Empowering Robot Teleoperation: Exploring the Synergies Between Devices and Manipulator Controllers in a Comparative Study
School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen, Guangdong, China（香港中文大学（深圳）科学与工程学院）；Department of Mechanical and Aerospace Engineering, Hong Kong University of Science and Technology（香港科学与技术大学机械与航空航天工程系）；Shenzhen Institute of Artificial Intelligence and Robotics for Society (AIRS), Shenzhen, Guangdong, China（深圳人工智能与机器人社会研究院（AIRS））
研究通过比较不同设备与控制器策略在机械臂任务数据收集中的效果，探讨设备与控制器之间的协同关系对实际任务的重要性。
2026-05-15 cs.RO
Admittance Controller Complemented with Real-time Singularity Avoidance for Rehabilitation Parallel Robots
Universitat Politècnica de València（瓦伦西亚理工大学）；Universidad de los Andes（安第斯大学）
针对并联机器人工作空间奇异点导致传统导纳控制不安全的问题，提出结合实时奇异点规避算法并采用三维跟踪获取实际位置的导纳控制器，并在4自由度膝关节康复并联机器人上验证其安全有效性。
2024-01-17 cs.RO cs.SY eess.SY
Multi-objective tuning for torque PD controllers of cobots
本文研究协作机器人扭矩PD控制器的多目标整定方法，采用兼顾精度与安全性的遗传算法构建动力学学习数据集，并实验分析逐轨迹整定必要性、种群规模及轨迹速度的影响。
2023-09-16 cs.RO
Hierarchical Adaptive Control for Collaborative Manipulation of a Rigid Object by Quadrupedal Robots
University of Southern California（南加州大学）
本文提出一种用于四足机器人协作操作刚性物体的分层控制系统，包含自适应力计算、基于QP的力分配与接触点优化、以及分散式移动操作控制器，成功在仿真中实现不同地形下操作18kg未知物体并保持稳定。
2023-07-28 cs.RO
User-specific, Adaptable Safety Controllers Facilitate User Adoption in Human-Robot Collaboration
随着辅助和协作机器人在现实世界中变得越来越普遍，我们需要开发对用户安全的接口和控制器，以建立信任并鼓励采用。在这篇蓝天论文中，我们讨论了需要共同发展的任务和用户特定的安全控制器，可以适应人们的安全偏好。我们认为，虽然大多数自适应控制器专注于行为适应，安全适应也是一个主要的考虑因素，建立信任的协作系统。此外，我们强调需要适应随着时间的推移，占用户的偏好变化的经验和信任的建立。我们提供了一个通用的公式，这些接口应该是什么样子，什么功能是必要的，使他们可行和成功。在该公式中，用户提供示范和标记的安全等级，从中学习安全价值函数。这些价值函数可以通过更新演示上的安全标签来更新，以学习更新的函数。我们将讨论如何在高级别上实现这一点，以及一些有前途的方法和技术。
2022-10-14 cs.RO
An adaptive admittance controller for collaborative drilling with a robot based on subtask classification via deep learning
Koc University（科奇大学）；MEF University（MEF大学）
在本文中，我们提出了一个监督学习方法的基础上的人工神经网络（ANN）模型的实时分类的子任务中的物理人机交互（pHRI）的任务，涉及接触到一个僵硬的环境。在这方面，我们考虑给定pHRI任务的三个子任务：空闲、驾驶和接触。基于这种分类，调节人与机器人之间的交互的导纳控制器的参数被实时的自适应地调整，以使机器人在驱动阶段期间对操作者更透明（即，阻力更小），并且在接触阶段期间更稳定。空闲阶段主要用于检测任务的启动。实验结果表明，人工神经网络模型可以学习检测子任务在不同的导纳控制器条件下，12个参与者的准确率为98%。最后，我们表明，所提出的子任务分类器的基础上的导纳自适应导致20%的人力（即更高的透明度）在驱动阶段和25%的振动幅度较低（即更高的稳定性）在钻井过程中的接触阶段相比，导纳控制器具有固定的参数。
2022-05-31 cs.AI cs.RO
Adaptive PD Gains for Energy-Conscious Control in Physical Human-Robot Interaction
University of Calgary（卡尔加里大学）；University of Waterloo RoboHub（多伦多大学罗布hub）
提出一种自适应PD控制器，通过限制机器人动能和势能实现安全物理人机交互，并给出稳定性证明与实验验证。
2026-05-30 cs.RO cs.SY eess.SY
