Derniers articles pour Interaction Humain-Robot

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.

Une nouvelle échelle aide à évaluer la transparence des robots pour améliorer l'interaction avec les utilisateurs.

Le matos et le logiciel améliorés de Pepper renforcent sa capacité à comprendre et à répondre aux gens.

Une étude révèle les avantages des gestes corporels pour contrôler des robots quadrupèdes.

Ce travail explore le modélisation générative pour des avancées dans les tâches et interactions en robotique.

Une nouvelle bibliothèque logicielle vise à améliorer le contrôle des mouvements de Baxter dans les applications de recherche.

Un aperçu des méthodes pour reconnaître les affordances d'objets pour les machines.

Un cadre de sécurité assure un comportement responsable dans les systèmes d'IA incarnée grâce à des processus bien structurés.

Découvrez comment les robots perçoivent, apprennent et agissent dans différents environnements.

Les robots améliorent la sécurité en surveillant les travailleurs et leur équipement en temps réel.

Nouvelle plate-forme améliore le contrôle et la performance des robots doux grâce à l'apprentissage automatique.

Une nouvelle méthode améliore le contrôle des robots humanoïdes avec des actions rapides et précises.

Un cadre pour s'assurer que les robots interagissent en toute sécurité et efficacement avec les humains.

Cette étude montre comment les traits démographiques influencent la perception des mouvements des robots industriels.

StratXplore améliore la navigation des robots grâce à de meilleures stratégies de récupération d'erreurs.

Une nouvelle approche améliore la compréhension des robots des instructions de navigation en utilisant la conscience spatiale.

RHyME améliore l'apprentissage des robots en leur permettant d'apprendre à partir de diverses démonstrations humaines.

Une étude révèle comment le timing et le bénéficiaire influencent les perceptions de justice lors des interactions avec des robots.

La recherche se concentre sur l'apprentissage des robots à utiliser leurs pieds pour des tâches tout en évitant les obstacles.