Safe Balancing Control of a Soft Legged Robot
Boston University(波士顿大学);Carnegie Mellon University(卡内基梅隆大学)
由软材料制成的足式机器人通常被认为比刚性机器人更安全,更强大的环境相互作用。然而,与刚性运动相比,软体机器人的这种激励特征需要更严格的开发。本文介绍了一种柔性足式机器人平台Horton,以及一种在其操作的某些方面具有安全保证的反馈控制系统。该机器人是使用一系列柔软的肢体,由热形状记忆合金(SMA)丝肌肉驱动,其位置和致动器温度的传感器。一个监督控制方案保持安全的致动器状态,在操作过程中的一个单独的控制器的机器人的姿势。实验表明,霍顿可以抬起腿并保持平衡,这是运动的前兆。在平衡过程中,通过人机交互测试在硬件中验证监督程序,使所有SMA肌肉保持在温度阈值以下。这项工作是第一次演示的安全验证反馈系统的任何软足式机器人。
2022-09-27 cs.RO
Line Walking and Balancing for Legged Robots with Point Feet
Istituto Italiano di Tecnologia(意大利技术研究院);KU Leuven(鲁汶大学)
腿式系统穿越高度约束环境的能力在很大程度上取决于其运动和平衡控制器的性能。本文提出了一种控制器,擅长在大多数国家的最先进的平衡控制器尚未解决的情况下:线行走,或行走在几乎为零的支持区域。我们的方法使用一个低维的虚拟模型(2-DoF),通过先前派生的四项平衡控制器生成平衡动作,并通过派生的运动学映射将它们转换为机器人。该控制器的能力在模拟中进行了测试,我们展示了90公斤重的四足机器人HyQ通过一座宽度仅为6厘米的桥(与其直径为4厘米的球形脚相比),在沿着一条线移动的同时随时保持双脚平衡。最后,我们提出了我们的初步实验结果显示HyQ平衡的两条腿,而被干扰。
2020-08-21 cs.RO
Learning Ball-balancing Robot Through Deep Reinforcement Learning
Zhejiang University(浙江大学);Shanghai Jiao Tong University(上海交通大学);Tencent Robotics X(腾讯Robotics X)
球平衡机器人是测试平衡控制器有效性的良好平台。考虑到平衡控制,传统的基于模型的反馈控制方法得到了广泛的应用。然而,接触和碰撞很难建模,并且经常导致平衡控制失败,特别是当球机器人倾斜大角度时。为了探索球机器人的最大初始倾斜角度,平衡控制被解释为一个恢复任务,使用强化学习(RL)。RL对于难以建模的系统来说是一种强大的技术,因为它允许代理通过与环境交互来学习策略。本文将常规反馈控制器与RL方法相结合,提出了一种复合控制器。我们通过训练代理成功地执行涉及接触和碰撞的恢复任务来显示复合控制器的有效性。仿真结果表明,与传统的基于模型的控制器相比,使用复合控制器,球机器人可以在更大的初始倾斜角设置下保持平衡。
2022-08-22 cs.RO
Modelling of Walking Humanoid Robot With Capability of Floor Detection and Dynamic Balancing Using Colored Petri Net
University of Tabriz(大不里士大学)
大多数人形机器人具有高度复杂的结构,并且设计与人类非常相似的机器人是极其困难的。在本文中,建模的一般和全面的控制算法的人形机器人的着色Petri网。为了保持机器人的动态平衡,在算法中采用了陀螺仪和加速度计传感器的组合。图像处理主要用于识别两个基本问题:一是检测机器人必须跟随的目标或物体;二是检测地面表面,使步行机器人能够像人一样保持平衡,并显示其最佳性能。所提出的模型给出了高层次的人形机器人的操作。
2014-04-10 cs.RO
Dynamic Balancing of Humanoid Robot Walker3 with Proprioceptive Actuation: Systematic Design of Algorithm, Software and Hardware
Beijing Research Institute of UBTECH Robotics(优必选机器人北京研究院);Tsinghua University(清华大学)
人形机器人在不确定干扰下的动力学平衡是一个重要的问题,它要求机器人具有良好的协调全身冗余度执行多任务的能力。基于递阶优化的全身控制(WBC)已被普遍接受并应用于力矩控制机器人。良好的层次结构是WBC的先决条件,并且可以根据先验知识预定义。然而,考虑到WBC的计算复杂性,在物理应用中实时计算将是有问题的。对于本体感受驱动的机器人,减速器中的关节摩擦也会降低其力矩跟踪性能。在本文中,一个合理的层次结构的任务和约束是第一次定制的机器人动平衡。然后通过计算效率高的WBC软件实现实时WBC。该方法在具有实时通信和强大计算能力的模块化主控系统UBTMaster上得以实现。关节摩擦被很好地覆盖的模型识别后,各种平衡的情况下进行了广泛的实验上的人形步行者3与本体感受驱动。该机器人即使在外部冲击以及机器人的两个脚独立地遭受倾斜和移位干扰的情况下也显示出出色的平衡性能。结果表明,通过严格的层次结构、实时计算和关节摩擦的谨慎处理,本体感受驱动机器人能够很好地管理与非结构化环境的动态物理交互。
2021-08-09 cs.RO
When Should Robots Intervene? Balancing Engagement and Intrusiveness in Human-Robot Interaction
