Planning Human-Robot Co-manipulation with Human Motor Control Objectives and Multi-component Reaching Strategies
Department of Automation, Fraunhofer IPK（自动化系，弗劳恩霍夫IPK研究所）
本文提出基于人类运动控制模型和多组件抓取策略的人机协同规划方法，以实现更自然的人机交互。
2024-12-18 cs.RO cs.SY eess.SY
Understanding Shared Control for Assistive Robotic Arms
Westphalian University of Applied Sciences（威斯特伐利亚应用科学大学）；University of Duisburg-Essen（杜伊斯堡-埃森大学）
独立于人类照顾者或完全自主的机器人，过着自主的生活，是运动障碍者维护人类尊严和自我价值的关键因素。辅助机器人解决方案-特别是机器人手臂-经常被部署在家庭护理中，使运动障碍患者能够独立执行ADL。然而，虽然辅助机器人手臂可以帮助他们执行ADL，但由于需要一次控制多个DoF和必要的模式切换，目前可用的控制非常复杂和耗时。这项工作概述了辅助机器人手臂的共享控制方法，旨在提高运动障碍人士的易用性。我们确定了未来研究的三个主要要点：少即是多，挑选和放置事项，以及沟通意图。
2023-03-03 cs.HC cs.RO
DSO-VSA: a Variable Stiffness Actuator with Decoupled Stiffness and Output Characteristics for Rehabilitation Robotics
DSO-VSA 通过解耦刚度与输出特性，提供了一种适用于康复机器人的可变刚度执行器，实现了连续刚度调节和双电机负载共享。
2025-12-21 cs.RO
Evaluating Customization of Remote Tele-operation Interfaces for Assistive Robots
University of Washington（华盛顿大学）
本文探索并评估了辅助机器人远程操作界面的定制化价值，通过真实厨房环境下的用户研究证明定制化界面能提升导航表现，且所有参与者均能完成任务并认为机器人有助于提高独立性。
2023-04-05 cs.RO
Robotic Grasping and Placement Controlled by EEG-Based Hybrid Visual and Motor Imagery
Institute of Science and Technology for Brain-inspired Intelligence (ISTBI), Fudan University（复旦大学类脑智能科学与技术研究院）；School of Data Science, Fudan University（复旦大学大数据学院）；Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身智能研究院）；Shanghai Key Laboratory of Multimodal Embodied AI（上海市多模态具身智能重点实验室）；Shanghai Innovation Institute（上海创新研究院）；ETH Zürich（苏黎世联邦理工学院）
本文提出一种整合EEG视觉和运动想象与机器人控制的框架，实现实时意图驱动的抓取与放置。系统通过离线预训练解码器在在线流式管道中零样本方式实现神经信号与物理控制的连接，实现视觉意图到机器人动作的转换，验证了纯想象基BCI范式在实际人机协作中的灵活性。
2026-04-07 cs.RO eess.SP
Kinematic Analysis and Design of a Novel (6+3)-DoF Parallel Robot with Fixed Actuators
Université Laval（拉瓦尔大学）
提出一种固定电机、运动学冗余的新型（6+3）自由度并联机器人，通过三条RU/2-RUS支腿降低惯量并支持直驱式物理人机交互，同时分析奇异点、优化2g全向加速度工作空间并给出CAD初步设计。
2023-04-24 cs.RO
Free-Energy-Gated Plasticity for Real-Time Online Motor Learning in Physical Human-Robot Interaction
Okinawa Institute of Science and Technology Graduate University（冲绳科学技术大学院大学）
该研究针对物理人机交互的实时在线运动学习问题，扩展PV-RNN并提出FEGP方法，实验证实其能提升运动模式覆盖与保留能力，关键在于可塑性的时间分配而非平均幅度。
2026-08-26 cs.HC cs.RO
Human-Centered Shared Autonomy for Motor Planning, Learning, and Control Applications
