Safe haptic teleoperations of admittance controlled robots with virtualization of the force feedback
University of Salerno（萨勒诺大学）
本文提出一种基于运动误差虚拟化力反馈并加入运动参考饱和的触觉双边遥操作系统，实现力渲染与导纳控制解耦，实验证明其提升了自然性、安全性和准确性。
2024-04-11 cs.RO cs.SY eess.SY
Fixed-time Integral Sliding Mode Control for Admittance Control of a Robot Manipulator
Queen’s University of Belfast（贝尔法斯特女王大学）；University of Warwick（华威大学）
提出了一种新的固定时间积分滑模控制器的导纳控制，以加强物理人机协作。该方法结合了导纳控制对外力的顺从性和积分滑模控制对不确定性的鲁棒性，使系统能够在不确定环境中有效地与人类合作。首先，在ISMC中应用固定时间滑模面，使得系统的跟踪误差在固定时间内收敛，而不受初始条件的影响。然后，固定时间反推控制器（BSP）集成到ISMC作为名义控制器，实现全局固定时间收敛。此外，为了克服奇异性问题，设计了一种非奇异固定时间滑模面，并将其集成到控制器中，这对于实际应用是有用的。最后，所提出的控制器进行了验证的两连杆机器人机械手的不确定性和外部人力。仿真结果表明，所设计的控制器在跟踪误差和收敛时间方面均具有较好的性能，同时能够在共享工作空间内实现人体运动的控制。
2022-08-09 cs.RO cs.SY eess.SY
Direction-Constrained Control for Efficient Physical Human-Robot Interaction under Hierarchical Tasks
Shanghai Jiao Tong University（上海交通大学）；Osaka University（大阪大学）
本文针对层级任务下的物理人机交互问题，提出方向约束优化算法与可变导纳控制相结合的控制方法，在7自由度机械臂实验中实现了更平滑的轨迹并避免了约束边界处的交互延迟。
2024-10-22 cs.RO
SUPER-MAN: SUPERnumerary Robotic Bodies for Physical Assistance in HuMAN-Robot Conjoined Actions
Istituto Italiano di Tecnologia（意大利技术研究院）
本文提出了一种移动多余机器人的方法，在人-机器人联合行动的物理援助。本研究首先描述了超人的概念。我们的想法是开发和利用移动协作系统，可以遵循人类的现场操作命令，通过三个主要组件执行工业任务：i）准入型接口，ii）人机交互控制器，iii）多余的机器人身体。接下来，我们从理论和硬件的角度提出了两种可能的实现框架内。第一个系统被称为MOCA-MAN，包括一个冗余的扭矩控制机械臂和一个全向移动平台。第二个被称为Kairos-MAN，由一个高有效载荷的6自由度速度控制机械臂和一个全向移动平台组成。这些系统共享相同的准入接口，通过该接口，用户扳手被转换为由每个系统的全身控制器生成的局部操纵命令。此外，一个全面的用户研究与多个和跨性别的主题，揭示了定量性能的两个系统在努力的要求和灵巧的任务。此外，我们提供了定性的结果，从NASA-TLX问卷，以证明超人的方法的潜力和可接受性，从用户的角度来看。
2023-02-01 cs.RO
On the Analysis of Stability, Sensitivity and Transparency in Variable Admittance Control for pHRI Enhanced by Virtual Fixtures
本文研究了通过虚拟夹具增强的变量电导控制中稳定性、灵敏度和透明度的问题，通过分析不稳定源并提出参数适应技术以提高透明度。
2025-03-06 cs.RO cs.SY eess.SY
Collaborative Robot Arm Inserting Nasopharyngeal Swabs with Admittance Control
University of Waterloo（滑铁卢大学）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
本研究提出使用导纳控制的刚性协作机械臂结合力传感末端执行器进行鼻咽拭子测试，实验证明柔顺控制系统优于基本位置控制器，展现出应用于人类的潜力，但仍需解决初始对齐和头部运动问题。
2024-08-21 cs.RO cs.SY eess.SY
Collaborative Assembly Policy Learning of a Sightless Robot
School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学）；NervAI；Shanghai Jiao Tong University（上海交通大学）
本文针对无视觉机器人与人类协作的板件插入任务，提出一种利用人类设计的导纳控制器的强化学习方法，以促进更主动的机器人行为并减少人类工作量，实验证明该方法在成功率和任务完成时间上优于传统导纳控制。
2025-11-05 cs.HC cs.RO cs.SY
