本研究评估了一种专门针对上肢障碍人群的自适应自由度控制方法，在逼真的日常任务环境中，通过 24 名参与者进行 81 次试验，使用三种不同的输入设备进行了受试间分析。研究主要关注主观定性数据，结果显示不论使用哪种输入设备，试验完成率始终高，参与者对研究过程表示赞赏，展现了积极的态度和对控制系统的快速适应能力。值得注意的是，每个参与者都能在短时间内有效地完成所给任务。

Jun, 2024

本文提出了一种计算方法以改进用户体验和性能。研究者设计了一种模型用于模拟用户交互，该模型考虑了认知和运动成本，以全面地评估用户界面的调整以及向用户提供最佳建议。

Apr, 2022

论文探讨了如何将人工智能集成到共享控制范式中，特别关注了人与机器人之间接口的要求和如何在显著减少心理负担和所需的运动技能的同时保持人的参与。

Jun, 2023

通过将机械手臂整合到辅助机器人的已建立的 XR 框架中，通过评估三种不同的输入设备，为未来的发展提供经验证据，这项研究探索了在日常生活活动中与运动障碍个体的家庭护理密不可分的机械手臂，并通过初步研究提供了实证见解。

Jan, 2024

使用视觉、用户意图推断和人机共同控制的框架，旨在解决机器人远程操作系统中的挑战，同时缓解大脑 - 计算机接口下的噪音和错误低维度运动指令问题。我们使用共同控制辅助框架对两个使用了颅内脑机接口的受试者进行实验，并取得了显着的性能提升，在门的开启、从容器中倒液体和在密集且杂乱的环境中使用新型物品等任务中进一步展示了我们架构的可扩展性。

Mar, 2015

我们的研究旨在通过一套合理的人机相互适应形式化方法，将有限记忆人类的行为方式融入到部分可观测的随机决策模型中，以改善人机团队的表现并保留对机器人的信任。

Jan, 2017

自动化的崛起为制造过程的高效性提供了机会，但往往会损害灵活性，无法及时响应市场需求的变化和对定制化的需求。人机协作通过结合机器的强大和精确性以及人类的智慧和感知能力来解决这些挑战。本文概念化和提出了一个基于机器学习的自主机械臂的实施框架，该框架包括人机循环原则，并利用扩展现实（XR）促进人与机器之间的直观交流和编程。此外，概念框架预见到人类直接参与机器学习过程，从而实现更高的适应性和任务通用化。本文突出强调支持所提出框架的关键技术，强调全面发展数字生态系统的重要性。此外，我们回顾了扩展现实在人机协作中的现有实施方法，展示了多样的观点和方法论。讨论了挑战和未来展望，深入探讨了扩展现实在工业领域实现更自然的人机交互和融合的主要障碍和潜在研究方向。

Mar, 2024

本文通过深度强化学习模型，针对转移到真实场景中遇到的困难，提出了学习可以在人形机器人手上进行灵巧操作的策略和一个稳健的姿态估计器。通过在仿真环境中训练的策略，实现了在不同环境下的适应性，并得出了比最佳视觉策略更好的结果，同时在多种硬件和仿真设置中进行了模拟实现，为后续研究提供了方便、低成本的机器人手和摄像机。

Oct, 2022

本研究提出一种通过 Hololens 2 控制 Boston Dynamics 的 Spot 机器人的新方法，该方法主要面向残障人士，用户可以通过眼神追踪和头部动作追踪等技术来控制机器人的运动和机械臂的姿势，与传统的操纵杆控制方法相比具有更好的用户体验和时间效率。

Jun, 2023

提出在商用虚拟现实界面下对工业机器人进行远程操作的问题，为此，提出了一个简化的过滤方法来处理命令信号，以便在熟练掌握虚拟现实界面的情况下对工业机器人进行远程操作，这一方法已在多种接触丰富的操作任务中得到了证明

May, 2023