Full-Pose Tracking Control for Aerial Robotic Systems with Laterally-Bounded Input Force
Department of Information Engineering, University of Padova（意大利帕多瓦大学信息工程系）
本文提出了一种新的几何控制策略，用于实现具有横向受限输入力的空中机器人系统在SE(3)中的全姿态轨迹跟踪，通过Lyapunov方法证明了可行全姿态参考轨迹的指数跟踪，并展示了该方法在欠驱动和全驱动平台中的应用效果。
2017-05-17 cs.RO cs.SY eess.SY
Probabilistic Task Parameterization of Tool-Tissue Interaction via Sparse Landmarks Tracking in Robotic Surgery
University of Tennessee Knoxville（田纳西大学诺克斯维尔分校）；Stanford University（斯坦福大学）
针对机器人手术工具-组织交互建模的标注依赖或刚性假设问题，提出结合稀疏关键点跟踪与概率建模的框架，通过PCA构建动态局部变换并嵌入TP-GMM，实现大变形下组织地标传播与工具位姿预测，提升手术运动视觉理解。
2025-04-14 cs.CV cs.LG cs.RO
Offset-free Model Predictive Control: A Ball Catching Application with a Spherical Soft Robotic Arm
Institute for Dynamic Systems and Control, ETH Zürich（苏黎世联邦理工学院动态系统与控制研究所）
提出了一种用于球形柔性机械臂快速精确控制的无偏置模型预测控制器，该控制器将线性模型与在线扰动估计技术相结合，系统地补偿模型偏差。动态效应，如软材料的使用导致的材料松弛，可以解决实现无偏移跟踪。与没有干扰补偿方案的标准模型预测控制器相比，跟踪误差可以减少35%。改进的跟踪性能使得能够实现接球应用，其中球形软机器人臂可以接住由人投掷的球。
2021-03-12 cs.RO cs.SY eess.SY
Distributed controller-estimator for target tracking of networked robotic systems under sampled interaction
College of Automation, Huazhong University of Science and Technology（华中科技大学自动化学院）；Petroleum Engineering College, Yangtze University（江汉石油学院石油工程学院）
本文提出两种新型分布式控制器-估计器算法，用于网络化机器人系统在采样交互下的目标跟踪问题，通过小值范数和李雅普诺夫稳定性理论分析，确定交互拓扑、采样周期等参数以实现跟踪误差的实际稳定性。
2016-05-27 cs.MA cs.RO cs.SY
Leveraging Symmetry to Accelerate Learning of Trajectory Tracking Controllers for Free-Flying Robotic Systems
GRASP Laboratory at the University of Pennsylvania（宾夕法尼亚大学GRASP实验室）
本文利用浮动基座机器人系统的李群对称性，通过构建MDP同态将策略从低维商MDP提升为原系统最优跟踪控制器，结合PPO算法验证该方法能加速训练并降低收敛时的跟踪误差。
2025-05-01 cs.LG cs.RO cs.SY
A Robotic Antenna Alignment and Tracking System for Millimeter Wave Propagation Modeling
Arizona State University（亚利桑那州立大学）；Purdue University（普渡大学）；United States Naval Academy（美国海军学院）
在本文中，我们讨论了一个滑动相关器信道探测器的设计，28 GHz的传播建模在美国国家科学基金会粉末试验台在盐湖城，UT。波束对准是通过一个完全自主的机器人天线跟踪平台机械实现的，该平台使用商用现成组件设计。配备了Apache Zookeeper/Kafka管理的容错订阅框架，我们展示了27.8 ms的跟踪响应时间，以及优于最先进的机械波束控制系统的可扩展性。通过实时运动学校正流的增强，我们的地理定位子系统实现了17厘米的3D精度，而我们的主轴定位子系统在偏航和俯仰运动中实现了1.1度的平均精度。最后，通过促进远程编排（通过托管容器），不受限制的旋转（通过封装）和实时定位可视化（通过Dash/MapBox），我们展示了一个经过验证的原型非常适合V2X测量。
2021-10-14 cs.RO cs.SY eess.SP
Review on Efficient Strategies for Coordinated Motion and Tracking in Swarm Robotics
Middlesex University（密德萨斯大学）
