Neuste Artikel für Mensch-Roboter-Interaktion

Eine neue Methode hilft Robotern, Aufgaben effektiv zu lernen und sich anzupassen.

Dieser Artikel bespricht Methoden, um zu verbessern, wie Roboter die Verwendung von Objekten erkennen.

Vorstellung von ODGR und GATLing für flexible Zielerkennung in dynamischen Umgebungen.

Ein neues Modell verbessert das Greifen von Robotern mit Hilfe von natürlichen Sprachbefehlen.

Ein neues Verfahren misst die Interaktionskräfte in der Mensch-Roboter-Zusammenarbeit.

Ein neuer Ansatz für Roboter, um Fragen in 3D-Innenräumen zu beantworten.

Neue Technologie verbessert die Fernsteuerung und Visualisierung von Robotern.

Eine neue Methode ermöglicht es Robotern, Aufgaben in natürlicher Sprache effektiv zu folgen.

Neuer Controller soll die Fähigkeiten und Anpassungsfähigkeit von humanoiden Robotern verbessern.

Ein neues System verbessert die Fähigkeit von Robotern, Sprachbefehle effektiv zu folgen.

Ein kostengünstiges Teleoperationssystem verbessert das Roboternlernen durch menschliche Demonstrationen.

Roboter verbessern ihre Leistung, indem sie aus neuen Erfahrungen und inneren Belohnungen lernen.

Wir stellen MS-Bot vor, eine Methode für Roboter, um während Aufgaben flexibel mehrere Sinne zu nutzen.

Ein Framework für Roboter, um Fähigkeiten effektiv in verschiedenen Umgebungen anzupassen.

Modulare taktile Sensoren verbessern robotergestützte Greifer für empfindliche Aufgaben.

Neue Methoden verbessern die Fähigkeit von Robotern, Objekte in unordentlichen Umgebungen zu greifen.

Ein Roboter, der im Tischtennis auf Amateurniveau gegen Menschen spielen kann.

Wie Roboter lernen, sich effektiv unter Menschen zu bewegen.

Ein neues Framework verbessert die Sicherheit und Effizienz von Robotern in unvorhersehbaren Umgebungen.

DiPGrasp verbessert die Planung von Robotergriffen mit Schnelligkeit und Flexibilität für verschiedene Greifer.

Tiefe generative Modelle verbessern das Roboterlernen durch fortschrittliche Techniken und Anwendungen.

Eine neue Methode verbessert die Sicherheit bei Entscheidungsfindung für Maschinen.

Neue Methoden helfen Robotern, effektiv aus verschiedenen Aufgaben-Demonstrationen zu lernen.

Techniken erkunden, um die Koordination und Effizienz von Roboterhänden zu verbessern.

Stable-BC verbessert die Roboterleistung in unerwarteten Situationen durch stabileres Verhalten.

Forschung zeigt, wie wichtig Vertrauen für die Dynamik von Teams aus Robotern und Menschen ist.

Roboter lernen Klavier zu spielen mit einem neuen Datensatz von über einer Million Bewegungen.

ARIO standardisiert Daten, um das Training und die Anpassungsfähigkeit von Robotern zu verbessern.

Neue Kontrollstrategien verbessern das Lernen von Robotern und die Sicherheit in der Produktion.

Humanoide Roboter lernen, sich durch schwieriges Terrain mit einem neuen Ansatz zurechtzufinden.

Neue Methode hilft Robotern, Aufgaben mit nur einem Video zu lernen, was die Effizienz verbessert.

Untersuchen, wie das Alter das Vertrauen in Roboter bei Pflegeaufgaben beeinflusst.

RoboMNIST hilft Robotern, verschiedene Aktivitäten mit WiFi, Video und Audio zu erkennen.

Diese Forschung zeigt, wie Roboter komplexe Aufgaben durch Training in der echten Welt lernen.

Eine neue Navigationsmethode verbessert die Sicherheit von Robotern in überfüllten Umgebungen.

Die Kombination von Lernen und Planung verbessert die Sicherheit und Effizienz von Robotern bei komplexen Aufgaben.

Sprache nutzen, um Robotern neue Aufgaben effektiver beizubringen.

Roboter lernen Aufgaben schneller durch kontextuelles Imitationslernen.

DeMoBot ermöglicht es Robotern, Aufgaben mit minimalen Demonstrationen zu lernen, um die Objektmanipulation zu verbessern.

Forschung zeigt, dass Roboter das Lernen mit Bewegungsmustern aus vorherigen Aufgaben verbessern können.