A Mobile Quad-Arm Robot ARMS: Wheeled-Legged Tripedal Locomotion and Quad-Arm Loco-Manipulation
Hiroshima University（广岛大学）
提出移动四臂机器人ARMS，统一轮腿三足运动与四臂移动操作，通过七项实验验证其关节控制、运动及抓取能力。
2023-11-14 cs.RO
Omni Differential Drive for Simultaneous Reconfiguration and Omnidirectional Mobility of Wheeled Robots
Southern University of Science and Technology（南方科技大学）；The Chinese University of Hong Kong（香港中文大学）；University of Alberta（阿尔伯塔大学）
本文提出全向差速驱动模型，利用横向差速调整轮距，使轮式机器人同时实现重构与全向移动，并通过原型和实验验证其可行性与控制有效性。
2024-12-14 cs.RO
NightOwl: Robotic Platform for Wheeled Service Robot
Universitas Gadjah Mada（加札马达大学）
NightOwl是专为轮式服务机器人设计的机器人平台。机器人以全方位的方式自主导航，并配备了激光雷达来感知周围区域。该平台本身是使用机器人操作系统（ROS）构建的，并使用两种不同的程序设计语言（C++和Python）编写。NightOwl由几个模块化程序组成，即硬件控制器、光探测和测距（LIDAR）、同时定位与地图构建（SLAM）、世界模型、路径规划、机器人控制、通信和行为。这些程序并行运行并相互通信以共享各种信息。本文从输入、处理和输出三个方面阐述了模块化程序的作用。此外，NightOwl还提供Gazebo和RViz中的可视化模拟。Gazebo将其环境中的机器人可视化。来自LIDAR的传感器数据和来自SLAM的结果将通过RViz可视化。
2020-11-18 cs.RO
MUJICA: Multi-skill Unified Joint Integration of Control Architecture for Wheeled-Legged Robots
College of Intelligent Robotics and Advanced Manufacturing, Fudan University（智能机器人与先进制造学院，复旦大学）；Power China Huadong Engineering Corporation Limited（中国电力工程顾问集团华东分公司）
本文提出MUJICA框架，通过整合多种低级技能，实现轮腿机器人在复杂环境中的自适应移动。
2026-05-13 cs.RO
Long-Distance Real-World Navigation of the Legged-Wheeled Robot Go2-W Using Deep Reinforcement Learning
Future Robotics Technology Center (fuRo)（未来机器人技术中心（fuRo））；Chiba Institute of Technology（千叶工科大学）
针对腿轮机器人长距离自主导航问题，提出基于深度强化学习的运动控制器与导航系统，通过负载分配策略解决轮式运动导致髋关节过热问题，在筑波挑战赛中实现约2.8公里无中断自主导航。
2026-06-23 cs.RO
WaveForward: An Omnidirectional Passive Wheeled Quadruped Robot with Casters
提出一种低成本被动轮式四足机器人，通过非对称演员-评论家结构和基于速度指令的脚轮姿态调整策略实现万向移动，相比纯腿式运动运输成本降低89.1%。
2026-06-25 cs.RO
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
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
Toward Control of Wheeled Humanoid Robots with Unknown Payloads: Equilibrium Point Estimation via Real-to-Sim Adaptation
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出一种通过实到仿真自适应估计未知载荷下轮式人形机器人新平衡点的框架，利用优化参数的非线性模型缩小仿真与现实的差距，提升模型控制器效率。
2024-08-21 cs.RO
Ascento: A Two-Wheeled Jumping Robot
ETH Zurich（苏黎世联邦理工学院）
地面移动机器人在复杂的室内环境中的应用要求其具有较高的速度和灵活性。这些都是移动机器人领域的一个持续挑战。具有这些规格的系统将非常适合各种室内检测任务。本文介绍了Ascento，一个紧凑的轮式双足机器人，能够在平坦的地形上快速移动，并通过跳跃克服障碍。介绍了系统的机械设计和总体架构，以及针对不同场景开发的各种控制器。最终原型系统的一系列实验验证了这些行为在现实场景中。
