Planning Optimal Trajectories for Mobile Manipulators under End-effector Trajectory Continuity Constraint
Singapore Centre for 3D Printing (SC3DP)（新加坡3D打印中心）；Nanyang Technological University (NTU)（南洋理工大学）；Eureka Robotics（尤里卡机器人公司）
针对移动操作臂运动规划中因基座冗余带来的挑战，提出将末端执行器轨迹连续性约束下的规划问题解耦为最优基座轨迹规划与操作臂轨迹求解的方法，并通过硬件实验和仿真验证了其在移动打印任务中的有效性。
2024-03-06 cs.RO
Improved Reinforcement Learning Coordinated Control of a Mobile Manipulator using Joint Clamping
University College London（伦敦大学学院）；University of Ioannina（约阿尼纳大学）
许多机器人路径规划问题是连续的、随机的、高维的。当需要避免自身和环境碰撞时，移动机械手协调其基座和机械手以在线控制其全身的能力特别具有挑战性。强化学习技术有可能通过其对环境的概括能力来解决这些问题。我们研究联合处罚和联合限制的国家的最先进的移动机械手全身控制器，使用激光雷达传感避障。我们提出了改进强化学习方法的方向。我们的代理在达到目标的环境中实现了比基线更高的成功率，并且它可以解决需要协调全身控制的环境，而基线失败了。
2021-10-05 cs.RO
Socially-aware Object Transportation by a Mobile Manipulator in Static Planar Environments with Obstacles
Computer Vision and Robotics Laboratory (VeRLab), Department of Computer Science, Universidade Federal de Minas Gerais（计算机视觉与机器人实验室（VeRLab）、计算机科学系、巴西矿务大学）
针对现有社会感知导航多针对移动机器人、缺乏移动操作臂专用方案的问题，提出基于Risk-RRT*框架的协同驱动方法，可在静态有人环境中实现带载移动操作臂的社会感知无碰撞物体运输，性能优于仅移动类方法。
2025-06-16 cs.RO
High-density Electromyography for Effective Gesture-based Control of Physically Assistive Mobile Manipulators
Carnegie Mellon University（卡内基梅隆大学）；Johns Hopkins University（约翰斯·霍普金斯大学）
本文提出一种可穿戴高密度肌电设备，通过实时手势识别控制8自由度移动机械臂，以完成家务和物理辅助任务，并在13名参与者的评估中验证了其有效性。
2024-11-04 cs.RO
On-The-Go Robot-to-Human Handovers with a Mobile Manipulator
Monash University（莫纳什大学）
现有的方法来直接机器人到人的交接通常是在固定基座的机器人手臂上实现的，或者是在执行交接之前完全停止的移动操纵器上实现的。我们提出了“在去”的机器人，允许移动的移动机械手移交对象给一个人没有停止。在移动中的移交运动是由一个反应控制器产生的，该控制器允许同时控制底座和手臂。在一项用户研究中，人类接收者主观地评估移动中的移交者比实施“停止并交付”行为的移交者更有效、可预测、自然、更及时和更安全。
2022-03-16 cs.RO
Efficient Kinematic Planning for Mobile Manipulators with Non-holonomic Constraints Using Optimal Control
ETH Zürich（苏黎世联邦理工学院）
研究了具有非完整约束和完整操作空间跟踪约束的移动机械臂运动学轨迹规划问题。通过求解约束序列线性二次型最优控制问题，得到了系统的整体轨迹和时变运动反馈控制器。所采用的算法具有高效率，通过一个连续的时间制定，受益于自适应步长积分器和通过线性复杂度的积分步骤的数量。在第一个应用程序的例子中，我们解决了26自由度轮式机器人的运动轨迹规划问题。在第二个例子中，我们将约束SLQ应用到现实世界中的移动机械手在滚动时域最优控制的方式，在那里我们获得最优的控制器和计划的速率高达100 Hz。
2018-01-16 cs.RO
A Solution to Adaptive Mobile Manipulator Throwing
EPFL（洛桑联邦理工学院）
移动机械手抛投是提高工厂动态操作灵活性和效率的一种很有前途的方法。它的主要挑战是有效地计划一个可行的投掷下广泛的任务规范。我们表明，移动机械手投掷问题可以简化为一个平面的问题，从而大大降低了计算成本。使用机器学习方法，我们建立了一个模型的对象的倒飞行动力学和机器人的运动学的可行性，这使得投掷运动生成在1毫秒内给定的查询目标位置。由于我们的方法的计算效率，我们表明，该系统是自适应的干扰下，通过重新规划的飞行替代解决方案，而不是坚持原来的投掷计划。
