自动化行业、机器人操纵器臂、机器学习方法、实际操纵任务和机器学习应用是该论文的关键词，并对最近的发展趋势进行了综述。

Sep, 2023

通过提供前馈多模态反馈，使用更新的 ADMC 建议，使用户能够实时比较当前和建议的映射，我们通过对比两种新方法的有效性，即 a) 不断推荐更新的 DoF 组合，或者 b) 在当前机器人运动和新建议之间使用离散阈值，在 Virtual Reality (VR) 面对面研究中与经典控制方法进行比较，降低了任务完成时间，减少了模式切换次数，显著降低了感知的工作负荷，证明了在前馈的情况下，ADMC 方法可以超越经典模式切换。连续和阈值之间没有明显的定量差异表明以用户为中心的定制选项的重要性，将这些影响纳入开发过程将提高可用性，对成功实施具有高用户接受度的机器人技术至关重要。

Jul, 2023

通过整合人工智能 / 机器学习（AI / ML）和数字孪生（DT）技术，工业 4.0 见证了复杂机器人的崛起。本文调查了针对 AI 和 DT 模型启用机器人的隐私攻击。讨论了 ML 模型的渗透和数据泄露，以及从一阶模型（如基于物理的模型）中提取模型的潜在能力。我们还讨论了 DT 集成机器人的设计考虑，涉及 ML 模型训练、负责任的 AI 和 DT 保障、数据治理和道德考虑对这些攻击的有效性的影响。我们主张一个可信的自治途径，强调将机器人、人工智能和数字孪生技术与强大的道德框架和可靠性原则相结合，以实现安全可靠的 AI 机器人系统。

Jun, 2024

本文旨在利用 PRISMA 的方法对使用数据驱动的方法提高冷轧机多故障诊断的工业旋转机器进行系统文献综述，涉及传感器选择、数据获取、特征提取、多传感器数据融合等方面，探讨人工智能技术的应用及其面临的主要挑战和研究空白，并提出了未来研究的方向。

May, 2022

本文综述了使用不同类型的机器学习方法检测和诊断各种类型的机械故障的文章，突出了其优势和限制，回顾了用于基于条件的分析的方法，全面讨论了现有的机械故障数据集，并介绍了未来研究人员在使用这些方法进行 MFD 时可能遇到的挑战，并推荐可能的解决方案，同时指出了未来的研究前景，以促进该领域的进一步发展。

May, 2024

提出了一种基于智能容错控制策略的水下载具轨迹跟踪问题的解决方案，该策略采用改进的反步法和滑模控制来解决物理约束条件下的舵机饱和问题，并基于 Grasshopper 优化算法来解决推进器故障的力量缺失问题，仿真结果表明该方案具有很好的鲁棒性和有效性。

Jan, 2023

人工智能和大型语言模型的快速发展使其融入各个领域，尤其是在人工智能生成的内容方面显著提高了能力。本研究通过系统分析 160 篇论文和资料库，对人工智能系统六个层面上现有的故障分析和故障注入方法进行了综述，探讨了目前 AI 系统存在的故障、当前故障注入工具能够模拟的故障类型，以及模拟故障与真实故障之间的差距。此外，本综述为故障诊断提供了一个框架，评估了故障注入技术的最新进展，同时也识别出了提升 AI 系统韧性的改进领域。

Jun, 2024

制造业中的深度学习模型的不透明性对故障检测和诊断构成了重要挑战。本文对可解释人工智能（XAI）的工具和技术进行了综述，探讨了各种 XAI 方法在增加人工智能决策透明度方面的作用，特别是在涉及人类的关键情景中。同时，我们还讨论了当前的局限性以及未来潜在的研究，旨在在改善信任度的同时平衡可解释性与模型性能，以应用于关键工业用例的人工智能应用。

Apr, 2024

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

通过虚拟现实控制器提供直观且经济的任务演示方法，结合动作块划分和变量合规性控制的方法，提高了刚性机器人的灵活适应性和安全性。

Jun, 2024