LIMBO: Learning and Internalizing Model-Free Barrier Objectives for Agile and Safe Whole-Body Control
Amazon（亚马逊）；University of Washington（华盛顿大学）；University of California, Los Angeles（加利福尼亚大学洛杉矶分校）；California Institute of Technology（加利福尼亚理工学院）
LIMBO框架通过风险引导采样学习Q-CBF安全证书并蒸馏至任务策略，在29自由度人形机器人上实现无需在线过滤的敏捷安全全身控制。
2026-10-16 cs.RO
Integration of Riemannian Motion Policy with Whole-Body Control for Collision-Free Legged Locomotion
Manning College of Information and Computer Sciences at University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校曼宁信息与计算机科学学院）
本研究首次将RMPflow扩展至欠驱动动态足式系统，提出基于RMP流的全身控制框架，仿真验证平衡鲁棒性最高提升53%，并通过自研点足双足机器人的原地踏步实验验证了方案可行性。
2023-11-06 cs.RO
Shape-Aware Whole-Body Control for Continuum Robots with Application in Endoluminal Surgical Robotics
School of Informatics, University of Edinburgh（信息学院，爱丁堡大学）；Playground Robotics
本文提出一种面向肌腱驱动连续体机器人的形状感知全身控制框架，结合物理信息骨干模型与增强神经ODE实现形状估计，并利用MPPI控制器联合优化尖端跟踪、骨干顺应性与避障，在支气管镜体模实验中验证了其提升导航精度与安全性。
2025-10-14 cs.RO
Real-time Whole-body Obstacle Avoidance for 7-DOF Redundant Manipulators
UBTECH Robotics, Inc.（优必选机器人公司）
冗余度机器人的实时的【形】全身避障一直没有得到很好的实现，主要原因是计算量大。提出了一种冗余度机械臂在执行任务过程中，能够保证其全身实时的【形】避开运动障碍物的方法。机械手分为末端执行器和非末端执行器部分。基于动力系统理论，实现了机器人末端实时的【形】避障。此外，末端执行器可以达到给定的目标。采用零空间速度控制，实现了机器人的实时的【形】无端部障碍物避障。最后，设计了一个控制器，以确保全身避障。通过对UBTECH人形机器人的7自由度手臂的仿真和实验，验证了该方法的有效性。
2020-12-29 cs.RO
RVC-NMPC: Nonlinear Model Predictive Control with Reciprocal Velocity Constraints for Mutual Collision Avoidance in Agile UAV Flight
Czech Technical University in Prague（捷克布拉格技术大学）
本文提出一种基于RVC-NMPC的非线性模型预测控制方法，通过高效计算和直接整合互斥速度约束，实现高频率的碰撞回避控制，适用于敏捷无人机飞行。
2026-10-06 cs.RO
Informed Circular Fields for Global Reactive Obstacle Avoidance of Robotic Manipulators
Leibniz University Hannover（汉诺威莱布尼茨大学）；Technical University Munich（慕尼黑工业大学）
本文扩展了圆场预测（CFP）规划器，提出一种利用全局避障方向信息的机器人机械臂全局反应式运动规划框架，在降低计算量的同时实现整体结构避障与轨迹优化。
2023-08-04 cs.RO cs.SY eess.SY
Keep it Upright: Model Predictive Control for Nonprehensile Object Transportation with Obstacle Avoidance on a Mobile Manipulator
Technical University of Munich（慕尼黑工业大学）；University of Toronto Institute for Aerospace Studies（多伦多大学航空航天研究所）；University of Toronto Robotics Institute（多伦多大学机器人研究所）；Munich Institute of Robotics and Machine Intelligence（慕尼黑机器人与机器智能研究所）；Vector Institute for Artificial Intelligence（矢量人工智能研究所）