2022-08-03 cs.RO
Heterogeneous Full-body Control of a Mobile Manipulator with Behavior Trees
Örebro University（厄勒布鲁大学）；Center for Applied Autonomous Sensor Systems (AASS)（应用自主传感器系统中心）
将复杂机械系统（如移动机械手）的异构控制器集成在同一结构中并以模块化方式集成仍然具有挑战性。在这项工作中，我们扩展我们的框架的基础上的行为树的冗余机械系统的控制问题，指挥更复杂的系统，涉及多个低级别的控制器。这允许集成系统实现需要子系统之间协调的重要目标。
2022-10-16 cs.RO
Self-Calibration of Mobile Manipulator Kinematic and Sensor Extrinsic Parameters Through Contact-Based Interaction
University of Toronto Institute for Aerospace Studies（多伦多大学航空航天研究所）；University of Zagreb（萨格勒布大学）
提出了一种基于接触信息的移动机械手自标定方法。我们的方法，基于点云配准，适用于估计安装在移动基座上的固定视觉传感器和末端执行器之间的外变换。除了传感器校准，我们证明了该方法可以扩展到包括机械手运动学模型参数，这涉及到一个非刚性配准过程。我们的程序仅使用板载传感，不依赖任何外部测量设备、基准标记或校准装置。此外，它在一般情况下是完全自动的。我们的实验验证所提出的方法在自定义移动机械手平台，并证明厘米级的后校准精度定位的末端执行器仅使用视觉指导。我们还讨论了注册算法的稳定性，以确定校准是可能的条件下。
2018-10-22 cs.RO
Planning a Sequence of Base Positions for a Mobile Manipulator to Perform Multiple Pick-and-Place Tasks
Osaka University（大阪大学）；National Institute of Advanced Industrial Science and Technology (AIST)（国立先进工业科学技术研究所（AIST））
在本文中，我们提出了一个规划器，计划一系列的移动机械手的基础位置，有效地和强大的收集存储在不同的托盘中的对象。我们实现了高效率，通过探索共同的领域，移动机械手可以抓住存储在多个托盘中的对象，同时移动移动机械手的共同领域，以减少移动移动基地所需的时间。我们确保鲁棒性，通过优化的基础位置与最佳的间隙定位的不确定性，使移动机械手可以完成任务，即使有一定的偏差，从计划的基础位置。此外，考虑到不同风格的对象放置在托盘中，我们分析了可行的方案，动态更新的基础上的剩余对象或目标对象的基础上，在一轮的任务被挑选的位置。在实验部分中，我们在各种场景下检查我们的规划器，包括不同的对象放置：（1）规则放置的玩具对象;（2）随机放置的工业部件;以及在线执行的不同方案：（1）应用全局静态基准位置;（2）动态更新基准位置。实验结果证明了该方法的有效性、鲁棒性和可行性。
2020-10-01 cs.RO
A Novel Planning Framework for Complex Flipping Manipulation of Multiple Mobile Manipulators
Shanghai Jiao Tong University（上海交通大学）；Hong Kong University of Science and Technology（香港科技大学）；Great Bay University（大湾区大学）
针对多移动机械臂在闭链约束下的构型不连通问题，提出将轨迹覆盖选择建模为集合覆盖的三步规划框架，以判断无重抓可行性或最小化重抓次数。
2024-10-25 cs.RO
Low-Cost Teleoperation Extension for Mobile Manipulators
Research Center for Digital Engineering and Innovation（数字工程与创新研究中心）
本文提出一种低成本远程操控框架，利用普通硬件实现沉浸式操控，通过手机头追踪、双臂操控和脚踏板实现整体身体控制，验证了其在任务性能和认知负荷方面的优势。
2026-04-06 cs.RO
Mechanic Modeling and Nonlinear Optimal Control of Actively Articulated Suspension of Mobile Heavy-Duty Manipulators
Tampere University（坦佩雷大学）
针对移动式重型机械臂的静动态稳定性问题，本文基于旋量理论和铰接体惯性法建立主动铰接悬架的力学模型，通过非线性规划优化稳定性指标并结合状态反馈控制，经7自由度机械臂仿真验证了方法的计算速度、精度及性能提升。
2025-02-09 cs.RO
MoboTSP: Solving the Task Sequencing Problem for Mobile Manipulators
