Heavy lifting tasks via haptic teleoperation of a wheeled humanoid
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出一种用于轮式人形机器人重物搬运的触觉遥操作框架，通过全身运动重定向和实时力反馈实现动态移动操作，实验验证了最大2.5公斤载荷的协调控制。
2025-05-26 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
Wheeled Humanoid Bilateral Teleoperation with Position-Force Control Modes for Dynamic Loco-Manipulation
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出一种基于位置-力控制模式切换的双边遥操作框架，实现轮式人形机器人的动态移动操控，并通过插箱与人机协作搬运实验验证了方法的有效性。
2024-07-16 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
Optimization-Based Quadrupedal Hybrid Wheeled-Legged Locomotion
Politecnico di Milano（米兰理工大学）；Istituto Italiano di Tecnologia（意大利技术研究院）
混合轮腿运动是一种导航范式，最近才由新型机器人设计开辟，例如半人马型人形CENTAURO [1]或四足动物ANYmal [2]，其配置具有非转向轮。术语“混合运动”在下文中用于表示一种特定类型的运动，通过同时协调使用腿和轮子来实现，参见图1。这样的选择源于双腿运动和更简单的轮式导航之间的交叉点，以便从两种技术中获得最佳效果：敏捷性和穿越不平坦地形的能力来自第一种，速度和稳定性来自第二种。因此，为混合机器人规划可行轨迹的问题与腿运动问题有许多相似之处：同样在混合情况下，考虑到带轮的脚只能推地面而不能拉地面，基座的运动是通过脚与环境的接触实现的。必须考虑与摩擦锥体相容的力，而触点可以正好沿着由轮的定向所规定的方向滑动。
2021-07-15 cs.RO cs.SY eess.SY
Online Dynamic Motion Planning and Control for Wheeled Biped Robots
轮式足式机器人结合了轮式机器人在适当平坦表面上行驶时的效率和足式机器人在跨越或绕过障碍物时的多功能性。本文介绍了一种规划和控制框架，以实现动态移动的轮式机器人。我们提出的车线性倒立摆模型（车LIPM）作为模板模型的滚动运动和欠驱动LIPM的接触变化，而步行。生成的运动然后由一个逆动态全身控制器跟踪，该控制器协调所有关节，包括车轮。该框架具有分层结构，并以模型预测控制（MPC）方式实现。为了验证所提出的混合运动生成方法，在仿真中设计了两种涉及不同类型障碍物的场景。据我们所知，这是第一次，这种在线动态混合运动已被证明对轮式机器人。
2020-03-07 cs.RO
Time-Varying Foot-Placement Control for Underactuated Humanoid Walking on Swaying Rigid Surfaces
College of Engineering, University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校工程学院）；The Ohio State University（俄亥俄州立大学）；University of Michigan（密歇根大学）；School of Mechanical Engineering, Purdue University（普渡大学机械工程学院）
针对动态刚性表面上仿人机器人行走控制难题，提出将经典线性倒立摆模型扩展至摇摆地面的时变非齐次模型，结合离散脚步控制律与分层控制框架，经Digit机器人仿真和硬件实验验证，可在不确定表面运动和外部推力下实现稳定欠驱动行走。
2024-09-12 cs.RO cs.SY eess.SY
Underactuated Motion Planning and Control for Jumping with Wheeled-Bipedal Robots
Southern University of Science and Technology（南方科技大学）；National University of Singapore（新加坡国立大学）；University of Notre Dame（圣母大学）