Institut de Robòtica i Informàtica Industrial (CSIC-UPC)(工业机器人与信息学研究所(CSIC-UPC));Universitat Politècnica de Catalunya (UPC)(加泰罗尼亚理工大学)
本研究通过用户实验比较持续寻求参与与上下文感知两种机器人干预策略,发现高交互频率不必然提升参与度,有效参与需平衡支持与侵入性,依赖自适应、上下文敏感的干预策略。
2026-09-21 cs.RO
An Optimization Based Control Framework for Balancing and Walking: Implementation on the iCub Robot
Istituto Italiano di Tecnologia(意大利技术研究院)
本文提出了一种适用于平衡和步行任务的全身力矩控制框架。在所提出的方法中,质心动量项被排除在有利于高优先级的位置和方向的任务和低优先级的姿势任务的层次结构。更具体地,控制器稳定质心的位置、骨盆框架的取向以及脚框架的位置和取向。低优先级姿势任务为机器人的每个关节提供参考位置。通过二次规划优化获得关节力矩和接触力,以稳定任务。除了排除质心动量项之外,该方法的部分新颖性在于SE(3)中的控制律的定义,其不需要使用欧拉参数化。在机器人原地行走时保持平衡的场景中实现了框架的验证。实验已经进行了iCub机器人,在模拟和现实世界的实验。
2017-07-26 cs.RO
Pass the Bucket: Efficient, Robust, Local Load Balancing for Teams of Heterogeneous Robots
TU Braunschweig(布伦瑞克工业大学);L3S Research Center(L3S研究中心)
该研究针对异构机器人团队的分散式负载均衡问题,提出基于“接力桶”机制的局部稳定方案,通过令牌调整实现系统收敛,经仿真验证其鲁棒性,可作为复杂场景的基础工具。
2026-08-28 cs.RO
Gait Generation Balancing Joint Load and Mobility for Legged Modular Robots with Easily Detachable Joints
Department of Systems Innovation, Graduate School of Engineering Science, The University of Osaka(大阪大学工学系研究生院系统创新部门);Industrial Cyber-physical Systems Research Center, The National Institute of Advanced Industrial Science and Technology (AIST)(国家工业科学与技术研究院(AIST)工业网络系统研究中心)
本文提出一种基于NSGA-III算法的优化框架,用于平衡腿式模块机器人中易拆卸关节的负载与机动性,通过生成适用于不同地形的步态运动来提高机器人性能。
2026-11-17 cs.RO
Optimal Robot Formations: Balancing Range-Based Observability and User-Defined Configurations
本文提出可定制代价函数,在基于测距的相对定位精度与任务导向编队(如高覆盖巡检)之间取得平衡,并通过仿真与实验证明其能在几乎不影响位姿估计精度的同时显著缩短覆盖时间。
2025-04-10 cs.RO
RichMap: A Reachability Map Balancing Precision, Efficiency, and Flexibility for Rich Robot Manipulation Tasks
School of Computing and Data Science, The University of Hong Kong(香港大学计算与数据科学学院);Massachusetts Institute of Technology(麻省理工学院)
本文提出RichMap,一种高精度可达性地图表示,通过优化传统网格结构,在保持结构灵活性的同时实现接近紧凑地图形式的性能,通过理论容量界和异步流水线实现高效构建,并在多个指标上验证其高预测精度和低误报率。
2026-04-08 cs.RO
Vlimb: A Wire-Driven Wearable Robot for Bodily Extension, Balancing Powerfulness and Reachability
The University of Tokyo(东京大学)
本研究开发了身体延伸型穿戴式机器人Vlimb,通过线驱动机制结合被动环结构,克服了传统线驱动机器人可达性受限的问题,实现了与人类肢体相当的力量与可达性,能够执行精细操作及举起重物。
2024-11-14 cs.RO
Balancing Shared Autonomy with Human-Robot Communication
Paul G. Allen School of Computer Science and Engineering, University of Washington(保罗·G·艾伦计算机科学与工程学院,华盛顿大学)
