A New 4-DOF Robot for Rehabilitation of Knee and Ankle-Foot Complex: Simulation and Experiment
University of Tehran(德黑兰大学);Harvard Medical School(哈佛医学院);Tehran University of Medical Sciences(德黑兰医科大学);Yerevan State Medical University(埃里温国立医科大学);University of Texas at Dallas(德克萨斯大学达拉斯分校)
固定式机器人训练器是下肢康复机器人,其通常包含附接到固定基座的外骨骼。在用于同时进行膝关节和踝-足复杂关节的固定式训练器中观察到的问题是,由于这些训练器的自由度(DOF)不足,它们限制了踝-足在康复训练中的自然运动。本文设计了一种具有所有自由度的固定式膝-踝-足康复机器人。典型的康复训练首先在模拟中实施,然后在健康受试者上进行测试。结果表明,该系统功能正常,满足康复训练的要求。
2020-11-09 cs.RO cs.SY eess.SY
Adaptive Control of 4-DoF Robot manipulator
University Of Washington(华盛顿大学)
本文提出了一种针对四自由度机器人操作臂动态参数不确定性的自适应控制策略,通过实验验证其在机器人仿真器中的有效性。
2015-01-02 cs.RO cs.SY eess.SY
Analysis on Multi-robot Relative 6-DOF Pose Estimation Error Based on UWB Range
针对GNSS拒止、无锚点环境下的多机器人相对6-DOF位姿估计问题,本文推导误差解析下界,并通过仿真验证节点距离、高度和标签单纯形外接圆半径的影响。
2023-09-27 cs.RO cs.SY eess.SY
End-Effector Stabilization of a 10-DOF Mobile Manipulator using Nonlinear Model Predictive Control
University of Waterloo(滑铁卢大学)
移动机械手(安装在移动基座上的机械臂)的运动控制对于复杂的任务(如材料和包装处理)可能具有挑战性。针对由7自由度机械臂和3自由度移动基座组成的10自由度移动机械臂,设计了一种基于非线性模型预测控制(NMPC)的任务空间镇定控制器。该系统模型是基于运动学模型的末端执行器的方向直接由旋转矩阵参数化。状态和控制约束以及奇异性约束显式地包括在NMPC制定。该控制器进行了测试,使用实时仿真,表现出高的定位精度与易处理的计算成本。
2021-03-24 cs.RO cs.SY eess.SY
Performance Analysis of PID, PD and Fuzzy Controllers for Position Control of 3-Dof Robot Manipulator
Hussaini Adamu Polytechnic(侯赛因·阿达姆理工学院);Bayero University, Kano(卡诺贝罗大学);Ahmadu Bello University(阿赫马杜·贝洛大学)
机器人操作器由于其巨大的重要性而广泛用于工业应用中,例如在建筑自动化中。因此,设计控制器以适应应用的密集目的是控制研究人员的主要挑战之一。本文对三自由度机器人操作臂的三种控制器进行了比较分析。设计了比例积分微分(PID)、比例微分(PD)和模糊逻辑(FL)控制器,并对机器人的各个环节进行了仿真。使用瞬态和稳态响应特性评估每种控制方法的性能。结果表明,PID和PD在上升时间和建立时间方面表现更好,而FLC表现出更小的超调量
2019-10-26 cs.RO cs.SY eess.SY
Design, fabrication and 3-DOF control of legless capsule robot
本文提出一种无腿胶囊机器人(capsubot),它由一个密封的外体、一个内体和一个旋转驱动器组成。该机器人的目标是在二维粘性环境中移动。在机器人的设计和建模后,提出了一个四阶段的角速度轮廓移动机器人在一个方向。此外,一个摄像头被用来获得的位置的机器人在环境中的机器人的方位和速度的估计与卡尔曼滤波器通过融合惯性测量单元,陀螺仪和磁力计传感器。此外,为了控制机器人,实施状态反馈控制。最后,实验结果证明了机器人和所提出的算法的性能。
2020-02-10 cs.RO cs.SY eess.SY
Control of a 2-DoF robotic arm using a P300-based brain-computer interface
Tehran University(德黑兰大学);Islamic Azad University(伊斯兰阿扎德大学);Amirkabir University of technology(阿米尔卡比尔理工大学)