MIRAGE: Multimodal Intention Recognition and Admittance-Guided Enhancement in VR-based Multi-object Teleoperation
The Hong Kong Polytechnic University（香港理工大学）；University of Jyväskylä（于韦斯屈莱大学）
针对VR多目标遥操作中感知模糊和单模态意图识别局限的问题，提出融合虚拟导纳模型与多模态CNN意图感知网络的共享控制框架，经用户研究验证可提升抓取成功率与运动效率，为多目标抓取提供鲁棒方案。
2025-09-02 cs.HC cs.RO
Exploiting Physical Human-Robot Interaction to Provide a Unique Rolling Experience with a Riding Ballbot
University of Illinois at Urbana-Champaign (UIUC)（伊利诺伊大学厄巴纳-香槟分校）；Disability Resources and Educational Services, UIUC（伊利诺伊大学厄巴纳-香槟分校残疾资源与教育服务中心）；Industrial and Enterprise Systems Engineering, UIUC（伊利诺伊大学厄巴纳-香槟分校工业与企业系统工程系）
本研究为骑乘球型机器人PURE研发免手控导纳控制方案（HACS），利用物理人机交互通过躯干倾斜和扭转控制运动，在制动与室内导航任务中验证了其安全、高效与敏捷性，使手动轮椅用户也能便捷使用。
2024-09-27 cs.RO
An Optimization Approach for a Robust and Flexible Control in Collaborative Applications
University of Modena and Reggio Emilia（摩德纳与雷焦艾米利亚大学）
在人机协作中，机器人在高度动态的环境中运行。因此，关键是要保证系统在交互过程中的鲁棒稳定性，而且还要保证机器人行为的高度灵活性，以确保对协作场景的可变条件的安全性和反应性。在本文中，我们提出了一种控制架构，能够最大限度地提高机器人的灵活性，同时保证一个稳定的行为时，与环境的物理交互。这通过将基于能量罐的可变导纳架构与控制屏障功能相结合来实现。所提出的架构进行了实验验证的协作机器人。
2021-03-04 cs.RO
Online Multimodal Workload Assessment in Contact-Rich Physical Human-Robot Interaction
University of Tennessee（田纳西大学）；University of South Carolina（南卡罗来纳大学）
本文提出一个在线多模态框架，整合交互力、TCP运动学和皮肤电导等可解释因素，通过路径曲率调整权重，在接触丰富的人机交互中实现透明且准确的连续工作负荷评估，性能媲美最先进学习方法。
2026-09-17 cs.RO
Compliance while resisting: a shear-thickening fluid controller for physical human-robot interaction
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）；Tencent Robotics X Lab（腾讯Robotics X实验室）
针对物理人机交互中意外冲击干扰影响安全性的问题，受剪切增稠流体启发提出SFC控制器，兼顾人机协作与抗冲击能力，在仿真与实验中表现优于L-AC和N-AC，具有工业应用潜力。
2025-02-03 cs.RO
Understanding User Preferences of a Slope-Aware Variable-Admittance Filter for a Robot Guide Dog
本文研究坡度感知可变导纳滤波器参数对用户与机器人导盲犬力交互偏好的影响，提出结合路径跟踪、动量估计和在线调整刚度的框架，实验表明上坡增刚度、下坡减刚度可改善性能。
2026-09-15 cs.RO
Game-Theoretic Modeling of Human Adaptation in Human-Robot Collaboration
Carnegie Mellon University（卡内基梅隆大学）
在人类-机器人团队中，人类通常从一个不准确的机器人能力模型开始。当它们与机器人交互时，它们推断机器人的能力并部分适应机器人，即，他们可能会根据观察到的结果和机器人的动作改变自己的动作，而不复制机器人的策略。我们提出了一个博弈论模型的人的部分适应机器人，在那里的人响应机器人的行动，通过最大化的奖励函数，随着时间的推移而改变随机，捕捉他们的期望机器人的能力的演变。然后，机器人可以使用这个模型来最佳地决定采取行动，向人类展示其能力，并在人类当前拥有的信息下采取最佳行动。我们证明了在一定的可观测性假设下，最优策略可以有效地计算。我们通过一个人类受试者的实验表明，该模型显着提高人类机器人团队的性能相比，政策，假设完全适应人类的机器人。
2017-04-06 cs.RO
Human-Robot Mutual Adaptation in Shared Autonomy
Carnegie Mellon University（卡内基梅隆大学）；National University of Singapore（新加坡国立大学）