HP-NTU Digital Manufacturing Corporate Lab（惠普-南洋理工大学数字制造企业实验室）；Nanyang Technological University（南洋理工大学）
提出了一种新的移动机械手任务排序方法。我们利用计算几何，图论和组合优化产生一个原则性的方法来分割成集群的任务空间的目标，分析确定可达的基础构成每个集群，并找到任务序列，最大限度地减少基地的运动和机器人执行时间的数量。通过首先对目标进行聚类，并从第一原则出发，与现有方法相比，我们的解决方案更通用，计算效率更高。
2021-10-20 cs.RO
Generating and Optimizing Topologically Distinct Guesses for Mobile Manipulator Path Planning with Path Constraints
Division of Decision and Control Systems, School of EECS, Royal Institute of Technology (KTH)（决策与控制系统系，电子工程与科学学院，皇家理工学院（KTH））
针对移动机械臂在路径约束下易陷入局部最优的问题，提出先发现多条同伦不同路径再分别优化的流程，以接近全局最优解。
2025-10-08 cs.RO
Whole-Body Control of a Mobile Manipulator for Passive Collaborative Transportation
University of Modena and Reggio Emilia（摩德纳-雷焦艾米利亚大学）
人-机器人协作任务预见了人类和机器人之间具有不同程度复杂性的交互。具体而言，对于涉及代理之间的物理接触的任务，在这种交互的建模和控制中出现了挑战。在本文中，我们提出了一个控制架构，能够确保灵活和鲁棒稳定的物理人机交互，专注于协同运输任务。该架构部署到移动机械手，建模为一个整体结构，这有助于操作员在运输笨重的负载。由于无源性技术，控制器在线调整其相互作用参数，同时保持整个系统的鲁棒稳定性，从而实验验证的架构。
2022-11-24 cs.RO
A New Tightly-Coupled Dual-VIO for a Mobile Manipulator With Dynamic Locomotion
University of Waterloo（滑铁卢大学）
本文提出一种紧耦合双单目VIO策略，通过基座与末端执行器间的锚点约束，解决移动操作器动态运动中的估计不稳定问题，实验验证优于并行双VINS-Mono。
2024-07-18 cs.RO
Learning Arm-Assisted Fall Damage Reduction and Recovery for Legged Mobile Manipulators
ETH Zürich（苏黎世联邦理工学院）
自适应下降和恢复技能大大扩展了机器人部署的适用性。在腿式移动机械手的情况下，机器人手臂可以自适应地阻止跌倒并帮助恢复。以前的工作下降和恢复策略的腿移动机械手通常依赖于假设，如非弹性碰撞和下降在定义的方向，使实时计算。本文提出了一种基于学习的方法来减少跌倒损伤和恢复。一个不对称的行动者-评论家训练结构被用来训练一个具有时变奖励函数的时不变策略。在模拟实验中，该策略从98.9%的初始下降配置恢复。与基线方法相比，它降低了跌落过程中的基座接触冲击、峰值关节内力和基座加速度。经过训练的控制策略在ALMA机器人硬件上进行了部署和广泛的测试。一个视频总结了所提出的方法和硬件测试可在https://youtu.be/avwg2HqGi8s。
2023-03-09 cs.RO
Task-Space Clustering for Mobile Manipulator Task Sequencing
Singapore Centre for 3D Printing (SC3DP)（新加坡3D打印中心（SC3DP））；Nanyang Technological University (NTU)（南洋理工大学（NTU））；HP-NTU Digital Manufacturing Corporate Lab（惠普-南洋理工大学数字制造联合实验室）；Eureka Robotics（优傲机器人（Eureka Robotics））
针对移动操作臂任务排序中需减少基座放置次数的问题，提出将任务空间聚类建模为带二分图与可达性分析的集合覆盖问题的方法，可在实用时间内得到更优的最少目标簇与基座放置方案，经实验和仿真验证有效。
2023-05-27 cs.RO
Motion Planning for Multi-Mobile-Manipulator Payload Transport Systems
IIIT Hyderabad（国际信息技术研究所海得拉巴分校）；University of Genoa（热那亚大学）；University of Tübingen（图宾根大学）；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；IIT Jodhpur（焦特布尔印度理工学院）
提出了一种空间有效载荷协同操作的运动学运动规划算法。介绍了一种层次化的方法来计算实时无碰撞的移动机械臂机器人形成的运动计划。首先，在规划范围内识别可变形2-D虚拟限界框的无碰撞配置，以定义整个系统的凸工作空间。然后，计算其投影位于定义的凸工作空间内的3-D有效载荷配置。最后，一个凸分散模型预测控制器制定规划无碰撞轨迹的移动机械手形成。这种方法有利于系统的实时运动规划，并且在机器人的数量上是可扩展的。该算法在模拟的动态环境中进行了验证。模拟视频：https://youtu.be/9EKj7RwRs_4。
