Mar, 2024

带有手势响应和音乐伴奏的交互多机器人集群

PDF
TL;DR本研究提出了一种新颖的多机器人任务，主要目标是吸引和引起兴趣。研究团队创建了机器人运动算法和互动模式，例如手势和声音，并进行了一项实验以了解人类与机器人群体的互动行为。结果显示，体验的感知不受权重模式选择的影响。该研究拓宽了多机器人任务的领域，并展示了不同任务目标，如参与性在多机器人系统设计和执行中的体现。
multi-robot systemsengagementrobot movementsinteraction modesflocking behavior
发现论文，激发创造
  • 基于语音识别的工具传递中的动态手势特征人机适应

    基于手势识别和动态动作识别的人机协作框架在 UR5e 机器人平台上展示出卓越的性能，提供了高效的工具传递，同时不显著干扰人类意图。

    Sep, 2023

  • 基于注意力机制深度强化学习的众人机交互：众人感知的机器人导航

    本文提出一种注意力机制的深度强化学习模型，能够更好地模拟拥挤场景下的人机交互问题，包括人与人的交互作用，实验结果表明该模型优于现有方法。

    Sep, 2018

  • Motron: 多模态概率人体运动预测

    论文提出了 Motron 模型，一种用于人机交互中的多模态运动预测的概率图结构模型，并在现实场景中的多个数据集中验证了其在运动预测方面的优越性。

    Mar, 2022

  • 移动机器人物体操作的集体智能

    通过将基于梯度的软体物理模拟器的规划器提炼成基于注意力机制的神经网络，我们的多机器人操作系统在适应环境变化、处理任务时表现更好，并且可以应用于训练中未见过的配置。

    Nov, 2022

  • 多目标强化学习：挑战机器人环境与研究请求

    介绍了一组具有挑战性的连续控制任务，并提出了许多改进强化学习算法的研究思路。

    Feb, 2018

  • 利用增强现实技术和手势控制实现直观的人机协作

    通过增强现实和基于手势的系统，支持直观的人机合作并改善信息交换，以实现人机团队合作在服务任务中的现实应用，并为自主 HRI 系统的未来开发、实验提供指导。

    Sep, 2019

  • 利用人类反馈在机器人群体中演化和发现新兴行为

    提出了一种利用自我监督学习和人机交互查询自适应用户偏好的相似度空间来探索并分类可能出现的集群行为的方法，并在两个机器人能力模型的模拟实验中测试，发现该方法比之前的工作更能发现出丰富的集群行为。

    Apr, 2023

  • 通过竞争性人机交互促进身体活动

    本项目通过引入多智能体强化学习，创造了一款竞争人类的机器人选手 - Fencing Game，评估了机器人选手的能力和用户体验，用户研究发现它能够持续创造具有挑战性和愉悦性的交互，能有效增加人体心率，被绝大多数受试者认为是有趣且能提升锻炼质量的系统。

    Feb, 2022

  • 人机协作任务分配的计算人体工学：利用非接触手势识别实现机器人对人类的时空自适应

    本文探讨在制造应用中优化人机协作（HRC）框架以解决工作相关肌肉骨骼疾病（WMSDs）的高患病率，并提出两个假设：通过动作数据从重要的传感器中量化专业任务，将最危险的任务分配给协作机器人；通过包括手势识别和空间适应来提高 HRC 方案人体工效学并减少运营商肌肉骨骼搬运的身体努力。本文在电视制造过程中进行了 HRC 场景优化，并训练了一个基于深度学习的手势识别模块。

    Mar, 2022

  • 使用 NEAT 算法学习机器人群体的新兴行为

    通过进化算法训练分布式机器人群体算法以产生新兴行为，并在不同模式的操纵下进行了模拟实验和评估。

    Sep, 2023