Four-Arm Collaboration: Two Dual-Arm Robots Work Together to Maneuver Tethered Tools
Osaka University(大阪大学);National Inst. of AIST(国立先进工业科学技术研究所)
在本文中,我们提出了一个规划主双臂机器人操纵绳系工具与助理双臂机器人的帮助。辅助机器人通过操纵工具电缆和避免碰撞来向主机器人提供帮助。所提供的辅助允许主机器人在机器人工作台上执行工具放置以重新抓握工具,这通常会失败,因为工具线缆张力可能改变工具位置。它还允许主机器人执行工具翻转,这通常会在没有辅助的情况下导致与电缆和环境的缠绕或碰撞。仿真和真实世界的实验进行验证所提出的规划。
2020-09-29 cs.RO
Closed-Chain Manipulation of Large Objects by Multi-Arm Robotic Systems
Nanyang Technological University(南洋理工大学)
每当多个机器人手臂同时操纵单个物体时,就会创建闭合运动链。当与机器人关节限制相结合时,闭链约束极大地改变了配置空间的连通性。我们提出了一个重握移动,称为“IK开关”,它允许有效地桥接组件的配置空间,否则相互断开。这一举措,结合其他几个发展,如一种方法,以稳定的操纵对象使用的环境,一个新的树结构,和一个兼容的控制方案,使我们能够解决复杂的闭链操纵任务,如翻转椅子框架,这是不可能实现使用现有的多臂规划方法。
2017-06-21 cs.RO
Preparatory Manipulation Planning using Automatically Determined Single and Dual Arms
Osaka University(大阪大学);National Inst. of AIST(国立产业技术综合研究所)
提出了一种机器人重定向操作规划算法。它自动找到一系列机器人运动,操纵和准备一个对象的特定任务。预备操作规划问题的例子包括重新定向电钻切割孔,重新定向工件装配,重新定向货物包装等所提出的算法可以规划单,双臂操作序列来解决问题。规划器下的机制是一个重抓取图,它对抓取配置和物体姿态进行编码。该算法搜索图,以找到一系列的机器人运动,以重新定位对象。规划者能够规划单臂和双臂操作。它还可以自动决定是否使用单臂,双臂或它们的组合来完成给定的任务。规划器由各种人形机器人检查,如Nextage,HRP2Kai,HRP5P等,使用模拟和真实世界的实验。
2018-12-08 cs.RO
simPLE: a visuotactile method learned in simulation to precisely pick, localize, regrasp, and place objects
Amazon Robotics(亚马逊机器人公司);Samsung AI Center(三星人工智能中心);Massachusetts Institute of Technology(麻省理工学院);Carnegie Mellon University(卡内基梅隆大学)
本文提出simPLE方法,通过仿真学习任务感知抓取、视觉触觉感知和重新抓取规划,实现精确且通用的拾取与放置,在双臂机器人上对15种物体达到高成功率。
2023-07-24 cs.CV cs.LG cs.RO
Grasp, Handover, Rotate: Bimanual Object Reorientation via Compositional Diffusion and Energy-Based Optimization
The Hong Kong University of Science and Technology(香港科技大学);Shenzhen Loop Area Institute(深圳河套学院)
研究双手物体重新定向问题,提出基于组合扩散和能量的BiCompoDiff框架,联合优化多方面任务,结合预训练模型与能量模型,通过梯度引导和采样优化抓取姿态,实验表明其成功率和轨迹平滑度优于基线,实现有效模拟到现实转移。
2026-07-24 cs.RO
DexPBT: Scaling up Dexterous Manipulation for Hand-Arm Systems with Population Based Training
本文提出DexPBT算法,利用去中心化基于种群的训练(PBT)大规模放大深度强化学习的探索能力,使模拟单臂或双臂多指手机器人能学习重新抓取、抓取并投掷等极具挑战性的灵巧操作任务,显著优于常规端到端学习并能发现鲁棒控制策略。
2023-05-20 cs.AI cs.RO
TCBiRRT: Rapid Motion Planning for Tightly Coupled Dual-arm Space Manipulator Using Task-space Random Expansion
Harbin Institute of Technology(哈尔滨工业大学)
针对紧耦合双臂空间机械臂在闭链约束下的运动规划问题,提出一种任务空间约束的双向快速随机扩展树算法(TCBiRRT),通过在任务空间直接采样和节点扩展,结合路径逆运动学映射和重抓取机制,显著提高规划成功率和速度。
2026-10-01 cs.RO
Trajectory Divergence Horizon Decision for Reliable Dual-Arm Surgical Subtask Manipulation