2019-03-18 cs.RO
Investigating Mixed Reality for Communication Between Humans and Mobile Manipulators
University of Genoa（热那亚大学）；TheEngineRoom lab（TheEngineRoom实验室）
本文提出将混合现实作为通信层，向人类传达移动机械臂的意图和即将执行的动作，并通过20人用户研究验证其能提升人机协作表现与满意度。
2024-09-03 cs.RO
Whole-Body MPC for a Dynamically Stable Mobile Manipulator
ETH Zurich（苏黎世联邦理工学院）
自主移动操纵提供了由移动平台提供的移动性和由操纵器提供的灵活性的双重优点。在本文中，我们提出了一个全身最优控制框架，共同解决的问题，操作，平衡和互动作为一个优化问题的固有不稳定的机器人。使用模型预测控制（MPC）的方法进行优化;最优控制的问题是转录在末端执行器空间，治疗的位置和方向的任务，在MPC规划，并巧妙地规划末端执行器的接触力。建议制定评估如何控制的决定，旨在末端执行器跟踪和环境的相互作用将影响系统的平衡在未来。我们展示了所提出的MPC方法的优点，一个球平衡机器人与机器人机械手的例子，并验证我们的控制器在硬件实验中的任务，如末端执行器姿态跟踪和开门。
2019-07-15 cs.RO
HEATS: A Hierarchical Framework for Efficient Autonomous Target Search with Mobile Manipulators
School of Mechanical Engineering and Automation, Harbin Institute of Technology Shenzhen（哈尔滨工业大学（深圳）机械工程与自动化学院）；University of Science and Technology of China（中国科学技术大学）
针对移动机械臂在复杂未知环境中的自主目标搜索问题，提出分层框架HEATS，通过定制视点规划器与全身运动规划器结合全局路径搜索和局部IPC优化，在仿真与真实测试中实现更短搜索时间、更高完整度和更低移动代价。
2025-03-11 cs.RO
Fully distributed cooperation for networked uncertain mobile manipulators
Technische Universität München（慕尼黑工业大学）
研究了一种网络化移动机械手的全分布式协作方案。为了实现分布式的协作任务分配，为每个机器人智能体建立了一个基于自适应的估计律，以估计期望的局部轨迹。此外，还对扳手综合进行了详细的分析，为完成紧密配合任务打下了坚实的基础。连同估计的任务，提出了一组分布式自适应控制器，以实现运动同步的移动机械手合奏的有向图与生成树的移动机械手和紧紧抓住的对象的运动学和动力学的不确定性无关。受控同步消除了在过渡阶段期间由估计/跟踪不一致引起的性能下降。该方案不需要持续的激励条件，并避免使用嘈杂的笛卡尔空间速度。此外，它是独立于对象的质心，采用编队为基础的任务分配和面向任务的策略。这些有吸引力的属性促进了该方案的实际应用。从理论上证明了协同任务跟踪误差的收敛性。仿真结果验证了该方案的有效性和预期的性能。
2020-01-29 cs.RO
Online Next-Best-View Planner for 3D-Exploration and Inspection With a Mobile Manipulator Robot
Fraunhofer FKIE（弗劳恩霍夫通信、信息处理与人机工程研究所）
执行面向终端用户的自主探索的机器人系统可以部署在不同的场景中，这些场景不仅需要映射，而且还需要终端用户对感兴趣区域的同时检查。在这项工作中，我们提出了一种新的下一个最佳视图（NBV）的规划，它可以执行充分的探索和面向用户的探索与检查的区域的兴趣使用移动机械手机器人。作为多目标优化（MOO）的一个实例，我们解决了探测-检查问题，并提出了一种基于加权和的信息增益函数，用于计算安装在手臂上的RGB-D相机的NBVs。对于这两种类型的探测任务，我们将我们的方法与现有的最先进的探测方法进行比较，并证明了我们在总体积映射和较低计算要求方面的改进。移动机械手机器人的实际实验证明了该方法的实用性和有效性。
2022-03-18 cs.RO
Combining Learning-based Locomotion Policy with Model-based Manipulation for Legged Mobile Manipulators
ETH Zürich（苏黎世联邦理工学院）
深度强化学习为足式机器人在具有挑战性的地形上产生鲁棒的运动策略。迄今为止，很少有研究利用基于模型的方法将这些运动技能与机械手的精确控制相结合。在这里，我们将外部动力学计划纳入基于学习的移动操作策略。我们训练的基础政策，应用随机扳手序列的机器人基地在模拟和噪音扳手序列预测的政策意见。然后，策略学习抵消部分已知的未来扰动。随机扳手序列被替换为通过来自模型预测控制的动力学计划生成的扳手预测，以实现部署。我们显示zero-shot适应在训练过程中看不见的机械手。在硬件上，我们证明了稳定的足式机器人的运动与预测的外部扳手。