群体机器人是一种创造性的组织多机器人结构的方法，由许多受公共昆虫影响的基本机器人组成。群体机器人最令人惊讶的属性是它们能够一起工作以实现集体目标。本文讨论了目前的调查，问题和算法，刺激在群体机器人协调运动的研究。群机器人运动的算法进行了对比，考虑到群体微型机器人完成聚合，创建，并通过对比算法和仿真之间的相关计算仿真。
2023-02-13 cs.RO
Data-Enabled Neighboring Extremal: Case Study on Model-Free Trajectory Tracking for Robotic Arm
Michigan State University（密歇根州立大学）；University of Michigan（密歇根大学）
本文提出数据驱动的邻近极值（DeeNE）框架，通过一阶最优性扰动分析高效更新名义DeePC解，在保持控制性能的同时显著降低计算成本，并在7自由度KINOVA Gen3机械臂上验证了其有效性。
2025-04-09 cs.RO cs.SY eess.SY
Passivity-Based Adaptive Control for Visually Servoed Robotic Systems
Beijing Institute of Control Engineering（北京控制工程研究所）
本文研究了具有不确定运动学、动力学和相机参数的机器人系统视觉伺服问题，提出两种基于被动性的自适应控制方案，通过Lyapunov分析证明在无需假设估计深度可逆的情况下，图像空间跟踪误差收敛至零。
2016-05-08 cs.RO cs.SY eess.SY
Real-time 3D Tracking of Articulated Tools for Robotic Surgery
Imperial College London（伦敦帝国理工学院）
在机器人手术中，工具跟踪对于提供安全的工具-组织交互和促进手术技能评估是重要的。尽管最近在工具跟踪方面取得了进展，但现有方法在铰接工具的实时的【形】跟踪方面面临重大困难。大多数算法都是针对预先录制的视频进行离线处理而定制的。在本文中，我们提出了一个实时的【形】三维跟踪方法在机器人手术关节工具。所提出的方法是基于CAD模型的工具，以及机器人运动生成在线的部分为基础的模板，有效的2D匹配和3D位姿估计。一个强大的验证方法被纳入拒绝离群值的2D检测，然后通过融合内点与机器人运动学读数的3D姿态估计的工具。所提出的方法已被验证与体模数据，以及离体和体内实验。结果清楚地表明，所提出的方法相比，国家的最先进的性能优势。
2016-10-30 cs.CV cs.RO
Bionic Reflex Control Strategy for Robotic Finger with Kinematic Constraints
Department of Mechanical Engineering（机械工程系）；Indian Institute of Technology Kharagpur（印度理工学院卡里格普分校）；Indian Institute of Technology Guwahati（印度理工学院古瓦哈蒂）
本文提出了一种用于具有运动学约束的机械手指的仿生反射控制策略，通过力跟踪阻抗控制策略实现仿生反射，减少手指的动力学模型并讨论了允许精确力跟踪的阻抗控制策略，展示了单指在平面上支撑矩形物体的仿真结果，反射响应时间在毫秒级。
2018-08-06 cs.RO cs.SY eess.SY
Iterative Learning Control for Fast and Accurate Position Tracking with an Articulated Soft Robotic Arm
针对铰接式柔性机械臂大幅机动下的位置跟踪问题，提出与反馈控制器并行的范数最优迭代学习控制方案，实验证明不到30次迭代即可将60度快速偏移轨迹的均方根跟踪误差从13度降至2度以下。
2019-10-01 cs.RO
Passive iFIR filters for data-driven velocity control in robotics
University of Cambridge（剑桥大学）
本文提出一种被动数据驱动速度控制方法，通过iFIR滤波器在非线性机械臂中实现优于优化PID的跟踪性能，通过被动iFIR控制器在关节空间和笛卡尔空间速度控制中减少74.5%的跟踪误差。
2026-03-31 cs.RO cs.SY eess.SY
Modelling, Positioning, and Deep Reinforcement Learning Path Tracking Control of Scaled Robotic Vehicles: Design and Experimental Validation
University of Surrey（萨里大学）；Polytechnic of Bari（巴里理工大学）；Polytechnic of Turin（都灵理工大学）
本文提出了一种用于缩放比例机器人车辆的联邦扩展卡尔曼滤波器（FEKF）和基于专家演示器训练的深度强化学习（DRL）路径跟踪控制器，并通过实验验证了其在定位精度和路径跟踪性能上优于传统基于模型的控制策略。
2024-01-10 cs.AI cs.RO cs.SY
Adaptive Task Space Non-Singular Terminal Super-Twisting Sliding Mode Control of a 7-DOF Robotic Manipulator