Complete Test of Synthesised Safety Supervisors for Robots and Autonomous Systems
University of Bremen（不来梅大学）
验证的控制器合成使用世界模型，其包括人类、机器人、其它设备和待合成的控制器的所有潜在行为。世界模型能够进行定量风险评估，例如，通过随机模型检验。这样的模型描述了一系列控制器行为，其中一些行为（如果正确实施）可以保证现实世界中的总体风险是可以接受的，前提是已经做出了安全的随机假设。然后，综合选择一个可接受的风险控制器的行为。然而，由于跨越抽象、形式主义和工具边界，机器人和自主系统的验证合成必须伴随着严格的测试。一般来说，安全关键系统的标准和法规要求测试作为关键要素，以在投入使用之前获得认证信用。这篇正在进行中的论文提出了一种方法，用于对综合监督控制器进行完整的测试，这些控制器在人机协作和自动驾驶等领域实施安全属性。控制器代码由所选的控制器行为生成。然而，代码生成器即使不是不可行，也很难以正式和全面的方式进行验证。相反，利用测试，生成一个抽象的测试引用，一个符号有限状态机，具有比代码语义更简单的语义。从这个参考，一个完整的测试套件的推导和应用，以证明合成的抽象测试参考和生成的具体控制器代码运行在控制系统平台上的观测等价性。
2021-10-25 cs.RO cs.SE
Safety Controller Synthesis for Collaborative Robots
University of York（约克大学）
针对人机协作中自动安全控制器需在弱假设下保证正确性的挑战，提出一种有工具支撑、结合制造与法规、经形式化验证且满足最优性的控制器综合方法，可实现危险检测、安全切换与任务恢复。
2020-07-07 cs.RO cs.SY eess.SY
Fixed-time Integral Sliding Mode Control for Admittance Control of a Robot Manipulator
Queen’s University of Belfast（贝尔法斯特女王大学）；University of Warwick（华威大学）
提出了一种新的固定时间积分滑模控制器的导纳控制，以加强物理人机协作。该方法结合了导纳控制对外力的顺从性和积分滑模控制对不确定性的鲁棒性，使系统能够在不确定环境中有效地与人类合作。首先，在ISMC中应用固定时间滑模面，使得系统的跟踪误差在固定时间内收敛，而不受初始条件的影响。然后，固定时间反推控制器（BSP）集成到ISMC作为名义控制器，实现全局固定时间收敛。此外，为了克服奇异性问题，设计了一种非奇异固定时间滑模面，并将其集成到控制器中，这对于实际应用是有用的。最后，所提出的控制器进行了验证的两连杆机器人机械手的不确定性和外部人力。仿真结果表明，所设计的控制器在跟踪误差和收敛时间方面均具有较好的性能，同时能够在共享工作空间内实现人体运动的控制。
2022-08-09 cs.RO cs.SY eess.SY
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
SO(3) attitude controllers and the alignment of robots with non-constant 3D vector fields
本研究面向机器人领域，提出用于实现三维机器人与非恒定三维向量场对齐的SO(3)几何姿态控制器，并详尽推导了控制器分析与实现所需的全部计算过程，为相关应用提供技术支撑。
2024-06-21 cs.RO
Torque and velocity controllers to perform jumps with a humanoid robot: theory and implementation on the iCub robot
Fondazione Istituto Italiano di Tecnologia（意大利技术研究院）
跳跃可以是一种有效的运动方式，以克服小地形差距或障碍。在本文中，我们提出了两种不同的方法来执行跳跃的人形机器人。具体而言，从一个预定义的CoM轨迹，我们开发的理论为速度控制器和扭矩控制器的基础上的优化技术的关节输入的评估。该控制器已经在仿真和人形机器人iCub上进行了测试。在仿真中，机器人能够使用两个控制器跳跃，而真实系统仅使用速度控制器跳跃。结果突出了控制质心角动量的重要性，他们建议，关节性能，即最大功率，腿和躯干关节，和低水平的控制性能是根本，以达到可接受的结果。
2022-07-05 cs.RO
Human-Centered Development of Guide Dog Robots: Quiet and Stable Locomotion Control
Department of Computer Science, University of Texas at Austin（德克萨斯大学奥斯汀分校计算机科学系）；School of Computing and Information Science, University of Maine（缅因大学计算与信息科学学院）
针对四足导盲机器人噪音大、运动急促的问题，开发了慢步态平滑摆动且保持人速的行走控制器，显著降噪一半，并获BLV用户更高接受度。
2025-05-27 cs.HC cs.RO
A Hybrid Position/Force Controller for Joint Robots
Iowa State University（爱荷华州立大学）
在本文中，我们提出了一个混合的位置/力控制器操作关节机器人。混合控制器有两个目标-运动跟踪和力调节。只要这两个目标不是相互排斥的，它们就可以以某种方式脱钩。在这项工作中，我们利用从关节空间到任务空间的光滑可逆映射来解耦这两个控制目标，并分别设计控制器。传统的任务空间运动控制器用于运动控制，而力控制器是通过操纵期望轨迹来间接调节力的。两个案例研究-轮廓跟踪/抛光表面和抓取两个机器人手臂的盒子-提出了混合控制器的有效性，并进行了仿真与物理引擎，以验证所提出的方法的有效性。