与人类共享自主权的机器人代理应该利用人类的领域知识,并在完成任务时考虑他们的偏好。这些额外的知识可以大大提高计划效率和用户满意度,但如果与机器人沟通是繁重和不自然的,这些好处就会失去。在本文中,我们将展示如何通过共享自主权的镜头来观察humanrobot语言,解释了人类在决定如何合作和明确地做出指示时所做的效率与认知负荷权衡。
2018-05-20 cs.CL cs.RO
Balancing experiments on a torque-controlled humanoid with hierarchical inverse dynamics
Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所);University of Southern California(南加州大学)
最近几个层次的逆动力学控制器的基础上级联的二次规划已被提出应用于力矩控制机器人。他们有重要的理论上的好处,但从来没有被实施的扭矩控制的机器人模型不准确和实时计算的要求可能是有问题的。在这方面的贡献,我们提出了一个实验评估这些算法的背景下,平衡控制的人形机器人。所提出的实验证明了该方法在真实机器人条件下(即模型不确定性,估计误差等)的适用性。我们提出了一个简化的优化问题,使我们能够减少计算时间,足以实现它在一个快速的转矩控制回路。我们实现了一个基于动量的平衡控制器,它在面对未知的干扰,即使当机器人是站在只有一只脚表现出强大的性能。在第二个实验中,跟踪任务进行评估,以证明更复杂的层次结构的控制器的性能。我们的研究结果表明,分层逆动力学控制器可以用于人形机器人的反馈控制和基于动量的平衡控制可以有效地实现对一个真正的机器人。
2014-11-07 cs.RO
Balancing and Walking Using Full Dynamics LQR Control With Contact Constraints
University of Southern California(南加州大学);Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所)
考虑机器人动力学和接触约束的力矩控制算法对于创建类人机器人的动态行为是重要的。随着计算能力的增加,算法的复杂性也趋于增加。然而,目前还不清楚到底需要多少复杂性来创建表现出良好性能的控制器。在本文中,我们研究了一个简单的方法的基础上,接触一致的LQR控制器设计的关键姿势,以控制各种任务的人形机器人的能力。我们提出了广泛的液压,扭矩控制的人形执行平衡和步进任务的实验结果。这种反馈控制方法捕获机器人的DoF之间的必要协同作用,以保证良好的控制性能。我们表明,对于所考虑的任务,它只需要重新线性化的机器人在不同的接触配置的动力学,并沿所需的轨迹增加LQR控制器的数量不会提高性能。我们的研究结果表明,非常简单的控制器可以产生良好的性能与当前最先进的,但更复杂的,基于优化的全身控制器的竞争。实验的视频可以在https://youtu.be/5T08CNKV1hw上找到。
2017-01-27 cs.RO
Automatic Gain Tuning of a Momentum Based Balancing Controller for Humanoid Robots
本文提出了一种用于双足机器人基于动量的平衡控制器自动增益调节技术,通过线性化闭环约束关节空间动力学并设计增益矩阵以实现系统稳定性和正定性。
2016-10-21 cs.RO cs.SY eess.SY
Balancing Control and Pose Optimization for Wheel-legged Robots Navigating High Obstacles
University of Southern California(南加州大学)
提出了一种基于二次规划的轮腿四足机器人位姿优化和力控制的控制方法。我们的方法允许机器人利用全身运动和车轮驱动来翻滚高障碍物,同时保持车轮扭矩来导航地形,同时保持车轮牵引力和平衡机器人身体。详细地说,我们首先提出了一个线性刚体动力学与车轮,可用于实时平衡控制轮足式机器人。然后,我们介绍了一种有效的位姿优化方法的轮腿机器人的运动在陡坡和楼梯地形。姿态优化解决了最佳姿态,以增强稳定性并对楼梯地形上的滚动运动实施碰撞费用约束。在真实机器人上的实验验证表明,该机器人具有在0.36 m障碍物上滚动的能力。该机器人还可以成功地上下多个楼梯,而不会抬起腿或与地形发生碰撞。
2022-03-10 cs.RO cs.SY eess.SY
A Q-learning approach to the continuous control problem of robot inverted pendulum balancing
University of Coimbra(科英布拉大学)
本文提出用离散动作空间Q-learning解决机器人倒立摆连续控制问题,通过在基于真实数据拟合的仿真环境中训练,并在真实机器人上验证了方法的可行性。
2023-12-05 cs.LG cs.RO
System Design of the Ultra Mobility Vehicle: A Driving, Balancing, and Jumping Bicycle Robot
Robotics and AI Institute (RAI)(机器人与人工智能研究所);Robotics Institute(机器人研究所);Carnegie Mellon University(卡内基梅隆大学)
本文提出了一种结合自行车和反冲质量的超机动车辆,通过仿真驱动设计优化实现动态移动,展示零样本迁移的多样化运动行为,如站立、跳跃、轮跳和前翻。
2026-03-17 cs.RO
