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。

本研究调查了影响建筑工程专业人员对人工智能协作机器人信任的技术和心理因素。通过对600名从业人员的调查，发现安全性和可靠性是关键因素，而对被取代的担忧会影响工人的心理健康。研究结果为建筑领域的协作机器人采用提供了重要见解，帮助项目团队制定符合公司目标的策略。

本文基于语音运动学理论和Sigma-lognormal模型，提出了一种简化模型用于分析复杂语音运动。研究通过高斯过程模型预测人手运动，以提高协作机器人效率和安全性。实验结果表明，预测模型在时间和安全性方面均有提升。此外，探讨了运动传感器技术在控制辅助机器臂中的应用，分析了现有的人类运动轨迹预测方法及其局限性，并提出未来研究方向。

本文提出了一种迁移学习方法，能够有效识别建筑工人的活动，减少数据需求和计算时间，同时保持较高的分类准确性。该方法在建筑领域具有重要应用价值，尤其对协作机器人有帮助。

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。