RMPs for Safe Impedance Control in Contact-Rich Manipulation
Brown University(布朗大学)
操作空间的变阻抗控制是一种很有前途的学习接触丰富的操作行为的方法。这种方法的主要挑战之一是产生确保手臂和环境安全的操纵行为。这种行为通常通过惩罚不安全行为(例如障碍物碰撞,关节限制扩展)的奖励函数来实现,但这种方法并不总是有效,并且不会导致可以在略微不同的环境中重用的行为。我们将展示如何结合黎曼运动策略,一类动态生成运动的安全和碰撞约束的存在下,与可变阻抗操作空间控制学习更安全的接触丰富的操作行为的政策。
2022-03-07 cs.RO
MDIR: A Task-Manifold Impedance Retargeting Method for Contact-Rich Teleoperation
本研究提出MDIR方法,实现单演示下控制器间阻抗重定向,在Franka Panda机器人的三类任务中,该方法可降低腕力峰值等四项激进性指标,且15次闭环执行均通过任务检查。
2026-08-07 cs.RO
Impedance Optimization for Uncertain Contact Interactions Through Risk Sensitive Optimal Control
Tandon School of Engineering, New York University(纽约大学坦登工程学院);Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所)
本文讨论的问题,计算最佳阻抗的腿运动任务涉及复杂的接触相互作用的时间表。我们制定的问题阻抗调节作为干扰抑制和测量不确定性之间的权衡。我们扩展了随机最优控制算法称为风险敏感控制,考虑到测量的不确定性,并提出了一个正式的方法,包括未知的接触位置的不确定性。该方法可以有效地生成最优状态和控制轨迹以及局部反馈控制增益,即阻抗时间表。大量的模拟表明,该方法在产生有意义的刚度和阻尼调制模式之前和之后的接触相互作用的能力。例如,接触力在早期接触期间减小,阻尼增加以预期高冲击事件,并且跟踪自动地权衡以增加稳定性。特别是,我们表现出一个显着的性能改善,在跳跃和小跑任务与模拟四足机器人。
2021-01-25 cs.RO cs.SY eess.SY
Impedance Adaptation by Reinforcement Learning with Contact Dynamic Movement Primitives
Agile Robots AG(敏捷机器人公司);Fraunhofer IPK(弗劳恩霍夫生产设备与设计技术研究所);Universität Hamburg(汉堡大学);Intel Asia-Pacific Research & Development Ltd.(英特尔亚太研发有限公司)
动态运动基元(DMP)允许复杂的位置轨迹被有效地演示给机器人。在接触丰富的任务中,在接触几何形状变化的情况下,单独的位置轨迹可能不安全或鲁棒,DMP已经扩展到包括力轨迹。然而,不同的任务阶段或自由度可能需要跟踪位置或力--例如,一旦进行接触,则更重要的是在接触方向上跟踪力演示轨迹。机器人阻抗在跟随位置或力参考轨迹之间平衡,其中高刚度跟踪位置并且低刚度跟踪力。本文提出了使用DMPs从演示中学习位置和力的轨迹,然后通过强化学习训练的更高级别的控制策略在线调整阻抗参数。这允许使用DMP一次性演示任务,并通过阻抗自适应提高鲁棒性和性能。该方法在钉孔和胶带应用任务上进行了验证。
2022-03-21 cs.RO
A variable rest length impedance grasping strategy in the port-Hamiltonian framework
University of Groningen(格罗宁根大学);University of Bologna(博洛尼亚大学)
本文研究了一类标准力学系统在端口-哈密顿框架下的阻抗抓取策略。我们嵌入了现有阻抗抓取策略的弹簧的可变静止长度,以实现稳定的非接触到接触过渡和期望的抓取力。我们利用标准力学系统的端口哈密顿结构。首先,我们利用一个变量的变化,将端口哈密顿系统转换成一个恒定的质量惯性矩阵。然后,我们通过具有可变静止长度的\emph{virtual spring}实现阻抗抓取控制。由虚拟弹簧施加的力导致阻抗抓取控制器中的耗散项,这是获得更平滑的非接触到接触过渡所需要的。仿真和实验结果,以激励我们的结果。
2020-08-05 cs.RO
Manifold Generative Annealing for Contact Constraint-aware Impedance Control with Reinforcement Learning Prior
Carnegie Mellon University(卡内基梅隆大学);Chinese Academy of Sciences(中国科学院)
该研究针对接触丰富机器人任务中接触条件变化导致现有方法失效的问题,提出流形生成退火(MGA)框架,结合无模型与基于模型方法优化运动-阻抗,在三类任务中提升了阻抗控制的安全成功率。
2026-10-16 cs.RO
