A guiding vector field algorithm for path following control of nonholonomic mobile robots
Delft Center for Systems and Control at Delft University of Technology（代尔夫特理工大学系统与控制中心）
本文提出了一种基于引导矢量场（GVF）思想的非holonomic移动机器人路径跟随控制算法，该算法能够将任意光滑曲线作为期望路径，通过设计引导矢量场使其积分曲线收敛到轨迹，并通过非线性运动控制器使机器人沿该积分曲线运动，最终到达期望路径，同时通过实验验证了算法的全局收敛性和有效性。
2017-02-07 cs.RO cs.SY eess.SY
Linear Time-Varying MPC for Nonprehensile Object Manipulation with a Nonholonomic Mobile Robot
University of Modena and Reggio Emilia（摩德纳-雷焦艾米利亚大学）；University of Naples（那不勒斯大学）
本文提出了一种非完整移动机器人通过推动操作物体的技术，推动是一种非连续的操作运动基元。这种原语涉及与机器人和被操纵对象之间的摩擦相关联的单边约束。违反此约束会在操纵过程中产生对象的滑动，从而阻止正确完成任务。设计了一种线性时变模型预测控制，使控制行为中包含了适当的单边约束。该方法是通过先锋3-DX轮式机器人执行的推动操作的包装在动态仿真环境中进行验证。
2020-03-23 cs.RO
Safer Gap: A Gap-based Local Planner for Safe Navigation with Nonholonomic Mobile Robots
Georgia Institute of Technology（佐治亚理工学院）
本文扩展了基于间隙的导航技术，在潜在的差距，保证安全的非完整机器人的所有层次的本地计划者层次结构，所谓的安全差距。第一层通过间隙生成基于Bezier的无碰撞路径。一个子集的可导航的自由空间，从机器人通过一个间隙，称为锁孔，被定义为工会的最大的无碰撞的磁盘中心的机器人和一个梯形区域通过间隙。它是由一个浅的神经网络归零障碍函数（ZBF）编码。非线性模型预测控制（NMPC），锁孔ZBF约束和Bezier路径的输出跟踪，合成一个安全的运动学上可行的轨迹。在基于逐点优化的安全控制合成模块中低级别使用Keyhole ZBF作为最终安全层。仿真和实验验证了Safer Gap的无碰撞导航特性。
2023-03-14 cs.RO cs.SY eess.SY
Hamiltonian Dynamics Learning from Point Cloud Observations for Nonholonomic Mobile Robot Control
University of California San Diego（加州大学圣迭戈分校）；Kuwait University（科威特大学）
本文提出直接从点云观测学习机器人动力学的方法，嵌入哈密顿结构提高数据效率，并基于能量整形设计跟踪控制器，在真实非完整轮式机器人上验证了有效性。
2024-03-12 cs.RO cs.SY eess.SY
Attack-resilient observer pruning for path-tracking control of Wheeled Mobile Robot
FAMU-FSU College of Engineering（佛罗里达农工大学-佛罗里达州立大学工程学院）
针对轮式移动机器人路径跟踪控制中虚假数据注入攻击绕过残差监控的问题，提出抗攻击观测器剪枝算法，排除受攻陷通道，以高概率实现100%攻击定位精度，增强UKF抗攻击能力，并通过DDWMR双层平台仿真验证有效性。
2020-09-07 cs.RO cs.SY eess.SY
A Novel Assistive Controller Based on Differential Geometry for Users of the Differential-Drive Wheeled Mobile Robots
Tohoku University（东北大学）
某些轮式移动机器人，例如，电动轮椅可以通过用户的间接操纵杆控制来操作。当用户应该确定车辆方向和速度时，正确的转向角变得至关重要，特别是对于差动轮式车辆，因为车辆速度和方向仅用两个驱动轮控制。当用户需要实现复杂曲线时，这个问题变得更具挑战性。一种新的辅助控制器与安全约束，需要解决这些问题。而且，经典的控制方法大多需要预先确定期望的状态，这与人类对期望位置的自发决定完全矛盾。在这项工作中，我们开发了一种新的辅助控制策略的基础上微分几何只依赖于操纵杆输入和车辆状态的控制器不需要任何所需的状态。我们首先解释车辆运动学和我们设计的达布框架运动学的一个虚拟的车轮和平面的接触点。其次，几何控制器使用达布框架运动学的设计具有一定的安全约束下的平滑轨迹。我们用不同的参与者实验我们的方法，并评估其在各种路线上的表现。
2022-02-04 cs.RO cs.SY eess.SY
Formation Maneuvering Control of Multiple Nonholonomic Robotic Vehicles: Theory and Experimentation
Louisiana State University（路易斯安那州立大学）