Department of Mechanical Engineering, Dalhousie University（达勒豪西大学机械工程系）；GIPSA-lab, CNRS, University of Grenoble Alpes（格勒诺布尔阿尔卑斯大学GIPSA-lab）
本文提出一种带自适应增益的任务空间非奇异终端超螺旋滑模控制器，用于7自由度操作臂轨迹跟踪，通过仿真与硬件实验验证其在未知扰动下能抑制抖振、提高跟踪精度并减少控制量。
2025-08-22 cs.RO cs.SY eess.SY
Posture Adjustment for a Wheel-legged Robotic System via Leg Force Control with Prescribed Transient Performance
Beijing Institute of Technology（北京理工大学）；Beijing Institute of Control Engineering（北京控制工程研究所）
针对轮腿式机器人系统，提出了一种具有预定瞬态性能的力控制策略，以实现其在不平路面上的姿态调整。建立了以人体姿态为输入、腿力为输出的机器人系统动力学模型，通过姿态参考和反馈计算出轮腿所需的力。基于漏斗控制方案，腿实现力跟踪与指定的瞬态性能。为提高力控制系统的鲁棒性，设计了基于事件的漏斗函数在线分段机制。结果表明，轮腿的力跟踪误差在性能漏斗内演化，并证明了收敛性。还保证事件触发条件不存在Zeno行为。该控制方案被应用到轮腿式物理样机的力跟踪和姿态调整的性能。多个对比实验结果验证了所提出的方法的稳定性和有效性。
2021-11-24 cs.RO cs.SY eess.SY
Risk-Averse RRT* Planning with Nonlinear Steering and Tracking Controllers for Nonlinear Robotic Systems Under Uncertainty
The University of Texas at Dallas（德克萨斯大学达拉斯分校）
我们提出了一个两阶段的风险规避结构控制随机非线性机器人系统。我们提出了风险规避非线性转向RRT*（RANS-RRT*）作为RRT* 的变体，通过求解非线性规划（NLP）来结合非线性动力学，并通过近似状态分布和执行分布鲁棒（DR）碰撞检查来考虑风险，以促进安全规划。生成的计划被用作低级别跟踪控制器的参考。我们演示三个控制器：有限时域线性二次型调节器（LQR）具有围绕参考轨迹的线性化动态，具有鲁棒性促进乘性噪声项的LQR，以及非线性模型预测控制律（NMPC）。我们证明了我们的算法的有效性，在一个混乱的环境中，在重尾拉普拉斯过程噪声下使用单稳态动力学。
2021-09-03 cs.RO
A Master-Follower Teleoperation System for Robotic Catheterization: Design, Characterization, and Tracking Control
Toronto Metropolitan University（多伦多都会大学）
本文设计了三自由度机器人导管插入主从遥操作系统，通过夹持—插入—释放机构和消融导管力表征验证跟踪性能，指出开环达标但需闭环应对迟滞、死区与非线性。
2025-02-15 cs.CV cs.RO cs.SY
Influence of Radial Basis Activation Functions on Intelligent Controller for Robotic Manipulators
Smart Systems Lab, Department of Mechanical Engineering, University of Turku（智能系统实验室，机械工程系，图尔库大学）
本文提出一种基于径向基函数神经网络的智能控制框架，用于机器人机械臂轨迹跟踪，重点研究激活函数选择对瞬态行为、稳态精度和控制平滑度的影响。
2026-07-03 cs.RO cs.SY eess.SY
NeurIT: Pushing the Limit of Neural Inertial Tracking for Indoor Robotic IoT
Department of Computer Science, The University of Hong Kong（计算机科学系，香港大学）
针对现有惯性追踪未充分利用IMU数据、精度不足的问题，提出核心为时频块循环Transformer的NeurIT方法，结合磁力机体差分提升精度，在300米距离误差仅1米，性能优于现有基线48.21%，推动机器人物联网神经惯性追踪实用化。
2025-07-30 cs.AI cs.HC cs.RO
Allowing Safe Contact in Robotic Goal-Reaching: Planning and Tracking in Operational and Null Spaces
UC Berkeley（加州大学伯克利分校）；X, The Moonshot Factory（X（登月工厂））；Intrinsic Innovation LLC（Intrinsic创新有限责任公司）；Google Research（谷歌研究院）