本文研究了轮式双足机器人的跳跃运动，充分利用了轮式和腿式混合设计的优点。针对轮式双足机器人跳跃运动的运动规划和控制问题，提出了一种综合的分层规划方法。轮-双足动力学的欠驱动是需要解决的主要困难，特别是在规划问题中。为了解决这个问题，提出了一种新的轮式弹簧加载倒立摆（W-SLIP）模型来描述轮式双足机器人在跳跃过程中的基本动力学。依赖于微分平坦的性质的W-SLIP模型，一个易于处理的二次规划为基础的解决方案，规划跳跃运动的轮式双足机器人。结合考虑飞行相位运动的运动学规划方案，给出了完整的W-SLIP模型规划方案。为了使规划轨迹的准确跟踪，基于线性二次型调节器的车轮控制器和任务空间全身控制器的其他关节混合通过干扰观测器。整体规划和控制方案进行了验证，使用V-REP模拟原型轮式双足机器人。
2020-12-11 cs.RO
Robust Fall Recovery for Armless Bipedal-Wheeled Robots Via Force-Guided Learning
Beijing Institute of Technology（北京理工大学）
针对无臂双轮足机器人无法借助外部支撑恢复站立的问题，提出力引导教师-学生框架FTSR，通过约束强化学习逐步减少外力依赖，实现从摔倒到稳定行走的鲁棒恢复。
2026-06-15 cs.AI cs.RO
Stabilization of the wheeled inverted pendulum on a soft surface
研究了轮式倒立摆在水平、倾斜和软地面上的比例-积分-微分控制器控制下的动力学行为。在动力系统的相图上给出了控制的振荡区域和稳定性条件。特别地，我们研究了软曲面上运动的微分包含，并在我们的数学模型中找到了半稳定的稳态解。由于数值模拟的舍入误差或机器人设备的外部扰动，半稳定性在模拟中看起来像极限环。
2020-06-09 cs.RO math.DS nlin.CD
LiDAR-based Humanoid Navigation in Dynamic, Non-Convex Environments via Spatio-Temporal Safe Corridors
University of Delaware（特拉华大学）
本文提出一种人形机器人实时导航框架，通过激光雷达粒子表示构建时空安全走廊并耦合LIP规划与WBC，在仿真中实现96%的移动非凸障碍物导航成功率，且对干扰具有鲁棒性。
2026-10-14 cs.RO
Discrete time model predictive control for humanoid walking with step adjustment
Robert Bosch Centre for Cyber Physical Systems, Indian Institute of Science（印度科学学院罗伯特·博世网络物理系统中心）；Computer Science and Automation, Indian Institute of Science（印度科学学院计算机科学与自动化系）
本文提出一种分层离散时间模型预测控制方法，结合线性倒立摆模型与任务空间控制器实现在线脚步调整，仿真验证其稳定行走和抗推力扰动能力。
2024-10-18 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
A Gait Driven Reinforcement Learning Framework for Humanoid Robots
本文提出了一种基于步态驱动的强化学习框架，用于双足机器人，通过设计奖励函数提升运动性能。
2026-02-02 cs.RO
HUSKY: Humanoid Skateboarding System via Physics-Aware Whole-Body Control
Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究院（TeleAI），中国电信）；The University of Hong Kong（香港大学）；University of Science and Technology of China（中国科学技术大学）；ShanghaiTech University（上海科技大学）
本文提出HUSKY框架，通过整合人形滑雪板系统建模和物理感知的全身控制，解决高动态和复杂交互任务中的稳定动态操控问题，实现在实际场景中稳定灵活的滑雪板操作。
2026-05-21 cs.RO
X2-N: A Transformable Wheel-legged Humanoid Robot with Dual-mode Locomotion and Manipulation
Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（香港理工大学电子与计算机工程系）；X-lab Department, Agibot Innovation Company（阿吉博创新公司X实验室）
X2-N是一种具备双模运动与操作的高自由度可变形机器人，通过关节重构实现人形与轮腿形态的无缝转换，采用强化学习框架实现混合运动、转换与操作的统一控制。
2026-09-07 cs.RO
Dynamic Walking on Highly Underactuated Point Foot Humanoids: Closing the Loop between HZD and HLIP
California Institute of Technology（加州理工学院）
针对点足人形机器人高欠驱动等行走难题，提出HZD与HLIP闭环的控制框架，离线生成步态并在线稳定，经ADAM机器人仿真与实验验证，实现首例点足行走且具备多种鲁棒性。
2024-06-19 cs.RO
FALCON: Learning Force-Adaptive Humanoid Loco-Manipulation
Carnegie Mellon University（卡内基梅隆大学）；Field AI；Nissan USA（日产美国）
针对人形机器人力交互场景下全身移动操作控制难题，提出基于双智能体强化学习的FALCON框架，实现更高跟踪精度、更强鲁棒性与跨平台部署能力。
2025-11-16 cs.RO
Bracing for Impact: Robust Humanoid Push Recovery and Locomotion with Reduced Order Models
AMBER Lab at the Department of Mechanical and Civil Engineering, California Institute of Technology（机械与土木工程系AMBER实验室，加州理工学院）
提出统一框架，结合单刚体模型预测控制与混合线性倒立摆动力学，利用环境（如墙壁）和手臂支撑实现人形机器人动态行走中的推倒恢复，在高达0.5m/s行走速度下抵抗100N持续0.2s的推力。
2026-06-23 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
Reduced-Order Model Guided Contact-Implicit Model Predictive Control for Humanoid Locomotion
California Institute of Technology（加州理工学院）
针对人形机器人高维混合动力学控制难题，提出结合HLIP降阶模型与CI-MPC的控制框架，在24自由度机器人Achilles仿真中实现多种复杂运动能力，且支持50Hz实时运行。
2025-02-21 cs.RO
Efficient and Compliant Control Framework for Versatile Human-Humanoid Collaborative Transportation
本文提出了一种高效且合规的协作运输人机协作控制框架，通过交互线性倒立摆和动态可行步态计划实现人形机器人与人类的协同运输任务。
2025-12-08 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
Trunk Pitch Oscillations for Joint Load Redistribution in Humans and Humanoid Robots
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
为人形机器人创建看起来自然的跑步步态是一项复杂的任务，由于躯干中的欠驱动自由度，这使得运动规划和控制困难。对人体运动中躯干运动的研究还不够，也没有将人体运动模式转移到机器人上的形式化方法。相关的工作主要集中在下肢，并简化了问题稳定的躯干在一个固定的角度。相比之下，人类显示出遵循步态的自然动力学的显著躯干运动。在这项工作中，我们使用一个弹簧加载的倒立摆模型与躯干（TSLIP）连同一个虚拟点（VP）的目标，以创建躯干振荡，并调查这些运动的影响。我们分析了VP的位置和前进速度如何决定躯干振荡的方向和幅度。我们发现，定位VP低于质心（CoM）可以解释在人类运行中观察到的向前躯干俯仰。CoM下方的VP导致髋关节和腿部之间的协同工作，减少腿部负荷。然而，这是以增加峰值髋关节扭矩为代价的。我们的研究结果为利用躯干运动重新分配关节载荷和潜在地提高人形机器人的能量效率提供了见解。
2019-09-09 cs.RO
Dynamic Mobile Manipulation via Whole-Body Bilateral Teleoperation of a Wheeled Humanoid
