XiaoMi-AI文件搜索系统
World File Search Systemhumanoid
基于分布式触觉传感器的人形机器人的全身多接触运动控制
摘要 - 为了使人形机器人能够在共有的环境中稳健地工作，多接触运动不仅在四肢（例如手脚），而且在四肢的中间区域（例如膝盖和肘部）的中间区域进行接触。我们开发了一种实现这种全身多接触运动的方法，该运动涉及人形机器人在中间区域的接触。可变形的板状分布式触觉传感器安装在机器人四肢的表面上，以测量接触力，而无需显着改变机器人体形。较早开发的多接触运动控制器（专门用于肢体接触）扩展以处理中间区域的接触，并且机器人运动通过反馈控制稳定，不仅使用力/扭矩传感器，还可以使用分布式的触觉传感器来稳定。通过对Dynamics模拟的验证，我们表明，开发的触觉反馈提高了全身多接触运动的稳定性，以防止干扰和环境错误。此外，寿命大小的人形RHP kaleido展示了全身多接触运动，例如向前走，同时通过前臂接触支撑身体，并在坐着的姿势和大腿接触中平衡姿势。
文章对现实人形机器人中体现人工智能和外观的用户偏好进行建模
摘要：具有具身人工智能 (EAI) 的逼真人形机器人 (RHR) 在社会中具有广泛的应用，因为人脸是最自然的交流界面，人体是穿越地球人造区域的最有效形式。因此，开发具有高度人性化的 RHR 为人类提供了一个栩栩如生的容器，使人类能够以任何其他形式的非生物人类模拟无法超越的方式与技术进行物理和自然的交互。本研究概述了一项人机交互 (HRI) 实验，该实验采用了两个具有对比外观和个性的自动化 RHR。本研究中使用的选择性样本组由 20 个人组成，按年龄和性别分类以进行多样化的统计分析。皮肤电反应、面部表情分析和人工智能分析允许对生物特征和人工智能数据与参与者证词进行交叉分析，以具体化结果。这项研究的结论是，年轻的测试对象更喜欢外表年轻的 RHR 的 HRI，而年龄较大的测试对象更喜欢外表年长的 RHR。此外，女性测试组更喜欢外表年轻的 RHR 的 HRI，而男性测试对象更喜欢外表年长的 RHR。这项研究对于为具有 EAI 的 RHR 的外表和个性建模很有用，这些 RHR 适合特定的工作，例如照顾老人和为年轻、孤立和弱势群体提供社交陪伴。
从自然互动和大型语言模型中对人形机器人行为的增量学习
摘要 - 自然语言对话框是直观人类机器人相互作用的关键。，它不仅可以用来表达人类的意图，而且可以传达改进的指示，如果机器人无法正确理解命令。非常重要的是，将机器人赋予以渐进的方式从这种互动经验中学习的能力，以使他们能够改善自己的行为或避免将来犯错。在本文中，我们提出了一个系统，以从自然相互作用中实现复杂行为的增量学习，并证明其在人形机器人上的实现。基于最新进展，我们提出了一个系统，该系统基于使LLM能够在交互式控制台中生成Python语句以调用机器人感知和动作的互动式陈述的想法，从而将大型语言模型（LLMS）用于机器人行为的高级编排。通过将人类指示，环境观察和执行结果馈送到LLM，从而封闭了交互环路，从而告知下一个陈述的生成。具体来说，我们引入了增量提示学习，这使系统能够从错误中进行交互学习。为此，LLM可以将另一个负责基于人类反馈的当前交互的LLM调用。然后将改进的交互作用保存在机器人的内存中，从而在类似的请求中检索。我们将系统集成到人形机器人ARMAR-6的机器人认知结构中，并通过证明广义的渐进学习知识来定量（模拟）和定性（模拟和现实世界中）评估我们的方法。
利用可变自然环境脑机接口刺激实现人形机器人实时导航
摘要 — 本文通过脑机接口 (BCI) 解决了在室内自然环境中人形机器人远程操作的挑战。我们利用基于深度卷积神经网络 (CNN) 的图像和信号理解来促进实时物体检测和基于干脑电图 (EEG) 的人类皮层大脑生物信号解码。我们利用干脑电图技术的最新进展来传输和收集受试者的皮层波形，同时他们注视机器人正在导航的环境直接产生的可变稳态视觉诱发电位 (SSVEP) 刺激。为此，我们建议使用新的可变 BCI 刺激，利用通过机载机器人摄像头传输的实时视频作为 SSVEP 的视觉输入，其中 CNN 检测到的自然场景物体会以不同的频率 (10Hz、12Hz 和 15Hz) 发生改变和闪烁。这些刺激与传统刺激不同，因为闪烁区域的尺寸及其在屏幕上的位置都会根据检测到的场景物体而变化。通过这种基于干脑电图的 SSVEP 方法进行屏幕上的物体选择，有助于通过专门的二级 CNN 将人类皮层大脑信号直接在线解码为遥控机器人命令（接近物体，朝特定方向移动：向右、向左或向后）。该 SSVEP 解码模型是通过先验离线实验数据进行训练的，其中所有受试者的视觉输入都非常相似。在跨多个测试对象的实时机器人导航实验中，最终的分类表现出高性能，平均准确率为 85%。