2021-06-05 cs.RO
mc-mujoco: Simulating Articulated Robots with FSM Controllers in MuJoCo
CNRS-AIST JRL (Joint Robotics Laboratory) IRL（法国国家科学研究中心-产业技术综合研究所联合机器人实验室国际联合研究室）；National Institute of Advanced Industrial Science and Technology (AIST)（产业技术综合研究所）；University of Tsukuba（筑波大学）
为了在真实的硬件平台上安全可靠地部署任何机器人控制器，通常需要预先在真实的仿真环境中全面评估控制器与特定机器人的性能。虽然存在可以为此目的提供核心物理引擎的若干软件解决方案，但是将仿真环境与被评估的机器人控制器进行接口通常是繁琐且容易出错的工作。控制器可以具有由有限状态机（FSM）内的多个状态和转换组成的复杂结构，并且甚至可能需要通过GUI输入。在这项工作中，我们提出了mc-mujoco -一个开源的软件框架，形成了一个接口之间的MuJoCo物理模拟器和mc-RTC机器人控制框架。我们提供了实现细节，并描述了基本上为任何新机器人添加支持的过程。我们还演示并发布了一个样本FSM控制器的HRP-5 P人形机器人在MuJoCo的双足运动和稳定的刚性物体的把握。mc-mujoco、已开发的机器人模块和FSM控制器的代码和使用说明可在线获取。
2022-09-01 cs.RO
Resolving Ambiguity via Dialogue to Correct Unsynthesizable Controllers for Free-Flying Robots
University of Rochester（罗切斯特大学）
本文提出一种基于符号表示和线性时序逻辑的自然语言交互架构，通过人机对话假设并验证规范修正，以解决自由飞行机器人控制器综合失败问题，并在国际空间站 Astrobee 机器人仿真中验证。
2023-04-11 cs.HC cs.RO
A Novel and Accurate BiLSTM Configuration Controller for Modular Soft Robots with Module Number Adaptability
Scuola Superiore Sant’Anna（圣安娜高等科学院）；The Chinese University of Hong Kong（香港中文大学）
本文针对模块化软体机器人精确控制难题，提出一种基于双向LSTM的构型控制器，通过仿真与真实机器人实验验证其在不同模块数量下的自适应控制能力。
2024-01-19 cs.RO
GenLoco: Generalized Locomotion Controllers for Quadrupedal Robots
University of California, Berkeley（加州大学伯克利分校）；The Chinese University of Hong Kong（香港中文大学）
近年来，市场上可买到且价格实惠的四足机器人数量激增，其中许多平台正积极用于研究和工业。随着足式机器人的可用性的增长，对使这些机器人能够执行有用技能的控制器的需求也在增长。然而，大多数基于学习的控制器开发框架都专注于训练机器人特定的控制器，这是一个需要为每个新机器人重复的过程。在这项工作中，我们介绍了一个框架，训练广义运动（GenLoco）控制器四足机器人。我们的框架合成了通用的运动控制器，可以部署在各种各样的四足机器人具有相似的形态。我们提出了一个简单但有效的形态随机化方法，程序生成一组不同的模拟机器人进行训练。我们表明，通过在这一大组模拟机器人上训练控制器，我们的模型获得了更通用的控制策略，这些策略可以直接转移到具有不同形态的新型模拟和真实世界机器人上，这些机器人在训练过程中没有观察到。
2022-09-12 cs.LG cs.RO
Learning Decentralized Controllers for Robot Swarms with Graph Neural Networks
University of Pennsylvania（宾夕法尼亚大学）
我们考虑的问题，发现分布式控制器的大型网络的移动机器人与互动的动态和稀疏可用的通信。我们的方法是学习本地控制器，只需要本地的信息和通信在测试时，通过模仿集中式控制器在训练时使用全局信息的政策。通过扩展聚合图神经网络随时间变化的信号和随时间变化的网络支持，我们学习一个单一的共同的本地控制器，利用信息从遥远的队友只使用本地通信交换。我们将这种方法应用于群集问题，以展示随着机器人移动而变化的通信图上的性能。我们研究如何减少通信半径和更快的速度增加多跳信息的价值。
2021-03-24 cs.RO
Memory-based Controllers for Efficient Data-driven Control of Soft Robots
City University of Hong Kong（香港城市大学）
本文针对软体机器人数据驱动控制训练时间长、控制器效率低的问题，提出有限记忆控制器和基于LSTM的控制器，并通过强化学习训练权重，在软体手指控制中实现了更短训练时间和更小跟踪误差。
2023-09-19 cs.RO
Evolving Robots on Easy Mode: Towards a Variable Complexity Controller for Quadrupeds