2020-05-23 cs.RO
Modeling and Experimental Validation of the Mechanics of a Wheeled Non-Holonomic Robot Capable of Enabling Homeostasis
Georgia Institute of Technology（佐治亚理工学院）
仿生机器人领域旨在创建模仿生物系统使用的设计和概念的机械系统。在机械系统中模仿的更具挑战性的生物学概念之一是通过使用类似于皮肤的膜来创造可以促进稳态的内部环境的能力。具有这种能力的机器人将能够调节内部参数，使用内部子环境进行自我修复，并保护其内部部件免受周围环境的影响。本文介绍了一种非完整轮式系统的内部结构，通过一个完全连接的内部，保护从外部环境的柔性膜，使稳态。本文的三个目标是：1）探索自然创造高阶生命形式的想法与轮式四肢给予正确的中间步骤。2)描述一个使用内稳态驱动轮的机器人。3)确定使用内稳态使能轮作为运动模式的可行性。
2019-09-25 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
Model Free Calibration of Wheeled Robots Using Gaussian Process
Indian Institute of Technology Kanpur（印度理工学院坎普尔分校）
机器人校准允许融合来自多个传感器（例如里程计、相机等）的数据，通过在相应的参考帧之间提供适当的关系。对于配备有相机/激光雷达以及车轮编码器的轮式机器人，校准需要根据来自编码器的数据学习传感器或机器人的运动模型，并且通常在执行诸如同时定位与地图构建（SLAM）的任务之前执行。本文提出了一种基于高斯过程的非参数方法，用于标定具有任意或未知驱动配置的轮式机器人。该过程是更一般的，因为它学习整个传感器/机器人运动模型的里程测量。与现有的非参数方法不同，我们的方法依赖于来自机载传感器的测量，因此不需要来自外部运动捕捉系统的地面真实信息。或者，我们提出了一种计算效率高的方法，依赖于传感器运动模型的线性近似。最后，我们进行实验来校准机器人与未建模的影响，以证明所提出的方法的准确性，实用性和灵活性。
2019-10-25 cs.RO
Fault Tolerant Control of Mecanum Wheeled Mobile Robots
Xuehui Ma ⋆ Shiliang Zhang † Zhiyong Sun ‡（作者）
本文提出一种针对机械轮移动机器人同时处理完全和部分执行器故障的容错控制策略，通过概率加权控制律提升系统鲁棒性和安全性。
2025-12-06 cs.RO
WiXus: A Wheeled-Legged Robot with Wire-Driven Environmental Utilizing to Integrate Mobility and Manipulation
Department of Mechano-Informatics, Graduate School of Information Science and Technology, The University of Tokyo（机械信息学系，信息科学和技术研究生院，东京大学）
本文提出了一种新型轮腿机器人WiXus，通过利用外部环境的线驱动机制，使机器人能够实现平面移动和三维移动，并将腿部重新用于物体操作和工具使用。
2026-05-20 cs.RO
Reactive Task Allocation and Planning for Quadrupedal and Wheeled Robot Teaming
Georgia Institute of Technology（佐治亚理工学院）；Georgia Tech Research Institute（佐治亚理工研究院）；UBTECH North America Research and Development Center Corporation（优必选北美研发中心有限公司）
本文采取的第一步，反应，分层多机器人任务分配和规划框架给出了一个全球性的线性时序逻辑规范。四足机器人和轮式机器人的能力通过异构团队来实现各种导航和交付任务。然而，当部署在现实世界中时，所有机器人都容易受到不同类型的干扰，包括但不限于运动故障，人为干预和环境障碍。为了解决这些干扰，我们提出了任务级的局部和全局重新分配策略，以有效地在线生成更新的动作状态序列，同时保证完成原始任务。这些任务重新分配方法消除了重建整个计划或重新合成新任务的过程。为了将任务规划器与低层输入相结合，行为树执行层监视不同类型的干扰，并采用重新分配方法来制定相应的恢复策略。为了评估这个规划框架，动态仿真进行了一个现实的医院环境中的异构机器人团队组成的四足和轮式机器人交付任务。
2022-06-21 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