针对多个非完整轮式移动机器人的编队机动问题，提出了一种新的主从式解决方案。该解决方案是基于图，模型的机器人之间的协调是一个生成树。我们的分散控制法确保，在最小二乘意义上，机器人全球获得一个给定的平面形成，而形成作为一个整体的全球跟踪所需的轨迹。首先在运动学层次设计控制律，然后扩展到动力学层次。在后者中，我们认为运动方程中存在参数不确定性。这些不确定性占采用自适应控制方案。所提出的编队机动控制的实验和数值证明。
2017-06-23 cs.RO math.OC
Time-Varying Formation Tracking Control of Wheeled Mobile Robots With Region Constraint: A Generalized Udwadia-Kalaba Framework
Department of Dynamics and Control（动力学与控制系）；Beihang University（北航）；Department of Electrical Engineering（电气工程系）；City University of Hong Kong（香港城市大学）
本文提出了一种基于广义Udwadia-Kalaba框架的轮式移动机器人时间变化编队跟踪控制方法，考虑区域约束以确保机器人安全。
2026-02-26 cs.MA cs.RO
Design and Implementation of a Fuzzy Adaptive Controller for Time-Varying Formation Leader-Follower Configuration of Nonholonomic Mobile Robots
University of Tehran（德黑兰大学）
研究了基于轨迹跟踪控制策略的非完整移动机器人时变主从编队控制问题。在时变编队中，每个跟随器的相对方位和距离是可变参数，因此，即使不改变领导机器人的线速度和角速度，跟随器也可以执行各种复杂的行为。在建立时变主从编队运动学模型的基础上，采用反推控制方法保持编队结构不变。利用李雅普诺夫定理研究了编队的全局稳定性。此外，所设计的非线性控制器的缺点是在初始阶段输入指令过大。针对此问题，提出了一种模糊自适应算法来改进反演控制器，并保证了所得到的模糊自适应反演控制器的全局稳定性。在主从编队的运动学模型和控制器设计过程中考虑相对距离和方位的变化率，使得编队在动态和杂波环境中更实用，并且能够定义跟随者的复杂行为，并且提供碰撞和障碍物避免而无需在不同的控制策略之间切换。最后，所提出的运动学模型和设计的控制器的性能进行了研究，通过仿真和实验研究。
2022-05-23 cs.RO cs.SY eess.SY
Low-Complexity Cooperative Payload Transportation for Nonholonomic Mobile Robots Under Scalable Constraints
School of Mechanical Electrical Engineering and Automation, Harbin Institute of Technology Shenzhen（哈尔滨工业大学（深圳）机电工程与自动化学院）；School of Control Science and Engineering, Shandong University（山东大学控制科学与工程学院）；School of Automation and Intelligent Manufacturing, Southern University of Science and Technology（南方科技大学自动化与智能制造学院）
针对分布式控制难处理多约束、优化方法集中且耗时的问题，本文改进编队控制，提出低复杂度、分布式且支持可扩展约束的非完整移动机器人协同运输方法，并通过缆索悬挂载荷仿真与实验验证可行性。
2025-02-19 cs.RO cs.SY eess.SY
Orchestrating Wheeled Mobile Robots Online without Conflicts
School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动性学院）；Department of Mechanical Engineering, National University of Singapore（新加坡国立大学机械工程系）；Department of Civil and Environmental Engineering, University of Michigan（密歇根大学土木与环境工程系）
本文提出REACT架构，通过集中式编队生成和分布式编队维护相结合的方法，解决轮式移动机器人在复杂环境中编队导航的适应性问题，实现了无轨迹冲突的连续编队导航。
2026-09-22 cs.RO cs.SY eess.SY
Experimental Comparison of Global Motion Planning Algorithms for Wheeled Mobile Robots
University of Southern California（南加利福尼亚大学）；Robert Bosch GmbH（罗伯特·博世股份有限公司）
规划轮式移动机器人的平稳和节能运动是从自动驾驶到服务和内部物流机器人应用的中心任务。在过去的几十年里，针对此类非完整系统提出了各种各样的运动规划器、转向函数和路径改进技术。为了比较各种最先进的运动规划技术，我们为轮式移动机器人引入了一种新的开源运动规划基准，其场景类似于现实世界的应用程序（如导航仓库，在混乱的城市或停车），并提出了规划效率和路径质量的指标。我们的基准易于使用和扩展，因此允许从业者和研究人员轻松评估新的运动规划算法，场景和指标。我们使用我们的基准来突出几个常见的最先进的运动规划器的优点和缺点，并提供何时应该使用它们的建议。