Epersist: A Self Balancing Robot Using PID Controller And Deep Reinforcement Learning
IIIT Naya Raipur(新赖布尔国际信息技术学院)
两轮自平衡机器人是倒立摆的一个例子,是一个固有的非线性,不稳定的系统。所提出的框架“Espersist”的基本概念是通过提供鲁棒控制机制、比例积分微分(PID)和强化学习(RL)来克服平衡初始不稳定系统的挑战。此外,Espersist中的微控制器NodeMCUESP 32和惯性传感器采用更少的计算程序来向电机驱动器提供有关车轮旋转的准确指令,这有助于控制车轮并平衡机器人。该框架还包括PID控制器的数学模型和一种新的自我训练的优势actor-critic算法作为RL代理。经过多次实验,以控制变量标定为基准值,获得了静平衡角。这个“Espersist”框架提出了PID和RL辅助的功能原型和模拟,以获得更好的实用性。
2022-07-23 cs.AI cs.RO
Learning Rapid Turning, Aerial Reorientation, and Balancing using Manipulator as a Tail
Korea Advanced Institute of Science and Technology(韩国科学技术院)
本研究提出用6自由度机械臂兼任四足机器人的尾部与操作部件,开发基于强化学习的控制器,实验证明其可提升机器人快速转向、空中姿态调整与平衡任务的敏捷性与稳定性。
2024-07-15 cs.AI cs.RO
Learning-based Adaptive Control of Quadruped Robots for Active Stabilization on Moving Platforms
School of Computing at Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院计算机学院)
本文提出基于学习的四足机器人自适应控制方法,通过自平衡策略和状态估计器实现移动平台上的主动稳定化,实验表明其在多个指标上优于基线方法。
2026-02-09 cs.RO
Demo: Closed-Loop Control over Wireless -- Remotely Balancing an Inverted Pendulum on Wheels
Bristol Research and Innovation Laboratory Toshiba Research Europe Ltd.(东芝欧洲研究有限公司布里斯托尔研究与创新实验室)
实现无线闭环控制对于实现工业4.0及更高的愿景至关重要。该演示展示了通过高性能无线解决方案实现无线闭环控制的可行性。闭环控制问题涉及远程平衡的两轮机器人,代表一个倒立摆轮。
2020-03-23 cs.RO
Balancing Efficiency and Comfort in Robot-Assisted Bite Transfer
Stanford University(斯坦福大学);University of Washington(华盛顿大学);Cornell University(康奈尔大学)
在家庭环境中进行机器人辅助喂食具有挑战性,因为它需要机器人生成轨迹,有效地将不同形状和大小的食物放入口中,同时确保用户感到舒适。我们的关键见解是,为了解决这一挑战,机器人必须在喂食食物的效率与每次咬食的舒适度之间取得平衡。我们将舒适性和效率正式定义为纳入运动规划的技巧。我们提出了一种方法的基础上,选择咬转移轨迹的任意食品的几何形状和形状,使用我们开发的咬效率和舒适的烹饪学和学习的约束模型的烹饪指导双向快速探索随机树(h-BiRRT)。真实的机器人评估表明,优化舒适度和效率显着优于基于固定姿势的方法,用户更喜欢我们的方法显着超过一个方法,最大限度地提高用户的舒适度。视频和附录可在我们的网站上找到:https://sites.google.com/view/comfortbitetransfer-icra22/home。
2022-06-24 cs.HC cs.RO
Estimation of the angular position of a two-wheeled balancing robot using a real IMU with selected filters
Gdańsk University of Technology(格但斯克工业大学)
本文研究双轮自平衡机器人角位置估计问题,提出基于陀螺仪、加速度计和编码器的低成本测量系统,通过扰动校正及卡尔曼、α-β和互补滤波器滤波,并实验验证了系统性能。
2023-09-21 cs.RO cs.SY eess.SY
Balancing Efficiency and Coverage in Human-Robot Dialogue Collection
U.S. Army Research Laboratory(美国陆军研究实验室);USC Institute for Creative Technologies(南加州大学创意技术研究所);Tufts University(塔夫茨大学)
我们描述了一个多阶段的绿野仙踪的方法来收集人与机器人的对话,在协作搜索和导航任务。这些数据正被用于训练一个初始的自动化机器人对话系统,以支持协作探索任务。在第一阶段,一个向导自由地键入机器人的话语给人类参与者。在第二阶段,这些数据用于设计GUI,其中包括用于最常见通信的按钮,以及用于具有不同参数的通信的模板。在这些阶段收集的数据的比较表明,GUI实现了更快的对话速度,同时仍然保持适当的响应的高覆盖率,使更有效的有针对性的数据汇集,并使用GUI收集的数据在自然语言理解方面的改进。作为一个有前途的第一步,互动学习,这项工作表明,我们的方法,使有用的训练数据收集基于导航的HRI任务。