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Jeonbuk National University（全北国立大学）
本文提出一种基于全身双向遥操作的动态移动操作框架，利用人机接口、降阶模型映射和全身触觉反馈，使双轮人形机器人SATYRR能够抓取移动目标并推动超过自身重量的箱子，验证了该方法的有效性。
2023-07-03 cs.RO
Hands-free Telelocomotion of a Wheeled Humanoid toward Dynamic Mobile Manipulation via Teleoperation
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
能够动态地将操纵和运动结合起来的机器人系统可以促进危险或体力要求高的劳动。例如，消防员人形机器人可以靠在倒塌的建筑物瓦砾上，利用身体将其推到一边。在这里，我们介绍了一个遥操作系统，目标是实现这些任务，使用人类全身运动技能。我们描述了一个新的轮式人形平台，SATYRR，和一个新的免提遥操作架构，使用全身人机界面（HMI）。该系统使远程的人形机器人使用操作员的身体运动，释放他们的手臂进行操作任务。在这项研究中，我们评估所提出的系统的硬件上的功效，并探讨控制SATYRR使用两个遥操作映射，映射操作员的身体俯仰和扭曲的机器人速度或加速度。通过实验和用户反馈，我们展示了我们的初步调查结果的试点系统的反应。结果表明，人机界面是能够有效地远程SATYRR，飞行员的喜好应该决定适当的运动映射和增益，最后，飞行员可以更好地学习控制系统随着时间的推移。这项研究是通过遥操作实现联合操纵和运动的基础性一步。
2022-03-07 cs.RO
Whole-Body Bilateral Teleoperation with Multi-Stage Object Parameter Estimation for Wheeled Humanoid Locomanipulation
该研究提出结合多阶段物体惯性参数估计的轮式人形机器人全身双边遥操作框架，通过视觉、VLM与分层采样实现参数估计，提升遥操作的动态性与操作跟踪精度，可实时完成约1/3体重载荷的相关任务。
2026-08-25 cs.RO
A 3-Step Optimization Framework with Hybrid Models for a Humanoid Robot's Jump Motion
Beijing Institute of Technology（北京理工大学）；Intelligent Robotics Institute（智能机器人研究所）；School of Mechatronical Engineering（机电工程学院）；International Joint Research Laboratory of Biomimetic Robots and Systems, Ministry of Education（仿生机器人与系统国际联合研究实验室（教育部））
本文提出一种基于SRMP模型和QP求解器的人形机器人跳跃运动3步轨迹优化框架，通过综合动量与惯性实现了距离1.0m、高度0.5m的敏捷前跳，验证了框架的有效性。
2025-01-22 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
Comparison Study of Well-Known Inverted Pendulum Models for Balance Recovery in Humanoid Robot
IEETA（电子与信息工程研究院）；University of Aveiro（阿威罗大学）
双足机器人由于其复杂的运动学和高维的状态空间动力学而基本上是不稳定的，因此稳定行走的控制和生成是一个复杂的课题，并且仍然是机器人界的活跃课题之一。如今，有许多类人机器人执行稳定的行走，但很少有在推动下表现出有效的推动恢复。在本文中，我们首先回顾了更常用的抽象动力学模型的人形机器人，这是基于倒立摆，并显示这些模型可以用来提供行走的人形机器人，以及如何分层控制结构可以淡化人形行走的复杂性。其次，审查模型一起比较，不仅在分析的方式，但也通过执行几个数值模拟中的推恢复的情况下，使用\mbox{MATLAB}。这些理论和模拟研究定量比较这些模型恢复平衡。结果表明，增强版的线性倒立摆加飞轮是最有能力的动力学模型，以恢复稳定的机器人，即使在非常具有挑战性的情况下。
2019-06-05 cs.RO
A Robust Biped Locomotion Based on Linear-Quadratic-Gaussian Controller and Divergent Component of Motion