本研究开发了一种基于P300的脑机接口控制算法,用于控制2自由度机械臂,通过多类SVM分类器在BCI Competition Dataset II上实现了97%的识别率,并验证了其在二维空间中书写英文字母的精度。
2019-01-05 cs.HC cs.RO cs.SY
Adaptive Task Space Non-Singular Terminal Super-Twisting Sliding Mode Control of a 7-DOF Robotic Manipulator
Department of Mechanical Engineering, Dalhousie University(达勒豪西大学机械工程系);GIPSA-lab, CNRS, University of Grenoble Alpes(格勒诺布尔阿尔卑斯大学GIPSA-lab)
本文提出一种带自适应增益的任务空间非奇异终端超螺旋滑模控制器,用于7自由度操作臂轨迹跟踪,通过仿真与硬件实验验证其在未知扰动下能抑制抖振、提高跟踪精度并减少控制量。
2025-08-22 cs.RO cs.SY eess.SY
System Identification for Virtual Sensor-Based Model Predictive Control: Application to a 2-DoF Direct-Drive Robotic Arm
Department of Aeronautics and Astronautics, Graduate School of Engineering, Kyoto University(航空学系,工学研究科,京都大学);Kobe Steel, Ltd.(神户钢铁株式会社)
本文提出PVSID框架,利用高成本传感器在建模阶段创建虚拟传感器,实现二自由度直接驱动机械臂的非线性模型预测控制,无需运动捕捉系统即可实现精确末端轨迹跟踪。
2026-02-02 cs.RO cs.SY eess.SY
Optimization of sliding control parameters for a 3-dof robot arm using genetic algorithm (GA)
Hanoi University of Industry(河内工业大学);Thai Binh University(太平大学);East Asia University of Technology(东亚理工大学)
本文提出用遗传算法优化三自由度机械臂滑模控制参数,相比传统SMC和模糊SMC,能提升轨迹跟踪精度并减少抖振。
2025-08-06 cs.NE cs.RO cs.SY
LTO: Lazy Trajectory Optimization with Graph-Search Planning for High DOF Robots in Cluttered Environments
University of California, Los Angeles(加州大学洛杉矶分校)
虽然轨迹优化(TO)是最强大的运动规划工具之一,但是随着时间范围在杂乱环境中增加,其遭受昂贵的计算复杂性。它也可能无法收敛到全局最优解。在本文中,我们提出了懒惰的轨迹优化(LTO),结合本地短期TO和全球图形搜索规划(GSP),以产生一个长期的全球最优轨迹。LTO以与原始长时间范围TO相同的约束求解TO,具有改进的时间复杂度。我们还提出了一个TO感知的成本函数,可以平衡解决方案的成本和规划时间。由于LTO在路线图中解决了许多几乎相同的TO,因此它可以为TO提供明智的热启动,以加速规划过程。我们还证明了LTO的计算复杂性和最优性。最后,我们证明了LTO的性能运动规划问题的2自由度自由飞行机器人和21自由度足式机器人,表明LTO优于现有的算法在其运行时间和可靠性。
2021-03-23 cs.RO cs.SY eess.SY
Towards Safe Landing of Falling Quadruped Robots Using a 3-DoF Morphable Inertial Tail
The Chinese University of Hong Kong(香港中文大学)
针对四足机器人跌落安全着陆问题,本文提出搭载3自由度可变形惯性尾部并设计飞行阶段控制架构,通过空中三维再定向与触地前快速收缩实现安全着陆。
2022-09-30 cs.RO cs.SY eess.SY
Design, Dynamic Modeling and Control of a 2-DOF Robotic Wrist Actuated by Twisted and Coiled Actuators
College of Advanced Manufacturing and Robotics(先进制造与机器人学院);State Key Laboratory of Turbulence and Complex Systems(湍流与复杂系统国家重点实验室);Peking University(北京大学);Department of Electrical and Computer Engineering(电气与计算机工程系)