University of Oslo（奥斯陆大学）
腿式机器人的环境或任务的复杂性可以告知其步态必须有多专业才能确保成功。发展专门的机器人步态需要许多评估-计算机模拟是可以接受的，但不是物理机器人。对于某些任务，具有较低优化成本的更一般的步态可能是令人满意的。在本文中，我们介绍了一种新型的步态控制器的复杂性，可以设置一个单一的参数，使用动态基因型表型映射。低控制器复杂性导致保守的步态，而更高的复杂性允许更复杂和更高的性能要求的任务，在优化工作的成本。我们在虚拟机器人上研究了新的控制器，并在现实世界的机器人上进行了初步测试。我们表明，具有可变的复杂性，使我们能够适应不同的优化预算。在仿真中具有高评估预算的情况下，复杂的控制器表现最好。此外，具有有限评估预算的现实世界的进化表明，对于相对简单的环境，较低的步态复杂度是优选的。
2019-02-12 cs.RO
A Hierarchical fuzzy controller for a biped robot
National Engineering School of Sfax, University of Sfax（斯法克斯大学斯法克斯国家工程学院）
本文研究了递阶神经模糊系统作为PID控制的一种可能的解决方案。提出了一种分层递阶控制器，它包括多个子控制器，整个控制结构采用自适应神经模糊方法生成。所提出的分层系统的重点是关键作用，质心的位置在机器人中发挥，系统的子控制器产生他们的输出考虑到该关键点的位置。
2014-02-06 cs.RO
Convex Controller Synthesis for Robot Contact
Eureka Robotics（尤里卡机器人公司）；Nanyang Technological University（南洋理工大学）
控制接触确实具有挑战性，这一直是将工业机器人部署到非结构化/以人为中心的环境中的主要障碍。更具体地说，主要挑战是：㈠如何确保任何时候的稳定性; ㈡如何满足特定任务的业绩规格;（iii）如何在环境不确定性、机器人参数不确定性、传感器和致动器时间延迟、外部扰动等情况下实现（i）和（ii）。本文提出了一种基于鲁棒控制理论和凸优化的凸控制器综合方法。在两个物理交互任务-机器人的手引导和滑动的表面上具有不同的和未知的刚度-我们表明，CCS控制器优于他们的经典同行在一个重要的方式。
2020-01-16 cs.RO
Optimizing Control Strategies for Wheeled Mobile Robots Using Fuzzy Type I and II Controllers and Parallel Distributed Compensation
Fordham University（福特汉姆大学）
本研究基于模糊I型和II型控制器及并行分布补偿，为轮式移动机器人设计鲁棒控制器，结合LMI分析稳定性并管理运动学不确定性，实验证明II型模糊控制器优于PID和I型。
2024-09-11 cs.RO
Scratch Team of Single-Rotor Robots and Decentralized Cooperative Transportation with Robot Failure
Toyota Motor Corporation（丰田汽车公司）
本文提出一种面向多单旋翼机器人的去中心化协同运输控制器，通过反馈与非线性控制器并联结构，实现对载荷形状、质量与质心波动及机器人故障的鲁棒性，并通过仿真和三类机器人团队实验验证了异构机器人协同运输的有效性。
2025-05-06 cs.RO
A Novel Potential Field Controller for Use on Aerial Robots
University of Nevada（内华达大学）
无人机（UAV），俗称无人机，在现实世界的应用中有很多潜在的用途。无人机需要先进的规划和导航算法，使它们能够安全地移动并与周围的世界互动。本文提出了一种扩展势场控制器（ePFC），它能使空中机器人安全地跟踪动态目标位置，同时避开路径上的障碍物，比传统的势场控制器（PFC）具有更平滑的跟踪路径和更短的调节时间。利用李雅普诺夫方法对所提出的ePFC的稳定性进行了评估，并在Matlab环境下对其性能进行了仿真。最后，在实验室环境下的实验平台上实现了该控制器，验证了该控制器的有效性。
2017-04-15 cs.RO
RoCUS: Robot Controller Understanding via Sampling
MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
由于机器人部署在复杂的情况下，工程师和最终用户必须全面了解它们的行为，能力和局限性。一些行为直接由目标函数优化。它们通常包括成功率，完成时间或能源消耗。其他行为--例如，避免碰撞、轨迹平滑性或运动清晰性-通常是紧急的，但对于安全和可靠的部署同样重要。设计一个优化机器人行为各个方面的目标是困难的。在本文中，我们主张系统分析广泛的行为，全面理解机器人控制器，并为此提出了一个框架，RoCUS，它使用贝叶斯后验抽样找到的情况下，机器人控制器表现出用户指定的行为，如高度急动的运动。我们使用RoCUS分析两个领域（2D导航和7自由度手臂伸展）的三个控制器类（深度学习模型，快速探索随机树和动力系统公式），并揭示见解，以进一步了解这些控制器并最终改进其设计。
2021-10-14 cs.RO
Implementation of a Hierarchical fuzzy controller for a biped robot
National Engineering School of Sfax, University of Sfax（斯法克斯大学斯法克斯国家工程学院）；Institute of Applied Sciences and technology of Sousse, University of Sousse（苏塞大学苏塞应用科学与技术研究所）
