Derniers articles pour Interaction Humain-Robot

Une nouvelle méthode aide les robots à apprendre et à s'adapter aux tâches efficacement.

Cet article parle des méthodes pour améliorer comment les robots identifient les usages des objets.

Présentation d'ODGR et de GATLing pour une reconnaissance de but flexible dans des environnements dynamiques.

Un nouveau modèle améliore la saisie robotique en utilisant des instructions en langage naturel.

Une nouvelle méthode mesure les forces d'interaction dans la collaboration homme-robot.

Une nouvelle méthode pour que les robots répondent à des questions dans des environnements intérieurs en 3D.

Une nouvelle technologie améliore le contrôle à distance des robots et la visualisation.

Une nouvelle méthode permet aux robots de suivre des tâches en langage naturel de manière efficace.

Un nouveau contrôleur vise à améliorer les capacités et l'adaptabilité des robots humanoïdes.

Un nouveau système améliore la capacité des robots à suivre les commandes linguistiques efficacement.

Un système de téléopération à bas coût améliore l'apprentissage des robots grâce à des démonstrations humaines.

Les robots améliorent leur performance en apprenant de nouvelles expériences et des récompenses intrinsèques.

Voici MS-Bot, une méthode pour que les robots utilisent plusieurs sens de manière adaptable pendant leurs tâches.

Un cadre pour que les robots puissent adapter leurs compétences dans différents environnements de manière efficace.

Les capteurs tactiles modulaires améliorent les pinces robotiques pour les tâches délicates.

De nouvelles méthodes améliorent la capacité des robots à saisir des objets dans des environnements en désordre.

Un robot capable de jouer au ping-pong à un niveau amateur contre des humains.

Comment les robots apprennent à se déplacer efficacement parmi les gens.

Un nouveau cadre améliore la sécurité des robots et leur efficacité dans des environnements imprévisibles.

DiPGrasp améliore la planification de préhension robotique avec rapidité et flexibilité pour différents doigts.

Les modèles génératifs profonds boostent l'apprentissage des robots grâce à des techniques et des applications avancées.

Une nouvelle méthode améliore la sécurité dans la prise de décision des machines.

De nouvelles méthodes aident les robots à apprendre efficacement à partir de démonstrations de tâches variées.

Explorer des techniques pour améliorer la coordination des mains des robots et l'efficacité des tâches.

Stable-BC améliore la performance des robots dans des situations imprévues grâce à une meilleure stabilité de comportement.

Des recherches montrent l'impact de la confiance sur la dynamique des équipes entre robots et humains.

Des robots apprennent à jouer du piano en utilisant un nouveau jeu de données de plus d'un million de mouvements.

ARIO standardise les données pour améliorer l'entraînement et l'adaptabilité des robots.

De nouvelles stratégies de contrôle améliorent l'apprentissage des robots et la sécurité en fabrication.

Des robots humanoïdes apprennent à naviguer sur des terrains difficiles grâce à une nouvelle méthode.

Une nouvelle méthode aide les robots à apprendre des tâches avec juste une vidéo, ce qui améliore l'efficacité.

Examiner comment l'âge influence la confiance dans les robots pendant les tâches de soin.

RoboMNIST aide les robots à reconnaître différentes activités en utilisant le WiFi, la vidéo et le son.

Cette recherche montre comment les robots apprennent des tâches complexes grâce à l'entraînement dans le monde réel.

Une nouvelle méthode de navigation améliore la sécurité des robots dans des environnements bondés.

Combiner l'apprentissage et la planification améliore la sécurité et l'efficacité des robots dans des tâches complexes.

Utiliser le langage pour apprendre aux robots de nouvelles tâches plus efficacement.

Les robots apprennent des tâches plus vite grâce à l'apprentissage par imitation en contexte.

DeMoBot permet aux robots d'apprendre des tâches avec peu de démonstrations pour mieux manipuler des objets.

Des recherches montrent que les robots peuvent améliorer l'apprentissage en utilisant des motifs de mouvement issus de tâches précédentes.