AI视野·今日CS.Robotics 机器人学论文速览
Wed, 18 Oct 2023
Totally 17 papers
👉上期速览✈更多精彩请移步主页

Daily Robotics Papers

Underwater and Surface Aquatic Locomotion of Soft Biomimetic Robot Based on Bending Rolled Dielectric Elastomer Actuators Authors Chenyu Zhang, Chen Zhang, Juntian Qu, Xiang Qian 总的来说，微型软机器人在水环境中的实时导航和传感是有前途的，因为它们具有体积小、灵活性高和对非结构化环境的良好顺应性等优点。在本文中，我们提出并演示了一种类似蝠鲼的软水生机器人，该机器人通过使用具有弯曲运动的卷状介电弹性体致动器 DEA 拍动鳍来推动自身。该机器人在电源电压为 1300 V、17 Hz 时，表现出快速移动能力：以 57mm s 或每秒 1.25 体长 BL s 的速度游泳，以 64 mm s 1.36 BL s 的速度在水面滑行，以 38mm s 0.82 BL s 的速度垂直上升。 。

Towards Operationalizing Social Bonding in Human-Robot Dyads Authors Imran Khan 随着社交机器人作为长期辅助和协作伙伴的使用势头不断增强，人类与这些人工智能代理建立社会联系似乎是不可避免的。在人类二元关系中，社会联系在调节行为、情绪甚至健康方面发挥着强大的作用。如果要将这种情况扩展到人类机器人二人组，则必须更好地理解这种关系的现象学，包括它们的出现和稳定性。在本文中，我们讨论了实现人类机器人二人组之间的社会联系现象的潜在方法。我们将讨论一些社会联系的生物行为代理，摆脱使用主观、心理测量的现有方法，而是将我们的方法立足于自然系统中社会联系形成的一些进化、神经生物学和生理相关性以及生理学的减少。强调社会缓冲现象，b 两人之间空间接近度的缩小，c 两人之间的行为同步。我们为每个提出的组件提供相关的进化支持，并就如何在实时人机交互场景中记录它们提供建议和考虑。

3D Force and Contact Estimation for a Soft-Bubble Visuotactile Sensor Using FEM Authors Jing Chen Peng 1 , Shaoxiong Yao 1 , Kris Hauser 1 1 Department of Computer Science at the University of Illinois at Urbana Champaign, Urbana, Illinois, USA. 软气泡触觉传感器有潜力捕获大接触面上的密集接触和力信息。然而，很难通过观察气泡表面直接提取接触力，因为局部接触由于膜力学和气压而显着改变了整体表面形状。本文提出了一种基于模型的方法，从气泡传感器的内部 RGBD 相机和气压传感器重建密集接触力。我们提出了气泡传感器力响应的有限元模型，该模型使用线性平面应力近似，仅需要校准 3 个变量。

Signal Temporal Logic-Guided Model Predictive Control for Robust Bipedal Locomotion Resilient to Runtime External Perturbations Authors Zhaoyuan Gu, Rongming Guo, William Yates, Yipu Chen, Ye Zhao 本研究研究了基于形式化方法的双足运动轨迹优化 TO，重点关注机器人在不可预见的时间遇到​​外部扰动的场景。

Humanising robot-assisted navigation Authors Placido Falqueto, Alessandro Antonucci, Luigi Palopoli, Daniele Fontanelli 机器人辅助导航是需要灵活控制方法的一类应用的完美示例。当人类可靠时，机器人应该为人类的主动性让出空间。当人类做出不适当的选择时，机器人控制器应该引导他们走向更安全的路径。共享权限控制是通过在线决定应给予人类多少权限以及机器人应保留多少权限来实现此行为的一种方法。一个悬而未决的问题是如何评估人类选择的适当性。一种可能的方法是考虑与机器人计算的理想路径的偏差。这种选择当然是安全和高效的，但它强调了机器人决策的重要性，并将人类降级为次要角色。在本文中，我们提出了一种不同的范式，如果人类的行为在任何时候都与其他人类在类似情况下的行为非常相似，那么它就是正确的。这个想法是通过机器学习和自适应控制的结合来实现的。环境地图被分解为网格。在每个细胞中，我们对人类可能执行的动作进行分类。我们使用神经网络分类器对当前运动进行分类，并将概率得分用作控制中的超参数来改变干预量。本文收集的实验表明了该想法的可行性。