IEETA / DETI University of Aveiro（阿威罗大学 IEETA / DETI）
由于人形机器人的高自由度和不稳定性，使其在存在干扰的情况下产生鲁棒运动是困难的。在本文中，我们使用发散运动分量~（DCM）的概念，并提出了一种基于线性二次高斯的最优闭环控制器，以产生一个鲁棒的和稳定的人形机器人的步行。机器人的动力学模型采用线性倒立摆模型（LIPM）。此外，我们提出了一个控制器来调整摆动腿的着陆位置，以增加承受水平的机器人对严重的外部推动。使用~ \mbox{MATLAB}进行一组仿真，分析和验证所提出的控制器的性能和鲁棒性。仿真结果表明，所提出的控制器是能够提供一个强大的步行，即使在干扰的存在和具有挑战性的情况。
2019-06-21 cs.RO
Dynamic and Versatile Humanoid Walking via Embedding 3D Actuated SLIP Model with Hybrid LIP Based Stepping
California Institute of Technology（加州理工学院）
在本文中，我们提出了一种有效的方法来生成动态和灵活的人形步行与非恒定的质心（COM）高度。我们利用的好处，使用降阶模型（ROM）和步进控制，以产生动态和通用的步行运动。具体而言，我们应用步进控制器的混合线性倒立摆模型（H-LIP）的基础上扰动的周期性步行运动的3D驱动弹簧加载倒立摆（3D-aSLIP），这产生了灵活的步行行为的3D-aSLIP，包括各种3D周期性步行，固定位置跟踪，和全局轨迹跟踪。3D-aSLIP行走然后通过COM动力学和地面反作用力的任务空间控制嵌入到全驱动人形机器人上。所提出的方法是实现Atlas的机器人模型在仿真中，其中产生多功能的动态运动。
2020-08-06 cs.RO cs.SY eess.SY
A Whole-Body Model Predictive Control Scheme Including External Contact Forces and CoM Height Variations
University of Tehran（德黑兰大学）；Max-Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
在本文中，我们提出了一种方法来产生各种全身运动的人形机器人。我们扩展了现有的模型预测控制（MPC）方法，用于在平坦的地形上行走，以计划与给定任务一致的质心（CoM）和外部接触力的垂直运动。优化问题由三个阶段组成，即：e. CoM垂直运动、关节角度和接触力规划。选择外部联系人（E。G.手与物体或环境的接触）以及到达和保持接触的适当时间都在算法内自动计算。所提出的算法受益于线性倒立摆模型（LIPM）的简单性，同时它克服了该模型的常见局限性，使我们能够通过外部接触产生各种全身运动。在人形机器人上进行的多接触场景下的几种全身动作的仿真和实验验证了该算法的有效性。
2018-10-24 cs.RO
Trajectory generation for multi-contact momentum-control
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）
简化的动力学模型，如线性倒立摆模型（LIPM）已被证明是在平地上行走。然而，对于更复杂的任务，这些模型的假设可能会受到限制。例如，LIPM不允许独立地控制接触力，仅限于共面接触，并且假设角动量为零。在本文中，我们提出使用完整的动量方程的人形机器人的轨迹优化框架规划其质心，线性和角动量轨迹。该模型还允许规划所需的接触力为每个末端执行器在任意接触位置。我们扩展了我们以前的结果LQR设计的动量控制计算（线性化）的最佳动量反馈法在滚动时域的时尚。所得到的期望的动量和相关的反馈法，然后在分层全身控制方法中使用。仿真实验表明，该方法是计算速度快，能够生成计划的复杂地形上的运动，同时表现出良好的跟踪性能的完整的人形控制。
2015-07-15 cs.RO
Structured contact force optimization for kino-dynamic motion generation
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）