2022-01-11 cs.RO
A Combined Learning and Optimization Framework to Transfer Human Whole-body Loco-manipulation Skills to Mobile Manipulators
Istituto Italiano di Tecnologia（意大利技术研究院）；Politecnico di Milano（米兰理工大学）；University of Leeds（利兹大学）
本文提出学习与优化联合框架，通过核化运动基元学习人类演示轨迹，并结合分层二次规划控制，将人体全身移动-操作软切换技能迁移到几何结构不同的移动机械臂上。
2024-02-21 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
Optimized Scheduling and Positioning of Mobile Manipulators in Collaborative Applications
Politecnico di Milano, Dipartimento di Elettronica, Informazione e Bioingegneria（米兰理工大学电子、信息与生物工程学院）
本文提出基于数字模型的优化框架，用于协作环境中移动机械臂的调度与定位，通过PSO平衡KPIs，提升任务执行效率与适应性。
2025-12-19 cs.RO
Mobile Manipulator for Autonomous Localization, Grasping and Precise Placement of Construction Material in a Semi-structured Environment
Czech Technical University in Prague（布拉格捷克理工大学）；New York University（纽约大学）；University of Pennsylvania（宾夕法尼亚大学）
移动机械手有可能彻底改变现代农业，物流和制造业。在这项工作中，我们提出了一个基于地面的移动机械手的自动化结构装配的设计。该系统能够在半结构化环境中自主定位、抓取、运输和部署建筑材料。特别努力使系统对照明变化保持不变，并且不依赖于外部定位系统。因此，所提出的系统是独立的，并且能够在室外和室内条件下操作。最后，我们提出的方法来扩大感知半径的车辆使用它与一个自主的无人机，提供空中侦察合作。所提出的系统的性能进行了评估，在现实世界的条件下进行了一系列的实验。
2020-11-16 cs.RO
5G Virtual Reality Manipulator Teleoperation using a Mobile Phone
University of Waterloo（滑铁卢大学）
本研究提出以手机为主端的5G/无线网络机械臂遥操作方案，结合手机IMU与摄像头估计位姿控制机器人，搭配VR点云多视角视觉反馈与触觉力反馈，提升操作沉浸感，并分析了系统性能。
2024-05-12 cs.RO
A Hybrid Modelling Approach for Aerial Manipulators
University of Luxembourg（卢森堡大学）
空中机械手（AM）表现出特别具有挑战性的非线性动力学;无人机和它所携带的机械手形成了一个紧密耦合的动力学系统，相互影响。描述这些动态的数学模型构成了非线性控制和深度强化学习中许多解决方案的核心。传统上，动力学的制定涉及拉格朗日框架中的欧拉角参数化或牛顿-欧拉框架中的四元数参数化。前者的缺点是会产生奇点，后者的缺点是算法复杂。这项工作提出了一种混合解决方案，结合两者的好处，即四元数方法利用拉格朗日框架，连接无奇异参数化与拉格朗日方法的算法简单性。我们这样做，提供详细的见解的运动学建模过程和制定的一般空中机械手的动力学。所得到的动力学模型进行了实验验证，对实时物理引擎。所获得的动态模型的实际应用中示出的计算转矩反馈控制器（反馈线性化），在那里我们分析其实时能力与日益复杂的模型的上下文中。
2022-10-10 cs.RO
MobiDock: Design and Control of A Modular Self Reconfigurable Bimanual Mobile Manipulator via Robotic Docking
MobiDock通过机器人对接技术实现双臂移动机械臂的模块化自重构，提升协同控制的稳定性和效率。
2026-03-09 cs.RO
TopAY: Efficient Trajectory Planning for Differential Drive Mobile Manipulators via Topological Paths Search and Arc Length-Yaw Parameterization
State Key Laboratory of Industrial Control Technology, Zhejiang University, Hangzhou 310027, China（浙江大学工业控制技术状态重点实验室）；Huzhou Institute of Zhejiang University, Huzhou 313000, China（浙江大学湖州研究院）
