福大学）
提出CHORUS框架，利用预训练视觉-语言-动作模型的视觉运动先验，实现无需推理时通信的去中心化多机器人协作，在真实实验中显著优于基线。
2026-06-11 cs.AI cs.RO
State-of-the-art in Robot Learning for Multi-Robot Collaboration: A Comprehensive Survey
Texas A&M University（德克萨斯农工大学）
本文综述了多机器人协作背景下机器人学习的最新进展，回顾了受人类和动物启发的常用学习方法及其优缺点与技术挑战，并利用统计方法定量验证观点，探讨了未来与实际应用融合的潜在趋势。
2024-08-03 cs.AI cs.RO
Show Me What You Can Do: Capability Calibration on Reachable Workspace for Human-Robot Collaboration
UCLA Center for Vision, Cognition, Learning, and Autonomy (VCLA)（加州大学洛杉矶分校视觉、认知、学习与自主中心（VCLA））；Massachusetts Institute of Technology（麻省理工学院）；UCLA Department of Psychology（加州大学洛杉矶分校心理学系）；Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院（BIGAI））；Peking University（北京大学）；Tsinghua University（清华大学）
将人类对机器人能力的评估与其真实能力相结合，对于在人类和机器人合作伙伴之间建立共同点至关重要。在这项工作中，我们提出了一种方法来校准人类的机器人的可达工作空间的估计，通过少量的示范合作之前。我们开发了一种新型的运动规划方法REMP，它联合优化了机器人运动的物理成本和表现力，以揭示机器人对人类观察者的可达性。我们对人类参与者的实验表明，使用REMP进行的简短校准可以有效地弥合非专家用户认为机器人可以达到的距离与地面实况之间的差距。我们表明，这种校准过程不仅会导致更好的用户感知，而且还促进了更有效的人机协作在随后的联合任务。
2022-01-27 cs.AI cs.RO
Neuroadaptation in Physical Human-Robot Collaboration
Australian Artificial Intelligence Institute（澳大利亚人工智能研究所）；University of Technology Sydney（悉尼科技大学）；Centre for Autonomous Systems（自主系统中心）
本文提出一种结合强化学习与 EEG 认知冲突信号的闭环神经适应框架，用于动态调节 pHRC 机器人策略，并证明其可降低认知冲突、提升协作流畅性与直观性。
2023-09-30 cs.AI cs.RO
Improved Trust in Human-Robot Collaboration with ChatGPT
University of Florida（佛罗里达大学）
本文设计基于 ChatGPT 的 RoboGPT 系统，用自然语言控制 7 自由度机械臂完成协作装配，并通过人体实验证明其能增强沟通与信任。
2023-04-25 cs.AI cs.HC cs.RO
Natural Language for Human-Robot Collaboration: Problems Beyond Language Grounding
Khoury College of Computer Sciences, Northeastern University（东北大学库里计算机科学学院）
为了使机器人能够指导人类进行协作，我们确定了语言处理的几个方面，这些方面在这种情况下并不常见。这些包括位置，规划和生成。我们建议对每项任务进行评估，为简单的方法提供基线，并通过讨论学习语言合作的挑战和机遇来结束。
2021-10-09 cs.AI cs.CL cs.RO
Trust-Aware Decision Making for Human-Robot Collaboration: Model Learning and Planning
National University of Singapore（新加坡国立大学）；University of Southern California（南加州大学）；University of Washington（华盛顿大学）
对自主性的信任对于有效的人机协作和用户采用自主系统（如机器人助手）至关重要。本文介绍了一个计算模型，将信任集成到机器人决策中。具体来说，我们从数据中学习一个部分可观察的马尔可夫决策过程（POMDP）与人类的信任作为一个潜在的变量。信任POMDP模型为机器人提供了一种原则性的方法：（i）通过交互来推断人类队友的信任，（ii）推理自己的行为对人类信任的影响，以及（iii）选择长期最大化团队绩效的行为。我们验证了该模型，通过人类受试者的实验中的模拟（201名参与者），并与一个真正的机器人（20名参与者）的桌子清理任务。在我们的研究中，机器人首先通过操纵低风险的物体来建立人类的信任。有趣的是，机器人有时会故意失败，以调节人类的信任并实现最佳的团队绩效。这些结果表明，信任POMDP校准的信任，以提高人类机器人团队的长期性能。此外，他们强调，最大限度地提高信任本身并不总是导致最佳性能。