本研究提出一种全身约束的模型预测控制方法，用于移动机械臂在非抓取平衡物体时快速避障，并通过最小静态可行摩擦系数增强鲁棒性，实验验证了高达2.0米/秒速度和7.9米/秒²加速度的性能。
2023-10-16 cs.RO
A Collision-Free MPC for Whole-Body Dynamic Locomotion and Manipulation
ETH Zurich（苏黎世联邦理工学院）；NVIDIA（英伟达）
在本文中，我们提出了一个实时的全身规划器的碰撞无腿移动操作。我们执行自碰撞和环境碰撞避免软约束内的模型预测控制（MPC）计划，解决了多接触最优控制问题。通过惩罚一组代表性的原始碰撞体之间的有符号距离，机器人能够安全地执行各种动态机动，同时防止任何自碰撞。此外，在静态和动态环境中的无碰撞导航和操纵是可行的，通过有效的查询的距离和梯度，通过一个欧几里德签署的距离场。我们通过比较研究表明，我们的方法只是稍微增加了计算复杂性的MPC规划。最后，我们验证了我们的框架的有效性，通过一组硬件实验，涉及动态移动操作任务与潜在的碰撞，如运动平衡与摆动臂，重量投掷，和自主开门。
2022-02-24 cs.RO
Walking in Narrow Spaces: Safety-critical Locomotion Control for Quadrupedal Robots with Duality-based Optimization
University of California, Berkeley（加州大学伯克利分校）
本文提出一种结合指数离散控制屏障函数与对偶避障约束的四足机器人安全运动控制框架，利用多面体精确描述形状，实现真实世界中狭窄空间的安全自主导航。
2023-08-09 cs.RO
A Reactive Framework for Whole-Body Motion Planning of Mobile Manipulators Combining Reinforcement Learning and SDF-Constrained Quadratic Programmi
School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）；School of Computing, University of Leeds（利兹大学计算学院）
针对移动机械臂在杂乱环境中因冗余自由度导致运动规划受限的问题，提出一种结合Bayes-DSAC强化学习与SDF约束二次规划的混合框架，显著提升了全身运动规划的效率、安全性与成功率。
2025-03-31 cs.RO
Real-Time Whole-Body Safe Motion Generation for Multi-Segment Tendon-Driven Continuum Robots
本文提出一种基于能量变曲率模型和多点CBF-QP的统一驱动空间框架，实现多段腱驱动连续体机器人的实时全身安全运动生成，在动态场景中达到100%无碰撞成功率。
2026-10-02 cs.RO
A Synergistic Framework for Learning Shape Estimation and Shape-Aware Whole-Body Control Policy for Continuum Robots
School of Informatics, University of Edinburgh（爱丁堡大学信息学院）；Walker Department of Mechanical Engineering, the University of Texas at Austin（德克萨斯大学奥斯汀分校沃克机械工程系）
该研究提出一种基于两个增强型神经常微分方程交互的协同框架，用于腱驱动连续体机器人的形状估计与形状感知全身控制，在仿真和真实环境中均优于现有主流模型。
2025-02-20 cs.RO
Real-time Whole-Body Motion Planning for Mobile Manipulators Carrying Arbitrarily Shaped Payloads via Kinematically-Coupled SVSDF
University of Hong Kong（香港大学）；Tsinghua University（清华大学）
本文提出基于KC-SVSDF的移动操作臂实时全身运动规划框架，通过链分解碰撞检查等方法，可可靠在复杂环境中运输大型非凸任意形状负载。
2026-08-10 cs.RO
Whole-body Dynamic Collision Avoidance with Time-varying Control Barrier Functions
Zhejiang University（浙江大学）