An Open Tele-Impedance Framework to Generate Data for Contact-Rich Tasks in Robotic Manipulation
Istituto Italiano di Tecnologia(意大利技术研究院)
在机器学习中使用大型数据集已经取得了出色的结果,在某些情况下,在被认为是机器不可能完成的任务中,它的表现超过了人类。然而,在处理物理交互任务时,例如,在接触丰富的机器人操作中,仍然是一个很大的挑战。众所周知,调节这种操作的笛卡尔阻抗对于它们的成功执行是至关重要的。像强化学习(RL)这样的方法可能是解决此类问题的一个很有前途的范例。更确切地说,在解决新任务时使用任务不可知的专家演示来引导学习的方法具有巨大的潜力,因为它们可以利用大型数据集。然而,现有的数据汇集系统昂贵、复杂,或者不允许阻抗调节。这项工作是迈向数据汇集框架的第一步,该框架适用于收集与RL问题制定兼容的基于阻抗的专家演示的大型数据集,其中使用了一种新的动作空间。该框架是根据广泛分析机器人操作的可用数据汇集框架后获得的要求设计的。其结果是一个低成本和开放访问的远程阻抗框架,使人类专家能够演示接触丰富的任务。
2023-02-06 cs.RO
Stiffness Copilot: An Impedance Policy for Contact-Rich Teleoperation
本文提出Stiffness Copilot,一种基于视觉的共享控制策略,通过在线调整机器人刚度实现安全高效的接触丰富任务远程操作。
2026-08-05 cs.RO
A Contact Model based on Denoising Diffusion to Learn Variable Impedance Control for Contact-rich Manipulation
Digital & AI Technology Center, Technology Division, Panasonic Holdings Corporation(松下控股公司技术事业部数字与人工智能技术中心);Robotics Promotion Office, Manufacturing Innovation Division, Panasonic Holdings Corporation(松下控股公司制造创新事业部机器人推进办公室);Ritsumeikan University(立命馆大学)
本文提出扩散接触模型(DCM),利用去噪扩散模型的多步迭代计算模拟高度非线性的接触动力学,从变刚度输入预测接触轨迹,在保持与传统优化方法相当性能的同时显著减少了机器人试错次数。
2024-03-20 cs.RO
Contact-Aware Impedance Controller for Robot-Assisted Ultrasound Imaging
Center for Robotics and AI (ROMER), Middle East Technical University(中东技术大学机器人与人工智能中心(ROMER))
提出基于B模式超声图像的接触感知与阻抗控制方法,实现接触定位与力降低,实验显示接触定位误差1.46mm,最大压缩力降低36.3%,提升安全性与准确性。
2026-09-29 cs.RO
HumanoidVLM: Vision-Language-Guided Impedance Control for Contact-Rich Humanoid Manipulation
Skolkovo Institute of Science and Technology(斯克尔科沃科学与技术研究所)
HumanoidVLM通过视觉-语言模型和检索增强生成模块,实现人形机器人在接触密集场景中的自适应阻抗控制与抓取配置选择。
2026-01-21 cs.RO
Continuous Manifold-Decomposed Impedance Retargeting for Contact-Rich Imitation Learning
The University of Tokyo(东京大学)
提出CMDIR,将固定阻抗演示转化为连续变阻抗控制器,作为模仿学习监督,在真实接触任务中提升保留率并降低力波动,FastMPO加速5.8-9.4倍。
2026-09-15 cs.RO
Impedance Cloning: Learning Equilibrium Point Parameters for Contact-Rich Manipulation
Saitama University(埼玉大学)
提出阻抗克隆方法,通过模仿刚度和平衡点参数而非轨迹,实现接触丰富操作对表面几何变化的鲁棒性,在擦拭和拾放任务中优于轨迹基线和固定阻抗基线。
2026-09-28 cs.RO
FILIC: Dual-Loop Force-Guided Imitation Learning with Impedance Torque Control for Contact-Rich Manipulation Tasks
Tsinghua University(清华大学);The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));DISCOVER Robotics(DISCOVER机器人)