近年来，在机器人操作方面取得了令人印象深刻的成果。虽然许多努力集中在产生无碰撞的参考信号，很少允许机器人身体和环境之间的安全接触。然而，在人类的日常操作中，手臂与障碍物之间的接触是普遍的，甚至是必要的。本文研究了机器人操作过程中允许安全接触的好处，并主张在操作空间和零空间中生成和跟踪合规参考信号。此外，为了优化碰撞允许的轨迹，我们提出了一个混合求解器，集成了基于采样和梯度的方法。我们评估所提出的方法在五个模拟和现实世界的环境中具有不同的碰撞条件的目标达成的任务。我们表明，允许安全接触提高了达到目标的效率，并提供了可行的解决方案，在高度碰撞的情况下，无碰撞约束不能强制执行。此外，我们证明了零空间规划，除了操作空间，提高了轨迹安全性。
2022-10-31 cs.RO
Dynamic Control of Soft Robotic Arm: An Experimental Study
Georgia Tech Institute for Robotics and Intelligent Machines（佐治亚理工学院机器人与智能机器研究所）；Texas A&M University（德州农工大学）
在本文中，加强软体机器人的原型与定制设计的驱动器空间字符串编码器创建研究动态软机器人轨迹跟踪。软体机器人原型嵌入所提出的自适应无源性控制和有效的动力学模型，使具有挑战性的轨迹跟踪任务成为可能。我们专注于探索的跟踪精度以及所提出的控制策略的全部潜力，通过在不同的操作场景进行实验验证：各种跟踪速度和外部干扰。在所有的实验场景中，所提出的自适应无源性控制优于传统的PD反馈线性化控制。通过实验分析，详细阐述了该方法的优缺点，并指出了软体机器人动态控制的下一步工作。
2022-09-22 cs.RO
Vibro-Sense: Robust Vibration-based Impulse Response Localization and Trajectory Tracking for Robotic Hands
Leibniz Universität Hannover（莱比锡洪堡大学）；L3S Research Center（L3S研究中心）
Vibro-Sense通过低成本振动声学传感实现机器人手部的高精度触觉定位与轨迹跟踪，展示了复杂物理接触动态的有效解码方法。
2026-01-28 cs.RO eess.SP
Configuration Tracking Control of a Multi-Segment Soft Robotic Arm Using a Cosserat Rod Model
Arizona State University（亚利桑那州立大学）
控制软连续体机器人手臂是具有挑战性的，因为它们的超冗余和灵活性。在本文中，我们证明，第一次，闭环控制的软机械臂的配置空间变量，由独立可控的部分，使用Cosserat棒模型的机器人和分布式传感和驱动能力的部分。我们的控制器解决了逆动力学问题，通过模拟Cosserat杆模型在MATLAB中使用一个计算效率高的数值求解方案，并将计算出的控制输出实时的应用到实际的机器人。实时的测量每个节段的尖端的位置和方向，同时在仿真中估计求解逆动力学所需的其余未知变量。我们实现控制器上的多段硅胶机械臂气动驱动，使用运动捕捉系统来测量段的位置和方向。控制器用于将手臂重塑为通过3D空间中的弯曲和延伸变形的不同组合实现的配置。由此产生的跟踪性能表明控制器的有效性和精度的模拟Cosserat棒模型，用于估计未测量的变量。
2022-10-01 cs.RO
Robotic Servo Tracking of Moving Targets with Dynamic Imitation Constraints
Beihang University（北京航空航天大学）；Taiyuan University of Technology（太原理工大学）
本文提出一种基于模仿轨迹约束的机器人伺服跟踪方法，通过动态模型、时间缩放变形和轨迹调制生成动态约束，实现移动目标的高精度跟踪与避障。
2026-09-15 cs.RO
A Novel Control Strategy for Offset Points Tracking in the Context of Agricultural Robotics
Université Clermont Auvergne（克莱蒙奥弗涅大学）；INRAE（法国国家农业食品与环境研究院）；SABI AGRI（萨比农业公司）
本文针对农业机器人中农具偏移点的控制问题，提出基于现有控制律适配和反步控制技术的两种方法，并通过真实实验验证其有效性及传统方法的局限。
2025-03-06 cs.RO cs.SY eess.SY
A probabilistic framework for tracking uncertainties in robotic manipulation
Nanyang Technological University（南洋理工大学）
精确跟踪不确定性对于机器人在非结构化和动态环境中成功安全运行至关重要。我们提出了一个概率框架，以精确地跟踪整个操纵过程中的不确定性。与常见的操作管道一致，我们将该过程分解为两个后续阶段，即感知和物理交互。每一阶段都与不同来源和类型的不确定性有关，需要不同的技术。我们讨论了不确定性的哪种表示最适合每个阶段（例如，在感知期间作为SE（3）中的概率分布，在物理相互作用期间作为加权粒子），如何从一种表示转换为另一种表示，以及如何在过程的每个步骤（相机校准，图像处理，推动，抓取等）初始化或更新不确定性。最后，我们证明了这种细粒度的不确定性知识在实际装配任务的好处。
2019-01-04 cs.RO