2018-11-22 cs.AI cs.RO
Deployment and Evaluation of a Flexible Human-Robot Collaboration Model Based on AND/OR Graphs in a Manufacturing Environment
University of Genoa（热那亚大学）
工业4.0范式承诺在制造环境中缩短开发时间，提高工效学，提高灵活性和资源效率。协作机器人是实现这种模式的重要有形技术。有效地将协作机器人部署到制造业的一个主要瓶颈是开发任务规划算法，使它们能够识别并自然适应变化甚至不可预测的人类行为，同时确保生产周期时间方面的整体效率。在这种情况下，一个架构，包括任务表示，任务规划，传感和机器人控制的设计，开发和评估在一个真实的工业环境。研究了一个需要人与机器人协作的取放机器人任务。该体系结构使用AND/OR图在线表示和推理人机协作模型。此外，客观措施的整体计算性能和主观措施的自然人与机器人协作进行了评估，通过实验与生产线操作员。这项用户研究的结果展示了我们提出的人机协作模型如何利用工作场所操作员的灵活性和舒适性。在这方面，对最近的模式进行了广泛的比较研究。
2020-07-13 cs.AI cs.HC cs.RO
Learning Action Duration and Synergy in Task Planning for Human-Robot Collaboration
STIIMA-CNR - Institute of Intelligent Industrial Technologies and Systems, National Research Council of Italy（意大利国家研究委员会智能工业技术与系统研究所（STIIMA-CNR））
本文提出一种学习方法，通过历史执行数据估计人机并发动作的平均持续时间与协同系数，使任务规划器能识别不良耦合并生成更优计划。
2022-10-21 cs.AI cs.RO
Digital Twins for Human-Robot Collaboration: A Future Perspective
University of Genoa（热那亚大学）
本文综述了数字孪生在人机协作领域的最新进展，论证了其对提升系统效率效能的关键作用，展望了未来发展方向并分析了集成的优势与挑战。
2023-11-04 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
MAD-TN: A Tool for Measuring Fluency in Human-Robot Collaboration
Harvey Mudd College（哈维穆德学院）；Olin College of Engineering（欧林工程学院）
流畅性是人机交互（HRI）中的一个重要指标，它描述了人类和机器人在任务上协作的协调性。流畅性与任务的时间有着内在的联系，这使得时间约束网络成为建模和测量流畅性的一种很有前途的方法。我们表明，多智能体菊花时序网络（MAD-TN）制定，扩展了菊花结构网络的现有概念，既是一个有效的人机协作模型和一个自然的方式来衡量现有的流畅性指标。MAD-TN模型强调了我们假设与人类队友对流畅性的感知密切相关的新指标。
2020-02-14 cs.AI cs.HC cs.RO
Human Motion Prediction for Human-Robot Collaboration
本文比较了三种人体运动预测方法（GMM聚类、TransFusion、Graph-Mixer）在人机协作中的效果，通过预判人体运动来改进机器人规划，提升动态环境的安全与效率。
2026-09-29 cs.RO
Human Leading or Following Preferences: Effects on Human Perception of the Robot and the Human-Robot Collaboration
University of Waterloo（滑铁卢大学）
本研究提出整合人类主导/跟随偏好与绩效的主动式任务规划框架，经用户研究验证可提升人机协作绩效与人类积极感知，还发现领导/跟随风格与协作效果存在值得探究的关联。
2024-10-28 cs.RO
The Robot in the Room: Influence of Robot Facial Expressions and Gaze on Human-Human-Robot Collaboration
University of Hamburg（汉堡大学）