2020-03-07 cs.AI cs.RO
Optimizing Control Strategies for Wheeled Mobile Robots Using Fuzzy Type I and II Controllers and Parallel Distributed Compensation
Fordham University（福特汉姆大学）
本研究基于模糊I型和II型控制器及并行分布补偿，为轮式移动机器人设计鲁棒控制器，结合LMI分析稳定性并管理运动学不确定性，实验证明II型模糊控制器优于PID和I型。
2024-09-11 cs.RO
A Tutorial on Modeling and Control of Slippage in Wheeled Mobile Robots
COMSATS Institute of Information Technology (CIIT)（COMSATS信息与技术学院（CIIT））
本教程深入探讨轮式移动机器人的打滑与侧滑问题，综述了相关建模方法和控制机制的最新进展，并展望了未来应用趋势。
2023-06-24 cs.RO eess.SP
Cooperative Distributed Robust Control of Modular Mobile Robots with Bounded Curvature and Velocity
University of Utah（犹他大学）
本文研究了一种新型的运动控制系统，用于具有柔性框架轮式模块化移动机器人（CFMMR）。该系统结合了基于有限曲率的运动控制器和非线性阻尼动态控制器，通过多种控制器交互形式评估不同控制结构，实验结果验证了姿态调节的有效性。
2019-05-03 cs.RO cs.SY eess.SY
Synthesis of Deep Neural Networks with Safe Robust Adaptive Control for Reliable Operation of Wheeled Mobile Robots
Tampere University（坦佩雷大学）
本文提出一种结合深度神经网络与鲁棒自适应控制的分层控制策略，通过双重安全层保障轮式移动机器人在故障和干扰下的稳定运行，实验证实了方法的有效性。
2025-08-14 cs.RO cs.SY eess.SY
Decentralized Rendezvous of Nonholonomic Robots with Sensing and Connectivity Constraints
Department of Mechanical and Aerospace Engineering, University of Florida, Gainesville, USA（机械与航空航天工程系，佛罗里达大学，盖恩斯维尔，美国）；Munitions Directorate, Air Force Research Laboratory, Eglin AFB, FL 32542, USA（弹药局，空军研究实验室，埃格林空军基地，佛罗里达州，32542，美国）；Department of Electrical and Computer Engineering, University of Florida, Gainesville, USA（电气与计算机工程系，佛罗里达大学，盖恩斯维尔，美国）
研究针对具有非holonomic约束的轮式机器人，在保持网络连通性和碰撞避免的前提下，实现群体在指定点集的会合。采用去中心化时变控制器基于导航函数框架，利用局部传感反馈实现导航。
2014-02-23 cs.RO cs.SY eess.SY
Keep Rollin' - Whole-Body Motion Control and Planning for Wheeled Quadrupedal Robots
ETH Zürich（苏黎世联邦理工学院）
我们展示了轮式四足机器人的动态运动策略，它结合了步行和驾驶的优点。所开发的优化框架紧密集成了由车轮引入的额外自由度。我们的方法依赖于基于零矩点的运动优化，不断更新参考轨迹。参考运动由一个分层的全身控制器来跟踪，该控制器通过求解包括非完整滚动约束在内的一系列优先任务来计算最佳广义加速度和接触力。我们的方法已经在ANYmal上进行了测试，ANYmal是一种四足机器人，它是完全扭矩控制的，包括连接到腿上的非转向轮。我们在平坦和倾斜的地形以及台阶上进行了实验，由此我们表明，将车轮集成到运动控制和规划框架中会产生直观的运动轨迹，与其他轮式足式机器人相比，这使得运动更加稳健和动态。此外，以4 m/s的速度和降低83%的运输成本，我们证明了轮式足式机器人与腿式机器人相比的优越性。
2019-02-07 cs.RO
Efficient Path Interpolation and Speed Profile Computation for Nonholonomic Mobile Robots
Montefiore Institute（蒙特菲奥雷研究所）；University of Liège（列日大学）
本文研究二维空间中非完整移动机器人的路径综合问题。我们首先解决将表示为直线段序列的路径（例如由某些规划算法产生的路径）插值为可以不间断地遵循的平滑曲线的问题。我们的解决方案具有比其他现有方法更简单的优点，并且具有低计算成本，允许实时实现。它产生离散路径上的曲率和曲率的变化是有界的所有点，并保持障碍清除。然后，我们考虑计算这样的路径的时间最优速度曲线的问题。我们介绍了一种算法，解决这个问题的线性时间，这是能够考虑到更广泛的一类物理约束比其他解决方案。我们的贡献已在Eurobot竞赛的框架内得到实施和评估。
