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
Controlling Robots using Artificial Intelligence and a Consortium Blockchain
Departamento de Informática, Universidade of Beira Interior(比拉内格罗大学计算机系);Instituto de Telecomunicações(电信研究所)
区块链是一种通常用于金融应用的颠覆性技术,但在某些机器人环境中也非常有益,例如需要不可变的事件寄存器时。在机器人环境中有用的区块链的几个属性中,我们发现不仅不变性,而且数据的分散性,不可逆性,可访问性和不可否认性。在本文中,我们提出了一种架构,该架构使用区块链作为分类帐和智能合约技术,通过使用外部方Oracle来处理数据来进行机器人控制。我们展示了如何以安全的方式注册事件,如何使用智能合约来控制机器人,以及如何与外部人工智能算法进行图像分析。所提出的架构是模块化的,可以用于多种情况下,如在制造,网络控制,机器人控制,和其他,因为它很容易集成,适应,维护和扩展到新的领域。
2019-03-02 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
Controlling Robot Swarm Aggregation through a Minority of Informed Robots
University of Namur(那慕尔大学);Université Libre de Bruxelles(布鲁塞尔自由大学)
自组织聚合是群体机器人中一个研究得很好的行为,因为它是发展更高级的群体级响应的先决条件。在本文中,我们研究了分散算法的设计一群异构的机器人,自我聚集在不同的目标网站。以前的研究表明,包括作为群体的一部分,一些知情的机器人可以引导动态的聚合过程中的群体之间的可用聚合站点的理想分布。我们已经复制了以前的研究结果,使用一种简化的方法:我们删除了与机器人的通信协议相关的约束,并简化了控制机制,调节概率控制器的状态之间的转换。结果表明,与以前的,更复杂的,控制器获得的性能可以复制与我们的简化方法,提供了明显的优势,在物理机器人的便携性和灵活性。也就是说,我们的简化方法可以产生自组织的聚合反应,在一个更大的一组操作条件比可以实现的复杂控制器。
2022-08-26 cs.RO
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
Design strategies for controlling neuron-connected robots using reinforcement learning
The University of Tokyo(东京大学);Microsoft(微软)
尽管利用生物神经元的计算对机器人控制的兴趣越来越大,但神经元连接的机器人的上下文相关行为仍然是一个挑战。情境依赖行为在这里被定义为不是简单的感觉-运动耦合的结果,而是基于对任务目标的理解的行为。本文提出了基于任务目标训练神经元连接机器人的设计原则,以实现上下文相关的行为。首先,我们采用深度强化学习(RL)来实现考虑目标成就的训练。其次,我们提出了一个神经元模拟器作为基于记录的神经数据的概率分布,旨在表示生理上有效的神经动力学,同时避免复杂的建模与高计算成本。此外,我们建议在训练过程中更新模拟器,以弥合模拟和真实设置之间的差距。实验表明,机器人逐渐学习上下文相关的行为在杆平衡和机器人导航任务。此外,学习到的策略对于基于新神经数据的神经模拟器是有效的,并且通过在训练期间更新模拟器来提高任务性能。这些结果表明,所提出的设计原则的上下文相关的行为的神经元连接的机器人的有效性。
2022-03-29 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
Controlling Assistive Robots with Learned Latent Actions
Stanford University(斯坦福大学);University of Toronto(多伦多大学);Vector Institute(向量研究所);Nvidia(英伟达)
辅助机器人手臂使身体残疾的用户能够在不依赖护理人员的情况下执行日常任务。不幸的是,使这些手臂有用的灵活性也使它们具有远程操作的挑战性:机器人比人类有更多的自由度可以直接与手持操纵杆协调。我们的见解是,我们可以通过利用潜在的动作使辅助机器人更容易被人类控制。潜在动作提供了高维机器人行为的低维嵌入:例如,一个潜在维度可能会引导辅助手臂沿着倾倒运动。在本文中,我们设计了一个遥操作算法的辅助机器人,学习潜在的行动任务演示。我们制定的可控性,一致性和缩放属性,用户友好的潜在行动应该有,并评估如何不同的低维嵌入捕捉这些属性。最后,我们对机器人手臂进行了两项用户研究,将我们的潜在行动方法与最先进的共享自主基线和辅助手臂目前使用的遥操作策略进行比较。参与者在利用我们的潜在行动时更有效地完成了辅助饮食和烹饪任务,并且主观地报告说,潜在行动使任务更容易执行。本文附带的视频可以在https://youtu.be/wjnhrzugBj4上找到。