Translational Neurorobotics Laboratory（转化神经机器人实验室）；Department of Electrical, Computer, and Biomedical Engineering（电气、计算机与生物医学工程系）；University of Rhode Island（罗德岛大学）；Human-Centered AI (HCAI) Labs（以人为本的人工智能实验室）
本文综述以人为中心的共享自主性AI框架，涵盖运动规划、学习与控制，提出自适应共享自主性范式，并展望LLM与推理代理的未来方向。
2025-06-19 cs.HC cs.RO
Towards Human-Robot Collaboration with Parallel Robots by Kinetostatic Analysis, Impedance Control and Contact Detection
Leibniz University Hannover（汉诺威莱布尼茨大学）
针对并联机器人腿链意外接触风险，本文结合运动静力学建模、广义动量扰动观测与笛卡尔阻抗控制，实现全结构低力接触的快速检测和安全反应。
2023-08-18 cs.RO cs.SY eess.SY
Dynamic Hand Gesture-Featured Human Motor Adaptation in Tool Delivery using Voice Recognition
School of Engineering, Lancaster University（兰卡斯特大学工程学院）；Cranfield University（克兰菲尔德大学）；Imperial College of Science, Technology and Medicine（帝国理工学院）
本文提出融合手势、动态运动与语音识别及可切换控制适应的人机协作框架，使 UR5e 机器人按需求递送工具，实验显示静态与动态识别准确率分别达 94.3% 和 97.6%。
2023-09-20 cs.AI cs.RO
Local Online Motor Babbling: Learning Motor Abundance of A Musculoskeletal Robot Arm
TU Darmstadt（达姆施塔特工业大学）；Osaka University（大阪大学）
运动牙牙学语和目标牙学语已被用于软机器人高度冗余系统的感觉运动学习。最近在球门牙牙学语方面的工作已经证明了在此类系统上成功学习逆运动学（IK），并表明球门空间中的牙学语通过学习尽可能少的感觉运动映射来更好地解决运动冗余。然而，对于肌肉骨骼机器人系统，运动冗余可以是解释肌肉激活模式的有用信息，因此术语运动丰度。在这项工作中，我们引入了一些简单的算法来经验性地定义未知的目标空间，并学习逆运动学的10自由度的肌肉骨骼机器人手臂使用定向目标babbling。然后，我们进一步提出了本地在线电机咿呀学语使用协方差矩阵自适应演化策略（CMA-ES），引导在目标咿呀学语中收集的样本进行初始化，以便电机丰度可以查询定义的目标空间内的任何静态目标。结果表明，我们的运动咿呀学语方法可以有效地探索运动丰富度，并提供了有用的见解方面的肌肉刚度和协同作用。
2019-06-21 cs.RO
Neurally Plausible Model of Robot Reaching Inspired by Infant Motor Babbling
University of Tennessee, Knoxville（田纳西大学诺克斯维尔分校）
在本文中，我们提出了一个神经合理的模型，机器人达到人类婴儿达到的启发，是基于体现人工智能，强调的重要性，一个代理和世界的感觉运动的相互作用。该模型包括通过运动牙牙学语学习感觉-运动相关性以及使用扩散激活的手臂运动规划。该模型由三层神经映射组成，具有代表相同感觉运动空间的并行结构。运动咿呀学语阶段塑造了三个神经地图的结构以及它们内部和之间的连接。我们描述了这个模型的实施和调查，这个实施使用一个简单的达成任务的人形机器人。机器人已经成功地学会了从测试集规划达到运动具有高精度和平滑度。
2017-12-31 cs.RO
From Rolling Over to Walking: Enabling Humanoid Robots to Develop Complex Motor Skills
Worcester Polytechnic Institute（伍斯特理工学院）
本文提出一种基于成就触发多路径奖励函数的强化学习方法，使类人机器人在单一训练阶段学习从翻身到行走的复杂运动技能，并在模拟环境中提升成功率与学习速度。
2023-11-13 cs.RO
A Disturbance in the Force: Force Actuation on the RAVEN II Surgical Robot with Parallel Motor-Cable Units
University of Washington（华盛顿大学）；Mount Holyoke College（曼荷莲学院）
针对手术机器人力反馈难题，开发含6个电机-线缆单元的并联系统，实现无干扰力驱动，力驱动误差小于1N，为获取训练数据提供支持。