结合轨迹优化的最优控制方法已被证明是足式机器人的一种很有前途的控制策略。计算效率和鲁棒性的算法推导出使用简化模型的机器人和环境之间的接触相互作用，如线性倒立摆模型（LIPM）。然而，随着人形机器人进入更复杂的环境，限制较少的模型变得越来越重要。当我们离开线性模型时，我们需要构建专用的求解器，可以计算相互作用力以及整个身体的一致运动学计划。在本文中，我们解决的问题，规划机器人的运动和相互作用力的足式机器人给定的预定义的接触表面。运动生成过程被分解为两个交替的部分，计算力和运动计划的一致性。我们专注于动量计算导致稀疏的最优控制配方的专用求解器利用的属性。在我们的实验中，我们证明了我们的运动生成算法计算一致的接触力和关节轨迹为我们的人形机器人。我们还证明了有利的时间复杂度，由于我们的制定和组成的动量方程。
2016-12-24 cs.RO
TrajBooster: Boosting Humanoid Whole-Body Manipulation via Trajectory-Centric Learning
Zhejiang University（浙江大学）；Westlake University（西湖大学）；Shanghai Jiao Tong University（上海交通大学）；Shanghai Innovation Institute（上海创新研究院）
TrajBooster通过利用轮式人形数据提升双足VLA性能，采用末端执行器轨迹作为通用接口，通过仿真重定向和预训练实现高效任务执行，减少对同构数据的依赖。
2026-03-19 cs.CV 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
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
Motion Decoupling and Composition via Reduced Order Model Optimization for Dynamic Humanoid Walking with CLF-QP based Active Force Control
California Institute of Technology（加州理工学院）
在本文中，三维人形步行解耦为周期性和过渡运动，其中每一个被解耦为在矢状面和侧平面的平面行走。降阶模型（ROM），即致动弹簧加载倒立摆（aSLIP）模型和混合线性倒立摆（H-LIP）模型，用于针对每种类型的平面运动在期望的质心（COM）动力学上产生运动。周期性运动是通过点脚（欠驱动）ROM计划的动态运动与最小的脚踝驱动，而过渡运动是通过脚驱动ROM计划的快速和平滑的过渡。组合的平面COM动力学产生所需的COM动力学在3D中，这是通过控制基于李雅普诺夫函数的二次规划（CLF-QP）嵌入在人形。此外，aSLIP行走的地面反作用力曲线用作CLF-QP中的地面接触力的期望参考，以实现平滑的域过渡。所提出的框架是在仿真中实现的下肢外骨骼，其中实现了不同的步行运动。
2019-10-01 cs.RO cs.SY eess.SY
TWIMP: Two-Wheel Inverted Musculoskeletal Pendulum as a Learning Control Platform in the Real World with Environmental Physical Contact
The University of Tokyo（东京大学）
本研究提出了一种结合仿人肌骨上肢与双轮倒立摆的新型仿人机器人TWIMP，旨在利用其柔软接触与高机动性优势，作为现实世界中包含物理接触和冲击环境下的学习控制平台，并通过初步实验验证了其潜力。
2024-04-22 cs.RO
LQR-ArUco Fusion: Robust Hierarchical Control for Navigation and Asymmetric Manipulation in Two-Wheeled Robots
针对两轮倒立摆机器人非对称操作中的动态不稳定与导航漂移，提出分层控制框架，结合ArUco视觉全局导航与低延迟惯性/编码器局部控制，实验验证了精确导航、抗冲击与稳定负载能力。
2026-10-06 cs.RO cs.SY eess.SY
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
Design and Control of a Bio-inspired Wheeled Bipedal Robot
Xi’an Jiaotong-Liverpool University（西交利物浦大学）；University of Liverpool（利物浦大学）；Shanghai Jiao Tong University（上海交通大学）
本文提出一种仿人杠铃深蹲的仿生轮式双足机器人设计与基于HV-wLIP、CLF和全身动力学的控制器，实验证明其具备深蹲、质心速度跟踪及抗扰动和未知地形能力。
2024-07-16 cs.RO cs.SY eess.SY
Online Balanced Motion Generation for Humanoid Robots