Probabilistic Radio-Visual Active Sensing for Search and Tracking
University of Padova（帕多瓦大学）；Queen Mary University of London（伦敦玛丽女王大学）
用于搜索和救援任务或协作移动机器人的主动搜索和跟踪依赖于传感平台的致动来检测和定位目标。在本文中，我们专注于视觉检测无线电发射目标的空中机器人配备了无线电接收机和摄像机。基于视觉的跟踪提供了高精度，但感测域的方向性可能需要很长的搜索时间才能检测到目标。相反，无线电信号具有更大的覆盖范围，但跟踪精度较低。因此，我们设计了一个递归贝叶斯估计方案，使用相机的观察，以改善无线电测量。为了调节摄像机的姿态，我们设计了一个最优控制器，其成本函数是建立在概率地图。理论结果支持所提出的算法，而数值分析显示更高的鲁棒性和效率相对于视觉和无线电只有基线。
2021-04-11 cs.RO cs.SY eess.SY
AMP2026: A Multi-Platform Marine Robotics Dataset for Tracking and Mapping
McGill University（麦吉尔大学）；MILA - Quebec AI Institute（魁北克人工智能研究所）；Université Paris-Saclay, CentraleSupélec（巴黎-萨克雷大学，中央超导学院）；University of Minnesota（明尼苏达大学）；Texas A&M University（德克萨斯阿姆斯特朗大学）；Woods Hole Oceanographic Institution（伍兹霍尔海洋研究所）；Binghamton University（宾厄姆顿大学）
AMP2026数据集通过多平台传感器采集，用于支持海洋环境中的多视角跟踪与制图研究。
2026-03-04 cs.RO
Nussbaum Function Based Approach for Tracking Control of Robot Manipulators
University of Luxembourg（卢森堡大学）；Interdisciplinary Centre for Security, Reliability and Trust (SnT)（安全、可靠性与跨学科中心（SnT））；Faculty of Science, Technology and Medicine (FSTM)（科学、技术与医学学院（FSTM））
针对机器人机械臂未知控制方向问题，提出基于 Nussbaum 函数的 PID 控制，结合神经网络估计与 Lyapunov 分析实现自动增益调节并保证信号有界。
2024-03-01 cs.RO cs.SY eess.SY
Eye-tracking-Driven Shared Control for Robotic Arms: Wizard of Oz Studies to Assess Design Choices
Offenburg University of Applied Sciences（奥芬堡应用科学大学）；University of Siegen（锡根大学）
本文通过巫师奥兹研究评估了基于眼动追踪的共享控制设计，旨在提升残疾人与机器人手臂的交互体验和可用性。
2026-02-20 cs.HC cs.RO
Eye Tracking for Tele-robotic Surgery: A Comparative Evaluation of Head-worn Solutions
Johns Hopkins University（约翰斯·霍普金斯大学）；Johns Hopkins Medical Institute（约翰斯·霍普金斯医学院）；Vanderbilt University（范德堡大学）
比较Tobii Pro 3 Glasses与Pupil Labs Core在遥操作手术中的眼动追踪性能，发现两者在瞳孔直径和注视稳定性上表现相当，校准未过期时注视估计误差均为4cm。
2023-10-18 cs.HC cs.RO
Experimental Characterization of Fingertip Trajectory following for a 3-DoF Series-Parallel Hybrid Robotic Finger
Department of Mechanical Engineering, Stony Brook University（机械工程系，石英布鲁克大学）
本文提出了一种三自由度连杆驱动的机器人手指，通过实验验证了其在任务空间轨迹跟踪中的高精度性能，为灵巧手部操作提供了新的基准。
2025-12-02 cs.RO
RadarEye: Robust Liquid Level Tracking Using mmWave Radar in Robotic Pouring
Department of Information Engineering, The Chinese University of Hong Kong, Hong Kong SAR, China（信息工程系，香港中文大学，香港特别行政区，中国）
RadarEye通过毫米波雷达实现机器人倒液过程中液体水平的鲁棒跟踪，采用高分辨率波束成形和物理感知跟踪器，实现亚毫秒级延迟和优于视觉和超声波的精度。
2026-02-11 cs.RO eess.SP
