Buchumschlag

A Task-Efficient Reinforcement Learning Task-Motion Planner for Safe Human-Robot Cooperation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Gaoyuan, de Winter, Joris, Merckaert, Kelly, Steckelmacher, Denis, Nowe, Ann, Vanderborght, Bram
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Optimistic Reinforcement Learning-Based Skill Insertions for Task and Motion Planning
von: Liu, Gaoyuan, et al.
Veröffentlicht: (2025)

Automated Behavior Planning for Fruit Tree Pruning via Redundant Robot Manipulators: Addressing the Behavior Planning Challenge
von: Liu, Gaoyuan, et al.
Veröffentlicht: (2025)

Human-Readable Programs as Actors of Reinforcement Learning Agents Using Critic-Moderated Evolution
von: Deproost, Senne, et al.
Veröffentlicht: (2024)

Efficient Reinforcement Learning of Task Planners for Robotic Palletization through Iterative Action Masking Learning
von: Wu, Zheng, et al.
Veröffentlicht: (2024)

Critic-Driven Voronoi-Quantization for Distilling Deep RL Policies to Explainable Models
von: Deproost, Senne, et al.
Veröffentlicht: (2026)

Safe Planner: Empowering Safety Awareness in Large Pre-Trained Models for Robot Task Planning
von: Li, Siyuan, et al.
Veröffentlicht: (2024)

Dual-Variable Force Characterisation method for Human-Robot Interaction in Wearable Robotics
von: Ballen-Moreno, Felipe, et al.
Veröffentlicht: (2025)

Passivity-Centric Safe Reinforcement Learning for Contact-Rich Robotic Tasks
von: Zhang, Heng, et al.
Veröffentlicht: (2025)

Energy-Efficient Motion Planner for Legged Robots
von: Schperberg, Alexander, et al.
Veröffentlicht: (2025)

Benchmarking Massively Parallelized Multi-Task Reinforcement Learning for Robotics Tasks
von: Joshi, Viraj, et al.
Veröffentlicht: (2025)

Adaptive Reinforcement and Model Predictive Control Switching for Safe Human-Robot Cooperative Navigation
von: Liu, Ning, et al.
Veröffentlicht: (2026)

A Dynamic Safety Shield for Safe and Efficient Reinforcement Learning of Navigation Tasks
von: Dawood, Murad, et al.
Veröffentlicht: (2024)

Explainable RL Policies by Distilling to Locally-Specialized Linear Policies with Voronoi State Partitioning
von: Deproost, Senne, et al.
Veröffentlicht: (2025)

SRL-VIC: A Variable Stiffness-Based Safe Reinforcement Learning for Contact-Rich Robotic Tasks
von: Zhang, Heng, et al.
Veröffentlicht: (2024)

Bresa: Bio-inspired Reflexive Safe Reinforcement Learning for Contact-Rich Robotic Tasks
von: Zhang, Heng, et al.
Veröffentlicht: (2025)

ContactRL: Safe Reinforcement Learning based Motion Planning for Contact based Human Robot Collaboration
von: Mulkana, Sundas Rafat, et al.
Veröffentlicht: (2025)

A Hybrid Parameters Estimation Approach for Power Consumption Modeling of Ground Mobile Robots With Unknown Payload
von: Parham Haji Ali Mohamadi, et al.
Veröffentlicht: (2024)

Learning-Based Safety-Aware Task Scheduling for Efficient Human-Robot Collaboration
von: Faroni, M., et al.
Veröffentlicht: (2025)

Task Adaptation in Industrial Human-Robot Interaction: Leveraging Riemannian Motion Policies
von: Allenspach, Mike, et al.
Veröffentlicht: (2024)

LLM-as-BT-Planner: Leveraging LLMs for Behavior Tree Generation in Robot Task Planning
von: Ao, Jicong, et al.
Veröffentlicht: (2024)

Decentralized Intent-Based Multi-Robot Task Planner with LLM Oracles on Hyperledger Fabric
von: Keramat, Farhad, et al.
Veröffentlicht: (2026)

Waypoint-Based Reinforcement Learning for Robot Manipulation Tasks
von: Mehta, Shaunak A., et al.
Veröffentlicht: (2024)

Hierarchical Consensus-Based Multi-Agent Reinforcement Learning for Multi-Robot Cooperation Tasks
von: Feng, Pu, et al.
Veröffentlicht: (2024)

Reinforcement Learning for Elliptical Cylinder Motion Control Tasks
von: Marczewski, Pawel, et al.
Veröffentlicht: (2026)

Motion Planning for Robotics: A Review for Sampling-based Planners
von: Zhang, Liding, et al.
Veröffentlicht: (2024)

Safe Learning for Contact-Rich Robot Tasks: A Survey from Classical Learning-Based Methods to Safe Foundation Models
von: Zhang, Heng, et al.
Veröffentlicht: (2025)

Robot Local Planner: A Periodic Sampling-Based Motion Planner with Minimal Waypoints for Home Environments
von: Takeshita, Keisuke, et al.
Veröffentlicht: (2026)

Automatic Derivation of an Optimal Task Frame for Learning and Controlling Contact-Rich Tasks
von: Mohammadi, Ali Mousavi, et al.
Veröffentlicht: (2024)

SMART-Merge Planner: A Safe Merging and Real-Time Motion Planner for Autonomous Highway On-Ramp Merging
von: Mohammadnejad, Toktam, et al.
Veröffentlicht: (2025)

Reinforcement Learning for Solving Robotic Reaching Tasks in the Neurorobotics Platform
von: Szep, Marton, et al.
Veröffentlicht: (2022)

An Efficient Multi-Robot Arm Coordination Strategy for Pick-and-Place Tasks using Reinforcement Learning
von: Jermann, Tizian, et al.
Veröffentlicht: (2024)

Task and Domain Adaptive Reinforcement Learning for Robot Control
von: Liu, Yu Tang, et al.
Veröffentlicht: (2024)

Hierarchical Temporal Logic Task and Motion Planning for Multi-Robot Systems
von: Wei, Zhongqi, et al.
Veröffentlicht: (2025)

Dual-Agent Multiple-Model Reinforcement Learning for Event-Triggered Human-Robot Co-Adaptation in Decoupled Task Spaces
von: Li, Yaqi, et al.
Veröffentlicht: (2026)

Online Multi-Robot Coordination and Cooperation with Task Precedence Relationships
von: Gosrich, Walker, et al.
Veröffentlicht: (2025)

Bidirectional Task-Motion Planning Based on Hierarchical Reinforcement Learning for Strategic Confrontation
von: Wu, Qizhen, et al.
Veröffentlicht: (2025)

An Epistemic Human-Aware Task Planner which Anticipates Human Beliefs and Decisions
von: Shekhar, Shashank, et al.
Veröffentlicht: (2024)

Solving Robotics Tasks with Prior Demonstration via Exploration-Efficient Deep Reinforcement Learning
von: Shen, Chengyandan, et al.
Veröffentlicht: (2025)

CorrectionPlanner: Self-Correction Planner with Reinforcement Learning in Autonomous Driving
von: Guo, Yihong, et al.
Veröffentlicht: (2026)

Causality-Based Reinforcement Learning Method for Multi-Stage Robotic Tasks
von: Deng, Jiechao, et al.
Veröffentlicht: (2025)