机器人面部表情和凝视是增强人机交互（HRI）的重要因素，但它们对人类协作和感知的影响还没有得到很好的理解，例如，在协作游戏场景中。在这项研究中，我们设计了一个合作的三元HRI游戏的情况下，两个参与者一起工作，插入到一个形状分类器的对象。一名与会者担任了导游。向导指导扮演演员角色的另一位参与者将遮挡的物体放入分类器。一个人形机器人发出指令，观察互动，并显示社交线索，以引起两个参与者的行为变化。我们测量了人类的合作作为任务完成时间的函数，以及参与者对机器人的感知，将其行为评为智能或随机。参与者还通过填写Godspeed问卷来评估机器人。我们发现，与中性面部表情相比，当机器人在游戏开始时表现出快乐的面部表情时，人类的合作程度更高。我们还发现，当机器人在游戏结束时表现出积极的面部表情时，参与者认为机器人更聪明。机器人的行为也被认为是智能的，当它在互动开始时将目光投向向导，而不是演员。这些发现为机器人面部表情和凝视如何影响人类在协作中的行为和感知提供了见解。
2023-03-24 cs.RO
Surena-V: A Humanoid Robot for Human-Robot Collaboration with Optimization-based Control Architecture
本文介绍了人形机器人Surena-V，其通过配备气压触觉传感器和基于优化的控制架构（如ZMP修正与作用点外力检测），实现了更敏捷的环境交互与稳定的人机协作。
2025-01-28 cs.RO
To Lead or to Follow? Adaptive Robot Task Planning in Human-Robot Collaboration
University of Waterloo（滑铁卢大学）
本文提出一种兼顾人类引领/跟随偏好与表现的自适应机器人任务规划框架，通过用户研究验证其能提升团队表现并改善人类对协作的感知。
2025-07-20 cs.RO
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
A Learning Based Optimal Human Robot Collaboration with Linear Temporal Logic Constraints
New Mexico State University（新墨西哥州立大学）；University of Notre Dame（圣母大学）
研究了具有持久任务的人-机器人系统机器人系统中人-机器人协作的最优任务分配问题。这种人类机器人系统由人类操作员和智能机器人组成，它们相互协作以完成任何一方都无法单独完成的复杂任务。该系统的目标是最大限度地成功执行持久性任务的概率，制定为线性时序逻辑规范和最小化的平均成本之间的连续访问的一个特定的命题。本文提出了一个框架下的多个马尔可夫决策过程（MDP）的组成与可能未知的转移概率，它表征了人类的认知状态，如人类的信任和疲劳，随机变化的机器人的性能模型的人类机器人协作。在未知的MDP模型下，提出了一种学习MDP模型的算法，以获得最优的任务分配策略，使每个任务周期的期望平均成本最小，满足线性时序逻辑约束的概率最大.此外，本文表明，最优策略的基础上学习的模型和基础上的地面真值模型的基础上的差异可以有界的任意小的常数和大的置信水平与足够的样本。装配过程的案例研究表明，我们提出的基于学习的人类机器人协作的有效性和好处。
2017-05-31 cs.AI cs.HC 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
Intuitive and Efficient Human-robot Collaboration via Real-time Approximate Bayesian Inference
Intel Labs（英特尔研究院）
协作机器人和端到端人工智能的结合，有望实现工厂和仓库中人工任务的灵活自动化。然而，这样的承诺似乎还需要一些突破。与此同时，人类和协作机器人将相互合作，互相帮助。为了使这些合作有效和安全，机器人需要建模，预测和利用人类的意图，以进行响应性决策过程。近似贝叶斯计算（ABC）是一种对不确定量进行概率预测的综合分析方法。ABC方便地包括先验知识，利用采样算法进行推理，并且可以灵活地从复杂的模型中受益，例如通过模拟器。然而，已知ABC在计算上太密集而不能以有效的人机协作任务所需的交互式帧速率运行。在本文中，我们制定了人类达到意图预测作为ABC问题，并描述了两个关键的性能创新，使计算在互动率。我们的现实世界的实验与协作机器人设置，证明了我们所提出的方法的可行性。实验评估传达的优势和价值的人类意图预测包装合作任务。定性结果表明，如何预测人类的达到意图，提高人类与机器人的协作，而不影响安全。定量的任务流畅性指标证实了定性的要求。
2022-05-17 cs.AI cs.HC 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
A behavioural transformer for effective collaboration between a robot and a non-stationary human
University of Edinburgh（爱丁堡大学）；Honda Research Institute Europe（欧洲本田研究院）；The Alan Turing Institute（艾伦·图灵研究所）