From Self-Normal-Positioning to Omni-Directional Tracking: Real-Time Surface Modeling Enabled Probe Tilt Control for Robotic Ultrasound Imaging
该研究针对机器人超声成像中现有系统仅支持探头法向定位的局限，提出整合RGB-D感知等的全向探头朝向控制框架，实现了高精度的任意角度跟踪，可获取临床所需非法向诊断视图。
2026-08-13 cs.RO
A novel seamless magnetic-based actuating mechanism for end-effector-based robotic rehabilitation platforms
University of Rhode Island（罗德岛大学）
针对上肢康复机器人存在的人机交互不畅、成本高、重力补偿与跟踪难等问题，本研究提出新型磁驱动机构，结合EKF与控制器实现稳定跟踪，用户评价良好，推动了该领域技术发展。
2024-10-29 cs.RO cs.SY eess.SY
Maximum Solar Energy Tracking Leverage High-DoF Robotics System with Deep Reinforcement Learning
North Carolina State University（北卡罗来纳州立大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Kyoto University（京都大学）；Monash University（莫纳什大学）；Indian Institute of Technology（印度理工学院）；South East European University（东南欧大学）；University of Buenos Aires（布宜诺斯艾利斯大学）
本文针对太阳能追踪中预测算法易偏离太阳轨迹的问题，提出一种目标性正则化框架，并结合高自由度机器人手臂提升户外环境下的追踪鲁棒性与灵活性。
2024-11-21 cs.RO
Markerless Suture Needle 6D Pose Tracking with Robust Uncertainty Estimation for Autonomous Minimally Invasive Robotic Surgery
University of California San Diego（加州大学圣地亚哥分校）
缝合针定位是自主缝合的必要条件。由于无标记检测的不一致性，自主缝合中的先前方法通常依赖于基准标记而不是无标记检测方案来定位缝合针。然而，基准标记对于现实世界的应用是不实用的，并且在外科手术中经常会被环境因素遮挡（例如，血液）。因此，在这项工作中，我们提出了一个强大的跟踪方法，估计6D姿态的缝合针时，使用不一致的检测。我们根据缝合针的几何形状定义观察模型，该几何形状捕获检测的不确定性，并以概率的方式暂时融合它们。在我们的实验中，我们比较了不同排列的观察模型在缝合针定位任务，以显示其有效性。我们提出的方法优于以前的方法定位缝合针。我们还证明了所提出的跟踪方法在一个自主缝合针重握任务和体外环境。
2022-04-04 cs.CV cs.RO
Robust Tracking Control for Constrained Robots
National Institute of Applied Sciences and Technology（国立应用科学技术学院）
针对刚度未知环境下的受限机器人，提出了一种新的鲁棒跟踪控制律。使用基于Lyapunov的方法，机器人系统的误差动态和它的能量之间的关系，证明了控制器的稳定性和鲁棒性。最后，一个3自由度约束的机器人手臂被用来证明该方法的稳定性，鲁棒性和安全性。
2014-05-08 cs.RO
Robotic Depowdering for Additive Manufacturing Via Pose Tracking
Department of Mechanical Engineering, Carnegie Mellon University（机械工程系，卡内基梅隆大学）；Robotics Institute, Carnegie Mellon University（机器人研究所，卡内基梅隆大学）
本文提出了一种基于视觉的机器人去粉系统，通过姿态跟踪实时去除3D打印部件表面的未熔合粉末，无需预处理即可适应不同形状的部件。
2026-02-11 cs.RO
Robust adaptive fuzzy sliding mode control for trajectory tracking for of cylindrical manipulator
Hanoi University of Industry（河内工业大学）；Thai Binh University（太平大学）
本研究提出鲁棒自适应模糊滑模控制（AFSMC）方法，结合模糊逻辑与滑模控制，提升圆柱机械臂轨迹跟踪精度、稳定性与抗干扰能力，仿真验证其优于传统方法。
2025-08-07 cs.RO
MR-MPCC: Model Predictive Contouring Control for Robotic Manipulator Tracking under Moving Reference Frames