2019-12-08 cs.RO
Real-time Monocular 2D and 3D Perception of Endoluminal Scenes for Controlling Flexible Robotic Endoscopic Instruments
The Chinese University of Hong Kong(香港中文大学);The University of Hong Kong(香港大学)
本文提出了一种基于单目内窥图像的视觉感知平台,用于提高内窥手术中柔性机器人器械的控制精度和手术效果。
2026-02-16 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
Controlling Intent Expressiveness in Robot Motion with Diffusion Models
Sorbonne Université, CNRS, Institut des Systèmes Intelligents et de Robotique (ISIR)(索邦大学、国家科学研究中心、智能系统与机器人研究所)
本文提出一种基于信息势场和两阶段扩散模型的运动生成框架,实现从高度可读到高度模糊的连续可控意图表达,在2D和3D任务中性能与SOTA相当。
2025-10-14 cs.RO
Light Communication for Controlling Industrial Robots
Near East University(近东大学);University of Camerino(卡梅里诺大学)
光无线通信(OWC)被认为是一种可以超越现有无线技术的理想通信方式。它利用LED灯,其辐射强度的微妙变化产生二进制数据流。这是由光电二极管感知,将其转换为电信号,以进一步解释。本文旨在探索使用这种新兴技术来无线控制工业机器人,克服对电线的需求,特别是在无线电波由于环境因素而无法工作或出于安全原因而不允许的环境中。我们进行了实验,以确保基于OWC的技术在上述范围内的适用性和效率,并在各种视线(LoS)和非视线(NLoS)配置中进行“体外”测试,以观察系统的吞吐量和可靠性。还分析了在“透明LoS”和存在透明屏障的情况下的技术性能。
2022-05-08 cs.RO
Brain-Swarm Interface (BSI): Controlling a Swarm of Robots with Brain and Eye Signals from an EEG Headset
Boston University(波士顿大学);Stanford University(斯坦福大学)
这项工作提出了一种新的婚姻群机器人和脑机接口技术,以产生一个接口,连接用户到一群机器人。建议的界面使用户能够控制群的大小和运动,采用只是思想和眼球运动。思想和眼球运动通过一个现成的脑电图(EEG)耳机从头皮上记录下来。信号处理技术用于滤除噪声并从原始信号中解码用户的眼球运动,而隐马尔可夫模型技术用于从滤波后的信号中破译用户的想法。机器人的动力学控制使用基于势场的群控制器。人类用户通过脑群接口来调节势场的形状和运动参数以移动机器人。该方法被证明是实验室环境中的一个人控制一群三个M3PI机器人,以及控制一群128个机器人在计算机模拟。
2016-12-24 cs.MA 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
An Architecture for Autonomously Controlling Robot with Embodiment in Real World
Nara Women’s University(奈良女子大学);Kyoto University(京都大学);National Institute of Informatics(国立信息学研究所);Hosei University(法政大学)
在现实世界中,机器人的实施面临着各种问题,如环境的动态连续变化和输入/输出干扰。解决这些问题的关键可以在日常生活中找到;人们“采取与感知有关的行动”,并“在必要时动态改变计划”。我们建议使用一个新的概念,使机器人做这两件事,自主控制移动机器人。我们实现了我们的概念,在静态/动态环境下做了两个实验。这些实验的结果表明,我们的想法提供了一种方法来适应现实世界中的环境的动态变化。
2013-07-26 cs.AI cs.RO
A Kubernetes-Based Edge Architecture for Controlling the Trajectory of a Resource-Constrained Aerial Robot by Enabling Model Predictive Control