本文提出基于元学习框架的行为变换器BeTrans，利用条件变换器处理人机协作中人类行为非平稳性问题，在模拟环境中实现比SOTA更快的适应与有效协作。
2023-07-25 cs.AI cs.LG cs.RO
Doing Right by Not Doing Wrong in Human-Robot Collaboration
University of Freiburg（弗莱堡大学）
随着机器人系统越来越能够在日常生活中帮助人类，我们必须考虑这些人工智能体使人类合作者感到不安全或不公平对待他们的机会。机器人可以表现出对人类造成身体伤害的反社会行为，或者复制不公平的行为，复制甚至放大历史和社会偏见，这对与它们互动的人类有害。在本文中，我们讨论这些问题，考虑社会机器人操作和公平的机器人决策。我们提出了一种学习公平和社交行为的新方法，不是通过复制积极的行为，而是通过避免消极的行为。在这项研究中，我们强调了在机器人操作中融入社会性的重要性，以及在人机交互中考虑公平性的必要性。
2022-02-05 cs.AI cs.LG cs.RO
Human-Robot Collaboration via Deep Reinforcement Learning of Real-World Interactions
Imperial College London（帝国理工学院）
我们提出了一个机器人设置真实世界的测试和评估的人-机器人和人-人的协作学习。利用Soft Actor-Critic算法的样本效率，我们实现了一个机器人平台，该平台能够与人类合作伙伴一起学习非平凡的协作任务，而无需在模拟中进行预训练，并且仅使用30分钟的真实世界交互。这使我们能够通过真实世界的交互来研究人与机器人和人与人的协作学习。我们提出了初步的结果，表明最先进的深度学习方法可以使人机协作学习更接近人类相互交互。
2019-12-02 cs.AI cs.LG 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
Understanding Entrainment in Human Groups: Optimising Human-Robot Collaboration from Lessons Learned during Human-Human Collaboration
University of Nottingham（诺丁汉大学）；Massachusetts Institute of Technology（麻省理工学院）；Cornell University（康奈尔大学）
本文通过混合方法研究双人和三人快节奏重复任务中的夹带特征，提出五项成功夹带特征与三项人机协作设计考量。
2024-02-23 cs.AI cs.HC cs.RO
Adapting Robot's Explanation for Failures Based on Observed Human Behavior in Human-Robot Collaboration
KTH Royal Institute of Technology（皇家理工学院）；Lancaster University（兰卡斯特大学）
本研究通过解读人机协作中人类行为预测用户困惑，构建数据驱动预测器预测困惑，并提出基于该预测器调整机器人故障解释详细程度的机制，以提升协作自然性与效率。
2025-04-13 cs.AI cs.HC 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
Crafting with a Robot Assistant: Use Social Cues to Inform Adaptive Handovers in Human-Robot Collaboration
Monash University（莫纳什大学）；Deakin University（迪肯大学）
本研究在自然手工制作场景中探讨人机交接，通过20名参与者的Wizard-of-Oz实验收集数据并构建FACT HRC数据集，揭示社交线索与任务上下文如何指导交接的时空协调及其对人类活动的影响。
2023-04-05 cs.HC 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
HRC-SoS: Human Robot Collaboration Experimentation Platform as System of Systems
Rochester Institute of Technology（罗切斯特理工学院）
本文提出了一个实验平台，人类机器人协作作为一个系统的系统，以及提出了一个概念框架，描述人类机器人协作的各个方面。这些方面是系统的意识、智能和合规性。基于这个框架的案例研究描述使用这个平台进行的实验设置进行了讨论。每个实验都强调了数字孪生、运动捕捉系统、人体生理监测系统、数据汇集系统和机器人控制和接口系统等子系统的使用。本文的一个亮点展示了一个子系统，能够监测人类的生理反馈，在人类机器人协作任务。