2018-10-07 cs.HC cs.RO
The Static Center of Pressure Sensitivity: a further Criterion to assess Contact Stability and Balancing Controllers
Istituto Italiano di Tecnologia(意大利技术研究院)
腿部运动越来越受到机器人界的关注。在这方面,接触稳定性在确保机器人保持平衡方面起着至关重要的作用,并且它是平衡和行走控制器的关键要素。压力中心是一个接触稳定性标准,它定义了一个必须严格保持在支撑多边形内部的点,以确保姿势稳定性。本文引入了静压力中心灵敏度的概念:粗略地说,就是压力中心相对于系统平衡位形的变化率。这一新概念可作为评估接触稳定性鲁棒性的附加标准。我们展示了如何敏感的压力中心也可以作为一个度量来评估平衡控制器,考虑两个国家的最先进的控制策略。在简化模型上进行了分析,并在iCub人形机器人的平衡任务中进行了验证。
2017-05-29 cs.RO math.OC
A segment anchoring-based balancing algorithm for agricultural multi-robot task allocation with energy constraints
School of Electrical and Information Engineering, Zhengzhou University(郑州大学电气与信息工程学院);School of Electrical Engineering and Automation, Henan Institute of Technology(河南理工大学电气工程与自动化学院);School of Engineering, RMIT University(皇家墨尔本理工大学工程学院);KINDI Center for Computing Research, College of Engineering, Qatar University(卡塔尔大学工程学院KINDI计算研究中心);Department of Electrical and Computer Engineering, University of Alberta(阿尔伯塔大学电气与计算机工程系);Systems Research Institute of the Polish Academy of Sciences(波兰科学院系统研究所)
本文提出基于段锚的平衡算法,解决多机器人在能源约束下的任务分配问题,通过协同机制优化路线和工期,优于现有算法。
2025-11-21 cs.MA cs.RO
Toward Certified Functional Safety for Industrial Humanoid Robots: The Fail-Passive Gap and a Feasibility Study
Siemens Foundational Technologies, Siemens Corporation(西门子基础技术部,西门子公司)
该研究针对工业人形机器人功能安全认证的故障被动间隙,通过外部安全链定位间隙,在Unitree G1 EDU上验证方法,分析人形机器人主动安全状态,将间隙定位在SDA与平衡策略的接口处。
2026-08-05 cs.RO
Real-Time Reinforcement Learning for Dynamic Tasks with a Parallel Soft Robot
Department of Mechanical Engineering, Northwestern University(西北大学机械工程系);Department of Materials Science and Engineering, Northwestern University(西北大学材料科学与工程系)
本文提出基于课程学习的实时强化学习方法,用于在单次部署中实现软机器人的动态平衡,通过并行软执行器和HSA结构实现高可靠性控制。
2025-09-23 cs.RO
Balancing Safety and Optimality in Robot Path Planning: Algorithm and Metric
本文提出统一路径规划算法UPP,通过自适应启发式加权动态平衡安全与最优性,引入OptiSafe指标评估,实验证明在复杂环境中性能优于现有方法。
2026-08-26 cs.AI cs.RO
Model- and Data-Based Control of Self-Balancing Robots: Practical Educational Approach with LabVIEW and Arduino
Egypt-Japan University of Science and Technology(埃及-日本科学技术大学)
本文以实用教育方法在双轮自平衡机器人上比较基于模型(PID、超前-滞后)与基于数据(模糊控制)的控制策略,并在Arduino与LabVIEW-LINX平台上完成实时硬件在环验证。
2024-05-06 cs.RO cs.SY eess.SY
A Generalized Voronoi Graph based Coverage Control Approach for Non-Convex Environment