本文提出一种基于机器人中心欧几里得符号距离场构造时变控制屏障函数的安全关键控制器，结合控制李雅普诺夫函数并转化为二次规划问题，实现 L 形机器人全身动态避障。
2023-11-30 cs.RO
Whole-Body Control of a Mobile Manipulator using End-to-End Reinforcement Learning
ETH Zürich（苏黎世联邦理工学院）
移动操作通常是通过顺序执行基地和机械手的运动。然而，这种简化导致效率的损失，并且在某些情况下导致工作空间大小的减小。尽管已经提出了不同的方法来解决全身控制（WBC）在线，他们要么是有限的运动学模型或不允许反应，在线避障。为了克服这些缺点，在这项工作中，我们提出了一个端到端的强化学习（RL）的WBC方法。我们在仿真中将我们学习的控制器与最先进的基于采样的方法进行了比较，并实现了更快的总体任务时间。此外，我们验证了我们的移动机械手RoyalPanda在具有挑战性的狭窄走廊环境中学习的政策。
2020-02-25 cs.LG cs.RO
Humanoid Self-Collision Avoidance Using Whole-Body Control with Control Barrier Functions
Massachusetts Institute of Technology（麻省理工学院）
这项工作结合了控制障碍功能（CBF）与全身控制器，使自我碰撞避免麻省理工学院的人形。现有的反应控制器的自碰撞避免不能保证无碰撞的轨迹，因为它们不利用机器人的全部动力学，从而损害运动学的可行性。相比之下，所提出的CBF-WBC控制器可以实时推理机器人的欠驱动动力学，以保证无碰撞运动。仿真结果验证了该方法的有效性。首先，一个简单的伸手实验表明，CBF-WBC使机器人的手偏离一个不可行的参考轨迹，以避免自碰撞。第二，CBF-WBC与设计用于动态运动的线性模型预测控制器（LMPC）相结合，并且CBF-WBC用于跟踪LMPC预测。步行实验表明，添加CBF避免腿部自碰撞时，由高层次的规划器提供的脚步位置或摆动轨迹是不可行的真实机器人，并产生可行的手臂运动，提高干扰恢复。
2022-11-06 cs.RO
An Efficient Representation of Whole-body Model Predictive Control for Online Compliant Dual-arm Mobile Manipulation
School of Informatics, The University of Edinburgh（爱丁堡大学信息学院）；The Alan Turing Institute（艾伦·图灵研究所）
针对双臂移动机械臂在线全身运动规划的约束难题，提出基于贝塞尔曲线参数化的双层MPC高效轨迹表示方法，提升高维空间在线执行效率与鲁棒性。
2024-10-30 cs.RO
Whole-Body Integrated Motion Planning for Aerial Manipulators
School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能系统工程学院）；Differential Robotics Technology Co., Ltd.（差分机器人技术有限公司）
提出一种面向四旋翼空中机械臂的全身一体化运动规划框架，通过灵活航点约束、时空优化与模仿学习，实现复杂任务下的安全可行轨迹生成，并经仿真和真机验证九项操作技能。
2025-09-29 cs.RO
A Closed-Form CLF-CBF Controller for Whole-Body Continuum Soft Robot Collision Avoidance
Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology（计算机科学与人工智能实验室，麻省理工学院）；Robotics Engineering Department, Worcester Polytechnic Institute（机器人工程系，沃斯堡理工学院）
本文提出闭式CLF-CBF控制器，用于软连续机器人的实时3D障碍物避障，通过分析嵌入安全约束确保稳定性和安全性，比传统方法快10至100倍。
2026-03-19 cs.RO
Generating Whole-Body Avoidance Motion through Localized Proximity Sensing
Università di Genova（热那亚大学）
本文提出融合部分分布ToF传感器点云与机器人几何模型的全身避障控制算法，通过最近点对和分层任务架构驱动非传感器化连杆安全避障，距离裕度最高提升100 mm。
2024-12-05 cs.RO
Dual-Arm Whole-Body Motion Planning: Leveraging Overlapping Kinematic Chains