共享自主性将用户输入与机器人自主性相结合，以控制机器人并帮助用户完成任务。我们的工作旨在提高这样一个人-机器人团队的性能：机器人试图引导人类走向一个有效的策略，有时违背人类自己的偏好，同时仍然保持他的信任。我们通过一个原则性的人-机器人相互适应的形式主义来实现这一点。我们将人类的有界记忆适应模型集成到部分可观察的随机决策模型中，使机器人能够适应适应性强的人类。当人类适应性强时，机器人会引导人类采取一个好的策略，也许人类事先不知道。当人类固执而不适应时，机器人会遵从人类的偏好，以保持他们的信任。在共享自治设置中，与许多其他常见的人机协作设置不同，只有机器人的动作可以改变世界的物理状态，人类和机器人的目标并不完全可观察。我们解决这些挑战，并显示在人类受试者的实验中，提出的相互适应形式主义提高人类-机器人团队的性能，同时保持高水平的用户信任的机器人，相比，有机器人严格遵循参与者的偏好的常见方法。
2017-01-26 cs.RO
Human to Robot Whole-Body Motion Transfer
Institut de Robòtica i Informàtica Industrial, CSIC-UPC（西班牙国家研究委员会-加泰罗尼亚理工大学工业机器人与计算机视觉研究所）
将人类运动转移到移动机器人操纵器并确保安全的物理人机交互是在人类共享环境中实现复杂操作任务自动化的关键步骤。在这项工作中，我们提出了一种新的人到机器人全身运动传输框架。我们提出了一个一般的解决方案的对应问题，即观察到的人体姿势和机器人之间的映射。为了实现实时仿真和有效的冗余解决，本文采用全身控制范式，提出了一种特定的任务层次结构，并给出了轮式机器人基座的差动驱动控制算法。为了确保安全的物理人机交互，我们提出了一种新的可变导纳控制器，稳定地适应动态的末端执行器之间切换刚性和顺应性的行为。我们通过几个真实世界的实验与TIAGo机器人验证我们的方法。结果表明，有效的实时模仿和动态行为适应。这构成了一个简单的方法，为非专家转移操作技能的辅助机器人。
2021-08-05 cs.RO
Human-Robot Collaborative Carrying of Objects with Unknown Deformation Characteristics
Istituto Italiano di Tecnologia（意大利技术研究院）
在这项工作中，我们引入了一个自适应控制框架，用于人类与机器人协作运输具有未知变形行为的物体。建议的框架作为输入的触觉信息通过对象传输，和运动学信息的人体从运动捕捉系统获得的移动协作机器人上创建反应性全身运动。为了验证我们的框架实验，我们比较了它的性能与导纳控制器在一个部分可变形的物体的共同运输任务。我们还展示了框架的潜力，同时共同运输刚性（铝棒）和高度变形（绳）的对象。一个移动机械手，其中包括一个全方位的移动基地，协作机械臂，机械手被用作实验中的机器人合作伙伴。定量和定性的结果表明，该框架可以有效地处理对象的未知变形能力，并提供直观的援助，以人类的合作伙伴。
2022-07-21 cs.RO
Teleoperation in Robot-assisted MIS with Adaptive RCM via Admittance Control
Stevens Institute of Technology（史蒂文斯理工学院）
本文提出并评估了一种用于机器人辅助微创手术的遥操作框架，通过自适应RCM和导纳控制实现精确操作，并演示了穿线、拾放和轨迹跟踪等任务。
2024-07-17 cs.RO
Full-Body Collision Detection and Reaction with Omnidirectional Mobile Platforms: A Step Towards Safe Human-Robot Interaction
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
在本文中，我们开发的估计和控制方法，快速反应的全向移动平台和他们的环境之间的碰撞。为了实现对外力的全身检测，我们使用了位于机器人传动系统中的扭矩传感器。使用基于模型的技术，我们估计，具有良好的精度，碰撞力的位置，方向和大小，我们开发了一个导纳控制器，实现了低有效质量的反应。对于实验测试，我们使用的设施包含一个校准的碰撞假人和我们的完整的移动平台。我们随后探讨碰撞与假人碰撞对一个固定的基地和基地碰撞对一个固定的假人。总的来说，我们实现了快速反应时间和减少冲击力。概念验证实验展示了移动平台的各个部分，包括车轮，与人类安全碰撞。
2015-01-20 cs.RO
Task-Agnostic Adaptation for Safe Human-Robot Handover
Carnegie Mellon University（卡内基梅隆大学）
人机交互是提高现代生产线柔性的重要组成部分。然而，在现实世界的应用中，任务（\ie，机器人需要操作的条件，例如环境照明条件、要与之交互的人类主体以及硬件平台）可能会变化，并且在这些变化的任务下最佳地且有效地配置和适配机器人系统仍然具有挑战性。为了应对这一挑战，本文提出了一种与任务无关的自适应控制器，该控制器可以1）适应不同的照明条件，2）适应个人行为并确保与不同人交互时的安全性，3）通过不同的控制接口轻松实现跨机器人平台的传输。建议的框架进行了测试，使用FANUC LR Mate 200 id/7 L机器人和Kinova Gen 3机器人的人机交接任务。实验结果表明，所提出的任务无关控制器可以在不同的任务之间实现一致的性能。