Universal Navigation Interface: Robot-Free Data for Wheeled Robot Navigation
Northeastern University（东北大学）；Institute for Experiential Robotics（体验机器人研究所）
提出无机器人的数据收集范式UNI，利用助行器和手机收集物理约束演示，训练轮式导航模型，降低轨迹误差并实现闭环迁移。
2026-09-29 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
IC-GVINS: A Robust, Real-time, INS-Centric GNSS-Visual-Inertial Navigation System for Wheeled Robot
Wuhan University（武汉大学）
本文提出了一种鲁棒的、实时的【形】惯性导航系统（INS）--以INS为中心的GNSS视觉惯性导航系统（IC-GVINS），该系统充分利用了精确的INS进行状态估计和视觉处理。为了提高系统的鲁棒性，在整个基于关键帧的视觉处理过程中充分利用惯导信息，并采用严格的离群点剔除策略。采用GNSS对IC-GVINS进行精确、方便的初始化，并进一步用于实现大范围环境下的绝对定位。IMU、视觉和GNSS测量在因子图优化的框架内紧密融合。专门的实验进行了评估的鲁棒性和准确性的IC-GVINS上的轮式机器人。IC-GVINS在各种具有移动物体的视觉退化场景中表现出卓越的鲁棒性。相对于最先进的视觉惯性导航系统，所提出的方法在各种环境下产生更好的鲁棒性和精度。我们在GitHub上开源了我们的代码和数据集
2022-06-09 cs.RO
Mobile Pedipulation for Object Sliding via Hierarchical Control on a Wheeled Bipedal Robot
Department of Robotics, University of Michigan（密歇根大学机器人系）
提出一种分层控制框架，使轮式双足机器人能用腿部滑动平面物体，通过简化三刚体动力学模型和轨迹优化运动规划器，在实验中成功实现1kg物体取回和4kg物体滑动。
2026-06-18 cs.RO
ATRos: Learning Energy-Efficient Agile Locomotion for Wheeled-legged Robots
Shanghai Huawei Technologies Co., Ltd.（上海华为技术有限公司）；College of Future Information Technology, Fudan University（复旦大学未来信息科技学院）；Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）；School of Aeronautic and Astronautics, Zhejiang University（浙江大学航空宇航学院）；School of Electronics and Communication Engineering, Sun Yat-sen University（中山大学电子与通信工程学院）
本文提出ATRos，一种基于强化学习的轮腿机器人混合运动框架，通过预测策略网络与演员-评论家网络协调轮腿同步运动，在无需预定义步态的情况下提升了地形适应性与能效，并在仿真和真实多地形实验中验证了其稳健的泛化能力。
2025-10-11 cs.RO
Steady-State Drifting Equilibrium Analysis of Single-Track Two-Wheeled Robots for Controller Design
The Department of Automation, Tsinghua University（自动化系，清华大学）；Qiyuan Lab（启元实验室）
本文提出了一种用于单轨两轮机器人稳态漂移控制的分析方法，通过理论扩展和算法优化，实现了高机动性和稳定性。
2025-11-28 cs.RO
Analysis of Model-Free Reinforcement Learning Control Schemes on self-balancing Wheeled Extendible System
Delhi Technological University（德里理工大学）
传统的线性控制策略已被广泛研究和应用在许多机器人和工业应用，但他们不响应系统的总动态。为了避免H ∞控制和预测控制等非线性控制方案的繁琐计算，强化学习（RL）的应用可以提供替代解决方案。针对移动自平衡可伸缩轮式倒立摆系统，提出了基于深度确定性策略梯度和近端策略优化的RL控制方法，并给出了系统的状态历史，以达到改进的控制效果。这样的RL模型使得找到满意的控制方案的任务更容易，并有效地响应动态，同时自调整参数，以提供更好的控制。在这篇文章中，基于RL的控制器对MPC控制器进行了比较，以评估性能的基础上的状态变量和轨迹误差的E-ESTA系统，同时遵循一个特定的期望轨迹。
2022-03-14 cs.RO cs.SY eess.SY