Luleå University of Technology(吕勒奥理工大学)
近年来,云和边缘架构在卸载计算繁重的应用程序方面获得了极大的关注。从机器学习和物联网(IOT)到工业程序和机器人技术,云计算已被广泛用于数据处理和存储目的,这要归功于其“无限”资源。另一方面,云计算的特征在于由于云服务器与请求资源的机器之间的长距离而导致的长时间延迟。相比之下,边缘计算提供几乎实时的服务,因为边缘服务器的位置非常接近数据源。这种能力使边缘计算成为实时应用的理想选择,例如资源受限平台的高级控制。为了利用边缘资源,已经开发了几种技术,其中基本的是容器和编排,如Kubernetes,以根据每个应用程序的需求提供具有许多功能的环境。在这种情况下,本文提出了一种基于Kubernetes编排的新型边缘架构的实现和评估,用于通过启用模型预测控制(MPC)来控制资源受限的无人机(UAV)的轨迹。
2023-01-31 cs.RO
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
Controlling Traffic with Humanoid Social Robot
University of Waterloo(滑铁卢大学)
随着人工智能、机器学习和物联网等技术的进步,开发更多的人形机器人并实现不同流程的自动化变得很容易。一个交互式机器人必须具有高度的社会行为,这样它才能被使用它的人容易接受。由于长时间的值班,人类警察经历了很大的压力,并造成事故的风险。数字电子信号是自动的,但我们希望创建一个更人性化的系统,看起来像一个在十字路口控制交通的官员。我们在这项研究中使用了Thiago++机器人,并将其外观修改为像警察一样,然后对其进行编程,模仿并做出手势,就像交通警察做出手势来控制交通一样。我们评估了机器人的外观、手势、功能和社会行为。我们要求两名参与者的有限样本识别TRAPBOT,将其外观,社交行为和手势与现实生活中的警察进行比较。我们发现人们可以识别出这个机器人是交警机器人。我们的分析还表明,TRAPBOT具有类似交通机器人的外观,并能做出类似交通警察的信号手势。
2022-04-08 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
Controlling a remotely located Robot using Hand Gestures in real time: A DSP implementation
CEERI-CSIR(印度中央电子工程研究所-科学与工业研究理事会);Northwest Missouri State University(西北密苏里州立大学)
远程呈现是当今时代的必需品,因为我们无法到达任何地方,而且它在危险的地方拯救人类生命方面也很有用。一个可以从远处控制的机器人可以解决这些问题。这可以通过通信波或联网方法。控制也应该是实时的和平滑的,以便它可以以有效的方式对每个小信号进行激励。本文讨论了一种方法来控制一个机器人在网络上从一个遥远的位置。机器人由现场摄像机捕捉的手势控制。采用DSP芯片TMS320DM642EVM实现图像的预处理和整个系统的调试。PCA用于手势分类,机器人驱动根据预定义的程序完成。在实验中,分类信息通过网络发送。该方法具有鲁棒性,可用于远距离控制任何类型的机器人。
2017-07-23 cs.HC cs.RO
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
Emotional Tandem Robots: How Different Robot Behaviors Affect Human Perception While Controlling a Mobile Robot
University of Konstanz(康斯坦茨大学);University of Lübeck(吕贝克大学)
本研究聚焦领航-跟随场景,探讨小型移动跟随机器人的情感表达运动模式如何影响人类操作员的感知,发现不同情感行为会显著改变操作员的注意力、压力水平及偏好,为未来协同机器人设计提供了重要参考。
2024-03-06 cs.HC cs.RO
ROS-Mobile: An Android application for the Robot Operating System
University of Luebeck(吕贝克大学)
控制和监控复杂的自主和半自主机器人系统是一项具有挑战性的任务。Robot操作系统(ROS)是作为一个运行在Ubuntu Linux上的机器人中间件系统而开发的,它允许硬件抽象、各个进程之间的消息传递和包管理。然而,缺少对移动设备(如智能手机或平板电脑)的ROS应用程序的主动支持。我们为Android开发了一个ROS应用程序,它带有一个直观的用户界面,用于控制和监控机器人系统。我们的开源贡献可以用于各种各样的任务和许多不同类型的机器人。此外,它可以很容易地定制和添加新功能。在本文中,我们给出了一个大纲的软件架构,主要功能,并显示了一些可能的用例在不同的移动机器人系统。