2022-09-20 cs.RO
Head Stabilization for Wheeled Bipedal Robots via Force-Estimation-Based Admittance Control
School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能系统工程学院）；GAC R&D Center（GAC研发中心）；Direct Drive Technology Limited（直接驱动技术有限公司）；Suzhou Nuclear Power Research Institute Co., Ltd（苏州核电研究所有限公司）
本文提出了一种基于力估计的阻抗控制方法，用于提高轮式双足机器人在不平地形中的头部稳定性，通过仿真验证了方法的有效性。
2025-11-24 cs.RO
Fast User Adaptation for Human Motion Prediction in Physical Human-Robot Interaction
School of Integrated Technology, Yonsei University（延世大学融合技术学院）
为了提高人机交互的效率，需要对人体运动进行准确的预测。不同用户之间的行为差异是限制人体运动预测的关键因素。虽然最近的基于神经网络的建模方法已经提高了它们的预测精度，但是大多数没有考虑对不同用户的有效适应，从而对所有用户采用相同的模型参数。为了应对这一未充分解决的挑战，我们引入了一个元学习框架，以促进模型快速适应看不见的用户。在这项研究中，我们提出了一个模型结构和一个Meta学习算法专门使快速用户适应预测人类运动的合作情况下与机器人。所提出的预测模型包括共享和自适应参数，每个参数针对用户的一般和个人运动。仅使用来自单个用户的少量数据，调整自适应参数以通过两步过程实现特定于用户的预测：通过单独的网络进行初始化和通过几个梯度步骤进行自适应。关于有20个用户与机器人设备合作的运动数据集，所提出的方法在预测看不见的用户的运动方面优于现有的元学习和非元学习基线。
2021-10-11 cs.RO
Task Adaptation in Industrial Human-Robot Interaction: Leveraging Riemannian Motion Policies
ETH Zurich（苏黎世联邦理工学院）
针对工业人机交互需求，提出基于黎曼运动策略的模块化运动控制框架，实现免手动控制、复杂任务组合及意图识别与运动规划无缝集成，并在受现实工业场景启发的实验中验证了其有效性。
2024-06-25 cs.RO
Robot Trajectory Adaptation to Optimise the Trade-off between Human Cognitive Ergonomics and Workplace Productivity in Collaborative Tasks
Istituto Italiano di Tecnologia（意大利理工学院）；Politecnico di Milano（米兰理工大学）
在混合工业环境中，工人的舒适度和积极的安全感是成功接受和使用协作机器人的基本要求。本文提出了一种新的人机交互框架，其中机器人的行为是适应在线根据操作员的认知工作量和压力。该方法利用B样条轨迹在关节空间和制定一个多目标优化问题在线调整总的执行时间和平滑的机器人轨迹的生成。前者确保工作场所的人类效率和生产力，而后者有助于保障用户的舒适性和认知人体工程学。在一个典型的工业任务中，所提出的框架的性能进行了评估。结果表明，它的能力，以提高生产力的人-机器人二人组，同时减轻认知工作量引起的工人。
2022-07-08 cs.RO
Mathematical Models of Adaptation in Human-Robot Collaboration
The Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）；Human-Computer Interaction Institute, Carnegie Mellon University（卡内基梅隆大学人机交互研究所）；Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系）；Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室）
一个孤立运行的机器人需要对其世界模型中的不确定性进行推理，并调整自己的行动以应对这种不确定性。同样，与人互动的机器人需要对人类内部状态的不确定性进行推理，以及随着人类适应机器人，这种状态可能会如何变化。本文总结了我们自己在这方面的工作，其中描述了不同的方式，概率规划和博弈论算法可以使这样的推理与人合作的机器人系统。我们开始与一般制定的问题作为一个两个球员的游戏不完全信息。然后，我们阐述了这个一般公式中的不同假设，我们解释了这些如何导致令人兴奋的和多样化的机器人行为，在各种制造，个人机器人和辅助护理环境中与实际的人类受试者进行实时交互。
2017-08-04 cs.RO
Certifiably-correct Control Policies for Safe Learning and Adaptation in Assistive Robotics
Arizona State University（亚利桑那州立大学）；University of Colorado Boulder（科罗拉多大学博尔德分校）；Toyota NA-R&D（丰田北美研发中心）