本文介绍了一种仿人机器人控制系统的设计。为机器人的行走周期指定控制。控制系统的实现是在Matlab Simulink上完成的。本文提出了一种递阶模糊逻辑控制器（HFLC）来控制平面行走。HFLC的设计灵感来自于人体运动系统。将该方法应用于五杆平面机器人进入自由区的无障碍控制。
2014-12-29 cs.RO
A Novel Adaptive Controller for Robot Manipulators based on Active Inference
TU Delft（代尔夫特理工大学）
机器人需要更多的自适应控制器来处理大的模型不确定性。本文提出了一种新的主动推理控制器（AIC）作为工业机器人的自适应控制方案。该方案是很容易扩展到高自由度，它保持高性能，即使在存在大的未建模动态。所提出的方法是基于主动推理，一个有前途的神经科学理论的大脑，它描述了一个生物学上合理的算法的感知和行动。在这项工作中，我们制定积极的推理从控制的角度来看，推导出一个无模型的控制律，这是未建模动态不太敏感。在一个真实的7自由度机器人手臂的实验装置中，将该算法的性能和自适应特性与最先进的模型参考自适应控制器（MRAC）进行了比较。结果表明，AIC在自适应性方面优于MRAC，提供了一个更一般的控制律。这证实了主动推理对机器人控制的相关性。
2021-04-13 cs.RO
A Hybrid Adaptive Controller for Soft Robot Interchangeability
本文提出一种混合自适应控制器，结合离线训练的循环神经网络控制器与在线优化的运动学控制器，在相同模具但变形特性不同的软体气动机器人上实现了互换性，实验误差分别为3.3±2.9%和4.3±4.1%，并在不同控制频率和速度下表现良好。
2023-11-22 cs.RO
Position Prediction of Ball and Fuzzy Controller for Shooting Action in A Soccer Robot System
基于机器人足球比赛的复杂运动控制，以运动目标的捕捉和射门为主要研究内容。为了提高视觉系统跟踪运动目标的精度和鲁棒性，提出了一种基于全局视觉的位置预测算法，包括卡尔曼滤波、动态窗口和避障策略。本文讨论了在动态环境中，利用卡尔曼滤波器预测移动球的位置，并对投篮动作进行模糊控制。
2016-04-20 cs.RO
Velocity Regulation of 3D Bipedal Walking Robots with Uncertain Dynamics Through Adaptive Neural Network Controller
Ohio State University（俄亥俄州立大学）；National Research Council of Canada（加拿大国家研究委员会）；University of Waterloo（滑铁卢大学）；Southern University of Science and Technology（南方科技大学）
提出了一种基于神经网络的自适应反馈控制结构，用于在动力学不确定性条件下对3D双足机器人进行速度调节。现有的基于混合零动态（HZD）的控制器通过实施启发式调节器来调节速度，该调节器不考虑模型和环境不确定性，这可能会显着影响控制器的跟踪性能。在本文中，我们解决的不确定性，在机器人动力学的虚拟约束的降维表示的角度来看，并提出了一个自适应神经网络为基础的控制器，以调节机器人的速度在模型参数的不确定性的存在下，集成。所提出的方法产生动态不确定性下的跟踪性能改善。本文中使用的浅层自适应神经网络不需要事先训练，并有可能在实时机器人控制器上实现。一个3D Cassie机器人的比较仿真研究，以说明所提出的方法在各种情况下的性能。
2020-08-02 cs.RO
An overview on automatic design of robot controllers for complex tasks
在本文中，我们将探讨不同的可用方法来自动设计控制器的任务，跨越许多抽象层次，原始行为和任务定义之间的差距是高的。要选择正确的策略来处理复杂的任务，需要对你的进化设置有很好的理解，因此我们将首先回顾一下组成进化设置的每个元素的最常用类型（控制器，目标函数等）。然后，我们将把重点转移到自举问题上，以及用来克服它的不同策略上。
2015-02-10 cs.RO
Adaptive Fractional PID Controller for Robot Manipulator
Babol (Noushirvani) University of Technology（巴博勒（努希尔瓦尼）理工大学）；Hamedan university of Technology（哈马丹理工大学）；University of Extremadura（埃斯特雷马杜拉大学）；University of Jordan（约旦大学）
提出了一种用于机器人操作器的分数阶自适应PID（FPID）控制器。采用遗传算法对PID参数进行了优化。通过仿真验证了该控制器在跟踪任务中的鲁棒性。通过对两连杆机器人的仿真，验证了该控制器的有效性。并与整数型自适应PID控制器进行了比较。研究发现，当学习阶段的误差信号有界时，机器人的轨迹渐近收敛到期望轨迹。
2012-06-10 cs.RO nlin.AO
Direction and Trajectory Tracking Control for Nonholonomic Spherical Robot by Combining Sliding Mode Controller and Model Prediction Controller