Faculty of Electrical Engineering, Mathematics and Computer Science, University of Twente(代尔夫特理工大学电子工程、数学和计算机科学学院);Department of Electrical Engineering, Wright State University(怀特州立大学电子工程系);College of Electrical Engineering, Zhejiang University(浙江大学电气工程学院);State Key Laboratory of Industrial Control Technology, Zhejiang University(浙江大学工业控制技术国家重点实验室);National Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Xi’an Jiaotong University(西安交通大学人机混合增强智能国家级重点实验室)
本文提出了一种基于广义Voronoi图的非凸环境覆盖控制方法,通过负载平衡算法和协同覆盖阶段实现高效覆盖。
2026-03-10 cs.RO
Real-Time Control-Constrained DDP for Underactuated Balancing of Legged Robots
Sungkyunkwan University (SKKU)(成均馆大学);AIDIN ROBOTICS Inc.(艾丁机器人公司)
针对经典DDP处理控制约束的局限,提出ABC-DDP算法,结合可行性驱动多射击框架,实现欠驱动腿式机器人实时MPC,仿真验证其可完成静态双腿站立及多种动态运动。
2026-09-04 cs.RO math.OC
One-Leg Stance of Humanoid Robot using Active Balance Control
Ho Chi Minh City University of Technology(胡志明市理工大学);Saigon University(西贡大学)
在研制人形机器人时,自平衡任务是最重要的任务之一。提出了一种用于人形机器人的新型外平衡机构,以保持机器人的侧向平衡。首先,建立了具有平衡机构的人形机器人的动力学模型,并对其进行了简化。其次,基于反推的控制方法被用来分裂成两个子系统的系统。然后,使用基于最小偏差的控制器来控制第一子系统。由于第二个子系统的参数未知,采用模型参考自适应控制器(MRAC)对其进行控制,将行走和平衡分为两个独立的任务,使得行走控制可以独立于平衡控制来执行。此外,平衡机构的使用确保了人形机器人在行走时的髋部运动不超过人类的阈值。因此,使得人形机器人的整体姿态看起来更自然。在商用人形机器人UXA-90上进行了实验,以评估所提出的方法的有效性。
2021-07-25 cs.RO cs.SY eess.SY
A Parametric MPC Approach to Balancing the Cost of Abstraction for Differential-Drive Mobile Robots
Georgia Institute of Technology(佐治亚理工学院)
本文提出了一种参数MPC方法,用于优化差分驱动移动机器人的抽象成本,通过分析精度和机动性成本,改进了单积分器模型的控制策略。
2018-02-20 cs.RO cs.SY eess.SY
AuDeRe: Automated Strategy Decision and Realization in Robot Planning and Control via LLMs
Massachusetts Institute of Technology(麻省理工学院);Harvard University(哈佛大学)
本研究提出AuDeRe框架,利用大语言模型结合性能反馈迭代推理,根据自然语言任务描述等选择机器人规划控制策略并调用API执行,提升自主性与泛化性,优于直接生成轨迹等基线方法。
2025-09-30 cs.RO
The Mini Wheelbot: A Testbed for Learning-based Balancing, Flips, and Articulated Driving
RWTH Aachen University(亚琛工业大学)
本文提出 Mini Wheelbot 反作用轮独轮机器人测试平台,通过贝叶斯优化整定平衡控制器,并利用模仿学习专家非线性 MPC 实现基于用户指令的关节式驱动,首次实现该类机器人的自主行驶。
2025-11-06 cs.RO cs.SY eess.SY
Stability Analysis and Design of Momentum-based Controllers for Humanoid Robots
Istituto Italiano di Tecnologia(意大利理工学院)
拟人机器人的应用需要平衡和行走控制器的设计。虽然最近已经取得了可喜的成果,但鲁棒性和可靠的控制器仍然是控制界处理仿人机器人的一个挑战。基于动量的策略已经证明了它们在控制类人机器人平衡方面的有效性,但是这些控制器的稳定性分析仍然缺失。本文的贡献是双重的。首先,我们数值计算表明,应用最先进的基于动量的控制策略可能会导致不稳定的零动态。其次,我们提出了简单的修改,以避免在零动态水平的不稳定性的控制架构。通过对线性化系统关节空间的李雅普诺夫分析,证明了闭环系统的渐近稳定性。仿真和实验的iCub人形机器人的理论结果进行了验证。
2017-07-16 cs.RO math.OC
Underactuated multimodal jumping robot for extraterrestrial exploration