保证以人为中心的应用程序的安全性在机器人学习中至关重要，因为学习的策略可能会在以前看不见的场景中表现出不安全的行为。我们提出了一个框架，本地修复一个错误的策略网络，以满足一组正式的安全约束，使用混合二次规划（MIQP）。我们的MIQP公式明确地施加了安全约束的学习策略，同时最小化原始的损失函数。然后验证策略网络在本地是安全的。我们展示了我们的框架的应用程序，以获得机器人小腿假肢的安全政策。
2023-03-12 cs.RO
Admittance-Based Motion Planning with Vision-Guided Initialization for Robotic Manipulators in Self-Driving Laboratories
Department of Electronics Systems, Aalborg University（电子系统系，奥尔堡大学）；Department of Information Technology and Electrical Engineering, Università degli Studi di Napoli Federico II（信息科技与电气工程系，那不勒斯费迪里奇二世大学）
本文提出了一种基于阻抗控制的运动规划方法，结合视觉引导初始化，实现机械臂在自动驾驶实验室中的自适应和安全操作。
2026-01-29 cs.RO
A Data-Driven Approach for Contact Detection, Classification and Reaction in Physical Human-Robot Collaboration
Roma Tre University（罗马第三大学）；University of Cassino and Southern Lazio（卡西诺和南拉齐奥大学）
本文考虑的情况下，机器人和人类操作员共享相同的工作空间，机器人都能够进行自主任务，并与人类进行物理交互，以实现共同的目标。在这种情况下，由于任务和环境的复杂性，人类行为的不确定性以及对彼此行为的典型缺乏意识，可能会发生人与机器人之间的有意和意外接触。在这里，基于递归神经网络（RNN）的两阶段策略被设计为检测有意和意外接触：在第一阶段检测与人的接触的发生，而在第二阶段执行有意和意外之间的分类。然后分别由机器人执行准入控制策略或回避动作。该方法也适用于机器人同时与人类和环境交互的情况，其中后者的交互扳手通过高斯混合模型（GARCH）建模。控制障碍函数（CBF）包括，在控制级，以保证满足机器人和任务的约束，同时执行适当的交互策略。该方法已被验证的一个真正的设置组成的Kinova的1002机器人。
2021-06-12 cs.RO
A Unified Dynamic Force Guidance Framework for Performance-Optimized Kinesthetic Teaching
Shanghai Jiao Tong University（上海交通大学）
本文提出一种集成性能约束与优化机制的在线动态力引导方法，通过可变导纳控制和虚拟力引导提升协作机器人示教过程中的操作性能，实验验证其可提高工作效率。
2026-09-21 cs.RO
Dancing with REEM-C: A robot-to-human physical-social communication study
本文以leader-follower舞蹈场景为切入点，开发结合导纳、阻抗与位置控制的分体式全身控制框架，通过实验验证控制器性能，探究机器人对人类的清晰直观通信及人类舒适度问题。
2026-09-04 cs.RO
Stair Climbing Stabilization of the HRP-4 Humanoid Robot using Whole-body Admittance Control
Montpellier Laboratory of Informatics, Robotics and Microelectronics (LIRMM), CNRS–University of Montpellier（蒙彼利埃信息学、机器人学与微电子实验室（LIRMM），法国国家科学研究中心-蒙彼利埃大学）；CNRS–AIST Joint Robotics Laboratory (JRL)（法国国家科学研究中心-日本产业技术综合研究所联合机器人实验室（JRL））
我们认为HRP-4人形机器人的动态爬楼梯作为空中客车制造用例演示的一部分。我们分享为完成这项任务而收集的实验知识，HRP-4以前从未受到过挑战。特别是，我们扩展walkingstabilization基于线性倒立摆跟踪二次规划为基础的扳手分布和全身导纳控制器，适用于末端执行器和CoM策略。虽然现有的稳定器倾向于使用其中之一，但我们的经验表明，这两种方法的组合可以提高跟踪性能。我们在一个现场实验中演示了这个解决方案，HRP-4爬上了一个18.5厘米高的工业楼梯，并将我们的步行控制器作为开源软件发布。
2021-10-11 cs.RO
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
A Computational Multi-Criteria Optimization Approach to Controller Design for Physical Human-Robot Interaction