提出FILIC框架,通过双环结构结合Transformer策略与阻抗控制器,利用关节力矩估计末端力,实现无力传感器下的力感知接触操作,显著提升安全性和适应性。
2026-06-23 cs.RO
Desired Impedance Allocation for Robotic Systems
Faculty of Engineering and Natural Science, Tampere University(工程与自然科学学院,塔尔库大学)
本研究首次在虚拟分解控制框架中引入第二阶阻抗分配方法,通过重新定义末端速度并引入加速度和伪阻抗项,在保持模块化的同时实现了更优的跟踪与接触性能,显著提升了刚性环境下的交互稳定性。
2025-05-02 cs.RO
Hybrid Impedance-Admittance Control with Multi-Link Aerial Robot for Contact-Rich Surface Sliding Task
The University of Tokyo(东京大学)
该研究针对多旋翼空中机器人,提出混合阻抗-导纳控制策略,利用其铰接形态分离力与运动调节,实现未知表面上稳健柔顺的接触丰富表面滑动任务。
2026-08-04 cs.RO cs.SY eess.SY
Nonlinear Subsystem-based Adaptive Impedance Control of Physical Human-Robot-Environment Interaction in Contact-rich Tasks
Tampere University(坦佩雷大学)
针对7自由度触觉外骨骼在接触丰富任务中的稳定性与渲染能力问题,提出基于子系统的自适应阻抗控制方法,并通过虚拟稳定性证明和可变虚拟质量元件改进Z-width,实验验证了其有效性。
2023-08-09 cs.RO
Interactive Force-Impedance Control
PRISMA Lab, Department of Electrical Engineering and Information Technology, University of Naples Federico II(那不勒斯费德里科二世大学电气工程与信息技术系PRISMA实验室);Chair of Information-oriented Control (ITR), Department of Electrical and Computer Engineering, Technical University of Munich(慕尼黑工业大学电气与计算机工程系信息导向控制教席)
本文提出统一交互力-阻抗控制框架,通过端到端学习适应交互功率流,确保在密集接触环境中安全高效的机器人与人类协作。
2026-03-31 cs.RO
A Projected Inverse Dynamics Approach for Dual-arm Cartesian Impedance Control
University of Edinburgh(爱丁堡大学);University of Birmingham(伯明翰大学);Technical University Braunschweig(布伦瑞克工业大学)
我们提出了一种方法,双臂操纵的刚性物体,受到外部干扰。该问题被制定为一个笛卡尔阻抗控制器内的投影逆动力学框架。我们使用控制器的受约束组件来强制接触和无约束控制器来完成具有期望的6-DOF阻抗行为的任务。此外,所提出的方法优化了保持接触所需的扭矩,受到未知的干扰,并且可以在不直接测量外力的情况下这样做。该技术进行了评估单臂擦拭表和双臂平台操纵一个刚性物体的未知质量和与人类的互动。
2017-07-03 cs.RO
Constraint-Grounded Reinforcement Learning for Variable Impedance Control in Contact-Rich Robotic Insertion
The University of Tennessee(田纳西大学)
针对机器人插入中固定增益需手动调整的问题,提出约束锚定强化学习框架,在力限制下在线调整阻抗增益,实验显示成功率显著优于固定增益基线。
2026-09-15 cs.RO
CompliantVLA-adaptor: VLM-Guided Variable Impedance Action for Safe Contact-Rich Manipulation
Human-Robot Interfaces and Interaction Lab, Istituto Italiano di Tecnologia, Genoa, Italy(人机交互实验室,意大利理工学院,热那亚,意大利);Ph.D. program of national interest in Robotics and Intelligent Machines (DRIM) and Università di Genova, Genoa, Italy(机器人与智能机器国家利益博士项目和热那亚大学,热那亚,意大利);Edwardson School of Industrial Engineering, Purdue University, West Lafayette, IN 47907, USA(工业工程埃德华森学校,普渡大学,西拉法克萨,印第安纳州47907,美国);Georgia Institute of Technology, Atlanta, USA(佐治亚理工学院,亚特兰大,美国);German Research Center for AI, Germany(德国人工智能研究中心,德国);TU Darmstadt, Darmstadt, Germany(图宾根大学,图宾根,德国);Karlsruhe Institute of Technology, Karlsruhe, Germany(卡尔斯鲁厄理工学院,卡尔斯鲁厄,德国)
