机器人 / 具身智能

Gated Uncertainty-Aware Runtime Dual Invariants for Neural Signal-Controlled Robotics

门控不确定性感知的实时双不变量框架用于神经信号控制的机器人

Tasha Kim, Oiwi Parker Jones

机构 * Oxford Robotics Institute (ORI)（牛津机器人研究所） ； Department of Engineering Science（工程科学系） ； University of Oxford（牛津大学） 纠错

专题命中 人机交互与遥操作 ：robotics(title,abstract)；分类 cs.RO、cs.AI、cs.LG；robotic(comments)

AI总结 GUARDIAN通过结合校准置信度的脑信号解码与符号目标接地和双层运行时监控，实现神经信号控制机器人系统的高安全性和可靠性。

Comments Embodied and Safe-Assured Robotic Systems workshop at NeurIPS 2025

How Robot Kinematics Influence Human Performance in Virtual Robot-to-Human Handover Tasks

机器人运动学如何影响虚拟机器人到人类交接任务中的人类表现

Róisín Keenan, Joost C. Dessing

专题命中 人机交互与遥操作 ：robotics(abstract)；robotic(abstract)；分类 cs.RO

AI总结 本研究通过虚拟现实探讨机器人运动学对人类在交接任务中的表现影响，发现机器人提供早期视觉信息和人类样式的轨迹能提升交互准确性。

Interpretable Robot Control via Structured Behavior Trees and Large Language Models

通过结构化行为树和大语言模型实现可解释的机器人控制

Ingrid Maéva Chekam, Ines Pastor-Martinez, Ali Tourani, Jose Andres Millan-Romera, Laura Ribeiro, Pedro Miguel Bastos Soares, Holger Voos, Jose Luis Sanchez-Lopez

机构 * Automation and Robotics Research Group (ARG), Interdisciplinary Centre for Security, Reliability, and Trust (SnT), University of Luxembourg（自动化与机器人研究组（ARG）、安全、可靠性与信任跨学科中心（SnT）、卢森堡大学） 纠错

专题命中 人机交互与遥操作 ：robotic(abstract)；分类 cs.RO、cs.AI、cs.LG

AI总结 本文提出结合大语言模型与结构化行为树的方法，实现机器人对自然语言指令的可解释执行，提升人机交互的实用性与适应性。

Comments 15 pages, 5 figures, 3 tables