University of Technology Sydney（悉尼科技大学）；Robotics Institute, University of Technology Sydney（悉尼科技大学机器人研究所）；University of Edinburgh（爱丁堡大学）；School of Informatics, University of Edinburgh（爱丁堡大学信息学院）
本文提出MR-MPCC框架，采用分层控制架构，在UR5e平台验证其在移动参考干扰下的路径跟踪性能，相比PI控制和传统MPC，可降低几何路径跟踪误差与移动路径框架偏差。
2026-10-16 cs.RO
Real-Time Constrained 6D Object-Pose Tracking of An In-Hand Suture Needle for Minimally Invasive Robotic Surgery
University of California San Diego（加州大学圣地亚哥分校）
自主机器人一直是外科机器人技术长期追求的目标。在分阶段环境之外，缝合针的准确定位是在现实世界中自动化各种缝合针操作任务的关键基础。以往的工作在对夹持器夹持的针进行定位时，通常是分别跟踪它们，而没有考虑它们之间的关系。由于在物体和仪器的立体三角测量中可能出现的重大误差，它们的重建可能经常不一致。这可能导致不切实际的工具针抓取重建是不可行的。相反，一个明显的策略，以提高本地化将是杠杆作用，从接触产生的约束，从而约束重建的对象和仪器到一个共同可行的空间。在这项工作中，我们认为可行的抓持约束时，跟踪的6D姿态的手缝合针。我们提出了一个重新参数化的技巧来定义一个新的状态空间来描述一个针的姿势，把握约束可以很容易地定义和满足。我们提出的状态空间和可行的抓取约束，然后纳入贝叶斯滤波器的实时的【形】针定位。在实验中，我们表明，我们的约束方法优于以前的无约束/约束的跟踪方法，并证明了将可行的抓取约束自动化缝合针操作任务的重要性。
2022-10-21 cs.CV cs.RO
A comparison between single-stage and two-stage 3D tracking algorithms for greenhouse robotics
Wageningen University & Research（瓦赫宁根大学及研究中心）
本文在番茄温室环境下比较了3D-SORT（两阶段）与MOT-DETR（单阶段）多目标跟踪算法，发现单阶段方法在遮挡严重的复杂视角序列中具有更高的跟踪精度。
2024-04-19 cs.RO
Safe and Fast Tracking on a Robot Manipulator: Robust MPC and Neural Network Control
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；ETH Zürich（苏黎世联邦理工学院）；University of Stuttgart（斯图加特大学）
快速反馈控制和安全保证在现代机器人中是必不可少的。我们提出了一种方法，通过结合新的鲁棒模型预测控制（MPC）与函数逼近通过（深）神经网络（NN），实现两者。其结果是一种新的方法，复杂的任务，非线性，不确定性和约束动力学是常见的机器人。具体来说，我们利用最近的MPC研究结果，提出了一种新的鲁棒的设定点跟踪MPC算法，实现了可靠和安全的动态设定点跟踪，同时保证稳定性和约束满足。所提出的鲁棒MPC方案构成了一个单层的方法，该方法通过基于参考和可能的障碍物位置直接计算控制命令来统一经常分离的规划和控制层。作为一个单独的贡献，我们展示了如何的MPC的计算时间可以大大减少近似的MPC法与神经网络控制器。NN是根据MPC的离线样本进行训练和验证的，产生统计保证，并在运行时间代替其使用。我们的国家的最先进的机器人机械手的实验是第一次表明，无论是建议的鲁棒性和近似MPC计划的规模，以现实世界的机器人系统。
2020-03-03 cs.LG cs.RO cs.SY
Eye-Tracking-Driven Control in Daily Task Assistance for Assistive Robotic Arms
Offenburg University of Applied Sciences（奥芬堡应用科学大学）；University of Siegen（锡根大学）
本文提出了一种基于眼动的控制框架，通过任务图标和特征匹配方法，帮助身体严重残疾者独立完成日常任务。
2026-01-24 cs.RO
A pose and shear-based tactile robotic system for object tracking, surface following and object pushing
University of Bristol（布里斯托大学）；Bristol Robotics Laboratory（布里斯托机器人实验室）
本文提出一种能同时估计接触位姿与接触后剪切的触觉机器人系统，实现平滑连续交互，并在物体跟踪、表面跟随及单双臂推动任务中验证了其有效性。
2023-06-26 cs.RO
In-Hand Object Pose Tracking via Contact Feedback and GPU-Accelerated Robotic Simulation
Carnegie Mellon University（卡内基梅隆大学）；NVIDIA Research（英伟达研究院）