针对多自由度人工肌肉软体机器人缺乏适配的动力学控制策略的问题,本文设计了TCA驱动的2自由度3RRRR并联机构机器人腕,建立拉格朗日动力学模型并设计NMPC控制器,实验验证了其控制效果与可集成性。
2025-07-30 cs.RO cs.SY eess.SY
DentiBot: System Design and 6-DoF Hybrid Position/Force Control for Robot-Assisted Endodontic Treatment
University of Hong Kong(香港大学);UCLA(加州大学洛杉矶分校);National Taiwan University(国立台湾大学);Taipei Veterans General Hospital(台北荣民总医院);National Yang Ming Chiao Tung University(国立阳明交通大学)
本文提出首款专用于根管治疗的机器人DentiBot,通过六自由度混合位置/力控制、患者跟踪模块和锉柔顺性模型,实现手术路径自主调整、患者移动补偿及根管锉断裂防护,并在临床前模型上验证了可行性。
2023-10-15 cs.RO cs.SY eess.SY
A Balanced Positional Control Architecture for a 12-DoF Quadruped Robot through Simulation-validation and Hardware Testing
American International University-Bangladesh(孟加拉国美国国际大学)
本文提出一种12自由度四足机器人腿部平衡位置控制算法,通过正逆运动学推导和Python仿真验证,并在原型腿上实现78.9%的仿真一致准确率,证明算法可部署于实体机器人。
2024-07-30 cs.RO cs.SY eess.SY
Dexterous Control of an 11-DOF Redundant Robot for CT-Guided Needle Insertion With Task-Oriented Weighted Policies
Jacobs School of Engineering, University of California San Diego(加州大学圣地亚哥分校 Jacobs 工程学院);School of Medicine, University of California San Diego(加州大学圣地亚哥分校医学院);School of Medicine, University of Missouri-Kansas City(密苏里大学堪萨斯城分校医学院)
针对CT引导穿刺活检空间受限等问题,提出集成6-DOF基座与5-DOF线驱动末端执行器的11-DOF冗余机器人系统,采用两阶段优先级加权逆运动学控制器与零空间控制策略,显著提升了手术跟踪精度与灵巧性。
2026-10-07 cs.RO cs.SY eess.SY
Dandelion-Picking Legged Robot
University of Michigan(密歇根大学)
农业目前正在经历一场机器人革命,但使用轮式或履带式的机器人存在已知的缺点:它们无法在碎石和陡峭或松散的地面上移动,并且它们践踏连续的土地,从而减少了可种植的作物面积。足式机器人提供了一种替代方案,但现有的商业足式机器人复杂、昂贵且难以维护。我们建议使用多足机器人使用低自由度(低自由度)的腿,并证明我们的方法与草坪害虫控制任务:采摘蒲公英使用我们的廉价和易于制造的BigANT机器人。为此,我们为机器人添加了一个RGB-D摄像头。我们还将一个采花附件固定在机器人底盘上。由于腿的多功能性,机器人可以被编程来执行一个“俯冲”的运动,允许这个0自由度的附属物采摘花朵。我们的研究结果表明,机器人与六个或更多的低自由度的腿可能会击中一个甜蜜点为足式机器人设计的农业应用提供足够的流动性,稳定性和低复杂性。
2021-12-10 cs.RO cs.SY eess.SY
Impedance control of a cable-driven series elastic actuator with the 2-DOF control structure
Nankai University(南开大学)
本文提出一种基于速度源的缆驱动串联弹性执行器,设计了2-DOF控制方法以实现鲁棒性和扭矩跟踪的平衡,并通过仿真和实验验证了该方法在缆驱动执行器控制中的有效性。
2016-10-30 cs.SY eess.SY
Adaptive motion control of parallel robots with kinematic and dynamic uncertainties