2015-08-11 cs.RO
Parameter-Dependent LMI Synthesis for Semi-Global Differential ISS Trajectory Tracking of Nonholonomic Mobile Robots Under Multiplicative Wheel Slip
University of Genoa（热那亚大学）；Shiraz University（设拉子大学）
本文提出依赖参数的LMI框架，结合滑移干扰界等分析，使非完整移动机器人在可变地形的轨迹跟踪误差显著降低，具备良好稳定性与计算可行性。
2026-08-11 cs.RO cs.SY eess.SY
Affine trajectory correction for nonholonomic mobile robots
University of Tokyo（东京大学）
非完整系统的轨迹规划是困难和计算昂贵的。因此，当面对意外事件时，可能优选的是以某种方式使最初规划的轨迹变形，而不是重新规划整个新的轨迹。我们建议在这里的方法的基础上仿射变换，使这样的变形。这种方法是准确和快速的：变形和产生的轨迹可以计算代数，在一个步骤中，没有任何轨迹重新整合。为了证明这种新方法所提供的可能性，我们用它来推导一般类的平面轮式机器人和三维水下航行器的位置和方向校正算法。这些算法又允许实现更复杂的应用，包括避障、反馈控制或用于基于采样的运动动力学规划器的间隙填充。
2011-05-29 cs.RO
Implementation of Torque Controller for Brushless Motors on the Omni-directional Wheeled Mobile Robot
Kasetsart University（泰国农业大学）
轮式移动机器人的主要问题是低级别控制器增益的调整，特别是在机器人比赛。在比赛过程中，机器人车轮可能会损坏地板表面，因此表面系数可能会随着时间的推移而变化。PI增益必须在每场比赛之前进行调整。在本研究中，转矩控制器的定义和实现，以解决这个问题。转矩控制器由机器人轮角速度PI控制器和无刷电机的动力学方程组成。电动机动力学可以从能量守恒定律导出。在实验中使用了三种不同的地毯，它们具有不同的摩擦系数。机器人轮的角速度分布是从机器人运动学与不同的初始条件。机器人与转矩控制器的输出路径进行了比较与常规PI控制器的机器人的输出路径时，相同的车轮角速度配置文件被应用。结果表明，力矩控制器可以提供一个更好的机器人路径比普通的PI控制器。
2017-08-04 cs.RO
Proofs of the Technical Results Justifying an Algorithm of Reactive 3D Navigation for a Surface Scan by a Nonholonomic Mobile Robot
Saint Petersburg State University（圣彼得堡国立大学）；University of New South Wales（新南威尔士大学）
一个单一的非完整欠驱动移动机器人与有界的控制范围内的三维工作空间。该工作空间还拥有一个具有平滑边界的紧凑未知域。机器人可以访问到该域的水平距离和空间中的某个方向（通常是垂直方向），以及该方向上的坐标（通常是高度）。我们提出了一个新的导航法，驱动机器人到所需的距离域，并确保随后的全扫描其表面在所需的范围内的“高度”。所提出的策略是计算成本低，并实现了全扫描在最低的控制水平，通过生成电流控制作为一个简单的，反射式的反应，目前的观察。本文提出并证明了数学上严格的分析和理由所提出的指导方法的关键技术事实。
2016-05-09 cs.RO math.OC
Online Joint Calibration of Steering Offset and Planar LiDAR Extrinsics for Wheeled Mobile Robots
ATI Motors
针对仓库移动机器人手动校准转向偏移与激光雷达外参易出错的问题，提出基于扩展卡尔曼滤波的在线联合校准方法，经实验验证可有效降低横向跟踪误差。
2026-08-28 cs.RO
A Harmonic Potential Field Approach for Joint Planning & Control of a Rigid, Separable Nonholonomic, Mobile Robot
KFUPM（法赫德国王石油与矿业大学）
本文提出一种基于谐振势场的方法，用于在移动机器人伺服层面实现路径规划，通过同步控制信号使机器人速度与势场梯度一致，解决复杂环境下的规划问题。
2016-08-23 cs.RO cs.SY eess.SY
Model Identification and Control of a Low-Cost Wheeled Mobile Robot Using Differentiable Physics
Rutgers University（罗格斯大学）
我们提出了一种低成本的轮式移动机器人的设计，并预测其运动的影响下的电动机转矩和摩擦力的分析模型。使用我们提出的模型，我们展示了如何分析计算一个适当的损失函数的梯度，该函数测量预测的运动轨迹和现实世界的轨迹，这是估计使用Apriltags和高架摄像头之间的偏差。这些分析梯度允许我们通过使用梯度下降最小化损失函数来自动推断未知的摩擦系数。由优化模型预测的运动轨迹与现实世界中的运动轨迹非常吻合。实验表明，我们提出的方法是计算优于现有的黑箱系统辨识方法和其他数据驱动的技术，也需要非常少的真实世界的样本准确的轨迹预测。所提出的方法结合了基于第一原理的分析模型的数据效率，以及数据驱动方法的灵活性，这使得它适用于低成本机器人。使用学习的模型和我们的基于梯度的优化方法，我们展示了如何自动计算电机控制信号，以驱动机器人沿着预先指定的曲线。