Toyota Research Institute（丰田研究院）
针对高自由度双臂机器人在未知动态环境中实时运动规划的维度灾难问题，提出利用共享关节结构构建双动态路线图并高效搜索其组合的方法，在19自由度机器人上实验实现0.4秒平均规划时间与99.9%成功率。
2025-11-11 cs.RO
Safe Expeditious Whole-Body Control of Mobile Manipulators for Collision Avoidance
Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）；School of Advanced Manufacturing, Sun Yat-Sen University, Sun Yat-Sen University（中山大学先进制造学院）；School of Electrical and Automation Engineering, Hefei University of Technology（合肥工业大学电气与自动化工程学院）
针对移动操作机器人全身避障中的伪平衡与动态障碍难题，提出将自适应循环不等式融入CBF-QP，并结合自碰撞避免，实现安全可靠的全身无碰撞控制。
2025-07-28 cs.RO
Teleoperator-Aware and Safety-Critical Adaptive Nonlinear MPC for Shared Autonomy in Obstacle Avoidance of Legged Robots
Department of Mechanical Engineering, Virginia Tech（机械工程系，弗吉尼亚理工大学）；School of Neuroscience, Virginia Tech（神经科学学院，弗吉尼亚理工大学）
针对遥操作四足机器人杂乱环境避障，提出融合Boltzmann意图在线学习、PGD参数自适应与CBF安全约束的分层ANMPC框架，并通过Go2实验验证。
2025-09-26 cs.RO math.OC
PATACON: GPU-Parallel Tangent-Bundle RRT-Connect for Constrained Motion Planning
Kwangwoon University（光云大学）；Seoul National University（首尔大学）
本研究提出GPU并行双向规划器PATACON，通过探索切空间利用流形几何降低约束运动规划的计算开销，在双臂闭链等人形机器人任务中实现最高11.25倍加速，提升了规划效率。
2026-10-12 cs.RO
Linear Matrix Inequalities for Physically-Consistent Inertial Parameter Identification: A Statistical Perspective on the Mass Distribution
University of Notre Dame（圣母大学）；MIT（麻省理工学院）
随着基于模型的全身控制在足式机器人中的应用越来越多，人们对精确系统辨识方法的研究兴趣又重新抬头。一类重要的方法关注刚体系统的惯性参数。这些参数包括每个连杆的质量、第一质量矩（与质心位置相关）和转动惯量矩阵。本文的主要贡献是制定这些参数的线性矩阵不等式（LMI）的物理一致性约束。在识别中使用这些约束可以加速收敛并增加对噪声数据的鲁棒性。它是严格观察到，建议的LMI表示的质量分布的协方差，而不是其转动惯量。从这个角度来看，连接到数学中的经典问题的时刻产生新的约束体积的质量分布的每个环节。虽然以前的工作确保了物理可扩展性或在识别中使用凸优化，但这里的LMI独特地实现了这两个优点。约束应用于识别的腿为麻省理工学院猎豹3机器人。传动部件的详细属性被识别出与连杆惯性一起，通过半定规划进行参数优化以达到全局最优。
2017-09-18 cs.RO
Whole-Body Planning for Humanoids Navigating Confined Spaces via Self-Collision Avoidance References
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出三阶段全身规划框架，结合可微分自碰撞规避与可达性约束，在Unitree G1人形机器人上实现Cr<1.5的受限空间导航，生成复杂接触轨迹并训练出鲁棒在线跟踪策略。
2026-08-12 cs.RO
Recursive Hierarchical Projection for Whole-Body Control with Task Priority Transition
Beijing Research Institute of UBTECH Robotics（优必选机器人北京研究院）；Department of Automation, Tsinghua University（清华大学自动化系）
