该论文介绍了在复杂的长期实际情境下，人工智能技术对于自主机器人实现长期自主的重要性，综述了各个子领域中研究的技术及其在长期机器人自主方面的应用，讨论了当前集成各项技术的进展、未来挑战和机遇。

Jul, 2018

STRANDS 项目将人工智能和机器人技术融合到移动服务机器人中，并将这些系统部署在长期的安保和护理环境中，实现长期自主化操作并持续改进性能。

Apr, 2016

文章提出了利用认知结构生成模型的方式，以模型为基础的工程和可证明的可靠性、自主计算和知识启用机器人学来获得认证可靠性的自治机器人的可证明可靠性可以受益于几种认知功能，知识处理，推理和元论证的集成的形式化模型。

Jul, 2022

本文介绍了一种基于机器人学习的新框架 ——Sirius，通过人机分工实现了安全部署和复杂任务的有保障合作，并且利用了一种新的学习算法 —— 基于加权行为克隆技术，在模拟环境和真实硬件上均表现出色。

Nov, 2022

本文提出了一个名为 SOLA 的框架，旨在促进构建具有自主和持续学习能力的人工智能代理的研究，该框架能够自主地检测、适应和学习未知情况，并且描述了一个实现的代理来证明其可行性。

Mar, 2022

自主手术涉及让机器人自主执行手术任务，具有提高精度、利用生物信号进行干预护理、提高手术效率和指导的优点。但是，这些方法可能取代一些手术团队和单个外科医生的任务，同时也带来了新的干预能力。本章节概述商业和研究中机器人自主性的现状，并介绍了开发自主手术机器人所面临的一些挑战。

Jul, 2017

提出了一个新颖的机器人终身学习问题模型，通过对任务和运动规划（TAMP）的学习利用模块化的方法设计生成混合模型，并根据辅助任务确定在线上使用共享或非共享模型，解决了数据如何在任务模型之间共享的问题。该方法在 2D 领域的模拟和 BEHAVIOR 基准测试中的实验中均实现了显著的规划成功率提升。

Jul, 2023

这篇论文介绍了连续学习的概念和机器学习中面临的挑战，提出了在自主体或机器人中使用连续学习以适应环境和优化学习过程的方法，并介绍了现有的基准和度量标准，并提出了一种框架来评估这些方法的有效性。

Jun, 2019

我们结合了持续学习、语义推理和交互式机器学习的思想，并通过人机交互开发了一种新型的交互式持续学习架构，用于在家庭环境中不断学习语义知识。我们将该架构与一个物理移动机器人集成，并在实验室环境中进行了两个月的广泛系统评估。结果表明，我们的架构能够使物理机器人能够根据用户提供的有限数据不断适应环境的变化，并利用所学知识执行物体获取任务。

Mar, 2024

本论文提出一种基于无标注训练数据的方法，结合深度动作条件视频预测模型和模型预测控制，使真实机器人能够进行非抓取操作，比如推动物体，并且可以处理训练过程中没有出现过的新物体。

Oct, 2016