2020-09-24 cs.RO
InPTC: Integrated Planning and Tube-Following Control for Prescribed-Time Collision-Free Navigation of Wheeled Mobile Robots
School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院）；The Hong Kong Polytechnic University (PolyU)（香港理工大学）；Instituto Tecnológico Autónomo de México (ITAM)（墨西哥自治技术学院）
本文提出InPTC方法，结合基于切锥和时间尺度变换的预设时间路径规划器与基于屏障函数的管道跟随控制器，实现轮式移动机器人在预设时间内的高精度无碰撞导航。
2024-08-27 cs.RO cs.SY eess.SY
Calibration of the internal and external parameters of wheeled robot mobile chasses and inertial measurement units based on nonlinear optimization
School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院）；School of Automation, SouthEast University（东南大学自动化学院）
移动机器人定位、地图绘制和导航系统通常采用惯性测量单元（IMU）来获得机器人的加速度和角速度。然而，在内部和外部参数的IMU所产生的有缺陷的校准误差直接影响机器人定位和位姿估计的精度。虽然这个问题已经解决了成熟的内部参考校准方法可用于IMU，外部参考校准方法之间的IMU和底盘的移动机器人是缺乏的。针对这一问题，提出了一种基于非线性优化的底盘-IMU内外参数标定算法，该算法适用于配备摄像头、IMU和轮速里程表的机器人，在准确标定IMU内部参数和摄像头内外参数的前提下发挥作用。所有的内部和外部参考校准都是使用机器人的现有设备进行的，而不需要额外的校准辅助工具。以麦克纳姆轮全方位移动平台为例验证了该方法的可行性，也适用于其他类型的移动机器人底盘。所提出的标定方法，从而证明，以保证机器人位姿估计的准确性。
2020-05-17 cs.RO
Human Following for Wheeled Robot with Monocular Pan-tilt Camera
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；University of Chinese Academy of Sciences（中国科学院大学）
人类跟随移动机器人已经见证了显着的进步，由于其潜在的现实世界的应用。目前大多数人跟随系统都配备了深度传感器来获取人与机器人之间的距离信息，这受到感知要求和噪声的影响。本文设计了一种带单目云台摄像机的轮式移动机器人系统，该系统能够在跟踪目标的同时保持对目标的跟踪。该系统由快速的人体检测器、实时准确的视觉跟踪器、移动机器人和云台摄像机的统一控制器组成。在视觉跟踪算法中，利用暹罗网络和光流信息同时对人体进行定位和回归。为了实现对单目摄像机的跟踪控制，引入了人体身高约束来设计控制器。在实验中，人以下进行了分析，在模拟和真实的机器人平台，这表明整个系统的有效性和鲁棒性。
2019-09-13 cs.CV cs.RO
Aggregating Single-wheeled Mobile Robots for Omnidirectional Movements
Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院）；Peking University（北京大学）；Beihang University（北京航空航天大学）
本文提出一种由配备可转向全向轮和永磁对接机构的单轮模块自重构聚合而成的机器人系统，通过优化轮向分布和分层控制实现多模块协作包围运输物体的全向运动，并在仿真与六模块实验中验证了稳定编队和平稳运输性能。
2023-08-07 cs.RO
Data-Driven Predictive Control of Nonholonomic Robots Based on a Bilinear Koopman Realization: Data Does Not Replace Geometry
Institute of Engineering and Computational Mechanics (ITM), University of Stuttgart（工程与计算力学研究所（ITM），斯图加特大学）；Optimization-based Control Group, Institute of Mathematics, Technische Universität Ilmenau（优化控制组，数学研究所，伊尔梅瑙技术大学）；Department of Mechanical Engineering, LUT University（机械工程系，卢托大学）
本文研究了将EDMD模型集成到非完整移动机器人预测控制器的方法，涵盖一阶运动学与二阶动态模型，实验证明其可实现高精度控制，但强调纯数据驱动无法替代系统几何洞察。
2024-11-11 cs.LG cs.RO cs.SY