针对差动驱动移动机械臂轨迹规划的高维与非完整约束挑战，提出TopAY框架，通过拓扑路径搜索、并行采样及弧长-偏航参数化多项式表示提升效率与成功率，源代码已开源。
2025-11-17 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
Trajectory Optimization for Quadruped Mobile Manipulators that Carry Heavy Payload
Italian Institute of Technology（意大利技术研究院）；University of Genoa（热那亚大学）
提出了一种简化的基于模型的轨迹优化（TO）公式，用于已知质量的四足移动机械臂的运动规划。建议的有效载荷感知制定同时计划运动，有效载荷操纵，并考虑机器人和有效载荷模型的动态，同时保持计算效率。在存在重型有效载荷的情况下，由于有效载荷操纵在优化中的贡献，该方法在运动学要求高的运动中表现出减少的腿部伸展（从而增加可操纵性）。该框架的计算效率和性能进行了验证，通过一些模拟和实验研究与双手动四足CENTAURO机器人进行其手臂上的有效载荷，超过其质量的15%，并穿越非平坦地形。
2022-10-13 cs.RO
Robust Imitation Learning for Mobile Manipulator Focusing on Task-Related Viewpoints and Regions
Toyota Motor Corporation（丰田汽车公司）
针对移动机械臂单视点遮挡与跨场景域偏移问题，提出基于注意力和增强数据的多视点任务相关视点及区域模仿学习方法，显著提升成功率与鲁棒性。
2024-10-02 cs.RO
Planning an Efficient and Robust Base Sequence for a Mobile Manipulator Performing Multiple Pick-and-place Tasks
National Institute of Advanced Industrial Science and Technology (AIST)（国立先进工业科学技术研究所（AIST））；Osaka University（大阪大学）
在本文中，我们解决了有效和强大的收集对象存储在不同的托盘使用移动机械手。提出了一种基于可达性数据库的求解完备方法，用于求解无碰撞的逆运动学解，从而确定可行基位置的求解完备集。此方法近似一组代表性的IK解决方案，在分别处理解决IK和检查碰撞时，这些解决方案特别有用。对于现实世界中的应用，我们考虑到基地定位的不确定性和计划的基础位置，减少必要的基础运动的数量收集目标对象的序列，该基地序列是强大的，移动机械手是能够完成的部分供应任务，即使有一定的偏离计划的基础位置。我们的实验证明了效率相比，定期的基本序列和在现实世界中的应用的可行性。
2020-03-09 cs.RO
Wheelchair Maneuvering with a Single-Spherical-Wheeled Balancing Mobile Manipulator
The Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
提出一种基于准静态分析的控制框架，利用动态稳定的单球轮双臂移动机械臂CMU ballbot操控非完整约束的轮椅，在变负载下实现精准速度跟踪与类人平滑运动，并确保物理人机交互安全。
2024-04-19 cs.RO
Two-Stage Path Following for Mobile Manipulators via Dimensionality-Reduced Graph Search and Numerical Optimization
College of Mechanical and Vehicle Engineering, ChongQing University（机械与车辆工程学院，重庆大学）
本文提出基于维度约简图搜索与数值优化的双阶段路径跟随方法，解决移动机械手高维配置空间和运动学约束问题，通过离散化与连续优化提升路径规划的精度和鲁棒性。
2026-03-07 cs.RO
Motion Planning for a Humanoid Mobile Manipulator System
Ecole Centrale de Lille（里尔中央理工学院）；Beihang University（北京航空航天大学）
提出了一种高冗余度非完整仿人移动双臂机械臂系统，研究了实现“类人”自主导航和操纵任务的运动规划。首先，提出了一种改进的MaxiMin NSGA-Ⅱ算法，该算法优化了5个目标函数，同时解决了移动基座和机械臂之间的奇异性、冗余性和耦合性问题，设计了操纵目标物体的最优位姿。然后，为了将初始位姿和最优位姿联系起来，设计了离线运动规划算法。提出了一种高效的直连双向RRT和梯度下降算法，大大减少了采样节点，并提出了一种几何优化方法进行路径修剪。此外，头向前的行为，通过计算合理的方向，并将其分配给移动基地，以提高人机交互的质量。第三，通过引入实时传感、碰撞测试和控制循环来更新动态环境中的机器人运动，从而扩展到在线规划。第四，提出了一种基于通路点的电子工程多目标遗传算法，通过优化四个目标函数来设计“类人”通路。最后，大量的仿真结果验证了所提出的算法的有效性。