冗余度机器人需要同时执行具有不同优先级的多任务。对于全身控制（WBC）的复杂任务调度，需要进行任务优先级的转换。许多方法都致力于保证任务优先级转换过程中控制的连续性，但这些方法要么增加了计算量，要么不可避免地牺牲了任务的精度。本文将具有任务优先级转移的WBC问题表示为具有递归层次投影矩阵的层次二次规划问题。每个层次的任务通过HQP递归求解。我们提出了RHP矩阵，以形成不断变化的投影的每一个层次，使任务的优先级转换，而不增加计算消耗。此外，递归方法解决了WBC问题，而不会失去任务的准确性。通过多任务优先级转换的反应式避碰仿真，验证了该方案的有效性。
2021-09-22 cs.RO cs.SY eess.SY
Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
Magna International Inc.（Magna国际公司）
针对自动驾驶泊车机动，本文提出基于序列凸优化和离散 Dubins 模型的最优轨迹规划方法，在避撞与车辆物理约束下实现高效、平滑的无碰撞运动。
2025-05-13 cs.RO cs.SY eess.SY
Towards Connecting Control to Perception: High-Performance Whole-Body Collision Avoidance Using Control-Compatible Obstacles
Technical University of Munich（慕尼黑工业大学）；Technische Universität Dresden（德累斯顿工业大学）；Omar Al-Mukhtar University（奥马尔·穆赫塔尔大学）
本研究提出结合机械臂高频实时避障与数字孪生低频多模态高分辨率感知的方法，基于基元骨架实现控制与感知闭环，在9自由度机器人上通过实验验证了框架的功能与效率。
2023-12-15 cs.RO
Where Should I Look? Optimised Gaze Control for Whole-Body Collision Avoidance in Dynamic Environments
Oxford Robotics Institute, University of Oxford（牛津大学牛津机器人研究所）
随着机器人在日益复杂和动态的环境中运行，快速运动重新规划已成为一个广泛探索的研究领域。在现实世界的部署中，我们通常缺乏随时全面观察环境的能力，这就带来了在不断更新的运动计划下确定如何最好地感知环境的挑战。我们提供了第一次调查到一个“智能”控制器的视线控制，提供有效的感知环境中的障碍物规避和运动规划在动态和未知的环境。我们详细介绍了新的问题，确定最佳的头部摄像头的行为时，移动机器人的轨迹约束。此外，我们提出了一个贪婪的基于优化的解决方案，使用体素化的奖励和运动原语的组合。我们证明了我们的方法在2D和3D环境中优于基准方法，在探索局部环境的能力方面，以及在寻找无碰撞轨迹的卓越成功率方面-我们的方法显示出提供7.4倍更好的地图探索，同时始终实现更高的成功率生成无碰撞轨迹。我们使用GPU加速感知框架验证了我们在物理丰田人类支持机器人（HSR）上的研究结果。
2022-02-05 cs.RO
A Coarse-to-Fine Framework for Dual-Arm Manipulation of Deformable Linear Objects with Whole-Body Obstacle Avoidance
Tsinghua University（清华大学）；University of California, Berkeley（加州大学伯克利分校）
在有障碍物的受限环境中操纵可变形线性物体（DLO）以获得所需形状是一项有意义但具有挑战性的任务。全局规划是必要的，这样一个高度约束的任务，但是，规划者所需的DLO的精确模型是很难获得的，由于其可变形的性质，和不可避免的建模误差显着影响规划结果，可能会导致任务失败，如果机器人简单地执行规划的路径在开环的方式。在本文中，我们提出了一个由粗到精的框架，结合全局规划和本地控制的双臂操作的DLO，能够精确地实现所需的配置，并避免潜在的碰撞之间的DLO，机器人和障碍物。具体而言，全局规划器参考简单而有效的DLO能量模型，并计算粗略路径以有效地找到可行的解决方案;然后局部控制器遵循该路径作为指导，并使用闭环反馈对其进行进一步整形，以补偿规划误差并提高任务精度。仿真和真实世界的实验表明，我们的框架可以鲁棒地实现所需的DLO配置在约束环境中的不精确的DLO模型，这可能是不可靠的实现，只有规划或控制。
2023-02-17 cs.RO
Whole-Body Control for Velocity-Controlled Mobile Collaborative Robots Using Coupling Dynamic Movement Primitives