Zhejiang University（浙江大学）；Luoteng Hangzhou Techonlogy Co.,Ltd.（杭州洛腾科技有限公司）
针对非完整球形机器人的方向与轨迹跟踪难题，提出融合 HTSMC、MPC 与 MHH 框架的控制方法，并通过硬件实验验证其快速稳定的跟踪性能。
2022-05-27 cs.RO
OpenSHC: A Versatile Multilegged Robot Controller
The University of Queensland（昆士兰大学）；Commonwealth Scientific and Industrial Research Organisation (CSIRO)（联邦科学与工业研究组织（CSIRO））
多足机器人具有在相对粗糙的地形上进行稳定运动的能力。然而，相对于轮式或履带式机器人，足式机器人的复杂性使得它们难以控制。本文介绍了OpenSHC（开源Syropod高级控制器），一个多功能的高级控制器{能够产生步态和姿态的准静态多足机器人，模拟和真实的硬件实现。通过完全的机器人操作系统（ROS）集成，控制器可以快速部署在具有不同执行器和传感器有效载荷的机器人上。OpenSHC的灵活性在30个自由度的六足子弹上得到了证明，分析了不同运动速度下各种腿部配置、运动学布置和步态的能量性能。由于OpenSHC可轻松配置为不同的物理和运动规范，因此可以进行基于硬件的参数空间搜索以获得最佳运动参数。实验评估表明，哺乳动物的配置提供了较低的功耗范围内的步进频率，与昆虫配置提供性能优势，在较高的身体速度和增加的稳定性，在低的步进频率。OpenSHC是开源的，能够配置为各种数量的关节和腿。
2020-10-19 cs.RO
An optimal fuzzy-PI force/motion controller to increase industrial robot autonomy
University of Coimbra（科英布拉大学）
通过对机器人末端执行器与周围环境接触的分析，提出了一种机器人自识别和自适应的方法。通常，在离线机器人编程中，理想化的机器人环境（虚拟环境）不能准确地反映真实环境。在这种情况下，我们处于部分未知环境（PUE）中。因此，机器人系统必须具有一定程度的自主性来克服这种情况，特别是当接触存在时。所提出的力/运动控制系统具有基于施加在机器人末端执行器上的力和扭矩的外部控制回路和基于机器人运动的内部控制回路。外部控制回路进行了测试与最佳比例积分（PI）和模糊PI控制器。该系统的性能进行了验证与现实世界的实验，涉及接触PUE。
2013-09-09 cs.RO
Evolving Multi-Objective Neural Network Controllers for Robot Swarms
University of Galway（戈尔韦大学）；University of Bristol（布里斯托大学）
提出多目标进化神经网络方法训练群体机器人控制器，在低保真模拟中进化，可迁移至高保真环境并扩展至更多机器人，无需重训。
2023-07-26 cs.LG cs.NE cs.RO
Design of Adaptive Compliance Controllers for Safe Robotic Assembly
Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
插入操作是大多数机器人装配操作的关键要素，并且钉孔（PiH）插入是工业和学术操纵社区中最广泛研究的任务之一。PiH插入实际上是一整类问题，其中问题的复杂性可以取决于插入尝试期间的未对准和接触形成的类型。在本文中，我们提出了自适应顺应性控制器的设计和分析，可用于插入型装配任务，包括基于学习的顺应性控制器，可用于插入问题中存在的不确定性，在机器人装配过程中的目标位置。我们首先提出了顺应性控制器的设计，它可以确保安全操作的机器人，通过限制经验丰富的接触力在接触形成。因此，我们提出了接触形成过程中获得的力签名的分析，以了解执行插入所需的纠正措施。最后，我们使用建议的合规性控制器和学习模型来设计一个政策，可以成功地执行插入在新的测试条件下，几乎完美的成功率。我们验证所提出的方法在物理机器人试验台上使用6自由度机械臂。
2022-04-22 cs.RO
A Generic Synchronous Dataflow Architecture to Rapidly Prototype and Deploy Robot Controllers
Istituto Italiano di Tecnologia（意大利理工学院）；University of Manchester（曼彻斯特大学）
本文提出了一种软件架构，以优化原型设计和部署机器人控制器的过程中，使用基于模型的设计方法合成。该体系结构由框架和流水线组成。因此，本文的贡献是双重的。首先，我们介绍了一个开源的面向角色的框架，它抽象了中间件，优化器和模拟器的常见机器人用途。使用这个框架，然后，我们提出了一个管道，实现基于模型的设计方法。拟议框架的组成部分是通用的，它们可以与任何支持基于模型的设计工具接口。我们证明了该方法的有效性描述的应用程序所产生的同步同步的BLOWLOW架构的YARP为基础的人形机器人iCub的平衡控制器的设计。该示例利用了与Simulink和Simulink Coder的接口。
2020-02-02 cs.RO
Human-State-Aware Controller for a Tethered Aerial Robot Guiding a Human by Physical Interaction
ETH Zurich（苏黎世联邦理工学院）