2018-06-19 cs.RO
Far-UVC Disinfection with Robotic Mobile Manipulator
Ryerson University（瑞尔森大学）
COVID-19大流行表明需要更有效和高效的消毒方法来对抗传染病。紫外线杀菌辐照（UVGI）是一种经过验证的消毒和灭菌方法，已被集成到手持设备和自主移动机器人中。现有的UVGI机器人通常配备有发射强烈紫外线辐射的未覆盖的灯，其存在以下问题：无法在人类存在的情况下使用，物体的阴影，以及长的消毒时间。这些机器人的运营成本也很高。本文介绍了一种具有成本效益的杀菌系统，该系统利用UVGI对高接触表面（例如门和桌子）上的病原体（如病毒、细菌和真菌）进行消毒。该系统由一组带有末端执行器的5自由度移动机械手组成，末端执行器装有远紫外准分子灯。讨论了系统的设计，重点是路径规划，覆盖规划和场景理解。还包括使用模拟和辐照度模型的UVGI系统的评估。
2022-03-02 cs.RO
R-LGP: A Reachability-guided Logic-geometric Programming Framework for Optimal Task and Motion Planning on Mobile Manipulators
University of Oxford（牛津大学）；Oxford Robotics Institute（牛津大学机器人研究所）；Istituto Italiano di Tecnologia（意大利技术研究院）
本文提出 R-LGP 框架，通过基于采样的可达性图融合障碍信息并剪枝不可行动作序列，增强 LGP 以解决高自由度移动机械臂的最优 TAMP 问题。
2024-03-05 cs.RO
Robust Motion Control for Mobile Manipulator Using Resolved Acceleration and Proportional-Integral Active Force Control
提出了一种基于分解加速度控制（RAC）和比例积分主动力控制（PIAFC）的移动机械手鲁棒运动控制方法，该移动机械手由差动驱动的轮式移动平台和安装在平台顶部的两连杆平面臂组成.该研究强调了集成的运动学和动力学控制策略，其中RAC用于操纵运动部件，而PIAFC用于补偿包括有界已知/未知干扰和不确定性在内的动态效应。所提出的方案的有效性和鲁棒性进行了研究，通过严格的模拟研究，后来补充了实验结果，通过一些实验在实验室环境中进行了充分开发的工作原型。为了评估系统的性能，故意在系统中引入了一些振动和冲击力形式的干扰。调查清楚地表明，所提出的控制方案相比，在研究中考虑的其他系统的极端鲁棒性功能。
2006-01-14 cs.RO
A behavioural approach to obstacle avoidance for mobile manipulators based on distributed sensing
Seconda Università degli Studi di Napoli（那不勒斯第二大学）
提出了一种移动机械臂的反应式避障方法。开发的算法的目标是双重的。第一种方法是在移动机械手的位形空间中找到一条轨迹，使其能够在任务空间中跟踪给定的轨迹。第二个目标在于局部调整配置空间中的轨迹，以避免与潜在移动障碍物的碰撞以及在非结构化和动态环境中的自碰撞。感知完全基于分布在机器人机械结构上的一组接近传感器，并且不需要视觉信息。由于采用了这种邻近分布式感知，该方法不需要机器人的3D模型，并且允许在不需要传感器化环境的情况下实时避免碰撞。为了实现上述功能，一个基于行为的技术被称为零空间为基础（NSB）的方法已通过一些修改。一方面，总的伪能量的概念的基础上，从分布式传感器的信息已被引入。另一方面，提出了一种将不同任务组合的方法，以保证实时轨迹调整的平滑性。该方法的另一个显著特征是利用冗余自由度的基座和臂之间的严格协调，这是移动操作中的相关主题。
2015-02-09 cs.RO
Design of Mobile Manipulator for Fire Extinguisher Testing. Part I Key Specifications and Conceptual Design
National Key Laboratory of Digital Control and System Engineering (DCSELab), Ho Chi Minh City University of Technology (HCMUT)（胡志明市理工大学数字控制与系统工程国家重点实验室）；Ho Chi Minh City University of Technology (HCMUT)（胡志明市理工大学）；Vietnam National University Ho Chi Minh City（越南国立大学胡志明市分校）；Ton Duc Thang University（孙德胜大学）
所有的火焰都要尽快扑灭，否则消防部门必须处理重大火灾。这导致灭火器的质量成为消防中非常敏感和重要的问题。受自动灭火系统发展的启发，提出了基于ISO 7165：2009和ISO 11601：2008灭火器标准的关键技术指标，并提出了可行的解决方案，设计了一种用于自动评估灭火器质量或更具体地说，灭火器功率的移动机械手。此外，还讨论了部分机械设计问题.
