本文提出了一種基於控制李雅普諾夫函數(CLF)和控制障礙函數(CBF)的安全臨界控制器,用於解決力控非完整移動機器人的穩定性問題,並確保機器人在穩定性的同時始終保持在預先定義的安全約束空間內。
本文提出了一種基於瞬時局部控制障礙函數(IL-CBF)和目標驅動控制李雅普諾夫函數(GD-CLF)的安全回饋運動規劃(SFMP)策略,使移動機器人能夠在未知環境中安全地導航至目標位置。
本文展示了僅在可微分模擬器中訓練的運動策略,可以成功轉移到真實世界的四足機器人上,關鍵在於採用一種結合資訊梯度和物理精度的平滑接觸模型。
本文提出了一種適用於動態場景下長時間任務的異構多機器人任務分配框架,該框架考慮了機器人充電、任務分解與接力以及多機器人協作等因素,並提出了一種基於混合整數線性規劃的啟發式算法來解決該問題。
全方位多旋翼無人機 (o-MRAV) 因其獨立控制自身位置和天線方向的能力,為無線通訊網路,特別是物理層安全和波束成形領域,帶來了新的可能性。
本文提出了一種基於多邊形語義的實時平面地圖構建方法,用於類人機器人攀爬樓梯等複雜地形導航,該方法利用各項技術提高了平面提取的準確性、效率和實時性能,並通過實驗驗證了其在速度和地圖保真度方面的優勢。
RoboCrowd 透過群眾外包和激勵機制,讓大眾參與機器人資料收集,有效降低資料收集的門檻,並提升機器人學習效率。
本文提出了一個基於機器人性能的概率信任模型,利用細粒度時間尺度上的 Beta 信譽度來更準確地估計人機協作過程中的動態信任變化,並透過最大熵優化構建連續獎勵函數,避免了人工設計性能指標的繁瑣過程。
本文提出了一種名為運動預測時間彈性帶(MP-TEB)的新演算法,用於增強移動服務機器人在動態人類環境中的導航能力,通過整合運動預測和軌跡規劃,機器人可以更安全、高效地在人群中移動。
本文提出了一種基於物理神經網路 (PINN) 的方法,用於解決機器人領域中的逆源問題,在給定部分和噪聲觀測的情況下,聯合識別未知源函數和系統的完整狀態。