The Chinese University of Hong Kong (CUHK)(香港中文大学);Huawei Technologies Co. Ltd.(华为技术有限公司);Shenzhen Loop Area Institute(深圳河套学院)
针对现有VLA策略在手术操作中易累积误差的问题,提出TDHD机制,构建双臂手术基准并收集600个演示,实验显示其可提升器械和组织操作的成功率。
2026-08-11 cs.RO
Robustness study of the bio-inspired musculoskeletal arm robot based on the data-driven iterative learning algorithm
School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China(上海交通大学机械工程学院);School of Mechanical Engineering, University of Science and Technology Beijing, Beijing 100083, China(北京科技大学机械工程学院)
本文提出一种七自由度轻量级肌腱驱动肌肉骨骼臂LTDM-Arm,结合Hilly型肌肉模型与数据驱动迭代学习控制,在仿真和实验中验证了其在负载扰动下的轨迹跟踪鲁棒性。
2025-11-08 cs.RO
An Advancing Ensemble with Diversified Algorithms for Robot Arm Calibration
Chongqing University of Posts and Telecommunications(重庆邮电大学);Swansea University(斯旺西大学)
近年来,工业机器人在智能制造中发挥着重要作用。因此,如何保证机器人具有较高的定位精度是一个迫切需要解决的问题。针对这一热点问题,提出了一种基于多种算法集成的标定方法。本文有两个思路:2)建立一个有效的运动学参数搜索系综。实验结果表明,该集成方法具有较高的机器人标定精度、模型多样性和较强的泛化能力。
2022-04-13 cs.RO
A New Robot Arm Calibration Method Based on Cubic Interpolated Beetle Antennae Search Approach
Chongqing University of Posts and Telecommunications(重庆邮电大学);Swansea University(斯旺西大学)
工业机器人手臂对于智能制造非常重要。工业机器人手臂通常具有高重复定位精度,但其绝对定位精度较低,这极大地限制了其在汽车制造等高精度制造中的应用。针对这一热点问题,提出了一种基于三次插值甲虫天线搜索的机器人手臂标定方法。这项研究有三个想法:提出了一种新的CIBAS算法,该算法能有效地解决Beetle搜索算法中的局部最优问题; 2)利用粒子滤波器降低非高斯噪声的影响; 3)提出了一种新的CIBAS算法和粒子滤波器相结合的标定方法,用于搜索最优的运动学参数。在ABB IRB 120工业机器人手臂上的实验结果表明,所提出的方法实现了更高的校准精度比几个国家的最先进的校准方法。
2022-04-13 cs.RO
DualTHOR: A Dual-Arm Humanoid Simulation Platform for Contingency-Aware Planning
提出基于物理的双臂人形机器人仿真平台DualTHOR,引入偶发事件机制以评估VLM在真实家庭环境中的鲁棒性与泛化能力,揭示当前模型在双臂协调上的局限性。
2025-10-13 cs.RO
Learning In-Hand Object Reaching to General 6D Poses
The University of Sydney(悉尼大学);Sharpa;The University of Hong Kong(香港大学)
提出POISE框架,通过强化学习实现手内6D物体位姿到达,结合多样化抓取初始化、自适应课程和紧凑奖励,显著提升仿真与真实世界的成功率。
2026-09-15 cs.RO
MEVION: Low-Cost Open-Source Data Collection System for Powerful and High-Speed Dual-Arm Manipulation
The University of Tokyo(东京大学)
在开发机器人基础模型竞争激烈的背景下,针对ALOHA产生高力和速度能力有限的问题,开发了低成本开源的MEVION双臂机器人数据收集系统,介绍其结构、性能,证明其能为特定任务收集数据及支持相关运动生成。
2026-07-21 cs.RO
Real-Time Force Regulation for Whole-Hand Dexterous Grasping
Massachusetts Institute of Technology(麻省理工学院);Seoul National University(首尔国立大学);Yonsei University(延世大学)
本文提出一种基于几何接触估计和约束优化的实时力调节框架,用于全手灵巧抓取,在动态接触下提升抓取稳定性与恢复能力。
2026-09-25 cs.RO cs.SY eess.SY
RoboTwin: Dual-Arm Robot Benchmark with Generative Digital Twins