2026-08-10 cs.RO
Robot motor learning shows emergence of frequency-modulated, robust swimming with an invariant Strouhal-number
The Pennsylvania State University（宾夕法尼亚州立大学）
本文通过模块化机器鱼、CPG 控制与强化学习研究运动控制的 FSI，发现频率快速收敛、步态抗扰，并形成不变的基于波动的 Strouhal 数。
2023-07-17 cs.RO
LunaDrive: A Delay-Compensated High-Voltage GaN FET-Based Motor Driver for Dynamic Robots with Flat BLDC Motors
The University of Tokyo（东京大学）
本研究开发了基于GaN FET的LunaDrive高压电机驱动器，通过延迟补偿在96V下实现30A连续电流和80A峰值电流，提升了动态机器人用扁平无刷电机的速度性能。
2026-09-21 cs.RO
Modular Robot Control with Motor Primitives
Massachusetts Institute of Technology（麻省理工学院）
受生物运动基元模块化控制启发，提出满足模块独立性与稳定性闭合性的机器人模块化控制框架，无需逆运动学即可实现任务空间控制，可解决奇异、冗余等问题，经仿真与实物实验验证，为实现类人水平机器人行为提供新思路。
2025-05-15 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
Design and Experiments with a Low-Cost Single-Motor Modular Aquatic Robot
我们提出了一种新的设计，低成本的机器人船由一个单一的驱动器，模块化和群集应用程序有用。该船利用角动量守恒和被动鳍状肢将单个电机的运动转换为可调节的划桨运动，用于推进和转向。我们开发的模块化和群集的设计标准，并提出了一个原型实现这些标准。我们确定了显着的机械敏感性与所提出的设计，理论的敏感性的原因，并提出了一个改进的设计，为今后的工作。
2020-05-05 cs.RO
Learning to Balance Motor Thermal Safety and Quadrupedal Locomotion Performance with Residual Policy
School of Mechanical Science and Engineering, Huazhong University of Science and Technology（华中科技大学机械科学与工程学院）
提出一种两阶段训练框架，结合整机热模型和残差策略，在保持运动性能的同时防止电机过热，实现长时间负重运动。
2026-07-07 cs.RO
Robot Control based on Motor Primitives -- A Comparison of Two Approaches
Massachusetts Institute of Technology（麻省理工学院）
本文系统比较了动态运动原语（DMPs）与基本动态动作（EDAs）两种机器人控制方法，通过八个控制示例揭示其实现差异，并探讨二者结合的可能性，为具体任务选择合适方法提供依据。
2023-10-28 cs.RO
Coordinated Motion Control and Event-based Obstacle-crossing for Four Wheel-leg Independent Motor-driven Robotic System via MPC
Beijing Institute of Technology（北京理工大学）
针对四轮腿独立电机驱动机器人系统的协调运动控制和越障问题，提出了一种基于事件触发机制的模型预测控制（MPC）方法.建立了具有动态支撑多边形的轮腿机器人控制系统的数学模型。系统动力学模型为3个自由度，忽略俯仰、横滚和垂直运动。考虑电动机驱动特性和Burckhardt非线性轮胎模型，对单轮动力学进行了分析。在此基础上，建立了以电机转矩为输入、系统状态为输出的过驱动预测模型。由于支持多边形只在特定条件下调整，因此设计了基于事件的触发机制，以节省硬件资源和能量。MPC控制器上的虚拟样机以及物理样机进行评估。仿真结果为控制器在物理样机中的实现提供了参数整定指导。在这两个原型上的实验结果验证了所提出的方法的有效性。
2021-11-23 cs.RO
Learning Visuo-Motor Behaviours for Robot Locomotion Over Difficult Terrain
The Queensland University of Technology（昆士兰科技大学）
