A Dexterous and Compliant Gripper With Soft Hydraulic Actuation for Microgravity Manipulation
Aerospace Engineering Program, University of California, Berkeley（加州大学伯克利分校航空航天工程系）；Department of Mechanical Engineering, University of California, Berkeley（加州大学伯克利分校机械工程系）；Department of Mechanical Engineering, National University of Singapore（新加坡国立大学机械工程系）
本文提出将DexCoHand灵活的双指六自由度机械手与Astrobee自由飞行机器人集成，以实现微重力环境下的灵活操作，该机械手在保持稳定接触的同时减少了对自由飞行基底的干扰，提高了操作的连续性和适应性。
2026-05-18 cs.RO
SPINE Gripper: A Twisted Underactuated Mechanism-based Passive Mode-Transition Gripper
Department of Civil and Environmental Engineering, Korea Advanced Institute of Science and Technology（环境与土木工程系，韩国科学技术院）
SPINE Gripper通过机械设计实现无需传感器或主动控制的双向抓取与旋转转换，展示非共面多功能操作的机械实现。
2026-01-11 cs.RO
Development of a Multi-Fingered Soft Gripper Digital Twin for Machine Learning-based Underactuated Control
University of California, Berkeley（加利福尼亚大学伯克利分校）；National Taiwan University（台湾大学）
本研究为多指软体抓手构建数字孪生，模拟非线性、迟滞、不确定性及时变效应，并采用蒙特卡洛方法模拟不确定性，初步应用Q学习算法确定最优运动速度以最小化不确定性，为欠驱动控制及机器学习算法训练奠定基础。
2025-02-21 cs.RO
Underactuated Control of Multiple Soft Pneumatic Actuators via Stable Inversion
University of California, Berkeley（加州大学伯克利分校）
针对单注射泵驱动的多软体手指协调难题，本文基于稳定逆理论设计欠驱动控制框架，并通过仿真与实验验证其精确协调操作能力。
2024-08-04 cs.RO
An Overview of Robotic Grippers
University of Bristol（布里斯托大学）
本文综述机器人夹爪的设计、形态与功能，比较高精度可控手与受生物力学启发的柔顺手，并强调其在自主机器人普及中的重要性。
2023-04-27 cs.RO
The Hydra Hand: A Mode-Switching Underactuated Gripper with Precision and Power Grasping Modes
Imperial College London（帝国理工学院）
本文提出四指双执行器欠驱动夹爪Hydra Hand，用单电机切换强力与精确抓取模式、单液压执行器实现自适应抓取，并在刚性物和衣物基准及葡萄操作任务中验证其多功能性。
2023-09-26 cs.RO
Automatic Grasp Pose Generation for Parallel Jaw Grippers
Fraunhofer Institute for Manufacturing Engineering and Automation IPA（弗劳恩霍夫制造工程与自动化研究所IPA）；University of Stuttgart（斯图加特大学）
提出了一种新的方法，用于自动离线抓取已知刚性物体的平行颚夹持器的位姿合成。我们使用几个标准，如抓爪行程，表面摩擦，和碰撞检查，以确定合适的6D把握对象上的姿态。与大多数可用的方法相比，我们的目标既不是最好的把握姿势，也不是尽可能多的把握姿势，而是一组高度多样化的把握分布在整个对象。为了实现这一目标，我们采用聚类算法的采样集的把握。这允许同时减少抓取姿势候选的集合并且在各个抓取之间的位置和取向方面保持高方差。我们证明，我们的方法产生的把握可以成功地用于现实世界中的机器人抓取应用。
2021-04-23 cs.RO