Designing a Miniature Wheel Arrangement for Mobile Robot Platforms
College of Electrical and Mechanical Engineering, National University of Sciences and Technology（国家科技大学机电工程学院）；Department of Mechanical Engineering（机械工程系）
在本研究报告中，详细介绍了一种微型车轮的设计。这种微型轮装置本质上是一种方向控制机构，旨在用于移动机器人平台或基座上。该设计是一个特定的一个采用步进电机作为致动器和所描述的只能用于某种类型的轮式机器人。然而，作为一个基本的转向控制元件，这些微型轮装置中的一个以上可以组合在一起，以实现更复杂和智能的方向控制方案的轮式移动机器人平台的不同配置。
2011-04-02 cs.RO
Online Learning Based Mobile Robot Controller Adaptation for Slip Reduction
University of California, Berkeley（加州大学伯克利分校）
滑移是轮式移动机器人系统中一种非常普遍的现象。它具有不希望的后果，例如浪费能量和阻碍系统稳定性。为了解决移动机器人在湿滑条件下的轨迹跟踪的挑战，我们提出了一个分层的框架，学习和适应增益的跟踪控制器同时在线。具体而言，强化学习（RL）模块用于自动调整横向预测控制器和纵向速度PID控制器中的参数。实验表明，同步增益调整的必要性，并已证明，我们的在线框架优于最好的基线控制器使用固定的增益。通过利用在线增益自适应，我们的框架实现了强大的跟踪性能，拒绝滑动和减少跟踪误差时，移动机器人通过各种地形。
2023-01-30 cs.RO cs.SY eess.SY
Language-guided Robust Navigation for Mobile Robots in Dynamically-changing Environments
University of California, Riverside（加利福尼亚大学河滨分校）
本文提出一种人在回路的移动机器人导航方法，通过监测规划变化并解析自然语言反馈为局部航路点，结合语义地图与全局规划，在仿真和真实环境中验证了其在动态环境下的鲁棒导航能力。
2024-09-28 cs.CV cs.RO
Design of Outdoor Autonomous Moble Robot
National Sun Yat-Sen University（国立中山大学）
本研究设计一个六轮户外自主式移动机器人。我们的机器人的主要设计目标是增加其在户外移动时的适应性和灵活性。这个六轮机器人平台配备了一些传感器，如全球定位系统（GPS），高清（HD）网络摄像头，光探测和测距（LiDAR）和旋转编码器。采用个人移动计算机和86Duino ONE单片机作为算法计算平台。在控制方面，使用差分GPS或摄像机来检测结构化和非结构化道路边界，以计算机器人的横向偏移和头部角度偏移。横向偏移和头部角度偏移被馈送到模糊控制器。控制输入通过左右轮转速差的Q学习来设计。这使得机器人跟踪参考路线，以便它可以留在自己的车道上。2D LiDAR还用于测量与前方障碍物的相对距离。当机器人与障碍物之间的距离小于特定的安全距离时，机器人会立即停止以避免碰撞。一个定制设计的摇臂使机器人能够爬上一个低台阶。当机器人改变位姿时，通过控制摇臂的角度来保持身体平衡。自主移动机器人已被用于我们的校园道路上的交付服务，通过集成上述系统功能。
2022-01-29 cs.RO cs.SY eess.SY
Formation of Multiple Groups of Mobile Robots Using Sliding Mode Control
本文提出基于质心变换的滑模控制方法，用于多组移动机器人形成不同几何形状，通过设计子系统控制器并采用奇异摄动理论实现有限时间滑动表面控制，同时利用势函数梯度确保碰撞避免。
2015-05-29 cs.RO cs.SY eess.SY
Symmetries in the wheeled inverted pendulum mechanism
Indian Institute of Technology, Bombay（印度孟买理工学院）；Technical University of Munich（慕尼黑工业大学）
本文探讨了轮式倒立摆机制中连接与对称性的作用，推导出简化动力学方程以支持更复杂的反馈控制设计。
2016-12-29 cs.SY eess.SY
Moving Target Interception Considering Dynamic Environment
Shanghai Jiao Tong University（上海交通大学）；Tsinghua University（清华大学）
对运动目标的拦截是一个被广泛研究的问题。提出了一种动态环境下轮式移动机器人拦截运动目标的算法。我们首先通过多项式拟合来预测目标的未来位置。然后，该算法生成的拦截轨迹与路径和速度解耦。我们使用混合A* 搜索来规划路径，并通过梯度下降法优化它。为了避免环境中的动态障碍物，我们引入ST图进行速度规划。速度曲线采用分段Bézier曲线表示，以便于进一步优化。与其他拦截算法相比，本文考虑了动态环境，规划了一条满足轮式机器人运动学特性的安全轨迹，同时保证了拦截精度。仿真结果表明，该算法成功地完成了拦截任务，具有较高的计算效率。
2022-05-16 cs.RO cs.SY eess.SY