CTBC: Contact-Triggered Blind Climbing for Wheeled Bipedal Robots with Instruction Learning and Reinforcement Learning
The School of Future Technology, Shanghai University（上海大学未来技术学院）；COWAROBOT Co. Ltd.（COWAROBOT公司）
CTBC通过接触触发机制结合指令学习和强化学习，使轮式双足机器人能够高效适应复杂地形，实现超越轮子半径的稳定爬行。
2026-02-07 cs.RO
Nonlinear control of a swinging pendulum on a wheeled mobile robot with nonholonomic constraints
University of Michigan（密歇根大学）
在本文中，我们提出了一种非线性控制策略摆动摆到其直立平衡位置，形成其摆动能量，随着调节车到一个期望的位置。通常的车-杆系统的底部只能作直线运动，而本系统允许在x-y平面内作非完整运动，其允许速度仅沿其方向。提出了一种简单的时不变控制律，并通过数值实验证明了其有效性。
2018-11-18 cs.RO
Whole-Body Control With Terrain Estimation of A 6-DoF Wheeled Bipedal Robot
School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能系统工程学院）；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）
针对轮式双足机器人忽略腿部动力学限制运动潜力及不平坦地形通过挑战，为新型6自由度轮式双足机器人开发完整动力学模型，设计带地形估计的全身控制框架，经仿真和实机实验验证了地形估计算法性能及算法鲁棒性与不平坦地形通过能力。
2025-11-09 cs.RO
Control Design for a Rideable Animatronic Two-Wheeled Robot with Quadruped Form
Honda R&D Co., Ltd.（本田研发有限公司）；Honda Motor Co., Ltd.（本田汽车有限公司）
为激发年轻人对摩托车的兴趣，开发可骑行双轮机器人。它用自平衡双轮底座为主移动方式，四肢辅助，解决单纯肢体移动的问题。本文重点研究其在快速肢体运动时保持稳定的控制方法及生成自然四足行为的运动控制策略。
2026-07-21 cs.RO
LQR-Assisted Whole-Body Control of a Wheeled Bipedal Robot with Kinematic Loops
ETH Zürich（苏黎世联邦理工学院）
我们提出了一个层次化的全身控制器，充分利用轮式双足机器人Ascento的全刚体动力学。我们推导出封闭形式的表达式，其运动学循环的动力学的方式，很容易推广到更复杂的系统。滚动约束采用基于旋转矩阵的紧凑解析解。非最小相位平衡动态占包括一个线性二次调节器作为一个运动任务。通过调整作为零力矩点函数的倾斜角，提高了行驶曲线时的鲁棒性。所提出的控制器是计算轻量级的，并显着扩展了粗糙地形的能力和系统的鲁棒性，我们在几个实验中证明。
2020-05-23 cs.RO
Dynamic Locomotion Teleoperation of a Wheeled Humanoid Robot Reduced Model with a Whole-Body Human-Machine Interface
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Carnegie Mellon University（卡内基梅隆大学）
双边遥操作为人形机器人提供了人类规划智能，同时使人类能够感受到机器人的感受。它有可能将具有物理能力的人形机器人转变为动态智能机器人。然而，动态双边运动遥操作仍然是一个挑战，由于它涉及到复杂的动力学。这项工作提出了我们的第一步，以应对这一挑战，通过概念的轮式人形机器人运动的身体倾斜遥操作。具体来说，我们开发了一个力反馈功能的全身人机界面（HMI），并设计了力反馈映射和两个遥操作映射，映射人体的倾斜机器人的速度或加速度。我们比较了这两个映射，并通过实验研究了力反馈的效果，其中七个人类受试者遥操作一个模拟机器人与HMI执行动态目标跟踪任务。实验结果表明，所有被试在练习后都完成了两种映射的任务，并且力反馈提高了他们的成绩。然而，受试者表现出两种不同的遥操作风格，这得益于不同的力反馈。此外，力反馈影响了被试对遥操作映射的偏好，尽管大多数被试在速度映射方面表现更好。
2021-09-08 cs.RO
Motion Generation Interface of ROS to PODO Software Framework for Wheeled Huamanoid Robot
Korea Advanced Institute of Science and Technology（韩国科学技术院）