Active Surface-Driven Reconfigurable Gripper: Robust Grasping and Sequential Manipulation of Thin Objects
Zhejiang University（浙江大学）；Torch Kernel Co., Ltd.（炬芯科技股份有限公司）
该研究针对现有机械夹爪抓取薄物体时稳健性不足的问题，提出主动表面驱动的可重构欠驱动夹爪，通过设计、建模、优化及实验验证，实现薄物体的可靠抓取与顺序操作。
2026-08-28 cs.RO
Learning Generalizable Vision-Tactile Robotic Grasping Strategy for Deformable Objects via Transformer
Georgia Institute of Technology（佐治亚理工学院）；Purdue University（普渡大学）
针对可变形物体抓取难题，提出融合视觉与触觉的 Transformer 框架，通过探索动作预测安全抓取力度，并在公开与自建水果数据集上验证其准确率、效率及泛化能力。
2023-07-23 cs.RO
Vibration-based Full State In-Hand Manipulation of Thin Objects
School of Mechanical Engineering, Tel-Aviv University（特拉维夫大学机械工程学院）
针对平行夹爪欠驱动无法直接控制薄型物体朝向的问题，本研究通过激发物体质心绕抓取点的循环运动，结合占空比调制振动致动，实现薄型物体全状态在手操作，经分析与实验验证了算法有效性。
2024-12-19 cs.RO
Fractal Gripper: Adaptive manipulator with mode switching
Jiangnan University（江南大学）
本文提出一种受分形虎钳启发、集成弹簧自复位和PDMS柔性包裹层的分形抓手，通过模式切换与多点均匀施力增强多关节欠驱动机械手的抓取能力，实验验证了其多尺度适应性和抓取稳定性。
2024-02-25 cs.RO
Is Image-based Object Pose Estimation Ready to Support Grasping?
Stevens Institute of Technology（史蒂文斯理工学院）
本文提出评估基于图像的对象姿态估计器的框架，通过模拟实验验证其在机器人抓取中的可行性。
2025-12-02 cs.RO
Kinetostatics and Particle-Swarm Optimization of Vehicle-Mounted Underactuated Metamorphic Loading Manipulators
Institute for Robotics Research（机器人研究所）；Centre for Robotics Research（机器人研究中心）；Singapore Institute of Manufacturing Technology, Agency for Science, Technology and Research (A*STAR)（新加坡制造技术研究所，科技研究局（A*STAR））
针对固定自由度装载机构执行器多、控制复杂、适应性差的问题，提出集成变构臂与被动自适应夹爪的 UMLM，并通过运动静力学分析和 PSO 参数优化验证其高效灵活抓取能力。
2025-10-18 cs.RO
Benchmarking Multi-Object Grasping
University of South Florida（南佛罗里达大学）；University of Pisa（比萨大学）；Rutgers University（罗格斯大学）
本文提出一个多物体抓取基准测试，包含三种协议，用于评估机器人在堆叠和表面场景中的抓取与操作能力，并在多种机械手上建立基线，与人类表现对比。
2025-03-29 cs.RO
An Under-Actuated Whippletree Mechanism Gripper based on Multi-Objective Design Optimization with Auto-Tuned Weights
University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
目前的刚性连杆夹持器的灵活性有限，夹持器的设计优化依赖于专业知识，实验，或任意参数。我们提出的刚性夹持器可以容纳不规则和偏心的对象，通过一个whippletree机制，提高适应性。提出了一种基于Whippletree的刚性欠驱动手爪，并对其进行了参数化设计和多目标优化。我们提出的目标函数同时考虑了运动学和抓地力与基于对象环境模型的数学度量。我们的多目标问题被制定为一个单一的运动学目标函数与自动调整力为基础的重量。我们的研究结果表明，我们提出的目标函数确定最佳的参数和运动范围为我们的欠驱动夹持器在任务环境中有足够的抓地力。