Sim-to-Real Transfer of Adaptive Control Parameters for AUV Stabilization under Current Disturbance Authors Thomas Chaffre, Jonathan Wheare, Andrew Lammas, Paulo Santos, Gilles Le Chenadec, Karl Sammut, Benoit Clement 基于学习的自适应控制方法的前提是使自主代理能够以最少的人为干预来减少过程变化的影响。然而，其在自主水下航行器 AUV 中的应用迄今为止受到限制，因为 1 海流扰动形式下的未知动力学，由于传感器能力有限，我们无法正确建模或测量；2 AUV 任务的非线性，其中控制器响应在某些工作点必须过于保守才能满足其他工作点的规范。深度强化学习 DRL 可以通过训练通用神经网络策略来缓解这些限制，但由于其固有的高样本复杂性和分布偏移问题，DRL 算法在 AUV 上的应用仅限于模拟环境。本文提出了一种新颖的方法，将最大熵深度强化学习框架与基于经典模型的控制架构相结合，以制定自适应控制器。在此框架内，我们引入了从模拟到真实的传输策略，包括以下组件：生物启发的体验重放机制、增强的域随机化技术以及在物理平台上执行的评估协议。

SICNav: Safe and Interactive Crowd Navigation using Model Predictive Control and Bilevel Optimization Authors Sepehr Samavi, Florian Shkurti, Angela P. Schoellig 机器人需要预测人类的动作并做出反应，才能在人群中导航而不发生碰撞。许多现有方法将预测与规划脱钩，这没有考虑机器人和人类运动之间的相互作用，并可能导致机器人陷入困境。我们提出了 SICNav，一种模型预测控制 MPC 方法，可以在闭环中联合求解机器人运动和预测人群运动。我们对人群中的每个人进行建模，使其遵循最佳相互碰撞避免 ORCA 方案，并将该模型作为约束嵌入到机器人的局部规划器中，从而产生双层非线性 MPC 优化问题。我们使用 KKT 重构将双层问题转化为单层问题，并使用非线性求解器进行优化。我们的 MPC 方法可以影响行人运动，同时明确满足单个机器人多人类环境中的安全约束。我们分析了 SICNav 在模拟环境中的性能，以演示可以影响周围人类的安全机器人运动。

Origami-inspired Bi-directional Actuator with Orthogonal Actuation Authors Shuai Liu, Sheeraz Athar, Michael Yu Wang Origami 为设计创新的软机器人执行器提供了一种有前景的替代方案。虽然折纸的特征，例如双向运动和结构各向异性，在过去没有被广泛探索，但这封信提出了一种受双向致动器折纸管启发的新颖设计。该执行器能够在两个正交方向上移动，并在其整个身体上具有单独的通道来控制每个运动。我们引入了自下而上的设计方法，该方法也适用于其他复杂的运动。该执行器采用流行的 3D 打印技术制造。为了增强其耐用性，我们尝试了不同的 3D 打印技术和材料。使用硅旋涂进一步提高了执行器的强度，我们比较了涂层、未涂层和纯硅样品的性能。材料模型是通过在万能试验机 UTM 上测试样本来凭经验得出的。

Reaching the Limit in Autonomous Racing: Optimal Control versus Reinforcement Learning Authors Yunlong Song, Angel Romero, Matthias Mueller, Vladlen Koltun, Davide Scaramuzza 机器人技术的一个中心问题是如何为敏捷移动机器人设计控制系统。本文系统地研究了这个问题，重点关注具有挑战性的环境下的自主无人机竞赛。我们证明，在这种情况下，经过强化学习 RL 训练的神经网络控制器的性能优于最优控制 OC 方法。然后我们研究了哪些基本因素促成了 RL 的成功或限制了 OC。我们的研究表明，RL 相对于 OC 的根本优势不是它更好地优化了目标，而是它优化了更好的目标。 OC 通过充当接口的显式中间表示（例如轨迹）将问题分解为规划和控制。这种分解限制了控制器可以表达的行为范围，导致在面对未建模效应时控制性能较差。相比之下，强化学习可以直接优化任务级目标，并可以利用域随机化来应对模型不确定性，从而发现更稳健的控制响应。我们的研究结果使我们能够将敏捷无人机发挥到最大性能，实现超过重力加速度 12 倍的峰值加速度和每小时 108 公里的峰值速度。我们的策略在标准工作站上训练后几分钟内就实现了超人的控制。