本文讨论了实时软件体系结构和非实时机器人操作系统之间的机器人运动生成接口的开发。为了使机器人执行智能操作或导航，需要高层感知和底层控制的紧密结合。然而，许多可用的开源感知模块都是在ROS中开发的，ROS在Linux操作系统上运行，不能保证RT性能。这可能会导致不确定性的响应和稳定性问题，可能会对机器人控制产生不利影响。因此，许多机器人系统将RTOS用于低级运动控制。同样，KAIST开发的人形机器人平台Hubo使用了一个名为PODO的定制实时软件框架。虽然PODO为运动生成提供了简单的接口，但它缺乏与ROS等高级框架的接口。因此，我们提出了一个新的运动生成ROS和PODO之间的接口，使用户能够生成运动轨迹，通过标准的ROS消息，同时利用实时运动控制器。与建议的通信接口，我们展示了一系列的机械手任务的实际轮式人形平台，M-胡博。整体通信接口响应最多为27毫秒。
2020-01-02 cs.RO
Hardware Design and Learning-Based Software Architecture of Musculoskeletal Wheeled Robot Musashi-W for Real-World Applications
The University of Tokyo（东京大学）
本文提出肌肉骨骼轮式机器人Musashi-W，结合轮式底座与柔性上肢，通过身体图式学习、反射控制和视觉识别软件系统，实现清洁、搬重物及变刚度布料操作等实际任务。
2024-03-18 cs.RO
Wheelchair Maneuvering with a Single-Spherical-Wheeled Balancing Mobile Manipulator
The Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
提出一种基于准静态分析的控制框架，利用动态稳定的单球轮双臂移动机械臂CMU ballbot操控非完整约束的轮椅，在变负载下实现精准速度跟踪与类人平滑运动，并确保物理人机交互安全。
2024-04-19 cs.RO
Hybrid LMC: Hybrid Learning and Model-based Control for Wheeled Humanoid Robot via Ensemble Deep Reinforcement Learning
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
由于轮式仿人机器人的非线性动力学和欠驱动特性，其运动控制是一个具有挑战性的问题。传统上，反馈控制器被用于稳定和运动。然而，这些方法往往受到所使用的底层模型的保真度、控制器的选择和所考虑的环境变量（表面类型、地面倾斜度等）的限制。强化学习（RL）的最新进展提供了解决这些传统反馈控制器问题的有前途的方法，但需要大量的交互数据来学习。在这里，我们提出了一种混合学习和基于模型的控制器混合LMC，它结合了经典线性二次调节器（LQR）和集成深度强化学习的优点。包围式深度强化学习由多个软执行者-评价者（SAC）组成，用于降低RL网络的方差。通过串联使用反馈控制器，网络在训练的早期阶段表现出稳定的性能。作为一个初步的步骤，我们探索的可行性混合LMC在控制轮式运动的人形机器人在一组不同的物理参数在MuJoCo模拟器。我们的研究结果表明，混合LMC实现了更好的性能相比，其他现有的技术，并提高了样本效率
2022-04-07 cs.RO
Unleashing the Agility of Wheeled-Legged Robots for High-Dynamic Reflexive Obstacle Evasion
School of Mechanical Engineering, Tianjin University（天津大学机械工程学院）；School of Computing, National University of Singapore（新加坡国立大学计算机学院）；Beijing Zhongguancun Academy（北京中关村学院）；DeepRobotics（深睿科技）
本文提出AWARE框架，通过层次强化学习实现轮腿机器人在动态环境中的敏捷避障，展现多样化的运动模式和规避行为，验证了轮腿机器人在高动态威胁下的敏捷性。
2026-09-23 cs.RO
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
Whleaper: A 10-DOF Flexible Bipedal Wheeled Robot
Whleaper是一种具有10自由度的双足轮式机器人，通过增加髋部自由度提升稳定性与灵活性，实现复杂地形中的稳定运动和障碍避让能力。
2026-03-12 cs.RO
ZUPT Aided GNSS Factor Graph with Inertial Navigation Integration for Wheeled Robots
West Virginia University（西弗吉尼亚大学）；The Johns Hopkins University Applied Physics Laboratory（约翰斯·霍普金斯大学应用物理实验室）