本文提出CompliantVLA-adaptor,通过引入基于视觉语言模型的上下文感知变量阻抗控制,提升接触密集任务的安全性和有效性。方法通过图像和自然语言解读任务上下文,调节阻抗控制器的刚度和阻尼参数,并利用实时力/扭矩反馈确保安全。实验表明在模拟和现实任务中均优于基线方法。
2026-03-17 cs.RO
Divide et Impera: Decoding Impedance Strategies for Robotic Peg-in-Hole Assembly
Massachusetts Institute of Technology(麻省理工学院);Johns Hopkins University(约翰斯·霍普金斯大学)
本文基于EDA框架研究机器人销孔装配,通过聚类和PCA分析多种成功阻抗解的分布结构,并提出神经网络成功预测器来估计可行参数,从而减少试错调参并提升阻抗控制的可及性。
2025-03-09 cs.RO
Quadrotor Manipulation System: Development of a Robust Contact Force Estimation and Impedance Control Scheme Based on DOb and FTRLS
Cardiff Metropolitan University(卡迪夫城市大学);Menoufia University(米努菲亚大学);Egypt-Japan University of Science and Technology(埃及日本科学技术大学)
本文针对四旋翼机械臂操作系统的不稳定性与力估计难题,提出基于扰动观测器DOb和快速跟踪递归最小二乘FTRLS的鲁棒接触力估计与阻抗控制方案,并通过数值仿真验证其有效性。
2024-09-05 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
Imp-ACT: Adaptive Impedance Control and Action Chunking with Transformers to Learn Contact-Rich Manipulation from Demonstrations
Istituto Italiano di Tecnologia(意大利理工学院);Carnegie Mellon University(卡内基梅隆大学)
Imp-ACT通过遥操作中自适应刚度调制和Transformer动作分块,在擦拭和插头插入任务中实现高成功率并显著降低接触力。
2026-09-28 cs.RO
Contact-rich SE(3)-Equivariant Robot Manipulation Task Learning via Geometric Impedance Control
UC Berkeley(加州大学伯克利分校);Yonsei University(延世大学)
本文提出一种基于SE(3)几何阻抗控制与学习型增益调度的机器人操作任务学习方法,通过几何一致误差向量实现等变策略,显著提升学习可迁移性,并在插孔任务中验证了可行性。
2023-12-18 cs.RO cs.SY eess.SY
Dynamic analysis of simultaneous adaptation of force, impedance and trajectory
Imperial College of Science, Technology and Medicine(帝国理工学院)
当执行与环境接触的任务时,发现人类同时适应力、阻抗和轨迹。在这里,我们开发了一个机器人模型,这种机制在人类和分析的基础动力学。我们推导出一个通用的自适应控制器的机器人与环境的相互作用,其特点是它的刚度和阻尼,使用李雅普诺夫理论。
2016-05-25 cs.RO
VIDP: Variable Impedance Diffusion Policy for Compliant Robot Manipulation from Diverse Demonstrations
该研究针对接触丰富的机器人操作问题,提出基于模仿学习的可变阻抗控制框架VIDP,利用TP-DAMM从多样本演示中提取物理一致的轨迹分布,无需力传感器即可联合预测位姿与柔顺性,在真实实验中任务成功率及力、跟踪误差表现均优于基线方法。
2026-08-07 cs.RO
Visualizing Impedance Control in Augmented Reality for Teleoperation: Design and User Evaluation