具有运动学不确定性的机器人自适应控制中最具挑战性的问题之一是要求回归形式的雅可比矩阵求逆。这种要求是不可避免的情况下,控制的并联机器人,其动力学方程直接写在任务空间。基于雅可比矩阵的回归形式,设计了一种并联机器人自适应控制器,保证了机器人轨迹的渐近跟踪。其主要思想是将雅可比矩阵的行列式与伴随矩阵分离,并组织新的回归量形式。对2-DOF R \underline{P} R和3-DOF冗余度索驱动机器人的仿真和实验结果表明,所提出的方法具有良好的性能。
2020-03-19 cs.SY eess.SY
BLUE: A 3D Dynamic Bipedal Robot
Universidad de San Buenaventura(圣布埃纳文图拉大学)
本研究的目的是设计一个在三维环境中具有移动性的机电一体化双足机器人。设计的机器人共有6个驱动自由度(DoF),每条腿有两个位于臀部的DoF:一个用于外展/内收,另一个用于大腿屈曲/伸展,第三个DoF位于膝盖处用于胫骨屈曲/伸展。该机器人设计了点足腿,以实现动态欠驱动行走。机器人中的每个执行机构包括直流齿轮电机、用于位置测量的编码器、用于形成串联柔性执行机构的柔性关节以及用于确保轨迹跟踪的反馈控制器。为了减小机器人的总质量,采用拓扑优化方法对机器人小腿进行了设计。由此产生的设计是使用3D打印部件制造的,这允许获得机器人的原型来验证致动器的选择。初步的实验证实了机器人的能力,以保持一个站立的位置,让我们得出未来的工作,在动态控制和轨迹生成周期性稳定行走。
2021-11-18 cs.RO cs.SY eess.SY
On the Certification of the Kinematics of 3-DOF Spherical Parallel Manipulators
Inria(法国国家信息与自动化研究所)
本文针对可无限滚动的三自由度球面并联机械手,结合符号与半数值方法分析其运动学及奇异点,并在参数不确定性条件下计算无奇异区,从而保证上平台惯性稳定控制的有效性。
2024-05-06 cs.RO cs.SY eess.SY
Innovative Adaptive Imaged Based Visual Servoing Control of 6 DoFs Industrial Robot Manipulators
University of California, Davis(加利福尼亚大学戴维斯分校)
针对传统IBVS仅适用于特征在视野内的局限,提出结合Youla参数化的前馈-反馈自适应控制结构,通过特征估计与IBVS反馈切换及模型在线线性化解耦,实现6自由度工业机械臂全操作范围的稳定位姿控制,经仿真验证有效且鲁棒。
2025-06-11 cs.RO cs.SY eess.SY
Configuration-Aware Safe Control for Mobile Robotic Arm with Control Barrier Functions
Shanghai Jiao Tong University(上海交通大学);University of Oxford(牛津大学);Tencent(腾讯)
碰撞避免是机器人应用中广泛研究的课题。在将避碰技术应用于移动机器人时,如何处理机器人的空间结构仍然是一个挑战。在本文中,我们设计了一个配置感知的安全控制律,通过求解二次规划(QP)与设计的控制障碍函数(CBFs)的约束,它可以安全地导航移动机械臂到所需的区域,同时避免与环境障碍物碰撞。我们的方法的优点是,它正确地,并在一个优雅的方式结合了移动机器人手臂的空间结构。这是通过合并移动机器人手臂链接到CBF约束之间的几何限制。通过对刚性杆和移动机械臂的仿真,验证了该方法的可行性和时间效率。对不同自由度的计算结果表明,该方法具有很好的维数伸缩性。
2022-05-08 cs.RO cs.SY eess.SY
Parameterized and GPU-Parallelized Real-Time Model Predictive Control for High Degree of Freedom Robots
Brigham Young University(杨百翰大学)
提出了一种新的输入参数化方法,提高了高自由度(DoF)机器人的模型预测控制(MPC)的易处理性。实验结果表明,通过参数化的输入轨迹的四分之三以上的优化变量,在传统的MPC中使用的可以被删除,几乎没有对系统性能的影响。这种参数化还导致轨迹更保守,在具有建模误差的欠阻尼系统中产生更少的超调。在本文中,我们提出了两个MPC的解决方案,利用这种参数化的方法。第一个使用凸解算器,第二个使用图形处理单元(GPU)上的并行计算。我们表明,这两种方法大大减少了解决时间大自由度,长时间的MPC问题,允许解决方案的实时速率。通过仿真和硬件实验,我们表明,参数化的凸求解器MPC具有更快的解决时间比传统的MPC高自由度的情况下,同时仍然达到类似的性能。对于基于GPU的MPC求解方法,我们使用了一种进化算法,我们称之为进化MPC(EMPC)。EMPC被证明有更快的解决时间为高自由度系统。通过使用更强大的GPU,EMPC的求解时间进一步减少。这表明并行MPC方法将随着GPU技术的改进和普及而变得更加有利。