HKU(香港大学);Agilex Robotics(敏捷机器人公司);Shanghai AI Laboratory(上海人工智能实验室);SZU(深圳大学);CASIA(中国科学院自动化研究所);UNC-Chapel Hill(北卡罗来纳大学教堂山分校);GDIIST(广东省智能科学与技术研究院);HKU-Shanghai ICRC(香港大学上海研究院);SJTU(上海交通大学)
针对双臂机器人领域演示数据稀缺、评估基准缺失的问题,提出生成式数字孪生框架RoboTwin,通过3D生成基础模型和大语言模型生成多样化专家数据集与评估平台,在COBOT平台验证中显著提升任务成功率。
2025-04-17 cs.AI cs.CL cs.RO
RoboTwin: Dual-Arm Robot Benchmark with Generative Digital Twins (early version)
The University of Hong Kong(香港大学);AgileX Robotics(极目机器人);Shanghai AI Laboratory(上海人工智能实验室);Shenzhen University(深圳大学);Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所)
针对双臂机器人开发中演示数据稀缺、评估基准不足的问题,本文提出生成式数字孪生框架RoboTwin,通过3D生成模型与大语言模型生成多样化数据集、提供现实对齐评估平台,在COBOT平台验证中显著提升任务成功率。
2025-04-16 cs.AI cs.CL cs.RO
Manipulation of Articulated Objects using Dual-arm Robots via Answer Set Programming
University of Calabria(卡拉布里亚大学);Teseo srl(特塞奥有限公司);University of Genoa(热那亚大学);University of Huddersfield(哈德斯菲尔德大学)
关节式物体的操作是机器人技术中最重要的,也是最复杂的操作任务之一。传统上,这一问题是通过制定特别的方法来解决的,这种方法缺乏灵活性和可移植性。在本文中,我们提出了一个框架的基础上回答集编程(ASP)的自动操作的关节式物体的机器人控制架构。特别是,ASP用于表示的铰接对象的配置,用于检查在知识库中的这种表示的一致性,并用于生成操作动作的序列。该框架的Baxter双臂机械手在第一,简单的情况下,举例说明和验证。然后,我们扩展这样的场景,以提高整体设置精度,并引入一些限制,在机器人动作执行,以执行其可行性。扩展的场景需要大量可能的行动,这些行动可以有效地组合在一起。因此,我们利用自动规划的宏观行动,以提供更有效的计划。我们验证了扩展方案中的整体框架,从而证实了ASP在更现实的机器人设置中的适用性,并显示了基于机器人的关节式物体操作的宏动作的有用性。逻辑程序设计理论与实践(TPLP)
2020-10-02 cs.AI cs.LO cs.RO
A Suspended Aerial Manipulation Avatar for Physical Interaction in Unstructured Environments
Centro di Ricerca E. Piaggio(E.皮亚焦研究中心);Università di Pisa(比萨大学);Fondazione Istituto Italiano di Tecnologia(意大利技术研究院基金会)
本文设计由六旋翼和人形上半身构成的悬挂式空中操作化身,采用腱驱手臂、系绳增载及稳定控制,并经灾后室内任务实验验证。
2024-01-16 cs.RO cs.SY eess.SY
Bi-Manual Manipulation and Attachment via Sim-to-Real Reinforcement Learning
Google Research(谷歌研究院)
机器人操作的大多数成功都局限于单臂机器人,这将可解决的任务范围限制在拾取和放置,插入和对象重排。相比之下,双臂和多臂机器人平台可以解决各种各样的问题,例如衣物折叠和烹饪技能。然而,开发多臂机器人的控制器是复杂的一些独特的挑战,如需要协调双手的行为,和机器人之间的碰撞避免。考虑到这些挑战,在这项工作中,我们研究如何使用在模拟中训练的强化学习(RL)来解决双手动任务,这样所产生的策略就可以在真正的机器人平台上执行。我们的RL方法由于使用实时(4 Hz)联合空间控制并直接将未过滤的观察结果传递给神经网络策略,从而实现了显着的简化。我们还广泛讨论了我们的模拟环境,导致有效的培训RL政策的修改。除了设计控制算法外,一个关键的挑战是如何为强调双手协调的双手机器人设计公平的评估任务,同时消除正交复杂因素,如高级感知。在这项工作中,我们设计了一个连接任务,其目标是两个机器人手臂拿起并连接两个具有磁性连接点的块。我们使用两个xArm 6机器人和带有磁性附件的3D打印块来验证我们的方法,并发现我们的系统在拾取块时具有100%的成功率,在连接任务中具有65%的成功率。
2022-03-15 cs.AI cs.LG cs.RO
Nonprehensile Planar Manipulation through Reinforcement Learning with Multimodal Categorical Exploration
The University of Edinburgh(爱丁堡大学);The Alan Turing Institute(艾伦·图灵研究所)
提出基于分类分布的多模态探索强化学习方法,解决了非抓握式平面推动任务中精度低和运动简单的问题,实现了对任意位姿的高精度、鲁棒操作及仿真到真实机器人的迁移。
2023-08-04 cs.AI cs.LG cs.RO