在这项工作中，我们证明了零速度信息的全球导航卫星系统（GNSS）为基础的导航的重要性。利用零速度信息和零速度修正（ZUPT）进行惯性导航的有效性已在文献中得到证明。在这里，我们利用这些信息并将其作为GNSS因子图中的位置约束添加。我们还比较其性能的GNSS/惯性导航系统（INS）耦合因子图。我们在三个数据集上测试了我们的ZUPT辅助因子图方法，并将其与仅有GNSS的因子图进行了比较。
2021-12-14 cs.RO
A Generalized Framework for Autonomous Calibration of Wheeled Mobile Robots
Indian Institute of Technology Kanpur（印度理工学院坎普尔分校）
机器人校准允许融合来自多个传感器（例如里程计、相机等）的数据，通过在相应的参考帧之间提供适当的变换关系。对于配备有外感受传感器的轮式机器人，校准需要根据里程计数据学习传感器或机器人的运动模型，并且通常必须在执行诸如同时定位与地图构建（SLAM）的任务之前执行。在这种情况下，目前的趋势是进行里程计和传感器的同时校准，而不使用任何额外的硬件。在现有的同步校准算法的基础上，我们提出了一个通用的校准框架，不仅可以处理机器人在2D任意或未知的运动模型，但也处理离群值在自动化的方式。首先，我们提出了一种算法的交替最小化框架适用于两轮差动驱动的基础上。随后，对于任意但已知的驱动器配置，我们提出了一种利用智能加权方案的迭代重加权最小二乘方法。与现有的工作不同，这些算法不需要人工干预，无缝地处理由于系统和非系统误差而产生的离群值。最后，我们提出了一种新的基于高斯过程的非参数方法来标定轮式机器人与任意或未知的驱动配置。详细的实验证明所提出的算法的准确性，实用性和灵活性。
2020-01-06 cs.RO
Fast Perception, Planning, and Execution for a Robotic Butler: Wheeled Humanoid M-Hubo
Korea Advanced Institute of Science and Technology（韩国科学技术院）
随着老龄化人口的快速增长，对服务机器人平台的需求不断增长，这些服务机器人平台可以以实际的速度提供可靠的日常帮助。为了协助日常任务，例如取饮料，服务机器人必须能够感知其环境并生成相应的运动轨迹。当环境未知时，这成为一个具有挑战性和计算复杂的问题，因此路径规划器必须对许多通常是次优的轨迹进行采样，从而延长了执行时间。为了解决这个问题，我们提出了一个独特的战略，集成了一个三维目标检测管道与运动学上最佳的操纵规划，以显着提高运行时的速度性能。此外，我们开发了一个新的机器人管家系统的轮式人形，能够获取所需的对象在24%的速度，人类需要完成相同的任务。所提出的系统进行了评估，并在现实世界的环境设置，以及在公共展览中展示。
2020-01-02 cs.RO
Friction-Aware Safety Locomotion for Wheeled-legged Robots using Vision Language Models and Reinforcement Learning
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Department of Electrical and Computer Engineering（电气与计算机工程系）；Department of Mechanical Science Engineering（机械科学与工程系）；School of Software（软件学院）
针对轮腿机器人在湿滑表面易打滑失稳的问题，提出融合VLM与RL的摩擦感知安全运动框架，通过RAG估计摩擦系数并纳入策略实现主动调速，仿真与实物实验验证其在湿滑面轨迹跟踪任务中优于仅靠本体感受的基线方法。
2025-08-04 cs.RO
Unified Vertex Motion Estimation for Integrated Video Stabilization and Stitching in Tractor-Trailer Wheeled Robots
针对牵引挂车轮式机器人感知中的异步振动、相对位姿变化和大视差挑战，提出统一顶点运动估计方法，集成视频稳定与拼接，并在真实机器人上验证了准确性与实用性。
2025-04-08 cs.RO
Reinforcement Learning for Blind Stair Climbing with Legged and Wheeled-Legged Robots
École Polytechnique de Montréal（蒙特利尔理工学院）；ETH Zurich（苏黎世联邦理工学院）；Ascento Robotics（阿森托机器人公司）
本研究提出基于位置公式化强化学习和非对称演员-评论家结构的通用控制器，使腿式和轮腿式机器人实现盲攀爬楼梯，并成功让Ascento在现实世界攀爬15厘米楼梯。
2024-02-09 cs.RO
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 Probabilistic Motion Model for Skid-Steer Wheeled Mobile Robot Navigation on Off-Road Terrains
