机器人 / 具身智能

Low-Burden LLM-Based Preference Learning: Personalizing Assistive Robots from Natural Language Feedback for Users with Paralysis

基于低负担LLM的偏好学习：通过自然语言反馈为瘫痪用户个性化辅助机器人

Keshav Shankar, Dan Ding, Wei Gao

机构 * Electrical and Computer Engineering（电气与计算机工程） ； Rehabilitation Science and Technology（康复科学与技术） 纠错

专题命中 人机交互与遥操作 ：robotic(abstract)；分类 cs.RO、cs.AI

AI总结 针对严重运动障碍用户，提出一种低负担离线框架，利用大语言模型将非结构化自然语言反馈转化为确定性机器人控制策略，并通过职业治疗框架解码用户需求，显著降低用户负担。

Comments Accepted to IEEE RO-MAN 2026

Design and Experimental Validation of Sensorless 4-Channel Bilateral Teleoperation for Low-Cost Manipulators

无传感器四通道双侧远程操控的设计与实验验证用于低成本机械臂

Koki Yamane, Yunhan Li, Masashi Konosu, Koki Inami, Junji Oaki, Toshiaki Tsuji, Sho Sakaino

机构 * Degree Programs in Intelligent and Mechanical Interaction Systems, University of Tsukuba（智能与机械交互系统专业，东京大学） ； Faculty of Engineering, Information and Systems, University of Tsukuba（工程、信息与系统学部，东京大学） ； Department of Electrical Engineering, Electronics, and Applied Physics, Saitama University（电子工程、电子学与应用物理系，埼玉大学） 纠错

专题命中 人机交互与遥操作 ：manipulation(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出了一种无传感器四通道双侧远程操控框架，结合非线性动力学补偿与基于观测器的扰动估计方案，实验证明在低成本硬件限制下可实现稳定的高速接触密集场景远程操控，并提升模仿学习任务的成功率。

Comments 22 pages, 12 figures, Submitted to IEEE Access