该研究提出COIL框架，以应对协作机器人在多任务场景中适应新任务的挑战，通过策略选择查询类型，减轻人类负担，确保任务成功完成。

该研究针对多模态大语言模型在复杂三维环境中的本地化和对象消歧义问题，提出了有效技术，提升了句子相似性评价和三维空间理解能力，对协作机器人系统的整合具有重要意义。

该研究调查了影响建筑工程专业人员对人工智能驱动的协作机器人的信任的关键技术和心理因素。研究发现，安全和可靠性对于建筑领域中采用协作机器人至关重要。担心被取代可能对工人的心理健康产生重大影响。透明性、准确性、稳健性、安全性、隐私性和通信等因素都是信任的贡献因素。该研究结果为建筑工程专业人员提供了重要见解，并帮助确定与公司目标和工人福利相一致的采用方法。

研究分析人们对协作机器人运动方式的偏好，探讨工业机器人与人体运动的差异，并开发了模拟人类运动的程序。通过测试不同速度轮廓，研究人们对不同运动方式的偏好及与机器人互动的感知。

该研究调查了协作机器人在简单和复杂组装任务中的合作效果，发现协作机器人可以减少任务复杂度对工作负荷和产出质量的影响，但会增加完成任务所需的时间和手势数量。这些研究结果有助于了解引入协作机器人对生产链的影响。

该研究探讨了建筑工程专业人员对人工智能驱动的协作机器人的信任问题，发现安全、可靠性和透明性是关键因素，而担心被取代可能会影响工人心理健康。研究结果可为建筑领域采用协作机器人提供重要见解，并帮助确定符合公司目标和工人福利的采用方法。