College of Engineering, Koc University（科奇大学工程学院）；RACE UKAEA（英国原子能管理局RACE）；Faculty of Engineering and Natural Sciences, Sabanci University（萨班哲大学工程与自然科学学院）
物理人机交互（physical human-robot interaction，pHRI）融合了操作者和机器人在物理交互任务中的优势，旨在提高任务性能。然而，实现安全和透明操作的交互控制器的设计是具有挑战性的，主要是由于这些目标的矛盾性质。知道达到完美的透明度实际上是不可能实现的，允许在这些目标之间更好地折衷的控制器是期望的。在本文中，我们提出了一个多准则优化框架，联合优化的稳定性鲁棒性和透明性的闭环pHRI系统的给定的相互作用控制器。特别是，我们提出了一个帕累托优化框架，允许设计师作出明智的决定，通过彻底研究稳定性鲁棒性和透明度之间的权衡。建议的框架包括搜索的离散控制器参数空间计算的Pareto前曲线和选择的控制器参数，通过研究这个权衡曲线，产生最大的可达到的透明度和稳定性鲁棒性。所提出的框架不仅导致最优控制器的设计，而且还可以在不同的交互控制器之间进行公平的比较。为了证明所提出的方法的实际使用，整数阶和分数阶导纳控制器的研究作为一个案例研究和分析和实验比较。实验结果验证了所提出的设计框架，并表明分数阶导纳控制器下实现的透明性高于整数阶，当两个控制器的设计，以确保相同的稳定性鲁棒性水平。
2020-06-19 cs.HC cs.RO
Admittance Control-based Floating Base Reaction Mitigation for Limbed Climbing Robots
Tohoku University（东北大学）
针对足式攀爬机器人在复杂环境中因反作用力过大导致失稳的问题，提出基于导纳控制的新型控制方案，有效降低反作用力与关节力矩并保持轨迹跟踪精度。
2024-09-20 cs.RO
Optimizing Design and Control Methods for Using Collaborative Robots in Upper-Limb Rehabilitation
IEEE
本文提出一种基于优化的上肢康复协作机器人设计方法及基于导纳型虚拟夹具的新型控制架构，支持示教编程与主被动双模式，实验证明其有效性。
2025-08-11 cs.RO
Active Admittance Control with Iterative Learning for General-Purpose Contact-Rich Manipulation
Southeast University（东南大学）
针对多任务场景缺乏通用力控制框架的问题，提出基于主动导纳控制与迭代学习参数调节的混合控制框架，显著提升了富接触操作的通用性与力控制精度。
2024-03-25 cs.RO
Physical Human-Robot Interaction with a Tethered Aerial Vehicle: Application to a Force-based Human Guiding Problem
ETH Zurich（苏黎世联邦理工学院）；LAAS-CNRS（法国国家科学研究中心分析与系统架构实验室）；Université de Toulouse（图卢兹大学）；CNRS（法国国家科学研究中心）；University of Naples Federico II（那不勒斯费德里科二世大学）
物理人机交互（physical Human-Robot Interaction，pHRI）是当前地面操作领域的一个热门课题。与此同时，空中物理相互作用（APhI）也在迅速发展。然而，迄今为止尚未解决使用飞行器的pHRI。在这项工作中，我们提出的第一个系统，其中一个人是物理连接到一个飞行器的电缆的研究。我们希望机器人能够将人类拉向所需的位置（或沿着路径），只使用力作为间接的通信渠道。我们提出了一种基于准入的方法，使pHRI安全。一个控制器，灵感来自柔性机械手的文献，计算所需的相互作用力，正确地引导人类。系统的稳定性得到了形式化的证明。该系统也被证明是被动的，因此强大的非理想，如额外的人力，时变输入，和其他外部干扰。我们还设计了一个机动调节策略，以简化路径跟踪问题。全局方法已在一组四名受试者上进行了实验验证，显示出可靠且安全的pHRI。
2020-05-14 cs.RO
Admittance Control for Adaptive Remote Center of Motion in Robotic Laparoscopic Surgery
Charles V. Schaefer, Jr. School of Engineering and Science, Stevens Institute of Technology（史蒂文斯理工学院查尔斯·V·谢弗 Jr.工程与科学学院）
针对腹腔镜手术中入口移动导致RCM约束冲突的问题，提出基于IDM力/力矩反馈估计RCM交互力并结合导纳控制与冗余度求解的自适应框架，已通过运动学仿真验证并建成硬件平台。
2024-04-05 cs.RO
An Object Deformation-Agnostic Framework for Human-Robot Collaborative Transportation
Istituto Italiano di Tecnologia（意大利技术研究院）