Open-Structure: a Structural Benchmark Dataset for SLAM Algorithms Authors Yanyan Li, Zhao Guo, Ze Yang, Yanbiao Sun, Liang Zhao, Federico Tombari 本文介绍了一种新的基准数据集 Open Structure，用于评估视觉里程计和 SLAM 方法，它直接配备点和线测量、对应关系、结构关联和共可见性因子图，而不是提供原始图像。基于所提出的基准数据集，这些2D或3D数据可以直接输入到SLAM管道的不同阶段，以避免消融实验中数据预处理模块的影响。首先，我们提出了一个用于现实世界和模拟场景的数据集生成器。在现实世界场景中，它保持与实际特征提取结果相同的观察结果和遮挡。这些生成的模拟序列通过引入各种精心设计的轨迹和观察结果来增强数据集的多样性。其次，使用我们的数据集提出 SLAM 基线来评估相机姿态跟踪、参数化和优化模块中广泛使用的模块。通过在不同场景中评估这些最先进的算法，我们可以辨别每个模块在相机跟踪和优化过程中的优点和缺点。

Greedy Perspectives: Multi-Drone View Planning for Collaborative Coverage in Cluttered Environments Authors Krishna Suresh, Aditya Rauniyar, Micah Corah, Sebastian Scherer 部署空中机器人团队可以在复杂的环境中大规模拍摄动态的演员群体，从而在团队运动和电影摄影等领域实现新颖的应用。为此，通过顺序贪婪规划实现子模最大化的方法可用于跨机器人团队的摄像机视图的可扩展优化，但面临着在杂乱环境中高效协调的挑战。障碍物会产生遮挡并增加机器人间碰撞的机会，这可能违反近乎最优保证的要求。为了协调空中机器人团队在密集环境中拍摄人群，需要一种更通用的视图规划方法。我们通过开发具有遮挡感知目标的多机器人多演员视图规划器来探索碰撞和遮挡如何影响拍摄应用中的性能，并与贪婪编队规划器进行比较。为了评估性能，我们在五个具有复杂的多参与者行为的测试环境中进行了规划。与编队规划器相比，我们的顺序规划器在三个场景中比演员产生了 14 个更大的视图奖励，并且在其他两个场景中的性能与编队规划相当。我们还观察到有和没有机器人间碰撞约束的顺序规划的性能几乎相同。

The Invisible Map: Visual-Inertial SLAM with Fiducial Markers for Smartphone-based Indoor Navigation Authors Paul Ruvolo, Ayush Chakraborty, Rucha Dave, Richard Li, Duncan Mazza, Xierui Shen, Raiyan Siddique, Krishna Suresh 我们提出了一个使用主流智能手机创建建筑比例、易于导航的 3D 地图的系统。在我们的方法中，我们将 3D 建图问题表述为 Graph SLAM 的一个实例，并推断建筑物地标基准标记的位置以及通过环境手机姿势的可导航路径。我们的结果证明了系统创建准确 3D 地图的能力。

Manta Ray Inspired Flapping-Wing Blimp Authors Kentaro Nojima Schmunk, David Turzak, Kevin Kim, Andrew Vu, James Yang, Sreeauditya Motukuri, Ningshi Yao, Daigo Shishika 比飞行器或飞艇更轻，是一个不断发展的机器人平台，具有多种有益特性，例如能源效率、耐碰撞性以及在人类用户附近工作的能力。虽然现有的飞艇设计主要使用螺旋桨推进，但我们将注意力集中在另一种运动方法上，即拍打机翼。具体来说，本文介绍了一种受蝠鲼启发的扑翼飞艇，与从昆虫或鸟类汲取灵感的扑翼飞行器的现有研究形成鲜明对比。我们介绍了飞艇的总体设计和控制方案以及机翼性能的分析。通过实验研究了机翼形状和扑动特性对推力产生的影响。