BSL: Navigation Method Considering Blind Spots Based on ROS Navigation Stack and Blind Spots Layer for Mobile Robot
Cybermedia Center, Osaka University（大阪大学媒体融合中心）；Graduate School of Maritime Sciences, Kobe University（神户大学海事科学研究科）
针对轮式机器人因环境拐角或障碍物形成盲点而可能与人或物体碰撞的问题，提出基于ROS导航栈、BSL局部代价地图层和增强DWA代价函数的导航方法，并经仿真与实验验证。
2024-05-09 cs.RO
Enhancement for Robustness of Koopman Operator-based Data-driven Mobile Robotic Systems
University of California, Riverside（加州大学河滨分校）
Koopman算子理论已经成为非线性系统建模和跨环境控制（包括非完整移动机器人控制）的动力学提取基础。有越来越多的兴趣在研究中获得鲁棒性（和/或安全性）的保证系统的动态提取通过Koopman运营商。在本文中，我们提出了一种方法来量化的预测误差，因为噪声测量时，Koopman算子近似通过扩展动态模式分解。我们进一步开发了一种增强的机器人控制策略，赋予鲁棒性的一类数据驱动（机器人）系统，依赖于Koopman算子理论，我们展示了如何部分的策略可以发生离线的努力，使我们的算法能够实时实现。我们进行了参数研究，以评估（理论）的性能的算法，使用范德波尔振荡器和进行一系列的模拟实验，在凉亭使用非完整轮式机器人。
2021-04-09 cs.RO cs.SY eess.SY
Distributed Formation Control of Nonlonolomic Mobile Robots by Bounded Feedback in the Presence of Obstacles
University of Nevada, Reno（内华达大学里诺分校）
研究了非完整移动机器人的分布式编队控制问题。使用基于排斥力的控制律来保证代理之间的碰撞避免。在存在障碍物的不确定环境中，排斥力和旋转方向的构造使智能体能够避开和通过障碍物。每个机器人的控制输入被设计为有界的。不同编队的数值仿真结果表明了该方法的有效性。
2017-05-09 cs.RO
Time-optimal Velocity Tracking Control for Differential Drive Robots
University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文研究差分驱动非holonomic轮式机器人在最短时间内跟踪期望速度的问题，提出基于Pontryagin极值原理的控制方法，并针对时间变化的期望速度设计混合结构。
2017-06-15 cs.SY eess.SY
Lies We Can Trust: Quantifying Action Uncertainty with Inaccurate Stochastic Dynamics through Conformalized Nonholonomic Lie groups
Robotics Department, University of Michigan（密歇根大学机器人系）
本文提出CLAPS算法，利用非守恒李群结构，通过符合预测方法在非欧几里得配置空间中量化动作不确定性，提升预测区域的体积效率。
2026-08-25 cs.RO cs.SY eess.SY
Fuzzy Logic Controller Design for Mobile Robot Outdoor Navigation
Addis Ababa Institute of Technology（亚的斯亚贝巴理工学院）
本文提出一种基于模糊逻辑算法的差速驱动轮式移动机器人控制系统，通过接近和GPS传感器实现自主导航、路径规划与避障，仿真证明其能无碰撞到达目的地。
2024-01-10 cs.RO cs.SY eess.SY
Sound Matters: Auditory Detectability of Mobile Robots
University of Bonn（波恩大学）；Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习与人工智能研究所）；Johannes Gutenberg-University Mainz（美因茨约翰内斯·古腾堡大学）
研究通过用户实验发现，四足机器人比轮式机器人听觉可检测性更强，背景噪声显著降低可检测性，次要任务影响微弱，强调区分机器人听觉特征对改善嘈杂环境中以人为中心的导航至关重要。
2024-06-25 cs.RO
Deformation Recovery Control and Post-Impact Trajectory Replanning for Collision-Resilient Mobile Robots
University of California, Riverside（加州大学河滨分校）
本文主要研究了碰撞包容的碰撞恢复移动机器人运动规划。我们提出了一个新的变形恢复和重新规划策略，以处理可能发生的碰撞，在运行时。与仅在保守的局部空间中生成轨迹或需要具有高计算成本的碰撞检查的碰撞避免方法相反，我们的方法直接生成（局部）轨迹，仅施加航点约束。如果发生碰撞，我们的方法然后估计碰撞后的状态，并从那里计算一个中间航路点，以从碰撞中恢复。为了实现这一点，我们开发了两个新的组件：1）变形恢复控制器，优化机器人的状态在碰撞后恢复阶段，和2）后的影响轨迹重新规划器，调整下一个路点的信息，从碰撞的机器人通过，并产生一个基于多项式的最小努力轨迹。该策略进行了实验评估与全方位的冲击弹性轮式机器人。该机器人是在室内设计的，并且它可以借助于在机器人的主底盘和周围的偏转环状结构之间实施的霍尔效应传感器来感知碰撞。