在这项研究中，自适应对象变形不可知的人-机器人协同运输框架。所提出的框架能够结合触觉信息传输通过对象与人体运动学信息从运动捕捉系统中获得的移动协作机器人上产生反应的全身运动。此外，它允许在基于使用躯干和手部运动检测人类旋转意图的算法的共同运输期间以直观和准确的方式旋转对象。首先，我们验证的框架与两个极端的对象变形范围（即，纯刚性铝杆和高度可变形的绳索），通过利用移动机械手，其中包括一个全方位的移动基地和协作的机器人手臂。接下来，它的性能进行了比较，导纳控制器在12个科目的用户研究的部分可变形的对象的共同携带任务。定量和定性的实验结果表明，所提出的框架可以有效地处理对象的运输，而不管它们的变形能力，并提供直观的帮助人类的合作伙伴。最后，我们已经证明了我们的框架在不同的场景中的潜力，其中人类和机器人共同运输使用可变形片材的人体模型。
2022-07-27 cs.RO
Affecta-Context: The Context-Guided Behavior Adaptation Framework
IT-University of Copenhagen Denmark（丹麦哥本哈根信息技术大学）
本文提出Affecta-context框架，利用物理上下文引导社交机器人行为适应，通过聚类上下文并学习行为优先级，经72次交互训练验证了其泛化能力。
2025-08-07 cs.RO
Admittance-Based Surface Alignment for Human-in-the-Loop Robotic Visual Inspection
University of Washington（华盛顿大学）
提出一种基于导纳的实时闭环控制框架，融合操作员输入与感知驱动，实现机器人末端执行器与局部表面的精确对齐，在6自由度机械臂上验证了稳定法向跟踪和0.4°的平均定向误差。
2026-06-18 cs.RO
Learning to Leverage Compliance: A Policy-Admittance Learning Framework for Robotic Insertion
Northwestern Polytechnical University（西北工业大学）
提出LeCo策略-导纳学习框架，通过多速率反馈和冲突代价引导视觉策略利用固定柔顺性，在四类真实连接器装配任务中实现94%成功率并显著降低接触载荷。
2026-09-28 cs.RO
Integrating Flow Theory and Adaptive Robot Roles: A Conceptual Model of Dynamic Robot Role Adaptation for the Enhanced Flow Experience in Long-term Multi-person Human-Robot Interactions
MIT Media Lab（麻省理工学院媒体实验室）
本文提出一种整合心流体验原则与动态角色自适应的机器人行为概念模型，通过分层交互目标平衡活动挑战与用户技能，旨在提升长期多人HRI中的用户体验并推动自适应社交机器人发展。
2024-01-05 cs.HC cs.RO
Fast Adaptation with Meta-Reinforcement Learning for Trust Modelling in Human-Robot Interaction
Uppsala University（乌普萨拉大学）；KTH Royal Institute of Technology（KTH皇家理工学院）
在社会辅助机器人中，一个重要的研究领域是适应技术的发展及其对人机交互的影响。我们提出了一个基于元学习的策略梯度方法，用于解决人与机器人交互中的适应问题，并研究其作为信任建模机制的作用。通过在混合现实中与机器人建立一个逃生室场景，我们测试了我们的假设，即双向信任可以受到不同的适应算法的影响。我们发现，我们提出的模型增加了机器人的感知可信度，并影响了获得人类信任的动态。此外，参与者评价说，机器人认为他们更值得信赖的互动过程中与元学习为基础的适应相比，以前研究的统计适应模型。
2019-08-12 cs.HC cs.LG cs.RO
Task-Adaptive Admittance Control for Human-Quadrotor Cooperative Load Transportation with Dynamic Cable-Length Regulation
Dept. of Mechanical Engineering, Stevens Institute of Technology（机械工程系，史蒂文斯理工学院）
本文提出一种任务自适应阻抗控制器，用于安全高效的四旋翼协作负载运输，通过主动控制的绞盘实现动态缆长调节，提升系统响应性和运动平滑度。
2026-04-20 cs.RO
Robot and Overhead Crane Collaboration Scheme to Enhance Payload Manipulation
VTT Technical Research Centre of Finland Ltd（芬兰技术研究中心有限公司）；Konecranes（克诺斯克兰斯）
本文提出一种机器人与桥式起重机协作方案，利用双导纳传递函数实现平滑安全的负载引导，有效解决了传统人工精细操作费力且危险的问题。
2025-08-11 cs.RO
A Cooperation Control Framework Based on Admittance Control and Time-varying Passive Velocity Field Control for Human-Robot Co-carrying Tasks