2019-05-03 cs.MA cs.RO
Negotiation-based Human-Robot Collaboration via Augmented Reality
SUNY Binghamton（纽约州立大学宾汉姆顿分校）；OPPO US Research Center（OPPO美国研究中心）
有效的人机协作（HRC）需要人类和机器人队友之间的广泛沟通，因为他们的行为可能会产生冲突，协同作用，或两者兼而有之。我们开发了一种新颖的增强现实（AR）界面，以弥合人类和机器人队友之间的沟通差距。在我们的AR接口的基础上，我们为HRC开发了一个AR介导的基于协商的（ARN）框架。我们已经进行了实验，在模拟和真实的机器人在办公室环境中，多个移动机器人的工作交付任务。这些机器人无法独自完成任务，有时需要人类队友的帮助，因此人机合作是必要的。结果表明，与非AR基线方法相比，ARN显着减少了人类-机器人团队的任务完成时间。
2020-03-13 cs.MA 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
HARMONIC: Cognitive and Control Collaboration in Human-Robotic Teams
Cognitive Science Department（认知科学系）；Department of Computer Science（计算机科学系）；Rensselaer Polytechnic Institute（拉特格斯理工学院）；University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出HARMONIC认知机器人架构，通过集成OntoAgent框架与通用机器人控制系统，融合元认知、自然语言通信和可解释性，在联合搜索任务仿真中实现了人机团队互信、行动协调与决策解释。
2025-07-09 cs.AI cs.MA 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
Enhancing the LLM-Based Robot Manipulation Through Human-Robot Collaboration
Nagoya University（名古屋大学）；The University of Tokyo（东京大学）；National Center for Geriatrics and Gerontology（国立长寿医疗研究中心）
本文提出结合GPT-4高层指令分解、YOLO视觉感知及遥操作与DMP的人机协作方法，使基于LLM的机器人能够通过人类指导高效完成复杂操作任务。
2024-07-01 cs.AI cs.HC 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
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
Goal Inference Improves Objective and Perceived Performance in Human-Robot Collaboration
University of California, Berkeley（加利福尼亚大学伯克利分校）
人机交互的研究是机器人技术在现实世界中应用的基础。机器人需要预测和适应人类合作者的行动，以实现良好的性能，提高安全性和最终用户的采用率。本文评估了一个人机协作方案，结合了任务分配和运动水平的推理：机器人代理使用贝叶斯推理预测下一个目标的人类合作伙伴从他或她正在进行的运动，并重新规划自己的行动在实时的。这种预期的适应在许多实际场景中是可取的，在这些场景中，人类无法或不愿意承担将其意图明确传达给机器人所需的认知开销。一个行为实验表明，目标推理和动态任务规划的组合显着提高了人-机器人团队的客观和感知性能。参与者对机器人行为之间的差异高度敏感，更喜欢与适应他们行为的机器人一起工作。
2018-02-06 cs.AI cs.HC cs.RO
Getting to Know One Another: Calibrating Intent, Capabilities and Trust for Human-Robot Collaboration
National University of Singapore（新加坡国立大学）
共同的经验表明，相互了解的代理人能够更好地合作。在这项工作中，我们解决了人机协作中校准意图和能力的问题。特别是，我们专注于机器人试图帮助无法直接传达其意图的人类的场景。此外，两个代理可能具有彼此未知的不同能力。我们采用了决策理论的方法，并提出了TICC-POMDP建模这种设置，与相关的在线求解器。实验表明，我们的方法导致更好的团队表现，无论是在模拟和现实世界的研究与人类受试者。
2020-08-03 cs.AI cs.HC cs.MA
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
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