Shenzhen Institute of Artificial Intelligence and Robotics for Society (AIRS)（深圳人工智能与机器人研究院（AIRS））；Harbin Institute of Technology（哈尔滨工业大学）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
在本文中，我们提出了一个统一的全身控制框架速度控制移动协作机器人，可以分配任务运动到手臂和移动基地根据特定的任务要求，通过调整加权因子。我们的框架侧重于解决全身协调中的两个挑战性问题：1）移动基座和手臂的不同动态特性; 2）避免违反安全和配置约束。此外，我们的控制器还包括耦合动态运动基元，以实现协作和交互应用的基本功能，例如避障、人工教学和合规控制。在此基础上，我们设计了一个自适应的运动模式，直观的物理人机交互，通过调整的权重因子。所提出的控制器是在封闭的形式，因此相当计算效率。在一个实际的移动协作机器人上进行的几个典型的实验验证了所提出的控制器的有效性。
2022-11-06 cs.RO
LP-NavOA: Integrated Local Navigation and Obstacle Avoidance for Humanoid Robots under Limited Perception
College of Intelligence Science and Technology（智能科学与技术学院）；National University of Defense Technology（国防科技大学）
提出LP-NavOA框架，通过射线条件感知-动作PPO运动骨干和A*教师蒸馏的循环局部规划器，在短距离部分可观测感知下实现仿人机器人避障、稀疏目标恢复和稳定全身运动，将准时到达率从38-40%提升至85-97%。
2026-06-23 cs.RO
HOTICE: Whole-Body Humanoid Object Transportation in Cluttered Environments
University of Southern California（南加州大学）
HOTICE提出全身人形学习框架，通过解耦势场和双智能体强化学习，结合专家到通才蒸馏，实现杂乱环境中物体的鲁棒运输与避碰。
2026-09-23 cs.RO
Joint Vision-Based Navigation, Control and Obstacle Avoidance for UAVs in Dynamic Environments
Sapienza University of Rome（罗马大学）；IT+Robotics S.r.l.（IT+Robotics有限公司）
本文研究了基于视觉的无人机导航系统与鲁棒避障能力的耦合问题。前一个问题通过最大化兴趣点的可见性来解决，而后者则通过椭球排斥区域来建模。整个问题被转化为一个最优控制问题（OCP），并利用最先进的数值优化在几毫秒内解决。由此产生的轨迹非常适合到达指定的目标位置，同时以安全裕度避开障碍物，并最大限度地减少与感兴趣目标失去路线的可能性。将该技术与适当的椭圆体成形（即，通过与障碍物速度或与障碍物检测不确定性成比例地增大形状）导致鲁棒的障碍物回避行为。我们在广泛的模拟实验中验证了我们的方法，这些实验显示了即使在具有挑战性的条件下也能满足所有约束的有效能力。我们发布了本文的开源实现。
2019-11-05 cs.RO
SERA: Safe and Efficient Reactive Obstacle Avoidance for Collaborative Robotic Planning in Unstructured Environments
在工业4.0时代，非结构化环境中多个机器人之间的安全高效协作变得越来越重要。然而，实现人类和其他机器人之间的鲁棒和自主协作需要现代机器人系统具有有效的接近感知和反应性避障。在本文中，我们提出了一种新的方法，反应全身避障，确保无冲突的机器人，机器人之间的互动，即使在动态环境中。与现有的基于Jacobian类型、基于采样或几何技术的方法不同，我们的方法利用了最新的深度学习进展和拓扑流形学习，使其能够以高计算效率和快速图遍历技术轻松推广到其他问题设置。我们的方法允许机器人手臂在没有直接接触的情况下主动避开任意3D形状的障碍物，这是对传统工业协作机器人设置的重大改进。为了验证我们的方法，我们在一个机器人平台上实现了它，该平台由具有优化的接近传感器位置的双6自由度机械臂组成，能够在不同程度的干扰下协同工作。具体而言，一只手臂在实现其预定目标的同时执行反应性全身避障，而另一只手臂则模仿具有独立和潜在对抗性运动的人类合作者的存在。我们的方法为非静止环境中的安全人机协作提供了一个强大而有效的解决方案。
2023-03-28 cs.AI cs.RO
Safe Bimanual Teleoperation with Language-Guided Collision Avoidance
INRIA, Université de Lorraine, CNRS（INRIA、洛林大学、法国国家科学研究中心）
本文提出结合沉浸式VR控制与语音激活避碰的安全双手遥操作框架，通过语音指令构建三维障碍物网格并集成到全身控制器，在杂乱环境中显著提升操作安全性且不降低任务效率。