Eindhoven University of Technology(埃因霍温理工大学)
针对低成本无触觉反馈遥操作中力感知困难的问题,提出增强现实可视化阻抗控制器目标位姿及其与末端执行器位移的方法,实验表明该可视化使力关键提升任务完成时间减少24%。
2026-07-02 cs.RO
Impedance Primitive-augmented Hierarchical Reinforcement Learning for Sequential Tasks
TU Delft(代尔夫特理工大学);IISc Bangalore(班加罗尔印度理工学院)
本文提出阻抗基元增强的分层强化学习框架,通过可变刚度动作空间、自适应刚度控制器和可供性耦合,提升顺序接触任务中的学习效率、基元组合性与成功率,并验证了 sim2real 能力。
2025-08-27 cs.RO
Model Predictive Impedance Control with Gaussian Processes for Human and Environment Interaction
Fraunhofer IPK(弗劳恩霍夫生产设备与设计技术研究所)
本文提出基于高斯过程的模型预测控制框架,用于处理人机交互中的多种不确定性,通过非线性优化提升机器人轨迹和阻抗的适应性与安全性。
2022-12-10 cs.RO
Visuo-Tactile Exploration of Unknown Rigid 3D Curvatures by Vision-Augmented Unified Force-Impedance Control
Chair of Robotics and Systems Intelligence, MIRMI-Munich Institute of Robotics and Machine Intelligence, Technical University of Munich(慕尼黑工业大学机器人与系统智能教席,慕尼黑机器人与机器智能研究所);Centre for Tactile Internet with Human-in-the-Loop (CeTI)(以人为中心的触觉互联网中心)
本文提出VA-UFIC方法,通过融合视觉与触觉数据直观探索未知三维曲率,利用在线接触对齐监测系统自适应调整刚度与力,并引入虚拟能量罐保障安全,在Franka Emika机器人上验证了其有效性。
2024-08-26 cs.RO
Soft Continuum Actuator Tip Position and Contact Force Prediction, Using Electrical Impedance Tomography and Recurrent Neural Networks
Imperial College London(帝国理工学院)
本文提出基于EIT与LSTM的软体弯曲驱动器形状感知方法,利用EIT数据和压力输入预测末端位置与接触力,并通过通道数对比验证了精度提升。
2023-04-25 cs.RO
Impedance Control of Ship-Borne Manipulators via Optimization-based Task-Space Inverse Dynamics
针对舰载机械手受波浪基座运动影响问题,提出基于扭矩水平优化控制框架,结合任务空间逆动力学和误差状态卡尔曼滤波器,经仿真与实验验证,有效降低跟踪误差,实现动态销孔插入,提升操作成功率并减少接触力。
2026-07-27 cs.RO
URF: A Unified Robot Control-Policy Framework for Stable Contact Aware Manipulation
Faculty of Mechanical Engineering, Sungkyunkwan University(成均馆大学机械工程学院);Faculty of Intelligent Robotics, Sungkyunkwan University(成均馆大学智能机器人学院)
研究针对基于学习的操纵策略中动作预测与执行分离在刚性接触时的问题,提出URF统一框架,结合多模态观察预测虚拟目标等,利用接触力构建标签监督控制器模式预测,在相关任务中提升成功率并减少失败模式。
2026-07-24 cs.RO
Force-Aware Residual DAgger via Trajectory Editing for Precision Insertion with Impedance Control
Xi’an Jiaotong-Liverpool University(西交利物浦大学)
本文提出TER-DAgger框架,通过优化轨迹编辑学习残差策略,减少协变量偏移,结合力感知的失败预判机制和阻抗控制框架,提升精确插入任务的成功率。
2026-07-24 cs.RO
Development of a Novel Impedance-Controlled Quasi-Direct-Drive Robotic Hand
Stony Brook University(石溪大学)