University of Bonn（波恩大学）
降低高阶问题的复杂性可以使它们以分析的方式解决。在本文中，我们提出了一个解析全身运动发生器的人形机器人。我们的方法的目标是廉价的平台，拥有位置控制关节和有限的反馈能力。通过分析类人身体的质量分布，我们发现肢体运动和它们各自的CoM位置之间的关系。一个完整的姿态的人形机器人，然后描述了五个点质量，一个连接到躯干和其余四个分配给每个肢体。这些质量的加权和与接触点结合形成倒立摆。然后，我们通过指定所需的直立摆方向和任何所需的躯干方向来生成静态稳定的姿势。肢体和躯干放置策略用于满足参考CoM位置。一组这些姿势被插值以实现稳定的全身运动。该方法进行了评估，通过执行几个动作与igus类人开放平台机器人。我们证明了该方法的可扩展性，通过应用基本的反馈机制，干扰抑制和跟踪误差最小化。
2018-10-19 cs.RO
Comparison of Different Control Theories on a Two Wheeled Self Balancing Robot
Bangladesh University of Engineering and Technology（孟加拉国工程技术大学）；Auburn University（奥本大学）
.本文旨在讨论和比较两轮自平衡机器人的三种最著名的控制理论，使用机器人操作系统（ROS）和露台仿真。两轮自平衡机器人是倒立摆系统最具吸引力的应用之一。本文讨论了PID、LQR和模糊逻辑控制器。并对机器人仿真的建模和算法进行了讨论.本文的主要目的是讨论在ROS和Gazebo中建立机器人模型，并对不同的控制理论进行实验，记录整个过程，分析机器人并比较不同的控制理论在系统上的应用。
2018-07-22 cs.RO
DIABLO: A 6-DoF Wheeled Bipedal Robot Composed Entirely of Direct-Drive Joints
School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能工程学院）；Direct Drive Technology Limited（直驱技术有限公司）
针对现有带齿轮箱的轮式双足机器人存在的机械复杂、效率低等问题，研发了全直驱的6自由度轮式双足机器人DIABLO，设计基于LQR的平衡及多维度运动控制器，经仿真与实物实验验证性能良好。
2024-09-11 cs.RO
Force-feedback based Whole-body Stabilizer for Position-Controlled Humanoid Robots
Southern University of Science and Technology（南方科技大学）
研究了位置控制人形机器人的稳定器设计问题。稳定器是位置控制类人机器人的重要组成部分，其主要目标是调整发送到机器人的控制输入，以帮助跟踪控制器更好地遵循规划的参考轨迹。为了实现这一目标，本文开发了一种新的基于力反馈的全身稳定器，充分利用六维力测量信息和全身动力学，以提高跟踪性能。依赖于严格的位置控制的人形机器人在未知的接触下的全身动力学分析，所开发的稳定器利用基于二次规划的技术，该技术允许协作考虑质心跟踪和接触力跟踪。建议的稳定器的有效性证明了UBTECH沃克机器人在MuJoCo模拟器。仿真验证表明，在各种情况下的显着改善相比，通常采用的稳定器的基础上的零力矩点反馈和线性倒立摆模型。
2021-08-15 cs.RO cs.SY eess.SY
Humanoid Loco-Manipulations Pattern Generation and Stabilization Control
CNRS-AIST JRL (Joint Robotics Laboratory)（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）
针对人形机器人在行走移动物体时受外部接触力影响的问题，提出一种基于线性倒立摆和运动发散分量的双足控制策略，通过规划质心轨迹并补偿操作力误差，在仿真和真实机器人实验中验证了其有效性。
2025-05-30 cs.RO cs.SY eess.SY
Design and Control of a Small Humanoid Equipped with Flight Unit and Wheels for Multimodal Locomotion
针对人形机器人速度慢、越障能力有限的问题，研究人员设计了配备轮式结构与飞行单元的小型人形机器人，提出多模态集成控制框架，首次实现单个人形机器人兼具足式、轮式、飞行三种运动模式及空中操作能力。
2024-03-09 cs.RO