2025-07-07 cs.RO
Safety-Critical Whole-Body Control for Humanoid Robots via Input-to-State Safe Control Barrier Functions
Department of Intelligence and Information, Seoul National University（智能信息系，首尔国立大学）；Robotics Lab, Hyundai Motor Group（Hyundai Motor Group 机器人实验室）；Advanced Institute of Convergence Technology（融合技术高级研究院）
提出一种基于输入到状态安全控制屏障函数（ISSf-CBF）的分层安全关键全身控制框架，通过运动级全身控制器、ISSf-CBF安全滤波器和动力学级全身控制器，在存在未知扰动时保证人形机器人的运动学安全约束。
2026-05-25 cs.RO
Autonomy for Ferries and Harbour Buses: a Collision Avoidance Perspective
Technical University of Denmark（丹麦技术大学）
本文以丹麦首艘自主港口巴士 Greenhopper 为对象，介绍其 Short Horizon Planner 避碰防搁浅方案及符合 COLREGs 的自主技术栈，并通过全栈仿真验证其安全避碰能力。
2023-04-20 cs.RO cs.SY eess.SY
Whole-Body Safe Control of Robotic Systems with Koopman Neural Dynamics
本文提出基于Koopman算子的神经动力学框架，结合安全集算法实现高维非线性系统的安全控制，通过数据驱动方法提升机器人运动轨迹的准确性和避障能力。
2026-03-19 cs.RO
Egocentric Tactile and Proximity Sensors as Observation Priors for Humanoid Collision Avoidance
University of Colorado Boulder（科罗拉多大学波得尔分校）
本文提出基于强化学习的双足机器人全身避障框架，通过躲避球任务验证传感器属性对避障行为的影响，发现接近传感器在传感范围充足时可替代显式物体定位，稀疏非定向信号在样本效率上优于密集定向信号。
2026-04-28 cs.LG cs.RO
Dynamic Planning for Sequential Whole-body Mobile Manipulation
针对现有移动操作动态规划方法的局限性，研究提出融合在线任务规划、VKC全身运动规划与反应式MPC的一体化框架，经仿真与真实实验验证可在含人为干扰的动态场景下高效完成序列移动操作任务。
2024-06-21 cs.RO
A Linear and Exact Algorithm for Whole-Body Collision Evaluation via Scale Optimization
Zhejiang University（浙江大学）；Huzhou Institute of Zhejiang University（浙江大学湖州研究院）
碰撞评估在各种应用中至关重要。然而，现有的方法要么计算繁琐，要么与实际值有差距。在本文中，我们提出了一个零间隙的全身碰撞评估，它可以制定为一个低维线性规划。这个评估可以在O（m）计算时间内解析求解，其中m是这个线性规划中的线性不等式的总数。此外，所提出的方法是有效的，在获得其梯度，使其易于适用于优化为基础的应用程序。
2023-01-06 cs.RO
Constrained Whole-Body Tracking for Humanoid Robots
Stanford University（斯坦福大学）；NVIDIA Research（NVIDIA研究）
提出 ConstrainedMimic 框架，结合操作空间控制与控制障碍函数，在强化学习跟踪策略中实现实时约束满足，用于人形机器人全身运动跟踪与遥操作。
2026-10-15 cs.RO
Representing Robot Geometry as Distance Fields: Applications to Whole-body Manipulation
Idiap Research Institute（伊迪亚普研究所）；Ecole Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）
本文提出将机器人几何表示为距离场（RDF），扩展符号距离场至铰接链，实现关节空间鲁棒距离查询，并在仿真和Franka Emika机器人上验证了其在碰撞避免和全身操作中的有效性。
2024-03-17 cs.RO