2020-11-05 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
CineTransfer: Controlling a Robot to Imitate Cinematographic Style from a Single Example
Universidad de Zaragoza(萨拉戈萨大学);Stanford University(斯坦福大学)
本研究提出轻量便携的CineTransfer框架,基于单输入视频提取构图、景深等风格特征,结合CineMPC控制机器人自主迁移电影摄影风格,无需深度训练或大数据集,经真实与模拟实验验证有效。
2023-10-06 cs.RO
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
Controlling the Solo12 Quadruped Robot with Deep Reinforcement Learning
LAAS-CNRS(法国国家科学研究中心实验室分析与建筑系统实验室);Université de Toulouse(图卢兹大学);NAVER LABS Europe(NAVER欧洲实验室)
本文提出在 Solo12 四足机器人上实现基于深度强化学习的端到端关节阻抗参考控制器,并验证其速度跟踪、能效、鲁棒性与真机部署价值。
2023-08-02 cs.LG cs.RO
A programmable actuator for combined motion and connection and its application to modular robot
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)
本文提出了一种新型的毫米级驱动器,它是基于简化的电永磁(SEP)磁铁。该驱动器通过控制SEP磁铁的极性来实现连接和平稳运动。基于数值模拟的分析被用来设计原型。提出了一种死区时间可控的H桥及其多路复用设计,用于控制新型执行器,简化了电子电路。最后,在DILI模块化可重构机器人系统中实现了该驱动器。实验结果表明,采用该驱动器后,DILI模块能够在连接过程中实现平稳移动和无电源连接。DILI模块的最大速度为20 mm/s。
2019-03-26 cs.RO
Robo-Platform: A Robotic System for Recording Sensors and Controlling Robots
Department of Electrical Engineering, Islamic Azad University, Najafabad Branch, Isfahan, Iran(电气工程系,伊斯兰教Azad大学,纳杰法德分校,伊斯法罕,伊朗)
本文提出Robo-Platform系统,利用Android手机、微控制器板和远程无线站实现多传感器原始数据采集与机器人控制,并通过SLAM/AR实验及玩具车、四旋翼控制案例验证其有效性。
2025-07-17 cs.RO cs.SY eess.SY
Balancing a CartPole System with Reinforcement Learning -- A Tutorial
Edge Hill University(边山大学)
在本文中,我们提供了实现各种强化学习(RL)算法来控制Cart-Pole系统的细节。特别是,我们描述了各种RL概念,如Q学习,深度Q网络(DQN),双DQN,决斗网络,(优先级)经验重放,并显示它们对学习性能的影响。在此过程中,读者将被介绍用于实现上述概念的OpenAI/Gym和Keras实用程序。据观察,具有PER的DQN在所有其他架构中提供最佳性能,能够在150集内解决问题。
2020-06-12 cs.LG cs.RO
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 Framework for Controlling Multi-Robot Systems Using Bayesian Optimization and Linear Combination of Vectors
West Virginia University(西弗吉尼亚大学)
我们提出了一个通用的框架,为分散式多机器人系统创建参数化控制方案。在分散式多机器人文献中可以看到各种各样的任务,每个任务都有许多可能的控制方案。对于其中的几个,智能体使用从环境中提取信息并以有意义的方式组合这些信息的算法来选择控制速度。从这个基本的形成,提出了一个框架,每个机器人的测量信息分类为相关的标量和矢量集,并创建一个线性组合的测量矢量集。与可优化的参数集一起,标量测量用于生成线性组合的系数。有了这个框架和贝叶斯优化,我们可以创建几个多机器人任务,包括凝聚力和隔离,模式形成,搜索/觅食有效的控制系统。
2022-03-23 cs.RO cs.SY eess.SY