MagNav: A Dual-Core Magnetic Track Guidance Framework for Lighting-Invariant Navigation in Two-Wheeled Robots
Krishna Institute of Engineering & Technology (KIET)（克里希纳工程技术学院（KIET））
本文提出MagNav框架，利用五通道霍尔传感器和级联PID控制，实现两轮自平衡机器人在强光下稳定循线，解决光学导航的光照依赖问题。
2026-10-14 cs.RO cs.SY eess.SY
Biped Stabilization by Linear Feedback of the Variable-Height Inverted Pendulum Model
ANYbotics AG（ANYbotics股份公司）；University of Montpellier（蒙彼利埃大学）；CNRS（法国国家科学研究中心）
变高度倒立摆（VHIP）模型，使一个新的平衡策略，除了众所周知的脚踝策略的质心的高度变化。我们提出了一种基于线性反馈的VHIP稳定器，该稳定器易于实现，与小扰动的最新技术相吻合，并且由于这种新策略，能够从较大的扰动中恢复。该解决方案是基于“尽力而为”极点配置的4D发散运动的VHIP输入可行性和状态生存能力的约束下的组成部分。我们补充它与一个合适的全身导纳控制法和HRP-4人形机器人上测试所得的稳定。
2020-03-30 cs.RO
Bipedal Locomotion Optimization by Exploitation of the Full Dynamics in DCM Trajectory Planning
University of Tehran（德黑兰大学）
基于发散运动分量（DCM）和线性倒立摆模型（LIPM）的步行运动规划是实现人形机器人在线步态轨迹生成的一种方法。该算法需要调整不同的参数。在这里，我们开发了一个框架，以获得最佳的参数，以实现一个稳定的和节能的轨迹，真正的机器人的步态。为了找到最优的轨迹，四个成本函数代表的能量消耗，关节速度和施加在每个下肢关节的机器人，和成本函数的基础上的零力矩点（ZMP）的稳定性标准。在该框架中采用遗传算法来优化每个成本函数。虽然轨迹规划是在简化模型的帮助下进行的，但每个代价函数的值是通过考虑Bullet物理发动机模拟器中的全动力学模型和脚-地面接触模型来获得的。优化结果表明，最稳定的行走和最有效的行走方式是相互对比的。因此，在另一尝试中，在三个不同速度下执行ZMP和能量成本函数的多目标优化。最后，我们比较了设计的轨迹，这是使用最佳参数生成的，在舞蹈模拟器的仿真结果。
2022-07-30 cs.RO
Humanoid Momentum Estimation Using Sensed Contact Wrenches
这项工作提出的方法估计的数量重要的控制的人形机器人的动量。与以前使用简化模型（如线性倒立摆模型）的方法相比，我们提出了基于机器人动量动力学的估计器。通过使用这个简单但动态一致的模型，我们避免了使用简化模型进行估计的问题。我们开发了一个估计的质心和全动量，可以重新估计质心偏移以及外部扳手应用到机器人。这些估计的可观测性进行了研究，并评估其性能相比，以前的方法。
2015-07-15 cs.RO
Quadruped Capturability and Push Recovery via a Switched-Systems Characterization of Dynamic Balance
Southern University of Science and Technology（南方科技大学）；University of Notre Dame（圣母大学）
本文研究四足机器人运动的捕获性和推力恢复。尽管关于足式机器人的可捕获性分析和推动恢复控制的文献丰富，但现有的工具主要是为两足动物或类人动物开发的。独特的四足特征，如点接触和多摆动腿，防止直接应用这些方法。为了解决这个差距，我们提出了一个切换系统模型的四足动力学，并实例化的抽象可行性概念四足运动与基于时间的步态。捕获的特点是通过一个新的规范的动态平衡状态，解决了四足运动和平衡的时变性质。一个线性倒立摆（LIP）模型被采用来证明理论和显示如何新开发的四足捕获能力可以用于运动规划四足推动恢复。我们制定和解决一个明确的模型预测控制（EMPC）问题，其最优解充分表征四足动物的捕获能力与LIP。基于此分析，设计了一种基于优化的规划方案，用于在推恢复期间确定脚步和质心参考。为了验证整个框架的有效性，我们进行了大量的仿真和硬件实验。仿真结果表明，考虑动态平衡的四足机器人的捕获能力的必要性，和显着改善的干扰抑制与所提出的策略。对迷你猎豹四足动物的复制品进行的实验验证表明，与最先进的技术相比，其性能提高了100%。
2022-02-17 cs.RO