2021-09-30 cs.RO
Synergizing Morphological Computation and Generative Design: Automatic Synthesis of Tendon-Driven Grippers
ITMO University（伊蒂莫大学）
本文提出一种结合形态计算与生成式设计的机器人连杆机构设计方法，利用图语法和启发式搜索自动生成并测试欠驱动腱驱动夹爪，验证了无需复杂规划或学习即可实现广泛物体抓取。
2024-10-10 cs.RO
AcroMonk: A Minimalist Underactuated Brachiating Robot
DFKI GmbH（德国人工智能研究中心）；Stanford University（斯坦福大学）；University of Bremen（不来梅大学）
本文提出一种仅用单个执行器和被动抓手的极简欠驱动摆臂机器人AcroMonk，通过轨迹优化、TVLQR/PD控制和强化学习三种方式实现摆臂，并开源设计，作为教育和研究的典型平台。
2023-05-15 cs.RO cs.SY eess.SY
Graph-Based Design of Soft Grippers with Multi-Objective Quality-Diversity Optimisation
CSIRO Robotics（澳大利亚联邦科学与工业研究组织机器人部门）
本文提出基于图的软体夹爪表示与多目标多样性驱动遗传优化框架，通过多抓取场景优化，实现对新物体的涌现泛化与鲁棒性提升。
2026-09-18 cs.RO
Dynamic Flex-and-Flip Manipulation of Deformable Linear Objects
The Hong Kong University of Science and Technology（香港科技大学）
本文提出了一种适用于抓取平坦表面上薄柔性线性物体的弯曲与翻转操作技术，通过机械手弯曲物体并利用其内能实现稳定捏取，该技术支持开环控制与欠驱动柔顺手指，并在机器人翻页实验中验证了其有效性与鲁棒性。
2023-04-02 cs.RO
Vibration suppression of a state-of-the-art wafer gripper
Delft University of Technology（代尔夫特理工大学）；VDL Enabling Technologies（VDL赋能技术公司）
在本文中，压电的国家的最先进的晶片夹持器的实施进行了研究。我们的目标是提出并验证一种解决方案的方法，其中包括机械设计和控制系统，以实现至少5%的阻尼两个本征模式的晶片夹持器。这个目标作为一个“概念证明”，以显示实现一个国家的最先进的阻尼方法的工业应用，这反过来又可以用来阻尼不同的薄结构的可能性。压电元件与其主体结构之间的耦合关系被用来设计压电片的位置，以及一个国家的最先进的晶片夹持器的模态分析数据。这些数据是通过实验装置测得的。主动阻尼已成功地实施到晶片夹持器，其中正位置反馈（PPF）被用作控制算法，以抑制两个本征模式。
2022-12-04 cs.RO
Gripper-aware Vision Language Action Models
University of Liverpool（利物浦大学）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；Indian Institute of Science（印度科学学院）；The University of Tokyo（东京大学）；Zürcher Hochschule für Angewandte Wissenschaften（苏黎世应用科技大学）；University of Arkansas（阿肯色大学）；Physical Intelligence（物理智能公司）；Huazhong University of Science and Technology（华中科技大学）
针对现有视觉语言动作模型（VLA）忽略夹具差异的问题，提出多夹具感知数据集MiGA与结合多夹具分词器及适配器策略路由的GVLA，实验显示其性能优于基线且泛化与适应能力更强。
2026-08-26 cs.RO
Development of Underactuated Geometric Compliant (UGC) Module with Variable Radial for Robotic Applications
School of Engineering, Cardiff University（卡迪夫大学工程学院）
本文开发了一种可变径向的欠驱动几何柔顺（UGC）模块，通过设计多种半刚性关节并利用高斯过程回归建模，实现了半径可动态缩减至80-85%且保持结构完整性的机器人原型。