针对人机协同搬运中的人机冲突、安全交互与运动同步问题，本文提出结合导纳控制与带能量补偿的时变无源速度场控制的协作框架，实验证明其可显著提升任务表现、降低人体负荷。
2025-11-16 cs.RO
Dynamic Human-Robot Role Allocation based on Human Ergonomics Risk Prediction and Robot Actions Adaptation
Istituto Italiano di Tecnologia（意大利技术研究院）；University of Genoa（热那亚大学）；Politecnico di Milano（米兰理工大学）
尽管协作机器人在制造和物流过程中具有很大的潜力，但它们在不断变化的环境中的快速（重新）部署仍然有限。为了能够快速适应新产品的需求，并提高健身的人类工作人员分配的任务，我们提出了一种新的方法，优化装配策略，并在人机合作任务的工人之间分配的努力。合作模型利用与或图，我们也适应解决角色分配问题。该分配算法考虑了在线计算的定量测量，以描述人类操作员的人机工程学状态和任务属性。我们进行了初步的实验，以证明所提出的方法成功地控制任务分配过程，以确保安全和符合人体工程学的条件下的人类工作者。
2023-01-19 cs.AI cs.RO
Towards High-Payload Admittance Control for Manual Guidance with Environmental Contact
Fraunhofer Institute for Production Systems and Design Technology（弗劳恩霍夫生产系统与设计技术研究所）
力控制可实现动手教学和物理协作，并有可能改善人体工程学和自动化的灵活性。已建立的柔度、阻抗控制和\rev{collision response}设计方法可以在重量轻、载荷较低的机器人上实现自由空间稳定性和可接受的峰值接触力。将协作扩展到更高的有效载荷可以允许新的应用，但由于更重要的有效载荷动态和更高有效载荷的工业机器人的使用而带来了挑战。为了实现高载荷的手动制导与接触，本文提出并验证了新的机电一体化设计方法：标准导纳控制扩展与阻尼反馈，顺应性结构集成到环境中，并提出了一种接触响应方法，允许连续导纳控制。这些方法进行了比较，自由空间的稳定性，接触稳定性和峰值接触力。所得到的方法，然后应用于实现两个接触丰富的任务上的16公斤的有效载荷（钉在孔和槽组件）和自由空间共同操纵的50公斤的有效载荷。
2022-02-02 cs.RO
Hybrid Impedance-Admittance Control with Multi-Link Aerial Robot for Contact-Rich Surface Sliding Task
The University of Tokyo（东京大学）
该研究针对多旋翼空中机器人，提出混合阻抗-导纳控制策略，利用其铰接形态分离力与运动调节，实现未知表面上稳健柔顺的接触丰富表面滑动任务。
2026-08-04 cs.RO cs.SY eess.SY
Mass-Adaptive Admittance Control for Robotic Manipulators
Unmanned Systems \& Autonomy R\&D, Sandia National Laboratories footnoteinfo , Albuquerque, NM 87123, USA (e-mail: ).
本文提出一种集成质量估计器的导纳控制方法，使六自由度机械臂在拾取未知重量物体时自动补偿载荷，减轻末端下垂并保持稳定，实验表明在货架拾放任务中提高了路点跟踪精度和柔顺性。
2025-06-17 cs.RO cs.SY eess.SY
Neuroadaptation in Physical Human-Robot Collaboration
Australian Artificial Intelligence Institute（澳大利亚人工智能研究所）；University of Technology Sydney（悉尼科技大学）；Centre for Autonomous Systems（自主系统中心）
本文提出一种结合强化学习与 EEG 认知冲突信号的闭环神经适应框架，用于动态调节 pHRC 机器人策略，并证明其可降低认知冲突、提升协作流畅性与直观性。
2023-09-30 cs.AI cs.RO
Stability analysis of admittance control using asymmetric stiffness matrix
Graduate School of Science and Engineering, Saitama University（埼玉大学科学技术研究生院）
研究非对称刚度矩阵对机器人臂阻抗控制稳定性的影响，提出方法并通过仿真和实验验证其有效性。
2023-06-21 cs.RO
Efficient Sim-to-real Transfer of Contact-Rich Manipulation Skills with Online Admittance Residual Learning
University of California at Berkeley（加州大学伯克利分校）
提出混合离线-在线框架，通过无模型强化学习获取运动与柔顺参数，在线学习残差以提升性能，在装配、旋转和拧螺丝任务上验证了有效性。
2023-10-16 cs.RO