设计和实施17个DOF类人生物机器人以执行各种人类运动和监视
“为人类运动和监视的17 DOF类人生物机器人的设计和实施”项目引入了一个多功能的类人动物机器人，该机器人将娱乐和安全功能结合在一起。该创新的机器人配备了17度的自由度（DOF），为其提供了复制各种人类运动并用作监视工具的灵活性。机器人的硬件组件包括伺服电机，自定义机器人框架，Arduino微控制器，Nodemcu和ESP32CAM模块，用于监视功能。ESP32CAM允许实时视频流和监视。它旨在提高安全性，可以远程控制以帮助通过实时视频提要提供视觉反馈。机器人的附加功能是通过激活手电筒来照亮其周围环境，在弱光情况下提供帮助。在类似人类运动的领域，机器人能够复制各种行动，例如步行，挥舞等等。此功能提供了有趣的元素，并突出了机器人在交互式设置中的潜力。此外，包含一个被动红外（PIR）传感器允许机器人有效地检测人类的存在和运动。它可以通过传输警报，适合于家庭或办公室的监视或协助各种安全相关申请来响应人类活动。“ 17 DOF类人生物机器人的设计和实施
技术协助的日记写作，用于改善学生的心理健康：人形机器人与语音助手
对话剂具有改善学生福祉的潜力，同时协助他们进行自我披露的活动，例如日记。他们的体现可能会影响学生披露的内容，以及他们如何披露这一点，以及学生对披露活动的整体遵守。但是，在代理辅助期刊写作背景下实施的效果尚未被研究。因此，本研究旨在调查使用社会机器人（SR）和语音助手（VA）的生存能力，以引起期刊写作中丰富的披露，这会有助于随着时间的推移的心理健康状况提高。四十二名本科和研究生参加了研究，该研究评估了情绪的变化（通过短暂的情绪内省量表，BMIS），主观自我披露水平（通过主观的自我披露问题 - NAIRE，SSDQ）和对代理商（通过Robot Socorial Attributes Scale，Ross scale scale scale and noss agent）（SSR或va witter）（SR或VA）的感知（SSDQ）（SR或VA）。结果表明，只有在机器人条件下，情绪改善，较高的披露水平和随着时间的推移在技术辅助期刊写作中的积极看法。我们的结果表明，机器人辅助期刊写作对语音助手的一定程度有所了解，以引起丰富的披露，从而有助于随着时间的推移学生的心理健康状况改善。
人们是否有可能对人形机器人产生同情心并与它们建立有意义的关系？
换句话说，情感同理心使个人能够受到他人情绪的影响，以帮助对自己的情绪和对话者的情感，这使他们能够对室友的思想和情感状态产生心理表达（Leite等，2013）。同理心是一个极具适应性和多才多艺的过程，可以在各种环境中进行社交行为。尽管可以将其视为人类的特定特征，但同情带来的亲社会行动有时可能受到外部环境的约束。Hoffman（2001）表明，对同理心的限制源于两个主要因素：同理心和人际际交往动力学之间的同理心和同理心目标之间的人际交往动力学。同理心的过度谨慎，如果遇险的迹象异常强烈；在这种情况下，移情的关注转移到了个人困扰状态。此外，观察者与移情对象之间关系的性质显着塑造了观察者采取的亲社会行为的形式。例如，与陌生人相比，人们更有可能与朋友和亲戚同情（Krebs，1970）。可以通过个人特征或情境环境来调节移情反应（De Vignemont and Singer，2006年）。
识别人类和人类物理参数Jovana Jovic，Eiichi Yoshida（日本AIST），Gentiane Venture（日本TUAT）
对类人动作和人类运动的动力学和运动学分析需要对段质量参数（质量，质量中心和惯性基质）进行准确估算，并且它们的误解可能会导致估计的关节运动学的显着差异。在机器人技术领域中，已经开发了几种方法，用于基于双足体系统动态方程的线性特性，以相对于一组质量参数。本演讲将重点介绍有关该主题最新研究的方法。将给出人类和类人形机器人质量参数估计的示例。确定的质量参数改善了人类动态分析的输出和人形模拟和基于模型的控制。