随着移动机器人在复杂的现实环境中执行日常任务变得越来越有用，它们必须能够穿越一系列困难的地形类型，例如楼梯，垫脚石，间隙，跳跃和狭窄的通道。这项工作研究穿越这些类型的环境与双足机器人（模拟实验），和跟踪机器人（现实世界）。开发一个传统的单片控制器穿越所有的地形类型是具有挑战性的，大型物理机器人需要现实的测试设施，必须确保安全。另一种选择是一套简单的行为控制器，可以组合以实现复杂的任务。这项工作有效地训练了复杂的行为，使移动机器人能够穿越困难的地形。随着新行为的出现，通过最大限度地减少再训练，机器人能够穿越越来越复杂的地形，从而导致可扩展行为库的发展。
2023-03-02 cs.RO
Design and locomotion control of soft robot using friction manipulation and motor-tendon actuation
Tufts University（塔夫茨大学）；University of Massachusetts, Lowell（马萨诸塞大学洛厄尔分校）；Yildiz Technical University（耶尔德兹理工大学）
由软材料制成的机器人可以在特定的轮廓中改变它们的形状和大小。这种变形能力对于救援机器人和在未知地形和环境中工作的机器人非常有帮助。在改变形状的过程中，软材料还可以存储和释放弹性能量，这是一种可以用于有效机器人运动的特性。然而，这些移动的软体机器人的设计和控制是不平凡的。该研究提出了一种3D打印的，电机肌腱驱动的软体机器人能够运动的设计方法。除了形状的变化，机器人使用摩擦操纵机制来影响运动。电机-腱致动器包括尼龙腱，尼龙腱沿着给定路径嵌入软体结构内，一端固定在本体上，另一端附接到电机。这些驱动器直接控制柔性体的变形，从而影响机器人的运动行为。静态应力分析被用作设计嵌入体内的这些肌腱的路径形状的工具。研究还提出了一种新的无模型学习控制方法的软体机器人与环境中的离散接触点进行交互。这种方法涉及到离散化的因素主导机器人与环境的相互作用的状态，学习的结果，机器人之间的机器人状态和评估所需的周期性状态控制序列优化成本函数对应的运动任务（旋转或平移）。巧妙的离散化允许框架存在于机器人的任务空间中，因此，便于控制序列的计算，而无需对致动器、主体材料或摩擦机制的细节进行建模。实验探索的框架的灵活性，将其应用到机器人与不同的摩擦机制和不同形状的肌腱路径。
2016-05-12 cs.RO
High Torque Density PCB Axial Flux Permanent Magnet Motor for Micro Robots
本文提出了一种基于PCB绕组的微尺度轴向磁通永磁电机，通过高密度互连技术实现高铜填充率，提升了微机器人在低速下的高扭矩输出能力。
2025-12-06 cs.RO
Learning Modular Robot Visual-motor Locomotion Policies
Carnegie Mellon University（卡内基梅隆大学）
针对模块化机器人运动策略此前仅适配平坦地形且无法泛化多设计的问题，提出模块化视觉-运动策略，通过组件重组结合深度强化学习实现多设计多环境泛化，已在真实机器人爬楼梯等场景验证有效。
2023-04-29 cs.RO
Single-Motor Robotic Gripper With Three Functional Modes for Grasping in Confined Spaces
本文提出一种单电机驱动的三模式机器人夹爪，通过两个自运动切换机构实现抓取、手指弯曲和拉入模式，从而在受限空间中完成手内操作并避免干涉，实验验证了其有效性。
2023-10-26 cs.RO
Learning robot motor skills with mixed reality
Brown University（布朗大学）；MERL（三菱电机研究实验室）
混合现实（MR）最近显示出巨大的成功，作为一个直观的界面，使最终用户能够教机器人。相关工作已经使用MR接口将机器人意图和信念传达给共处的人类，以及开发用于获取多模态人类输入和学习复杂运动行为的算法。即使取得了这些成功，使最终用户能够教机器人复杂的运动任务仍然是一个挑战，因为最终用户的沟通是高度依赖于任务和世界知识是高度多样化的。我们提出了一个学习框架，最终用户教机器人a）运动演示，b）任务约束，c）规划表示，和d）对象信息，所有这些都集成到一个单一的运动技能学习框架的基础上动态运动原语（DMP）。我们假设，传达这个世界的知识将是直观的MR接口，并结合不同形式的世界知识的样本高效的运动技能学习框架将使机器人能够有效地解决复杂的任务。
2022-03-21 cs.LG cs.RO
Adaptive Control of Motor-Position-Controlled Flexible Joint Robots with Uncertain Joint Stiffness
German Aerospace Center (DLR)（德国航空航天中心）
针对实际中精确关节刚度模型难获取的问题，提出一种自适应控制方法用于电机位置控制的柔性关节机器人，通过更新不确定非线性扭矩 - 挠度关系估计，结合隐式控制律等考虑不确定关节刚度，实验验证了该方法的有效性。
2026-07-17 cs.RO
Learning Transferable Motor Skills for Geometry-Aware Robotic Surface Tasks