2021-08-04 cs.RO cs.SY eess.SY
Adaptive Model Predictive Control of Wheeled Mobile Robots
University of California at Berkeley（加州大学伯克利分校）
本文提出了一种基于自适应模型预测控制（AMPC）框架的控制算法，用于引导具有未知惯量的两轮移动机器人到达期望点和方向。将两轮移动机器人建模为具有非完整运动学约束的刀刃或冰鞋，并采用拉格朗日方法推导了其动力学方程。在每个时刻的输入是从模型预测控制（MPC）获得的，其中具有使用递归最小二乘算法更新的一组标称参数。最后通过数值仿真验证了算法的有效性。
2022-01-03 cs.AI cs.RO cs.SY
Fully Proprioceptive Slip-Velocity-Aware State Estimation for Mobile Robots via Invariant Kalman Filtering and Disturbance Observer
University of Michigan（密歇根大学）；Woven Planet
针对移动机器人滑移估计问题，提出融合惯性测量单元与机体速度数据、嵌入滑移速度到$\text{SE}_3(3)$李群的基于DOB的RI-EKF全本体感受状态估计器，经Husky机器人实验验证有效且开源可复现。
2023-10-01 cs.RO cs.SY eess.SY
Stability and Comfort in Mobile Robot-Pedestrian Interactions
National Cheng Kung University（国立成功大学）
研究针对非完整约束移动机器人，利用社会力模型等设计算法，通过仿真校准、实验比较及统计分析，证明算法稳定性，突出其在提高行人舒适性方面的优势。
2026-07-21 cs.RO cs.SY eess.SY
Gaussian Process Distance Fields Obstacle and Ground Constraints for Safe Navigation
UTS Robotics Institute（UTS机器人研究所）；Faculty of Engineering and IT, University of Technology Sydney（悉尼科技大学工程与信息技术学院）
针对地面机器人在三维复杂场景中的安全导航问题，提出融合两个高斯过程距离场与四叉树多分辨率地图的轨迹优化方法，可处理不平地形、台阶及悬空障碍。
2024-10-23 cs.RO
Dynamic Modelling and Adaptive Traction Control for Mobile Robots
近年来，移动机器人得到了大量的研究。大量的研究已经发表在许多方面与移动机器人。大部分的研究致力于设计和开发一些机器人运动和路径规划的控制技术。大量的研究人员已经使用运动学模型来开发移动机器人的运动控制策略。他们的论点和假设，这些模型是有效的，如果机器人具有低速，低加速度和轻负载。然而，移动机器人的动态建模是非常重要的，因为它们被设计为以更高的速度行驶，并执行重型工作。本文提出并讨论了一种新的方法来发展的动力学模型和控制策略的轮式移动机器人，我建模为一个刚体，两个轮子和一个脚轮的作用。运动控制策略分为两个层次。第一层是处理系统的动态特性，称为低层控制器。第二个层次的发展，以照顾路径规划和轨迹生成。
2004-11-08 cs.RO
Empirical Pedestrian Safety Assessment in a Mobile Robot Using a Predictive Social Force Model
National Cheng Kung University（国立成功大学）
研究移动机器人与行人共享人行道时的安全评估，通过整合预测社会力向量引入PSFM和PTSFM，在非完整移动机器人上实验，证实PTTC集成可提升安全指标，预测贡献有限，单行人场景中预测带来的额外好处不多。
2026-07-13 cs.RO cs.SY eess.SY
AD-NODE: Adaptive Dynamics Learning with Neural ODEs for Mobile Robots Control
University of California, Berkeley（加州大学伯克利分校）；YaiYai Ltd and Aalto University（YaiYai公司和阿alto大学）
本文提出AD-NODE，一种基于神经ODE的自适应动力学模型，通过状态-动作历史推断环境，无需直接环境信息，在三个机器人平台上验证了其处理时空变化环境的能力。
2025-10-06 cs.LG cs.RO cs.SY
Online Calibration of a Single-Track Ground Vehicle Dynamics Model by Tight Fusion with Visual-Inertial Odometry
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
本文提出ST-VIO，将单轨动力学模型与视觉惯性里程计紧耦合，在线标定模型参数，提升轮式机器人运动预测与跟踪精度。
2024-05-28 cs.CV cs.RO