2023-01-26 cs.RO
TacMMs: Tactile Mobile Manipulators for Warehouse Automation
University of Bristol（布里斯托大学）
本文提出用于仓库自动化的触觉移动机械臂TacMMs，通过集成软性光学触觉传感器辅助调整机器人与物体的相对位姿，实验证明其举载任务成功率显著优于纯视觉方法。
2023-06-29 cs.RO
A Bimanual Gesture Interface for ROS-Based Mobile Manipulators Using TinyML and Sensor Fusion
†‡Department of Mechatronics Engineering, Rajshahi University of Engineering \& Technology, Kazla, Rajshahi-6204, Bangladesh §Department of Electrical \& Systems Engineering, School of Engineering \& Applied Science, University of Pennsylvania, Philadelphia, PA 19104, United States Email: , †, ‡, §
本文提出一种基于TinyML和传感器融合的双手手势界面，在ROS框架内实现移动机械臂的同步导航与操作，提高效率与协调性。
2025-09-23 cs.RO
Coupled Active Perception and Manipulation Planning for a Mobile Manipulator in Precision Agriculture Applications
Texas A&M University（德克萨斯农工大学）；Mohamed Bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学（MBZUAI））
针对精准农业中移动机械臂需先近距感知再操作的CAPM问题，提出考虑可达性约束并最小化预期能耗的关键状态/任务规划方法，仿真与实物实验表明其较两阶段解耦方法更节能且任务成功率达100%。
2023-09-28 cs.RO
Robust Dynamic Control Barrier Function Based Trajectory Planning for Mobile Manipulator
School of Mechanical Engineering and Automation, Harbin Institute of Technology Shenzhen（哈尔滨工业大学（深圳）机械工程与自动化学院）；Graduated School of Information Science and Technology, Osaka University（大阪大学信息科学与技术研究生院）
针对高维机器人动态轨迹规划的传统方法痛点，提出结合DCBF与扰动观测器的RDCBF规划器，可在复杂动态障碍环境下兼顾扰动与不确定性，实现安全精确避障，经移动机械臂实验验证性能优异。
2024-06-22 cs.RO
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
Primitive-based Truncated Diffusion for Efficient Trajectory Generation of Differential Drive Mobile Manipulators
本文提出一种学习增强的运动规划器，通过关键点序列提取模块和基于原始的截断扩散模型提升轨迹生成效率与多样性。
2026-04-05 cs.RO
Active and Interactive Mapping with Dynamic Gaussian Process Implicit Surfaces for Mobile Manipulators
University of Technology Sydney（悉尼科技大学）
在这封信中，我们提出了一个互动的概率映射框架的移动机械手从一堆物体。目的是映射场景，主动决定下一步去哪里以及拾取哪个对象，通过拾取所选对象对场景进行更改，然后将这些更改映射到旁边。该框架采用了一种新的动态高斯过程（GP）隐式曲面方法来增量地构建和更新场景地图，反映环境的变化。积极的框架提供了下一个最好的视图，平衡需要挑选对象的可达性与地图信息增益（IG）。为了强制执行访问边界段的优先级超过未知区域，IG公式包括通过利用GP内核导数的基于不确定性梯度的边界分数。这导致了一种有效的策略，解决了未知环境探索和对象拾取利用的经常相互冲突的要求，给定了有限的执行范围。我们证明了我们的框架的有效性与软件模拟和现实生活中的实验。
2021-01-07 cs.RO
Kinematic Analysis and Integration of Vision Algorithms for a Mobile Manipulator Employed Inside a Self-Driving Laboratory
本文针对自主驾驶实验室中的移动机械臂，提出基于DH运动学建模与逆运动学求解，并集成特征检测与单应性姿态估计的视觉算法，实现纹理物体可靠抓取，提升自主操作与人机协作能力。
2025-10-21 cs.RO