Self-Contained Kinematic Calibration of a Novel Whole-Body Artificial Skin for Human-Robot Collaboration
University of Colorado（科罗拉多大学）；University of Texas at Arlington（德克萨斯大学阿灵顿分校）
在本文中，我们提出了一种基于加速度计的运动学校准算法，以准确地估计沿机器人身体分布的多个传感器单元的位姿。我们的方法是独立的，可以用于任何机器人提供了一个Denavit-Hartenberg运动学模型，并在任何皮肤上配备了惯性测量单元（IMU）。为了验证所提出的方法，我们首先在模拟中进行了广泛的实验，并从地面实况数据中证明了亚厘米的位置误差-相对于先前的工作改进了六倍;随后，我们在七自由度协作平台上进行了真实世界的评估。为此，我们还介绍了一种新的设计，一个独立的人工皮肤配备了一个IMU与所提出的算法和一个接近传感器用于感测距离附近的物体使用。总之，在这项工作中，我们展示了一种新的硬件设计，准确的校准方法和应用程序的初步工作之间的无缝集成：高位置精度有效地定位分布式接近数据，并允许分布式回避控制器，以安全地避开障碍物和人，而不需要额外的传感。
2021-10-27 cs.RO
Kinematics-Aware Diffusion Policy with Consistent 3D Observation and Action Space for Whole-Arm Robotic Manipulation
本文提出一种基于一致3D空间的运动学感知扩散策略，用于提高全身机械臂操作的样本效率和空间泛化能力。
2025-12-19 cs.RO
WBAG: A Whole-Body and Attached-Geometry Safety Framework for Vision-Language-Action Manipulation
Texas A&M University（德克萨斯A&M大学）；University of Pennsylvania（宾夕法尼亚大学）；University of Illinois Chicago（伊利诺伊大学芝加哥分校）
针对VLA操控中机器人全身及附着物体碰撞安全问题，提出WBAG框架，通过构建抓取条件化安全集并转化为CBF约束，最小化修改动作，在SafeLIBERO上实现97.38%场景安全性与59.38%安全成功率。
2026-10-08 cs.RO
TriPilot-FF: Coordinated Whole-Body Teleoperation with Force Feedback
Zeno AI；Zhejiang University（浙江大学）；Zhejiang University of Technology（浙江工业大学）；University of Sydney（悉尼大学）
TriPilot-FF通过引入脚踏板触觉反馈和双臂跟随遥控，实现了具有力反馈的协调全身遥控，提升移动机械臂的操控精度和避障能力。
2026-09-01 cs.RO
Unifying Complementarity Constraints and Control Barrier Functions for Safe Whole-Body Robot Control
Division of Robotics, Perception and Learning, KTH Royal Institute of Technology（机器人、感知与学习系，皇家理工学院）；Munich Institute of Robotics and Machine Intelligence, TUM（慕尼黑机器人与智能机械研究所，技术大学）；School of Computer Science, University of Nottingham（nottingham大学计算机科学学院）；Department of Mechanical Engineering, Stony Brook University（石溪大学机械工程系）
研究安全关键的全身机器人控制问题，通过证明互补约束和控制障碍函数在采样数据、一阶系统中的等价性，为相关技术提供统一视角，有理论和实践意义。
2026-07-28 cs.RO cs.SY eess.SY
Local Reactive Control for Mobile Manipulators with Whole-Body Safety in Complex Environments
The Hong Kong University of Science and Technology, Guangzhou（香港科技大学（广州））；School of Artificial Intelligence, Sun Yat-sen University（中山大学人工智能学院）
本文提出面向移动操作臂的空间域多步局部反应式控制器，利用AL-DDP处理解耦的连杆级避碰约束，显著提升狭窄杂乱环境中的安全性、效率与任务完成率。
2025-01-06 cs.RO cs.SY eess.SY