本文提出一种新型四自由度准直驱两指机械手,采用关节空间和笛卡尔空间变阻抗控制及FOC算法,无需复杂力传感器即可安全实现稳定的力闭合抓取、手内操作及动态操作,且基于3D打印构建为低成本平台。
2024-05-29 cs.RO
OmniVIC: A Self-Improving Variable Impedance Controller with Vision-Language In-Context Learning for Safe Robotic Manipulation
Human-Robot Interfaces and Interaction Lab, Istituto Italiano di Tecnologia, Genoa, Italy(人机交互实验室,意大利理工学院,热那亚);Georgia Institute of Technology, Atlanta, USA(佐治亚理工学院,美国亚特兰大)
针对传统可变阻抗控制器在复杂非结构化接触场景泛化性不足的问题,提出融合自改进RAG、ICL与VLM的OmniVIC控制器,结合力反馈保障安全,在仿真和真实任务中显著提升成功率并减少力违规。
2026-10-30 cs.RO
Ultrasound-Guided Assistive Robots for Scoliosis Assessment with Optimization-based Control and Variable Impedance
The Hong Kong Polytechnic University(香港理工大学)
医疗保健辅助机器人的需求不断增长,因为它具有将医生从日常工作中解放出来的巨大潜力。在本文中,我们研究了一个基于优化的控制框架的超声引导辅助机器人进行脊柱侧凸评估的发展。利用超声成像进行脊柱侧凸评估的常规程序通常需要执业医师沿着患者的背部滑动超声探头。为了自动化这种类型的过程中,我们需要考虑多个目标,如接触力,位置,方向,能量,姿态等,以解决上述组件,我们建议制定控制框架设计作为一个二次规划问题,每个目标的权重由其任务的优先级受到一组平等和不平等的约束。此外,由于机器人需要在脊柱扫描过程中与患者建立恒定的接触,因此我们在控制架构中加入了末端执行器位置和方向的可变阻抗调节,以增强物理人机交互过程中的安全性和稳定性。其中,通过从医学专家的演示中学习来检索可变阻抗增益。所提出的方法进行评估的自主脊柱侧凸评估与机器人操作器xArm的真实世界的实验。通过获得的体模和人体受试者的冠状脊柱图像验证了该方法的有效性。
2022-03-04 cs.RO
Development of a Novel Impedance-Controlled Quasi-Direct-Drive Robot Hand
Stony Brook University(石溪大学)
本研究研发了一款带关节与笛卡尔空间可变阻抗控制的准直驱双指机器人手,采用FOC电流传感控转矩、可反向驱动齿轮系,3D打印加现成组件实现低成本,无需复杂力/触觉传感器即可完成多种灵巧抓取与操作任务。
2023-08-21 cs.RO
Compliance for Free: Learning Identifiable Impedance via Bilateral Teleoperation
Institut de Robòtica i Informàtica Industrial, CSIC-UPC Barcelona(巴塞罗那工业机器人研究所(CSIC-UPC))
针对视觉-语言-动作模型缺乏合规性监督的问题,提出利用四通道双边遥操作消除可辨识性障碍,以零标注成本生成每轴刚度标签并微调VLA,在Franka擦拭任务中实现接触力随指令显著变化。
2026-09-18 cs.RO
Safe Online Gain Optimization for Variable Impedance Control
University of California, Berkeley(加州大学伯克利分校);Harbin Institute of Technology(哈尔滨工业大学)
平滑的行为对于许多接触丰富的操作任务是优选的。阻抗控制作为一种有效的方式来调节机器人的运动,通过模仿质量弹簧阻尼系统。因此,机器人的行为可以通过阻抗增益来确定。然而,针对不同任务调整阻抗增益是棘手的,特别是对于非结构化环境。此外,在线调整最佳增益以满足时变性能指标更具挑战性。在本文中,我们提出了安全的在线增益优化可变阻抗控制(安全OnGO-VIC)。通过将阻抗控制的动力学转化为一个控制仿射系统,其中阻抗增益是输入,我们提供了一个新的视角来理解可变阻抗控制。此外,我们创新地制定了一个优化问题,在线收集的力信息,以获得最佳的阻抗增益实时。安全约束也嵌入在所提出的框架,以避免不必要的碰撞。我们实验验证了所提出的算法上的三个操作任务。与恒定增益基线和自适应控制方法的比较结果证明了该算法的有效性和可推广性。
2021-11-01 cs.RO cs.SY eess.SY
ComFree-Sim: A GPU-Parallelized Analytical Contact Physics Engine for Scalable Contact-Rich Robotics Simulation and Control
本文提出ComFree-Sim,一种基于GPU并行的分析接触物理引擎,通过阻抗式预测-校正更新计算接触冲量,实现接触计算的线性时间复杂度,适用于接触密集型机器人仿真与控制。