随着空中物理交互技术的迅速发展，空中机器人与人类进行物理交互的可能性越来越受到人们的关注。在我们之前的一项工作中，我们考虑了人类通过电缆与飞行器物理连接的首批系统之一。在那里，我们开发了一个兼容的控制器，允许机器人拉向所需的位置，只使用力作为间接的通信通道的人。然而，该控制器仅基于机器人状态，这使得系统不适应人类行为，特别是他们的行走速度。当人仍然远离期望点时，这降低了引导的有效性和舒适性。在本文中，我们正式分析的问题，并提出了一个人的状态感知控制器，其中包括一个人的速度反馈。我们从理论上证明和实验表明，这种方法提供了一个更一致的指导力量，提高了指导经验。
2022-03-07 cs.RO
Plant-inspired behavior-based controller to enable reaching in redundant continuum robot arms
The BioRobotics Institute, Sant’Anna School of Advanced Studies（圣安娜高等研究院生物机器人研究所）；Department of Mechanical Engineering, National University of Singapore（新加坡国立大学机械工程系）
针对冗余连续体机械臂任务空间控制器难以脱离实验室环境的问题，提出利用末端接近传感信息的植物启发式行为控制器，并在9自由度绳驱机械臂上验证了空间多点到达能力。
2023-04-14 cs.RO
Modular Controllers Facilitate the Co-Optimization of Morphology and Control in Soft Robots
University of Vermont（佛蒙特大学）
针对软体机器人脑-体协同优化中控制器与身体构型特化导致过早收敛的问题，提出采用模块化控制器提升形态变化鲁棒性与可迁移性，实验验证其能提高正向突变率与进化后机器人性能，助力设计自动化。
2023-06-12 cs.NE cs.RO
Fractal Impedance for Passive Controllers: A Framework for Interaction Robotics
University of Edinburgh（爱丁堡大学）；University of Sussex（萨塞克斯大学）；McGill University（麦吉尔大学）；Heriot-Watt University（赫瑞瓦特大学）
人们对能够将机器人从工业笼子移动到非结构化环境并与人类共存的控制框架越来越感兴趣。尽管在某些特定应用（例如，医疗机器人技术），仍然需要一种改进交互鲁棒性和运动动态性的通用控制框架。被动控制器在这个方向上显示出有希望的结果;然而，它们通常依赖于虚拟能量罐，只要它们不耗尽能量，就可以保证被动性。本文提出了一种分形吸引子来实现可变阻抗控制器，该控制器可以在不依赖能量罐的情况下保持无源性。该控制器使用渐近稳定的势场在期望状态周围生成分形吸引子，使得控制器对离散化和数值积分误差具有鲁棒性。结果表明，该方法能够准确地跟踪机器人在相互作用过程中的运动轨迹和末端力。因此，这些属性使得控制器的应用需要强大的动态相互作用的末端执行器的理想。
2022-07-27 cs.RO
On Model Predictive Path Following and Trajectory Tracking for Industrial Robots
Norwegian University of Science and Technology（挪威科技大学）；SINTEF DIGITAL（SINTEF数字研究所）
在这篇文章中，我们将展示如何模型预测路径跟踪控制器允许机器人机械手停止在障碍物的方式，模型预测轨迹跟踪控制器不能。我们提出了这两个控制器应用于机器人机械手，模拟两连杆机械手使用内点求解器，考虑离散化的最优控制问题，使用配置或龙格库塔，并讨论我们的实施模型预测路径跟踪控制器的实时可行性。
2017-03-07 cs.RO
Multi-Objective Policy Generation for Multi-Robot Systems Using Riemannian Motion Policies
Georgia Institute of Technology（佐治亚理工学院）
在许多应用中，需要多个机器人系统来实现多个目标。对于这些多目标任务，通常很难设计出同时满足所有目标的单个控制策略。在本文中，我们专注于多目标任务，可以分解成一组简单的子任务。这些子任务的控制器是单独设计的，然后组合成整个团队的控制策略。我们的工作的一个重要特点是，子任务控制器的设计与其底层流形。当一个控制器与其他控制器相结合时，它们的相关流形也被考虑在内。这种提法产生的多机器人系统，可以结合控制器的各种目标，同时隐式地处理机器人和子任务之间的相互作用的政策生成框架。为了描述流形上的控制器，我们采用黎曼运动策略（RMP），并提出了一个集合的RMP常见的多机器人子任务。集中式和分散式算法被设计成将这些RMP组合成最终的控制策略。理论分析表明，在控制策略下系统是稳定的。此外，我们证明，许多现有的多机器人控制器可以密切近似的框架。通过模拟任务和机器人实现所提出的算法进行验证。
2019-08-30 cs.RO
Online Learning Based Mobile Robot Controller Adaptation for Slip Reduction
University of California, Berkeley（加州大学伯克利分校）
滑移是轮式移动机器人系统中一种非常普遍的现象。它具有不希望的后果，例如浪费能量和阻碍系统稳定性。为了解决移动机器人在湿滑条件下的轨迹跟踪的挑战，我们提出了一个分层的框架，学习和适应增益的跟踪控制器同时在线。具体而言，强化学习（RL）模块用于自动调整横向预测控制器和纵向速度PID控制器中的参数。实验表明，同步增益调整的必要性，并已证明，我们的在线框架优于最好的基线控制器使用固定的增益。通过利用在线增益自适应，我们的框架实现了强大的跟踪性能，拒绝滑动和减少跟踪误差时，移动机器人通过各种地形。