Czech Institute of Informatics, Robotics, and Cybernetics（捷克信息学、机器人学与自动化研究所）；Czech Technical University in Prague（布拉格捷克技术大学）；Delft University of Technology（代尔夫特理工大学）
提出一种模块化框架，将几何运动规划与执行级专家行为解耦，通过可解释的原子运动规则和神经网络推断，实现跨几何形状的迁移学习。
2026-05-29 cs.RO
Single-Motor Robotic Gripper with Multi-Surface Fingers for Variable Grasping Configurations
Kanazawa University（金泽大学）
本研究提出一种由单电机驱动、具有多表面手指的机器人夹爪，通过磁铁自运动切换机构实现手指开合与旋转，从而获得九种可变抓取配置以适应不同物体。
2024-03-24 cs.RO
Spatiotemporal Predictive Pre-training for Robotic Motor Control
Nanjing University（南京大学）；Microsoft Research（微软研究院）；Institute of Microelectronics of the Chinese Academy of Sciences（中国科学院微电子研究所）
本文提出 STP 框架，通过双解码器联合执行空间预测和基于高掩码未来帧的时间预测，从大规模视频中同时学习内容特征和运动特征，显著提升机器人运动控制在未知环境中的泛化能力和数据效率。
2024-11-21 cs.RO
LiMo-Calib: On-Site Fast LiDAR-Motor Calibration for Quadruped Robot-Based Panoramic 3D Sensing System
China-Singapore International Joint Research Institute (CSIJRI)（中新国际联合研究院）；School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院）
针对四足机器人高频振动导致激光雷达-电机标定困难的问题，提出LiMo-Calib现场标定方法，利用几何特征免靶标，优化特征选择与重加权机制，提升标定效率和3D感知精度。
2025-02-25 cs.RO
Kick Motions for the NAO Robot using Dynamic Movement Primitives
Universität Bremen（不来梅大学）
在本文中，我们提出了流行的\emph{Dynamic Movement Primitives (DMP)}方法的足球比赛人形机器人域的可能第一个应用程序。DMP以其模仿先前演示的运动以及灵活地适应相对于速度和方向的期望轨迹的不可预见的变化的能力而闻名。如本文所示，这使得它们成为描述井涌运动的有用方法。此外，我们提出了一个数学电机模型，补偿NAO机器人的电机控制延迟，以及一个新的轻微扩展的NIO制定。电机模型用于计算零力矩点（ZMP），这是需要保持平衡的机器人，而踢。所有的方法都在真正的NAO机器人上进行了评估。
2016-06-02 cs.RO
Non-linear Hysteresis Compensation of a Tendon-sheath-driven Robotic Manipulator using Motor Current
Korea Advanced Institute of Science and Technology（韩国科学技术院）；Siemens Healthineers（西门子医疗）
腱鞘驱动操纵器（TSM）由于其细长的形状、灵活性和顺应性，使其在狭窄或曲折的环境中易于操纵，因此广泛用于微创手术系统。许多商业的基于TSM的医疗设备具有由其组成导致的非线性现象，诸如反冲滞后和死区，这导致实现末端执行器姿态的精确控制的相当大的挑战。然而，最近文献中的许多工作没有考虑这些现象的综合影响和补偿，也较少关注在现实条件下识别模型参数的实用方法。本文提出了一种简化的分段线性模型，同时构建间隙滞后和死区补偿器。此外，介绍了一种实用的方法来识别模型参数，使用电机电流从机器人控制器的TSM。我们所提出的方法进行了验证与多个心内超声心动图（ICE）导管，这是典型的商业例子的TSM，周期性和非周期性运动。结果表明，该方法可以有效地减小齿隙滞后和死区误差，提高机器人控制精度。
2021-01-29 cs.RO
MotorMind: Scaffolding General Vision Language Models for Zero-Shot Robot Manipulation
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
MotorMind通过中层动作表示和异步执行框架，使通用VLM无需外部模型即可实现零样本机器人操作，在LIBERO-PRO上达到66.7%成功率，在真实xArm6上达到95%平均成功率。
2026-09-30 cs.RO