2026-03-14 cs.RO
Learning Variable Impedance Skills from Demonstrations with Passivity Guarantee
School of Artificial Intelligence, University of Chinese Academy of Sciences(中国科学院大学人工智能学院);Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所)
本文提出一种从人类演示中学习变阻抗控制的框架,通过非参数方法估计完整刚度矩阵并结合力与运动信息生成依赖状态的刚度分布,同时引入基于罐的新颖变阻抗控制方法以确保无源性,实验证明其鲁棒性与易实现性优于传统方法。
2024-07-27 cs.AI cs.RO
Learning Variable Impedance Control via Inverse Reinforcement Learning for Force-Related Tasks
University of California, Berkeley(加州大学伯克利分校);Harbin Institute of Technology(哈尔滨工业大学)
许多操作任务需要机器人与未知环境进行交互。在此类应用中,根据不同任务阶段和环境约束调整阻抗的能力对于安全性和性能至关重要。虽然已经提出了许多基于深度强化学习(RL)和从演示示教学习(LfD)学习的方法来获得接触丰富的操作任务上的可变阻抗技能,但是这些技能通常是特定于任务的,并且可能对任务设置的变化敏感。本文提出了一种基于逆强化学习(IRL)的方法,从专家演示中恢复可变阻抗策略和奖励函数。我们探索不同的行动空间的奖励函数,以实现更一般的表示专家的可变阻抗技能。两个可变阻抗任务(钉孔和杯板)的实验进行了模拟和真正的FANUC LR Mate 200 iD/7 L工业机器人。与行为克隆和基于力的IRL的比较结果表明,增益动作空间中的学习奖励函数比力空间中的学习奖励函数具有更好的可传递性。实验视频可在https://msc.berkeley.edu/research/impedance-irl.html上获得。
2021-02-13 cs.RO
Stability-Guaranteed Reinforcement Learning for Contact-rich Manipulation
Royal Institute of Technology(瑞典皇家理工学院);ASEA Brown Boveri (ABB) Corporate Research(ABB集团企业研究院)
强化学习(RL)在接触丰富的操作任务中取得了相当大的成功,但它仍然落后于机器人控制理论的进步,如阻抗控制和稳定性保证。最近,可变阻抗控制(VIC)的概念被采用到RL中,并取得了令人鼓舞的结果。然而,更重要的稳定问题仍未得到解决。为了澄清稳定强化学习中的挑战,我们引入了术语“全时稳定性”,这明确意味着每一个可能的部署都将获得稳定性认证。我们的贡献是一个无模型RL方法,不仅采用VIC,但也实现了所有的时间稳定性。基于最近提出的稳定VIC控制器作为策略参数化,我们引入了一种新的策略搜索算法,该算法受到交叉熵方法的启发,本质上保证了稳定性。我们的实验研究证实了稳定性保证的可行性和实用性,并具有,据我们所知,第一次成功应用RL与所有的时间稳定的基准问题的钉孔。
2020-09-27 cs.RO
Integrated Grasping Controller Leveraging Optical Proximity Sensors for Simultaneous Contact, Impact Reduction, and Force Control
Kyushu University(九州大学);Kanazawa University(金泽大学)
本文提出一种集成抓取控制器,基于多重阻抗控制和虚拟动力学思想,利用光学接近传感器同时实现手指同时接触、冲击抑制和接触力控制,从而有效抓取未知物体。
2024-07-08 cs.RO
Impedance Control for Manipulators Handling Heavy Payloads
针对重负载导致传统阻抗控制器失效的问题,提出一种无需加速度测量的内外环阻抗控制方案,能设定一般目标阻抗模型并解析证明稳定性,实验证实其能有效塑造承载重负载机械臂的阻抗。
2024-09-23 cs.RO cs.SY eess.SY
A Self-Tuning Impedance-based Interaction Planner for Robotic Haptic Exploration
Saitama University(埼玉大学);Istituto Italiano di Tecnologia(意大利技术研究院)
本文提出一种基于自调谐阻抗的机器人触觉交互规划方法,通过Exploration和Bouncing两种策略利用触觉信息适应环境不确定性,实现柔顺接触与自主轨迹规划,实验验证了其在迷宫探索中的有效性与可扩展性。
2022-09-02 cs.RO