Collision Cone Control Barrier Functions: Experimental Validation on UGVs for Kinematic Obstacle Avoidance Authors Bhavya Giri Goswami, Manan Tayal, Karthik Rajgopal, Pushpak Jagtap, Shishir Kolathaya 自主性的进步使机器人能够在不同的环境中进行密切的人类交互，从而需要控制器提供正式的安全保证。本文介绍了一个实验平台，旨在验证和演示专为无人地面车辆 UGV 定制的新型控制障碍功能 CBF，通过集成碰撞锥的概念来主动防止与运动障碍物发生碰撞。虽然现有的 CBF 配方在静态障碍物方面表现出色，但扭矩加速控制独轮车和自行车模型的扩展却取得了有限的成功。非完整 UGV 模型中的传统 CBF 应用已表现出控制保守性，特别是在转向推力控制被认为不可行的情况下。从路径规划中的碰撞锥体中汲取灵感，我们提出了一种开创性的 CBF 公式，确保独轮车和自行车模型的理论安全保证。核心前提围绕着使障碍物的速度远离车辆，建立约束以永远避免指向它的矢量。

Vision and Language Navigation in the Real World via Online Visual Language Mapping Authors Chengguang Xu, Hieu T. Nguyen, Christopher Amato, Lawson L.S. Wong 在看不见的环境中导航对于移动机器人来说至关重要。增强它们遵循自然语言指令的能力将进一步提高在未见过的情况下的导航效率。然而，最先进的 SOTA 视觉和语言导航 VLN 方法主要在模拟中进行评估，忽略了复杂且嘈杂的现实世界。由于视觉域差距和缺乏关于不可见环境的先验知识，将模拟训练的 SOTA 导航策略直接转移到现实世界具有挑战性。在这项工作中，我们提出了一种新颖的导航框架来解决现实世界中的 VLN 任务。利用强大的基础模型，所提出的框架包括四个关键组件：1 基于 LLM 的指令解析器，将语言指令转换为一系列预定义的宏动作描述；2 在线视觉语言映射器，构建实时视觉语言映射以维护对不可见环境的空间和语义理解，3 基于语言索引的定位器，将每个宏观动作描述基于地图上的路径点位置，以及 4 基于 DD PPO 的本地控制器，用于预测动作。我们在看不见的实验室环境中在 Interbotix LoCoBot WX250 上评估了拟议的流程。

An empirical study of automatic wildlife detection using drone thermal imaging and object detection Authors Miao Chang, Tan Vuong, Manas Palaparthi, Lachlan Howell, Alessio Bonti, Mohamed Abdelrazek, Duc Thanh Nguyen 人工智能有潜力通过具有成本效益的方法收集和解释野生动物数据，为野生动物管理做出宝贵贡献。遥控飞机系统 RPAS 或无人机和热成像技术的最新进展创造了收集野生动物数据的新方法。这些新兴技术可以为标准费力的现场技术提供有前途的替代方案，并覆盖更大的区域。在这项研究中，我们对基于无人机的野生动物检测进行了全面的回顾和实证研究。具体来说，我们收集了无人机衍生的野生动物热探测的真实数据集。我们收集的数据中检测到的野生动物，包括树栖动物、考拉、灰树熊和地面栖息物种，均由专家通过边界框进行注释。然后，我们在收集的数据集上对最先进的对象检测算法进行基准测试。

LiDAR-based 4D Occupancy Completion and Forecasting Authors Xinhao Liu, Moonjun Gong, Qi Fang, Haoyu Xie, Yiming Li, Hang Zhao, Chen Feng 场景完成和预测是自动驾驶汽车等移动代理研究中两个流行的感知问题。现有的方法孤立地处理这两个问题，导致对这两方面的看法不同。在本文中，我们在自动驾驶的背景下引入了一种新颖的 LiDAR 感知任务：占用完成和预测 OCF，以将这些方面统一到一个有凝聚力的框架中。这项任务需要新的算法来解决三个挑战：1 稀疏到密集重建，2 部分到完全幻觉，3 3D 到 4D 预测。为了进行监督和评估，我们从公共自动驾驶数据集中整理了一个名为 OCFBench 的大规模数据集。我们分析了密切相关的现有基线模型和我们自己的数据集上的性能。我们预计这项研究将激发并呼吁对 4D 感知这一不断发展的关键领域进行进一步研究。

Chinese Abs From Machine Translation

Papers from arxiv.org

更多精彩请移步主页

---

pic from pexels.com