Mar, 2024

走向以人为中心的建筑机器人：基于强化学习驱动的辅助木工机器人

PDF
TL;DR本研究介绍了一种以人为中心的方法，通过设计一个 “工作伴侣漫游者” 来辅助建筑工人在他们现有的工作实践中，旨在提升安全性和工作流程的流畅性，同时尊重建筑劳动的技能特点。我们通过一个基于上下文强化学习（RL）驱动的模块化框架展示了在木工模板工程中部署机器人系统的深入研究，强调了在动态环境中机器人的流动性、安全性和舒适的工人与机器人的合作。我们的研究推动了建筑中机器人应用的发展，倡导一种协作模式，即适应性机器人支持而不是替代人类，突显了互动和协作的人机工作力量的潜力。
发现论文，激发创造
  • 现场施工工作中，自然语言指令与机器人助手直观人机交互

    该论文提出了基于自然语言指令的人机交互框架，通过自然语言理解、信息映射和机器人控制等模块，实现了人工建筑工人与机器人的可靠沟通，为克服建筑工作中的复杂性和不确定性问题提供了潜在的解决方案。

    Jul, 2023

  • 实际人机协作强化学习

    本研究通过一个协同迷宫游戏设计，用深度强化学习技术实现了人机共同协作。研究结果证明人机共同协作相互影响，在时间的推进下不断适应并建立起相应策略，这为人机智能的协作提供了可行的方案。

    Mar, 2020

  • 适用于协助车间任务的灵活人机合作模型

    本文提出了一种名为 FlexHRC 的传感、表示、规划和控制架构，可用于人机灵活协作，以便制造业从协作机器人的关键好处中获益。该架构依赖于可穿戴传感器用于人类动作识别，AND/OR 图用于表示和推理合作模型，以及任务优先框架用于将动作计划与机器人运动规划和控制分离。

    Jul, 2017

  • 积极的人机协作组装：利用人类意图预测和稳健安全控制

    本文介绍了一种集成框架，用于支持主动的人机协作，并解决了数据稀缺、人员行为多样、交互安全不确定等问题。实验表明，该框架在 Kinova Gen3 机器人的组装任务中，能有效地提高任务效率，以及确保主动协作的安全性。

    Jun, 2023

  • 使用模仿学习和力控制的可普适的人机协作装配

    本文介绍了一种基于演示学习和姿态估计的人机协作装配系统，使机器人能够适应于人类操作中的不确定性，我们的实验表明，系统能成功地适应于不同的目标位置。

    Dec, 2022

  • 从 CAD 学习机器人装配

    以制造业的最新趋势为背景，研究了自主机器人装配的问题。提出一种利用几何运动规划作为先验知识来引导强化学习的方法，以实现高精度的装配任务。同时，还提出了一种能够学习运动规划并将控制器推广到物体位置变化的神经网络架构。

    Mar, 2018

  • 增强人机协作的扩展现实技术：人为循环方法

    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

  • 建筑智能协作机器人的信任：定性实证分析

    通过分析与建筑从业者的半结构化访谈结果，本文探讨了建筑中值得信赖的人工智能驱动协作机器人的特征。研究发现，尽管先前作者们进行的系统文献综述识别出的关键信任因素得到了领域专家和最终用户的共鸣，但财务考虑因素和由于变革带来的不确定性也是阻碍人们信任建筑中的人工智能驱动协作机器人的重要障碍。

    Aug, 2023

  • 一种人性化安全的机器人强化学习框架，具有交互行为

    本文提出人机协作的安全机器强化学习框架，包含安全探索，安全价值对齐，以及安全协作三个阶段，并探讨了机器强化学习中交互行为的四个技术挑战。

    Feb, 2023

  • 人机协作过程的分层架构

    本文提出 FlexHRC + 用于高度可变的工厂任务中提供协作机器人更高的自主性，包括三个层次的感知、表示和行动，并在家具组装和物体定位任务中展开了实验。

    Sep, 2020