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
该研究提出了一种欠驱动单足机器人,通过两个控制器实现滚动、跳跃和着陆,适用于低重力环境下的多模态探索。
2026-03-06 cs.RO
The Realization of Virtual Environments in the Lower Limb Exoskeletal Robot
Sogang University(西江大学)
本研究面向步态康复,提出基于下肢外骨骼机器人EXOWheel的虚拟环境实现方法,通过力矩反馈和实时参考力矩计算模拟多类流体与重力环境,实验验证了效果的有效性与可区分性。
2025-02-23 cs.HC cs.RO
CapsuleBot: A Novel Hybrid Aerial-Ground Bi-Copter Robot With Two Actuated-Wheel-Rotors
Zhejiang University(浙江大学);Nanyang Technological University(南洋理工大学);Carnegie Mellon University(卡内基梅隆大学)
本研究提出空地两栖双旋翼机器人CapsuleBot,通过创新的驱动轮-旋翼结构用四个电机实现两栖推进,搭配对应动力学与控制系统,经实验验证具备低功耗低噪声特性,可完成攀爬陡坡等复杂任务。
2024-12-13 cs.RO
OmBURo: A Novel Unicycle Robot with Active Omnidirectional Wheel
University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
在与人共享的狭小空间中使用的机器人的移动机制要求它具有小的占地面积,全方位移动,以及高度可移动性。然而,目前很少有这样的移动性机制,满足所有这些条件。在这里,我们介绍了全方位平衡独角兽机器人(OmBURo),一种新型的独角兽机器人与主动全向轮。其效果是,单轴机器人可以同时在纵向和横向方向上驱动。因此,它可以基于双轴轮式倒立摆的原理进行动态平衡。这封信披露了这种新型的独角兽机器人的早期发展,包括整体设计,建模和控制,以及提出了一些初步的结果,包括位置保持和路径跟踪。由于其结构紧凑、灵活机动,它可能是未来人类环境中机器人的理想运动机构。
2020-01-22 cs.RO
Internally-Balanced Magnetic Mechanisms Using Magnetic Spring for Producing Large Amplified Clamping Force
为了以比其原始吸引力小得多的受控力分离永磁体,发明了内部平衡磁性单元(IB磁体),并已应用于磁性设备,如爬壁机器人,天花板悬挂无人机和模块化群机器人。相对于其控制力的急剧下降率,IB磁体的非线性弹簧抵消了磁体上的内力,存在两个主要问题:复杂的设计过程和平衡精度与机构体积之间的权衡关系。本文提出了一种新的平衡IB磁体的方法,该方法采用一对同极磁体作为磁性弹簧,其排斥力理想地正好等于异极磁体对的吸引力。为了验证所提出的原则,作者实现了一个原型模型的IB磁铁使用磁弹簧,并通过实验验证其减少率是与传统的IB磁铁。此外,作者讨论并实现了一个机器人夹具作为一个应用程序的例子,包含建议IB磁铁作为其内部机构。
2019-12-03 cs.RO
Reachability Map for Diverse Balancing Strategies and Energy Efficient Stepping of Humanoids
University of Edinburgh(爱丁堡大学)
在腿式运动中,不同步态行为与能量消耗之间的关系必须考虑全身动力学和机器人控制作为一个整体,这不能通过简单的模型来捕捉。本研究将机器人动力学与全身最优控制视为一耦合系统,探讨平衡恢复时的能量消耗。我们开发了一个用于动态步进的2阶段非线性优化管道,该管道生成显示复杂能量步进关系的可达性图。我们优化步态参数,搜索所有可到达的位置,并量化动态过渡过程中的能量成本,这使得研究能量消耗和步进位置之间的关系,给定不同的初始条件。我们发现,为了实现有效的驱动,步进位置和定时可以具有接近基本最优性的简单近似。尽管这个非线性过程的复杂性,我们表明,接近最小的努力步进位置属于一个区域内的吸引力,而不是一个狭窄的解决方案空间建议一个简单的模型。这为机器人运动规划和控制中近似最优解的非唯一性以及人类步进行为的多样性提供了新的见解。
2021-05-03 cs.RO cs.SY eess.SY
Dynamic Legged Manipulation of a Ball Through Multi-Contact Optimization
University of California, Berkeley(加州大学伯克利分校)
机器人的脚通常用于设计运动策略,例如平衡,行走和跑步。然而,它们也具有执行操纵任务的巨大潜力。在本文中,我们提出了一个模型预测控制(MPC)框架的四足机器人动态平衡球,同时操纵它遵循各种轨迹,如直线,正弦曲线,圆和原地转弯。我们数值验证我们的控制器上的迷你猎豹机器人使用不同的步态,包括小跑,弹跳,和pronking球。
2020-12-21 cs.RO
SWheg: A Wheel-Leg Transformable Robot With Minimalist Actuator Realization
Southern University of Science and Technology(南方科技大学)