HapFIC: An Adaptive Force/Position Controller for Safe Environment Interaction in Articulated Systems
University of Edinburgh(爱丁堡大学);University of Oxford(牛津大学)
触觉交互对于动物的动态灵活性是必不可少的,动物使用来自其本体感受的力反馈从阻抗无缝切换到导纳行为。然而,这种能力在机器人中重现是极具挑战性的,特别是在处理复杂的交互动态,分布式接触和接触切换时。当前基于模型的控制器需要精确的交互建模来考虑接触并稳定交互。在这篇手稿中,我们提出了一个自适应力/位置控制器,利用分形阻抗控制器的无源性和非线性执行有限搜索算法,使用从传感器的力反馈信号在末端执行器。该方法是计算成本低,开放的可能性,在未来处理分布式接触。我们在物理仿真中评估了该体系结构,并表明该控制器可以鲁棒地控制与不同动力学对象的相互作用,而不会违反最大允许目标力或导致数值不稳定,即使是非常刚性的对象。所提出的控制器也可以自主处理接触切换,并可能会发现在多个领域,如腿运动,康复和辅助机器人的应用。
2021-07-20 cs.RO
Plug, Play and Comply: Plugin-Based Compliant Control in ROS 2
College of Information Science and Technology, Eastern Institute of Technology(信息科学与技术学院,东方理工学院);Zhejiang Key Laboratory of Industrial Intelligence and Digital Twin, Eastern Institute of Technology(浙江省工业智能与数字孪生重点实验室,东方理工学院)
该论文提出与机器人无关的柔顺控制框架,通过插件架构分离控制器与控制律,标准化接口支持多种控制公式。其参考笛卡尔阻抗控制器可在线更新柔顺方向,实验和仿真验证了在不同操纵器上的任务相关柔顺性及可移植性。
2026-10-27 cs.RO
An Open Torque-Controlled Modular Robot Architecture for Legged Locomotion Research
Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所);Tandon School of Engineering, New York University(纽约大学坦登工程学院);Laboratory for Analysis and Architecture of Systems, Centre National pour la Recherche Scientifique(法国国家科学研究中心系统分析与架构实验室)
提出了一种新的开源力矩控制足式机器人系统,其核心是低成本、低复杂度的执行器模块。它由一个高扭矩无刷直流电机和一个低齿轮比传输适合阻抗和力控制。我们还提出了一种新的脚接触传感器适用于腿部运动与硬冲击。具有大运动范围的2.2公斤四足机器人由八个相同的致动器模块和四条带有足部接触传感器的小腿组装而成。利用标准的塑料3D打印和现成的零件,可以制造出重量轻、价格便宜的机器人,从而可以在研究界快速分发和复制。我们系统地表征了在静态和动态情况下在脚上实现的阻抗,并测量了最大无量纲腿部刚度为10.8,没有主动阻尼,这是一个跑步的人的腿部刚度。最后,为了证明四足动物的能力,我们提出了一种新的控制器,它结合了前馈接触力计算从一个kino-dynamic优化与阻抗控制的质量中心和基地的方向。该控制器可以调节复杂的运动,同时对环境的不确定性具有鲁棒性。
2020-02-23 cs.RO
Variable impedance control and learning -- A review
Aalto University(阿尔托大学);University of Innsbruck(因斯布鲁克大学)
本文综述可变阻抗控制的控制与学习方法,提出基于可变性、学习和控制的机械阻抗新分类,并总结优劣、开放问题及潜在解决框架。
2020-10-27 cs.RO
Robust Artificial Delay based Impedance Control of Robotic Manipulators with Uncertain Dynamics
Indian Institute of Technology Delhi(印度理工学院德里分校)
针对动力学不确定性机器人,提出了一种基于人工延迟的阻抗控制器。该控制律通过一种新的广义滤波跟踪误差(GFTE)将时延估计(TDE)框架与超扭曲算法(STA)类型的二阶切换控制器相结合。虽然时间延迟估计框架消除了机器人动力学的准确建模的需要,通过估计不确定的机器人动力学和相互作用的力量,从最近的过去数据的状态和控制努力,在外环中的二阶开关控制律提供了鲁棒性对时间延迟估计(TDE)的错误,由于近似的机械手动态。因此,所提出的控制律试图建立一个理想的阻抗模型之间的机器人末端执行器变量,即力和运动存在的不确定性,无论是当它遇到平滑的接触力和自由运动。两连杆机械手使用所提出的控制器的仿真结果与收敛性分析,以验证命题。
2022-08-20 cs.RO cs.SY eess.SY