Tairan He
CONFERENCE PROCEEDiNGS [C15] HOVER: Versatile Neural Whole‑Body Controller for Humanoid Robots.Tairan He*, WenliXiao*, ToruLin, ZhengyiLuo, ZhenjiaXu, ZhenyuJiang, JanKautz, ChangliuLiu, GuanyaShi, Xiaolong Wang, Linxi “Jim” Fan † , Yuke Zhu † ICRA , 2025 [Paper] [C14] OmniH2O: Universal and Dexterous Human‑to‑Humanoid Whole‑Body Teleoperation and Learning.Tairan He*, Zhengyi Luo*, Xialin He*, Wenli Xiao, Chong Zhang, Kris Kitani, Weinan Zhang, Changliu Liu, Guanya Shi.CoRL , 2024 [Paper] [C13] WoCoCo: Learning Whole‑Body Humanoid Control with Sequential Contacts.Chong Zhang*, Wenli Xiao*, Tairan He, Guanya Shi.CoRL ( Oral ), 2024 [Paper] [C12] Learning Human‑to‑Humanoid Real‑Time Whole‑Body Teleoperation.Tairan He*, Zhengyi Luo*, Wenli Xiao, Chong Zhang, Kris Kitani, Changliu Liu, Guanya Shi IROS , 2024 ( Oral ) [Paper] [C11] Progressive Adaptive Chance‑Constrained Safeguards for Reinforcement Learning.Zhaorun Chen, Binhao Chen, Tairan He, Liang Gong, Chengliang Liu.IROS , 2024 [Paper] [C10] Agile But Safe: Learning Collision‑Free High‑Speed Legged Locomotion.Tairan He*, Chong Zhang*, Wenli Xiao, Guanqi He, Changliu Liu, Guanya Shi.RSS , 2024 ( Outstanding Student Paper Award Finalist ‑ Top 3 ) [Paper] [C9] Safe Deep Policy Adaptation.Wenli Xiao*, Tairan He*, John Dolan, Guanya Shi.ICRA , 2024 [Paper] [C8] State‑wise Safe Reinforcement Learning: A Survey.Weiye Zhao, Tairan He, Rui Chen, Tianhao Wei, Changliu Liu.IJCAI (Survey Track) , 2023.[Paper] [C7] Probabilistic Safeguard for Reinforcement Learning Using Safety Index Guided Gaussian Process Models.
设计有效的软件工具，用于控制真人大小的人形机器人卡尔加里动力学| 500-GE2 Logan Jones，Ryan Huynh，Nour Jaffan，Fran
我们的项目旨在实现这些想法：改善安全性：我们的项目通过给机器人更好的感官和平衡来使危险环境更安全，从而降低了人工工人的风险。对人类的风险较小：随着我们的升级，人类不必再做危险的任务了。机器人承担风险，确保人们的安全。更容易的遥控器：我们的项目使操作员可以从远处控制机器人，因此他们可以在危险的地方完成工作时保持安全。