由于显著的遮挡，跟踪被机器人手握持和操纵的对象的姿态对于基于视觉的方法是困难的。先前的工作已经探索了使用接触反馈和粒子滤波器来定位手中的对象。然而，他们主要集中在静态抓取设置上，而不是在物体运动时，因为这样做需要对复杂的接触动力学进行建模。在这项工作中，我们建议使用GPU加速的并联机器人模拟和导数免费的，基于样本的优化跟踪在手对象的姿态与接触反馈在操作过程中。我们使用物理仿真作为机器人与物体交互的前向模型，该算法对仿真的状态和参数进行联合优化，使它们更好地与现实世界的状态和参数相匹配。该方法在单GPU上实时运行（30Hz），模拟实验中点云距离平均误差为6mm，真实环境中点云距离平均误差为13mm。在https://sites.google.com/view/in-hand-object-pose-tracking/上观看实验视频
2020-11-05 cs.RO
ActivePose: Active 6D Object Pose Estimation and Tracking for Robotic Manipulation
Karlsruhe Institute of Technology（卡尔斯鲁厄理工大学）；Shanghai Jiao Tong University（上海交通大学）；Istituto Italiano di Tecnologia（意大利理工学院）；The Hong Kong Polytechnic University（香港理工大学）；D-Robotics（D-机器人）
ActivePose通过结合视觉-语言模型与机器人想象力，实现主动6D物体姿态估计与跟踪，提升机器人操作的可靠性。
2026-03-07 cs.RO
Augmenting Neural Networks-Based Model Approximators in Robotic Force-Tracking Tasks
Department of Mechanical Engineering, Politecnico di Milano（机械工程系，米兰理工学院）；Department of Information Engineering, Electrical Engineering and Applied Mathematics (DIEM), University of Salerno（信息工程、电气工程和应用数学系（DIEM），萨勒诺大学）
针对机器人力跟踪中传统控制器调参困难的问题，提出利用神经网络集成预测接触力并优化残差动作的VAICAM控制器，在仿真中优于基线。
2025-10-24 cs.RO
On Model Predictive Path Following and Trajectory Tracking for Industrial Robots
Norwegian University of Science and Technology（挪威科技大学）；SINTEF DIGITAL（SINTEF数字研究所）
在这篇文章中，我们将展示如何模型预测路径跟踪控制器允许机器人机械手停止在障碍物的方式，模型预测轨迹跟踪控制器不能。我们提出了这两个控制器应用于机器人机械手，模拟两连杆机械手使用内点求解器，考虑离散化的最优控制问题，使用配置或龙格库塔，并讨论我们的实施模型预测路径跟踪控制器的实时可行性。
2017-03-07 cs.RO
AgriSORT: A Simple Online Real-time Tracking-by-Detection framework for robotics in precision agriculture
Sapienza University of Rome（罗马大学）
针对精准农业中静态、外观相似目标导致外观关联失效的问题，提出仅依赖运动信息的在线实时跟踪框架 AgriSORT，并在葡萄园 MOT 基准上验证其高效、易部署的性能。
2023-09-28 cs.AI cs.CV cs.RO
Towards Robotic Haptic Proxies in Virtual Reality
Queen's University（女王大学）；Department of Electrical and Computer Engineering（电气与计算机工程系）
本文初步开发了一种通过VR头显与机器人操纵器建立虚实双向连接的触觉显示系统，并评估了Meta Quest Pro的手部追踪延迟与静态位置误差，为触觉代理框架奠定基础。
2024-06-06 cs.RO
Localization and Tracking of User-Defined Points on Deformable Objects for Robotic Manipulation
ArtiMinds Robotics（ArtiMinds机器人公司）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
本文介绍了一种有效的程序来定位用户定义的点的表面上的可变形的物体，并跟踪他们的位置在3D空间随着时间的推移。为了处理可变形对象的无限多个自由度，我们提出了一个离散化的变形场，这是在运行时使用多步非线性求解器管道估计。由此产生的高维能量最小化问题描述了离线定义的参考模型和预处理的相机图像之间的偏差。一个额外的正则化项允许对对象的隐藏区域进行假设，并增加求解器的数值稳定性。我们的方法能够以数据并行的方式在线解决定位问题，使其非常适合于工业制造过程中对非刚性物体的感知。
2021-05-19 cs.CV cs.RO