2024-11-08 cs.RO
Momentum Control of an Underactuated Flying Humanoid Robot
Istituto Italiano di Tecnologia（意大利理工学院）
本文采取的第一步，欠驱动飞行人形机器人的控制框架的定义。因此，这些机器人可能具有飞行、接触运动和操纵的能力，并受益于为全身控制和空中操纵开发的技术和方法。在四旋翼的情况下，我们认为，人形机器人是由四个推力。为了方便起见，这些力被放置在机器人的手和脚上。控制目标被定义为机器人质心动量的渐近稳定。这个目标使我们能够跟踪机器人质心的期望轨迹，并保持参考方向和机器人基架之间的小误差。机器人动量的稳定性和收敛性证明是在李雅普诺夫意义上的。在人形机器人iCub模型上进行的仿真验证了所提出方法的合理性。
2017-06-03 cs.RO math.DS
Enhanced Optimization Strategies to Design an Underactuated Hand Exoskeleton
Istanbul Technical University（伊斯坦布尔技术大学）；Kadir Has University（卡迪尔哈斯大学）
本研究针对欠驱动手部外骨骼（U-HEx）设计，提出从单目标（最大化力传递）扩展到多目标（最小化扭矩方差和执行器位移）的优化策略，采用遗传算法与大爆炸-大坍缩算法，发现后者在最优性和收敛速度上表现更优，为外骨骼设计提供了权衡方案与性能改进。
2025-03-03 cs.HC cs.NE cs.RO
CarbonFish -- A Bistable Underactuated Compliant Fish Robot capable of High Frequency Undulation
Columbia University（哥伦比亚大学）
本研究提出基于碳纤维增强塑料和发夹机构的欠驱动双稳态鱼形机器人CarbonFish，通过数学设计实现接近10 Hz的高频波动，为加速水生运动奠定基础。
2024-10-13 cs.RO
Hierarchical Performance-Based Design Optimization Framework for Soft Grippers
University of Luxembourg（卢森堡大学）
提出一种分层性能驱动框架，通过任务、运动、设计三层协同优化多指软体抓取器，平衡性能并提升复杂任务可扩展性。
2025-03-25 cs.RO
Domestic waste detection and grasping points for robotic picking up
University of Alicante（阿利坎特大学）
本文介绍了一个应用于机器人定位和抓取的人工智能系统。实验设置基于参数研究，以训练基于Mask-RCNN的深度学习网络，以在室内和室外环境中执行废物定位，使用五个不同的类并生成新的废物数据集。首先，AI系统获得环境的RGBD数据，然后使用神经网络检测对象。稍后，使用网络结果和深度通道计算3D对象形状。最后，形状被用来计算抓取的机器人手臂与两个手指夹持器。目的是将废物分类，以改善回收策略。
2021-05-14 cs.CV cs.LG cs.RO
Optimizing out-of-plane stiffness for soft grippers
The University of Manchester（曼彻斯特大学）
在本文中，我们提出了一个数据驱动的框架，以优化的面外刚度的软夹具，以实现机械性能，如难以扭转和易于弯曲。该方法在柔性气动弯曲驱动器（SPBA）的设计中得到了验证。首先，定义了一个新的目标函数来定量评估平面外刚度以及弯曲性能。然后，借助有限元分析（FEA）对SPBA设计的参数模型进行灵敏度分析，以确定优化的设计参数。为了实现数值优化的计算，采用数据驱动的方法来学习成本函数，该成本函数直接将面外刚度表示为设计变量的可微函数。基于梯度的方法用于最大化SPBA的面外刚度，同时确保特定的弯曲性能。我们的方法的有效性已在3D打印夹具上进行的物理实验中得到证明。
2022-07-29 cs.RO
Optimal Design and Analytical Modeling of a Soft Fin-Ray Effect Gripper Finger Using the Finite Rigid Elements Method
提出采用有限刚性单元法（FREM）对软体鳍射线效应（FRE）夹爪手指进行建模与优化，实现精准力控，以轻柔抓取易损农产品。
2026-06-02 cs.RO
Contrastively Learning Visual Attention as Affordance Cues from Demonstrations for Robotic Grasping