Robot Composite Learning and the Nunchaku Flipping Challenge
New Jersey Institute of Technology（新泽西理工学院）；Hunan University（湖南大学）
先进的运动技能是机器人与人类共存的必要条件。许多关于机器人动力学和控制的研究已经在超级机器人电机能力方面取得了成功，但大多是通过大量的案例特定工程。同时，在机器人以普遍存在的方式获取技能方面，机器人学习从人类演示（LfD）取得了很大进展，但在处理动态技能和复合动作方面仍然存在局限性。在本文中，我们提出了一个复合学习计划，超越LfD和集成机器人学习从人类的定义，演示和评价。该方法解决了先进的运动技能，需要动态的时间临界机动，复杂的接触控制，并处理部分软部分刚性物体。我们还介绍了“双截棍翻转挑战”，一个极端的测试，把硬要求，所有这三个方面。本文在前面介绍的基础上，介绍了复合学习方案的最新进展和双节棍翻转挑战赛的物理成功。
2017-09-11 cs.RO
The e-Bike Motor Assembly: Towards Advanced Robotic Manipulation for Flexible Manufacturing
Bosch Center for Artificial Intelligence（博世人工智能中心）
本文面向柔性制造提出现场示教与编程自适应机器人的四层框架，整合自监督感知、示教学习技能、任务排序与在线优化，并在电动自行车电机装配和密集箱体装箱中验证。
2023-04-20 cs.RO
In-home and remote use of robotic body surrogates by people with profound motor deficits
Georgia Institute of Technology（佐治亚理工学院）；Willow Garage（柳树车库）
通过控制与人体相当的机器人，患有严重运动缺陷的人可能会为自己执行各种物理任务，提高他们的生活质量。由于缺乏合适的接口来控制机器人身体代理人，以及缺乏涉及大量患有严重运动缺陷的人的研究，这在多大程度上是可以实现的尚不清楚。我们开发了一种新颖的基于网络的增强现实界面，使运动障碍严重的人能够远程控制Willow Garage的PR2移动机械手，这是一种具有两个手臂的人类规模的轮式机器人。然后，我们进行了两项研究，调查机器人身体替代品的使用。在第一项研究中，来自美国各地的15名具有严重运动缺陷的新手用户控制了佐治亚州亚特兰大的PR2，以执行修改后的行动研究手臂测试（ARAT）和模拟自我护理任务。参与者在ARAT上取得了有临床意义的改善，15名参与者中有12名（80%）成功完成了模拟自我护理任务。与会者一致认为，机器人系统易于使用，很有用，并将为他们的生活提供有意义的改善。在第二项研究中，一名患有严重运动缺陷的专家用户在家中免费使用PR2七天。他完成了各种自我照顾和家务任务，并以新颖的方式使用机器人。将这两项研究结合在一起，我们的研究结果表明，患有严重运动缺陷的人可以使用机器人身体替代品来改善他们的生活质量，并且他们可以通过低水平的机器人自主性和无创界面来获益。然而，降低错误率和提高运算速度的方法值得进一步研究。
2019-03-22 cs.HC cs.RO
Initialization of Latent Space Coordinates via Random Linear Projections for Learning Robotic Sensory-Motor Sequences
Okinawa Institute of Science and Technology（冲绳科学技术大学院大学）
机器人运动学数据，尽管是一个高维的过程，是高度相关的，特别是当考虑到在某些基元分组的运动。基元内的这些几乎线性的相关性使我们能够将运动解释为在所有运动空间中靠近低维线性子空间的并集绘制的点。嵌入理论的结果，特别是惠特尼嵌入定理的推广的启发，我们表明，随机线性投影的电机序列到低维空间失去了很少的信息结构的运动学数据。投影点是机器人感觉-运动行为基元生成模型中潜变量值的很好的初始猜测。我们进行了一系列的实验，我们训练了一个递归神经网络，以产生9个自由度的机器人机械手的感觉运动序列。实验结果表明，未观察到的样本的泛化能力的显着改善的情况下，初始化的潜变量与随机线性投影的电机数据初始化为零或随机值。此外，潜在空间是结构良好的，其中属于不同基元的样本从训练过程的开始就被很好地分离。
2022-02-26 cs.LG cs.RO
A Central Motor System Inspired Pre-training Reinforcement Learning for Robotic Control
Northeastern University（东北大学）
本文提出受中枢运动系统启发的预训练强化学习方法CMS-PRL，通过融合奖励机制、基底神经节式技能编码和技能活动函数生成多样可复用技能，在稀疏奖励任务中优于基线方法，尤其适用于高自由度机器人。
2024-09-28 cs.AI cs.RO
Actuator-Constrained Reinforcement Learning for High-Speed Quadrupedal Locomotion