2023-01-30 cs.RO cs.SY eess.SY
Decentralized Control of a Hexapod Robot Using a Wireless Time Synchronized Network
Berkeley Sensor & Actuator Center（伯克利传感器与执行器中心）；University of California, Berkeley（加州大学伯克利分校）
机器人和控制系统依赖于传感器和执行器的精确定时，以便智能操作。我们提出了一个功能齐全的六足机器人，走双三脚架步态，每个三脚架驱动使用自己的本地控制器上运行一个单独的无线节点。我们比较和报告使用两种不同的分散控制方案的机器人操作的结果。对于第一种方案，每个控制器依赖于其自身的本地时钟来为其控制的三脚架生成控制信号。对于第二种方案，每个控制器依赖于一个变量，该变量对于其自身是本地的，但是作为其主机节点是时间同步的IEEE802.15.4e网络的一部分的副产品，该变量在控制器之间必然是相同的。当控制器使用它们的本地时钟时，步态同步误差（两个控制器认为是步态周期开始的时间之间的时间差）线性增长，但是当控制器使用它们的节点的时间同步本地变量时，步态同步误差保持在112微秒内。
2018-08-23 cs.RO
Autonomous Control of a Line Follower Robot Using a Q-Learning Controller
Missouri University of S&T（密苏里科技大学）；University of California, Riverside（加州大学河滨分校）
本文提出了一种基于MIMO模拟退火SA的Q学习方法，并将其应用于直线跟随机器人的控制。这些类型的机器人的传统控制器是比例P控制器。考虑到机器人的未知机械特性和不确定性，如摩擦和光滑表面，系统建模和控制器设计可能是极具挑战性的。本文建立了机器人的数学模型，并在此基础上设计了一个仿真器。基本的Q学习方法是基于纯粹的开发和epsilon贪婪的方法，这有助于探索，可能会损害控制器的性能后，学习完成探索非最优的行动。基于模拟退火的Q学习方法通过在学习增加时降低探索率来解决这个缺点。仿真和实验结果提供了所提出的控制器的有效性进行评估。
2020-01-23 cs.LG cs.RO stat.ML
Persistent Robotic Tasks: Monitoring and Sweeping in Changing Environments
Massachusetts Institute of Technology（麻省理工学院）；University of Pennsylvania（宾夕法尼亚大学）
我们提出的控制器，使移动机器人持续监测或扫描不断变化的环境。变化的环境被建模为在机器人范围之外的位置中增长并且在机器人范围之内的位置中减小的场。我们假设机器人在给定的封闭路径上行驶。控制每个机器人沿其路径的速度，以防止场在任何位置无限增长。我们考虑的速度控制器，可以参数化的一组有限的基函数的空间。对于一个机器人，我们开发了一个线性规划，保证计算速度控制器在这个空间中，以保持字段有界，如果这样的控制器存在。然后导出另一个线性规划，其解是使环境上的最大场值最小化的速度控制器。我们扩展我们的线性规划制定开发一个多机器人控制器，保持领域有界。多机器人控制器的独特之处在于它不需要机器人之间的通信。仿真研究证明了控制器对建模误差和环境随机性的鲁棒性。
2011-02-03 cs.RO math.OC
Fuzzy Logic Control for Indoor Navigation of Mobile Robots
Worcester Polytechnic Institute (WPI)（伍斯特理工学院）
本文针对移动机器人在未知动态杂乱室内环境中的导航问题，提出一种基于模糊逻辑控制器的实现方案，以传感器读数和期望运动方向为输入、车轮加速度为输出，实现避障并到达目标位置。
2024-09-04 cs.RO
Co-Design of a Robot Controller Board and Indoor Positioning System for IoT-Enabled Applications
College of Science and Engineering, Hamad Bin Khalifa University（哈马德·本·哈利法大学科学与工程学院）；Vrije Universiteit Brussel（布鲁塞尔自由大学）
本文提出了一种面向物联网应用的低成本室内机器人导航系统，通过定制控制器板与基于下视摄像头的定位系统协同工作，实现高精度导航，误差不超过0.125米，且成本效益远优于商用运动捕捉系统。
2025-01-02 cs.RO cs.SY eess.SY
A controller for reaching and unveiling a partially occluded object of interest with an eye-in-hand robot
Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）
本文提出了一种基于机器人末端执行器上的手持摄像机获取的分类点云的控制方案，用于接近和揭示部分遮挡的感兴趣对象。它示出，所提出的控制器达到在附近的对象逐步揭开的兴趣对象的每个可见点的邻域。因此，它可以潜在地实现对象的完全揭开。所提出的控制方案是通过模拟和实验与UR5e机器人与手实感摄像头上的模拟葡萄藤设置揭开葡萄的茎进行评估。
2021-12-17 cs.RO