School of CS & AI, Arizona State University（亚利桑那州立大学计算机科学与人工智能学院）
传统的作品，学习掌握示能表示从示范需要明确地预测把握配置，如抓手接近角度或把握预形。然后，经典的运动规划器可以通过使用这种预测的配置来采样轨迹。在这项工作中，我们的目标是通过将这两个目标整合到基于深度神经网络的端到端模仿学习框架中，来填补启示发现和基于启示的政策学习之间的差距。从心理学的角度来看，注意力和示能性之间有着密切的联系。因此，与端到端的神经网络，我们建议学习启示线索作为视觉注意，作为一个有用的指示信号，演示如何完成任务，而不是明确建模启示。为了实现这一点，我们提出了一个对比学习框架，包括一个暹罗编码器和一个轨迹解码器。我们进一步引入了一个耦合的三重损失，以鼓励发现的启示线索，以更实惠的相关性。我们的实验结果表明，我们的模型与耦合三重损失实现了最高的抓取成功率在模拟机器人环境。我们的项目网站可以访问www.example.com。
2021-08-14 cs.AI cs.LG cs.RO
Fit2Form: 3D Generative Model for Robot Gripper Form Design
Columbia University（哥伦比亚大学）
机器人末端执行器的3D形状在确定其功能和整体性能方面起着关键作用。许多工业应用依赖于特定任务的夹持器设计，以确保系统的鲁棒性和准确性。然而，手动硬件设计的过程既昂贵又耗时，并且最终设计的质量取决于工程师的经验和领域专业知识，这很容易过时或不准确。这项工作的目标是使用机器学习算法来自动化特定任务的夹持器手指的设计。我们提出了Fit2Form，这是一个3D生成设计框架，可以生成成对的手指形状，以最大限度地提高设计目标（即，抓取成功、稳定性和鲁棒性）。我们通过训练一个健身网络来模拟设计目标，以预测它们对抓手手指及其相应抓取对象的值。然后，该健身网络为3D生成网络提供监督，该生成网络为目标抓取对象生成一对3D手指几何形状。我们的实验表明，所提出的3D生成设计框架生成平行颚夹爪手指形状，实现更稳定和强大的把握相比，其他通用和特定任务的夹具设计算法。视频可以在https://youtu.be/utKHP3qb1bg上找到。
2020-11-12 cs.AI cs.CV cs.LG
Simultaneous Tactile Estimation and Control of Extrinsic Contact
MIT（麻省理工学院）；Mitsubishi Electric Research Laboratories（三菱电机研究实验室）；Magna International Inc.（麦格纳国际公司）
我们提出了一种方法，同时估计和控制外部接触与触觉反馈。该方法能够实现具有挑战性的操作任务，这些任务需要控制轻力和精确的接触运动，例如在直立的细杆上平衡未知物体。一个因素图为基础的框架融合了一系列的触觉和运动学测量，以估计和控制之间的相互作用的夹具对象的环境，包括位置和扳手之间的外部接触的被抓物体和环境和把握扳手从夹具转移到对象。相同的框架同时计划的夹具运动，使其能够估计的状态，同时满足正则化控制目标，以防止滑动，如最小化的把握扳手和最小化的摩擦力在外部接触。我们展示了亚毫米级接触定位误差和良好的防滑效果，即使在湿滑的环境中，对于多个接触形成（点，线，贴片接触）和它们之间的过渡。请参见https://sites.google.com/view/sim-tact上的补充视频和结果。
2023-03-06 cs.RO
CosmoH2G: A Hand-to-Gripper Transfer Dataset and Baseline Method for Object Manipulation with Complex Spatial Movements
SSE, CUHKSZ（香港中文大学（深圳）理工学院）；GenuX（真象科技）；FNii-Shenzhen（鹏城国家实验室（深圳））
针对现有手到夹爪迁移方法难以处理复杂空间运动的问题，提出包含大规模配对数据集和两阶段关键帧预测框架的CosmoH2G方法，在仿真与真实实验中显著优于传统基线。
2026-09-09 cs.CV cs.RO
Uni-PNP: Unified Prehensile and Non-prehensile Policy Learning for Generalizable Object Pose Reaching
Peking University（北京大学）；Galbot；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；Beijing Academy of Artificial Intelligence（北京人工智能研究院）；Tsinghua University（清华大学）
Uni-PNP是一种统一策略，通过预训练几何编码器和两阶段强化学习，实现跨物体与夹具的抓持及非抓持操纵，在物体位姿到达任务上优于基准，且可迁移至真实场景。