本文介绍了设计,实现,和性能评估的SWeg,一种新的模块化轮腿可变形机器人家庭与最低限度的执行器实现。SWheg通过将轮式和腿式运动无缝集成在单个平台上,充分利用了这两种运动方式。与其他使用多个致动器的设计不同,SWheg仅使用一个致动器来同步驱动所有轮腿模块的转换。这意味着N腿SWeg机器人只需要N+1个执行器,这可以显着降低平台的成本和故障率。基于四连杆机构的肌腱驱动轮腿转换机构可以实现轮腿之间的快速形态转换。我们验证了设计原理与四个和六个轮腿模块分别SWeg机器人,即四足SWeg和六足SWeg。讨论了两种平台的设计过程、机电一体化基础设施和步态行为发展。机器人的性能进行了评估,在各种情况下,包括驾驶和转向轮式模式,步跨越,不规则地形通过,并在腿模式爬楼梯。并对这两种平台进行了比较。
2022-10-27 cs.RO cs.SY eess.SY
DoubleBee: A Hybrid Aerial-Ground Robot with Two Active Wheels
Nanyang Technological University(南洋理工大学)
我们提出的动力学模型和控制的DoubleBee,一种新型的混合空-地车辆由两个螺旋桨安装在倾斜伺服电机和两个电机驱动的车轮。DoubleBee在空中模式下利用了双旋翼配置的高能效,并在地面上享受了两轮自平衡机器人的低功耗。此外,螺旋桨推力作为额外的控制输入在地面上,使一种新的解耦控制方案,其中的机器人的姿态控制使用推力和平移运动是使用车轮实现。DoubleBee的原型是使用市售组件构建的。通过综合实验验证了机器人的功率效率和控制性能。在室内和室外环境中的飞行任务展示了DoubleBee穿越非结构化环境,飞越障碍物并在障碍物下移动,以及攀登陡峭和粗糙地形的能力。
2023-03-20 cs.RO
SensorPerch: Sense Wherever and Whenever it Matters
Cornell University(康奈尔大学)
针对机器人感知视角受限问题,提出SensorPerch,通过将传感器视为独立实体实现主动感知。它由可重构传感器平台和视角选择框架组成,能按需构建与任务相关的视角。在对象耦合和策略耦合感知任务中验证了该范式的有效性。
2026-11-04 cs.RO
Towards Balancing Preference and Performance through Adaptive Personalized Explainability
Toyota Research Institute(丰田研究院);Georgia Institute of Technology(佐治亚理工学院);University of California, Berkeley(加州大学伯克利分校)
本研究通过模拟自动驾驶领域的用户研究,发现不同可解释性模式在偏好和性能上存在差异,且偏好与性能不一致,据此提出自适应个性化策略以平衡二者,显著提升性能。
2025-03-21 cs.AI cs.HC cs.RO
High-Power, Flexible, Robust Hand: Development of Musculoskeletal Hand Using Machined Springs and Realization of Self-Weight Supporting Motion with Humanoid
The University of Tokyo(东京大学)
针对仿人机器人手部力量不足的问题,开发了一种基于机加工弹簧的腱驱动欠驱动肌骨骼手,兼具高抓握力、柔性与抗冲击性,并在机器人Kengoro上实现了俯卧撑和悬垂等自重支撑运动。
2024-03-26 cs.RO
Distributed Multi-Robot Multi-Target Tracking Using Heterogeneous Limited-Range Sensors
Nanjing Normal University(南京师范大学);King Abdullah University of Science and Technology(阿卜杜拉国王科技大学);Temple University(天普大学)
本文提出基于归一化未使用感知能力的分布式覆盖控制策略,用于异构有限距离传感器网络中的多机器人多目标跟踪,并通过ROS和MATLAB仿真验证其优于不考虑异构性或使用率的标准方法。
2024-08-10 cs.RO
Equilibrium Adaptation-Based Control for Track Stand of Single-Track Two-Wheeled Robots
Tsinghua University(清华大学);Beijing Institute of Technology(北京理工大学)
针对单轨两轮机器人静止平衡难题,借鉴骑行者轨道驻车策略,提出基于平衡自适应的控制方案,结合非线性MPC,统一处理匹配与不匹配扰动,实现零稳态误差跟踪,实验验证误差降低几个数量级。
2024-11-07 cs.RO cs.SY eess.SY
Behavior--Realization Separation for Constrained Physical Human--Robot Interaction
Voryx Robotics LLC(Voryx机器人公司)
该研究提出物理人机交互的行为-实现分离框架,采用后退时域二次规划方法,在 Franka FR3 机器人实验中验证其可显著降低超调、提升力矩约束执行的可行性,证明了该分离策略的有效性。
2026-09-02 cs.RO cs.SY eess.SY