Institute for Experiential Robotics, Northeastern University（东北大学体验式机器人研究所）
针对滑移转向轮式机器人越野高速转弯时的滑移问题，提出融合 GPR 与 Sigma-Point 变换的概率动态运动模型，并通过凸优化实现未见地形泛化，显著提升位姿预测精度。
2024-02-29 cs.RO
Paradigm Shift in Continuous Signal Pattern Classification: Mobile Ride Assistance System for two-wheeled Mobility Robots
National Institute of Advanced Industrial Science and Technology（产业技术综合研究所）
在这项研究中，我们描述了可以在广泛的智能手机和平板电脑上实现的乘坐辅助应用程序的开发。行驶辅助应用程序具有信号处理和模式分类模块，可为实时信号模式分类提供几乎100%的识别准确度。我们引入了一个新的框架来构建一个具有压倒性辨别能力的训练字典，它消除了人工干预在训练样本上发现模式的需要。我们通过提供另一项研究的结果来验证所提出的方法的识别准确性，在该研究中，手的姿势和手势被跟踪和识别用于操纵机器人轮椅。
2015-06-16 cs.RO
A Data-driven Contact Estimation Method for Wheeled-Biped Robots
Inria（法国国家信息与自动化研究所）
针对缺乏步态先验和接触传感器的轮式双足机器人，提出一种结合学习更新与惯性预测的贝叶斯滤波器接触估计方法，在真实和仿真实验中性能更优且样本效率更高。
2025-01-22 cs.RO math.PR
Path Generation for Wheeled Robots Autonomous Navigation on Vegetated Terrain
Tsinghua University（清华大学）；Harbin Institute of Technology（哈尔滨工业大学）；Pengcheng Lab（鹏城实验室）；RISC-V International Open Source Laboratory（RISC-V国际开源实验室）
针对轮式机器人在植被遮挡地形中难以检测可行驶地面的问题，本文提出PE-RRT*算法，结合支撑平面估计与采样规划，实现安全、鲁棒且可泛化的实时路径生成。
2023-11-29 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
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
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
Robot-Body-Aware Traversal Risk Graph Planning for Wheeled-Legged Robots in Complex Terrain
ShanghaiTech University（上海科技大学）；Key Laboratory of Intelligent Perception and Human-Machine Collaboration（智能感知与人机协同重点实验室）
该研究针对轮腿式机器人复杂地形导航的TRG规划缺陷，提出RB-TRG方法，提升了导航成功率，获IEEE ICRA 2026挑战赛奖项，代码已开源。
2026-08-18 cs.RO
Online Learning-Based Inertial Parameter Identification of Unknown Object for Model-Based Control of Wheeled Humanoids
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
提出一种基于在线学习的惯性参数估计框架，利用端到端学习仅凭机器人本体感觉快速辨识未知物体参数，并通过真实到仿真适配和高斯过程处理建模误差，在约0.1秒内实现高精度估计，提升轮式人形机器人模型控制性能。
2024-08-21 cs.RO
TOPP-DWR: Time-Optimal Path Parameterization of Differential-Driven Wheeled Robots Considering Piecewise-Constant Angular Velocity Constraints
School of Data and Computer Science, Sun Yat-sen University（中山大学数据与计算机科学学院）
针对现有移动机器人时间最优路径参数化研究忽略角速度等约束导致控制性能下降的问题，提出TOPP-DWR算法，纳入多类约束并重构为SOCP求解，经实验验证可在满足约束下实现时间最优且具备实际实用性。
2025-11-17 cs.RO