Korea Advanced Institute of Science and Technology（韩国科学技术院）
本文提出在执行器转矩-转速约束下进行强化学习，实现四足机器人高速奔跑，通过均匀分配转矩和轻量化足部设计，使45公斤的KAIST Hound达到6.5米/秒的最快速度。
2023-12-29 cs.RO
Design Paradigms Based on Spring Agonists for Underactuated Robot Hands: Concepts and Application
Columbia University（哥伦比亚大学）
在本文中，我们重点讨论了欠驱动机器人手设计中很少使用的范式：使用弹簧作为激动剂，使用肌腱作为拮抗剂。我们在一个设计矩阵中将这种方法形式化，同时考虑到它与所使用的欠驱动方法的相互作用（一个肌腱用于多个关节与一个电机轴上的多个肌腱）。然后，我们展示了如何在这个设计矩阵中的不同细胞可以结合起来，以促进实现所需的姿势协同作用与一个单一的电机。此外，我们表明，当激动剂和拮抗剂肌腱结合在同一个电机轴，所产生的弹簧力抵消可以利用产生多个理想的行为，我们证明了在物理原型。
2021-03-26 cs.RO
Human Motion Control of Quadrupedal Robots using Deep Reinforcement Learning
Seoul National University（首尔国立大学）；Georgia Institute of Technology（佐治亚理工学院）
基于运动的控制界面通过将用户的直觉与机器人的运动能力相结合，保证了机器人在危险环境中的灵活操作。然而，为非人形机器人（如四足或六足机器人）设计运动接口并不简单，因为不同的动力学和控制策略支配着它们的运动。我们提出了一种新的运动控制系统，允许人类用户无缝地操作四足机器人上的各种电机任务。我们首先使用监督学习和后处理技术将捕获的人体运动重定向到具有适当语义的相应机器人运动。然后，我们将动作模仿学习与课程学习相结合，开发了一种能够跟踪给定重定向参考的控制策略。我们通过训练一组专家来进一步提高运动重定向和运动模仿的性能。正如我们所展示的，用户可以使用我们的系统执行各种运动任务，包括站立，坐着，倾斜，操纵，行走和转动，模拟和真实的四足动物。我们还进行了一组研究，以分析每个组件引起的性能增益。
2022-04-28 cs.RO
Tello Leg: The Study of Design Principles and Metrics for Dynamic Humanoid Robots
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文介绍 TELLO 机器人腿部，提出协同驱动与近端驱动两项设计原则，并用 CII 指标量化电机布置对动态性能的影响。
2022-03-01 cs.RO
PRISM: Polynomial Representations for Interaction-Structured Motor Control
University of Michigan（密歇根大学）
研究针对机器人观察中物理变量交互作用问题，提出PRISM策略表示，通过因式分解多项式模块展现高阶交互特征，在强化和模仿学习中应用，提升了人形机器人运动等性能，还能产生无传感器柔顺行为，表明多项式表示应成运动控制标准选择。
2026-10-19 cs.RO
Motor Imagery Teleoperation of a Mobile Robot Using a Low-Cost Brain-Computer Interface for Multi-Day Validation
California Institute of Technology（加州理工学院）；University of Glasgow（格拉斯哥大学）
本研究提出带滑动窗口的微调DNN方法，搭配低成本EEG设备实现移动机器人的运动想象遥操作，减少70%训练数据，多日验证下仍保持较高准确率，提升了BCI技术的实用性与可及性。
2024-12-12 cs.RO
MonoRollBot: 3-DOF Spherical Robot with Underactuated Single Compliant Actuator Design
Geometric Mechanics and Mechatronics in Robotics (gm 2 R) Lab, the School of Engineering, Cardiff University（几何力学与机电一体化机器人（gm 2 R）实验室，工程学院，卡迪夫大学）
针对欠驱动滚动机器人致动器有限但需高自由度多方向推进的难题，提出仅靠单电机加被动弹簧实现三自由度运动的MonoRollBot球形机器人，并评估其运动能力及参数对运动行为的影响。
2025-04-15 cs.RO
From Knowing to Doing: Learning Diverse Motor Skills through Instruction Learning