2026-10-16 cs.RO
Tactile Model O: Fabrication and testing of a 3d-printed, three-fingered tactile robot hand
University of Bristol（布里斯托大学）；Bristol Robotics Laboratory（布里斯托机器人实验室）
为机器人手带来触觉将允许更有效的抓握，以及类似人类触摸的广泛好处。在这里，我们提出了一个3D打印的三指触觉机器人手，包括一个定制的OpenHand Model O，用于在每个手指的远端指骨中容纳TacTip柔软的仿生触觉传感器。我们期望将这种欠驱动手的抓取能力与复杂的触觉感知相结合，将导致一个有效的机器人手研究平台-触觉模型O（T-MO）。该设计使用了三个JeVois机器视觉系统，每个系统都包括一个位于触觉指尖的微型摄像头和一个位于手底部的处理模块。为了评估T-MO的能力，我们使用YCB对象集上的抓取器评估基准对其抓取性能进行基准测试。触觉感知的能力进行评估，通过执行触觉对象分类的26个对象，并预测是否把握将成功地解除每个对象。结果与最新技术水平一致，利用了应用于触觉图像输出的深度学习的进步。总的来说，这项工作表明，T-MO是一个有效的平台，机器人手的研究，我们希望它打开了一系列的应用在自主物体处理。补充视频：https://youtu.be/RTcCpgffCrQ。
2020-08-14 cs.RO
A Human-Inspired Thumb-Index Robotic Hand with Strain Gauges Embedded in Soft Joints
University of Siena（锡耶纳大学）；Czech Technical University in Prague（布拉格捷克理工大学）
受生物力学原理启发，开发了安全拇指-食指机械手（STIR Hand），通过欠驱动腱驱动设计与嵌入硅胶软关节的柔性应变片，实现被动抓取适应，并建立内部本体感知和外部感知。实验表明，软关节传感器显著提高了抓取灵敏度和安全性。
2026-06-23 cs.RO
A Novel Geometry-based Algorithm for Robust Grasping in Extreme Clutter Environment
TATA Consultancy Services（塔塔咨询服务公司）
本文探讨了在一个混乱的环境中，使用三维点云数据从范围或RGBD传感器获取的未知对象的问题。我们的目标是识别可抓握区域，并从单个视图中检测合适的抓握姿势，可能是部分3D点云，而无需任何物体几何形状的先验知识。该问题分两步解决：（1）识别和分割各种物体表面，（2）通过应用物理夹具的几何约束在这些表面上搜索合适的抓握手柄。第一步是通过使用一个修改版本的区域生长算法，使用一对阈值的平滑约束的局部表面法线，以找到自然边界的物体表面解决。在这个过程中，一个新的概念，边缘点的介绍，使我们能够分割不同的表面之间的同一个对象。第二步通过将3D云点投影到物体表面的主轴上，将6D姿态检测问题转换为1D线性搜索问题来解决。然后，通过应用夹持器的物理约束来定位可抓握手柄。由此产生的方法，使我们能够掌握各种物体，包括矩形或盒型物体的平面一直很难处理到目前为止，在把握文献。所提出的方法是简单的，可以在实时实施，并不需要任何离线培训阶段找到这些启示。通过与另一种最先进的抓取算法在各种公开和自行创建的数据集上的比较，证明了所取得的改进。
2018-07-27 cs.RO
Geometric Facts Underlying Algorithms of Robot Navigation for Tight Circumnavigation of Group Objects through Singular Inter-Object Gaps
Saint Petersburg University（圣彼得堡大学）
研究欠驱动非完整 Dubins 车辆类机器人在未知复杂物体平面中，因等距曲线过度扭曲和奇异性无法完美追踪时，自动寻找并追踪最佳可追踪近似路径以实现群体物体紧密环绕的几何事实。
2023-05-22 cs.RO math.OC
Multi-Objective Neural Network-Assisted Design Optimization of Soft Fin-Ray Fingers for Enhanced Grasping Performance
School of Mechanical Engineering, College of Engineering, University of Tehran（机械工程学院、工程学院、德黑兰大学）
本研究通过神经网络辅助设计优化，提升软鳍状指在抓取任务中的性能，平衡抓力与精细操作需求。
2026-02-15 cs.AI cs.CE cs.RO