2020-01-14 cs.RO cs.SY eess.SY
Behavior Cloning of MPC for 3-DOF Robotic Manipulators
University of Waterloo(多伦多大学);Universite de Technologie de Compiègne(技术与科学大学);Nanyang Technological University(南洋理工大学);Polytechnique Montréal(蒙特利尔理工学院)
针对MPC实时计算负担重的问题,采用行为克隆方法近似MPC策略,通过多种神经网络架构实现三自由度机械臂的实时控制,在宽松容差下推理延迟降低3倍,成功率84.98%。
2026-05-29 cs.LG cs.RO cs.SY
Banking Turn of High-DOF Dynamic Morphing Wing Flight by Shifting Structure Response Using Optimization
Silicon Synapse Labs(硅突触实验室);Northeastern University(东北大学);California Institute of Technology(加州理工学院)
针对高自由度柔性扑翼机器人三维控制难题,本文为 Aerobat 设计基于配点法的低功率执行器控制方案,通过调节扑翼步态与气动力实现滚转跟踪和倾斜转弯,并在仿真中验证可行性。
2024-05-09 cs.RO cs.SY eess.SY
Multi-Arm Robot Task Planning for Fruit Harvesting Using Multi-Agent Reinforcement Learning
Beijing Academy of Agriculture and Forestry Sciences(北京市农林科学院);Jiangsu University(江苏大学)
收获机器人的出现为解决农业劳动力资源有限和水果需求不断增长的问题提供了一个有希望的解决方案。尽管收割机器人领域取得了显著进步,但这种技术在果园中的应用仍然有限。关键的挑战是提高运营效率。针对四臂采摘机器人,考虑臂内冲突、自由度耦合和动态任务,提出了一种任务规划策略。所提出的方法采用马尔可夫博弈框架来制定四臂机器人收获任务,这避免了解决NP-难调度问题的计算复杂性。此外,一个多智能体强化学习(MARL)结构与完全集中的协作协议被用来训练基于MARL的任务规划网络。通过仿真和果园试验,验证了该方法在多臂收获机器人中的有效性。
2023-03-01 cs.RO cs.SY eess.SY
Reproducible Vision-Guided 6-DoF Robotic Manipulator with a Mixed Stepper-Driver Architecture and Browser-Native Control
University of Moratuwa(莫拉图瓦大学)
该研究推出开源低成本6自由度机械臂NeuralNexus Arm,采用混合步进驱动器架构与浏览器原生控制,具备视觉引导自主抓取能力,所有设计开源且可复现。
2026-08-25 cs.CV cs.RO cs.SY
Safe Whole-Body Loco-Manipulation via Combined Model and Learning-based Control
Mitsubishi Electric Research Laboratories (MERL)(三菱电机研究实验室)
本文提出结合模型和学习的全身控制器,实现安全的运动-操作,通过参考控制器和卡尔曼滤波器提升力控制与鲁棒性,验证于四足机器人。
2026-03-02 cs.HC cs.RO cs.SY
Learning over time using a neuromorphic adaptive control algorithm for robotic arms
Accenture Labs(埃森哲实验室);National Research Council Canada(加拿大国家研究委员会)
在本文中,我们探讨了机器人手臂的能力,学习的基本操作空间定义的位置(x,y,z),手臂的末端执行器可以达到,包括干扰,部署和彻底评估脉冲神经网络基于自适应控制算法。虽然传统的机器人控制算法在适应新的动态环境方面存在局限性,但我们证明机器人手臂可以随着时间的推移更快地学习操作空间并完成任务。我们还证明了基于SNN的自适应机器人控制算法能够在保持能源效率的同时实现快速响应。我们通过对自适应算法参数空间进行广泛的搜索,并评估不同SNN网络大小、学习率、动态机械臂轨迹和响应时间的算法性能,获得了这些结果。我们表明,机器人手臂学习完成任务的速度提高了15%,在特定的实验场景,如六个或九个随机目标点的情况下。
2022-10-03 cs.AI cs.RO cs.SY