Navigation and Control Research Center, Department of Automation, Tsinghua University（清华大学自动化系导航与控制研究中心）
本文提出机器人指令学习框架，将参考轨迹作为前馈动作并结合强化学习反馈控制，辅以动作约束和移除模仿奖励，实现双足与四足机器人多样运动技能的高效学习及 sim-to-real 迁移。
2023-11-01 cs.RO
FOTS: A Fast Optical Tactile Simulator for Sim2Real Learning of Tactile-motor Robot Manipulation Skills
School of Automation, Southeast University（东南大学自动化学院）；Key Laboratory of Measurement and Control of CSE, Ministry of Education（东南大学复杂工程系统测量与控制教育部重点实验室）；Department of Engineering, King’s College London（伦敦国王学院工程系）
本文提出快速光学触觉模拟器 FOTS，通过多层感知机映射、平面阴影生成和标记分布近似实现高效光学响应与标记运动仿真，并结合 MuJoCo 在销孔装配任务中验证了零样本 Sim2Real 触觉-运动操作技能学习。
2024-05-01 cs.RO
New Intelligent Transmission Concept for Hybrid Mobile Robot Speed Control
本文提出了一种利用二自由度齿轮传动实现移动机器人速度控制的新概念。所开发的智能速度控制器利用齿轮箱，其中包括周转齿轮训练与两个输入，一个耦合到发动机轴和另一个变速直流电动机的轴。净输出速度是两个输入速度的组合，并且由行星齿轮训练的传动比控制。这种新方法消除了变矩器的使用，而变矩器是所有可用的自动变速器的不可或缺的部分，从而减少了液力偶合器过程中在箱体中发生的功率损失。通过逐渐改变直流电动机的速度，实现了无级变速。所开发的控制器的其他优点是靠边停车和倒车，通过智能混合直流电动机和发动机的速度来实现。这种方法在整车设计中消除了传统的制动系统。使用两个动力源，内燃机和电池驱动的直流电动机，利用混合动力汽车的现代理念。新的移动机器人速度控制器即使在内燃机故障的极端情况下也能够驱动车辆，例如，由于气体耗尽。
2006-01-14 cs.RO
A Unified Multi-Dynamics Framework for Perception-Oriented Modeling in Tendon-Driven Continuum Robots
Robotics Department, Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（Mohamed bin Zayed大学人工智能研究院机器人部门）；Hefei National Research Center for Physical Sciences at the Microscale, University of Science and Technology of China (USTC)（中国科学技术大学微尺度物理科学国家级研究中心）
本文提出了一种统一的多动态框架，用于腱驱动连续机器人中基于内在动态的感知建模与交互解释。
2025-11-22 cs.RO
Hybrid Control for Learning Motor Skills
Northwestern University（西北大学）
我们开发了一种混合控制方法，机器人学习的基础上结合学习预测模型与基于经验的状态-动作策略映射，以提高机器人系统的学习能力。预测模型提供了对任务和物理的理解（这提高了样本效率），而基于经验的策略映射被视为“肌肉记忆”，将有利的行动编码为覆盖计划行动的经验。混合控制工具被用来创建一种算法方法，用于将学习的预测模型与基于经验的学习相结合。混合学习是一种通过系统地结合和提高预测模型和基于经验的策略的性能来有效学习运动技能的方法。混合学习的确定性变化的推导和扩展到一个随机的实现，放松了一些在原来的推导中的关键假设。每个变体都通过基于经验的学习方法（机器人与环境交互以获得经验）以及模仿学习方法（通过演示提供经验并在环境中进行测试）进行测试。结果表明，我们的方法是能够提高性能和样本效率的学习运动技能在各种实验领域。
2020-06-05 cs.RO
Application-Oriented Co-Design of Motors and Motions for a 6DOF Robot Manipulator
University at Buffalo（布法罗大学）；Mitsubishi Electric Research Laboratories（三菱电机研究实验室）；University of Kansas（堪萨斯大学）
本研究针对六自由度机械臂应用驱动的电机-运动协同设计问题，提出两步多任务协调方法，结合磁等效电路建模与直接配置可微仿真器，实现高效优化，仿真验证其性能优于基准方法。
2023-10-04 cs.RO cs.SY eess.SY
