Toward Certified Functional Safety for Industrial Humanoid Robots: The Fail-Passive Gap and a Feasibility Study
Siemens Foundational Technologies, Siemens Corporation（西门子基础技术部，西门子公司）
该研究针对工业人形机器人功能安全认证的故障被动间隙，通过外部安全链定位间隙，在Unitree G1 EDU上验证方法，分析人形机器人主动安全状态，将间隙定位在SDA与平衡策略的接口处。
2026-08-05 cs.RO
Safe and Compliant Control of Redundant Robots Using Superimposition of Passive Task-Space Controllers
University of Edinburgh（爱丁堡大学）；University of Oxford（牛津大学）
提出一种基于多个被动任务空间控制器叠加的冗余机械臂柔顺控制框架，无需矩阵求逆和优化即可实现本质稳定、数值条件良好且计算成本低廉的控制，在快速变化参考的高要求动态任务中实现亚厘米级跟踪性能，同时保持交互安全和对奇异的稳健性。
2020-09-21 cs.RO
Mechanical Characterization of Compliant Cellular Robots. Part I: Passive Stiffness
Yale University（耶鲁大学）
模块化主动单元机器人（MACRO）是模块化机器人硬件的设计范例，仅使用两个组件，即致动器和被动柔性关节。在MACRO方法下，连接大量的致动器和关节以创建网状细胞机器人结构，该结构可以被致动以实现大的变形和形状改变。在这篇由两部分组成的论文中，我们研究了MACRO框架内不同可能的网状拓扑结构的重要性。平面的规则和半规则平铺被用作候选网格拓扑，并使用有限元分析（FEA）进行模拟。在第1部分中，我们使用FEA来评估它们的被动刚度特性。使用应变能方法，均匀化的材料性能（杨氏模量，剪切模量，泊松比）不同的网格拓扑结构的计算和比较。结果表明，刚度随着节点连接度的增加而增加，拉伸主导的拓扑结构比弯曲主导的拓扑结构具有更高的刚度。我们还研究了相对致动器节点刚度对整体网格特性的作用。该分析表明，拉伸为主的拓扑结构的刚度直接与其横截面积成比例，而弯曲为主的拓扑结构则没有这种直接关系。
2022-03-11 cs.RO
Mechanical Design Improvement of a Passive Device to Assist Eating in People Living with Movement Disorders
Université Laval（拉瓦尔大学）；Centre interdisciplinaire de recherche en réadaptation et intégration sociale (CIRRIS)（康复与社会融合跨学科研究中心）
许多患有神经系统疾病的人，如脑瘫，中风，肌肉萎缩症或肌张力障碍，都会出现上肢损伤（肌肉痉挛，失去选择性运动控制，肌肉无力或震颤），并且难以独立进食。该项目的总体目标是开发一种新的辅助进食装置，旨在稳定运动障碍患者的运动。该设备的第一次迭代在患有脑瘫的儿童中得到了验证，并显示出有希望的结果。然而，这一验证指出了重要的缺点。本文提出了一个迭代的设计，其中包括一个新的机制，减少所需的手臂海拔，提高安全性，通过一个符合器具附件，并提高阻尼和其他静态平衡因素。
2020-10-14 cs.RO
On the mechanical contribution of head stabilization to passive dynamics of anthropometric walkers
CNRS-AIST JRL (Joint Robotics Laboratory)（法国国家科学研究中心-日本产业技术综合研究所联合机器人实验室）；National Institute of Advanced Industrial Science and Technology (AIST)（日本产业技术综合研究所）；Joint research unit CNRS/ENS/INRIA/PSL UMR8548（法国国家科学研究中心/法国高等师范学院/法国国家信息与自动化研究所/巴黎文理研究大学联合研究单位）；Collège de France（法兰西公学院）
在稳定的步态期间，人类使他们的头部围绕垂直方向稳定。虽然对这种现象有感觉认知的解释，但其对身体动力学的机械效应仍然未被探索。在这项研究中，我们利用人类稳定步态与被动动力学机器人运动的相似性。我们引入了一个简化的人体测量D模型来再现广泛的步行动力学。在以前的研究中，我们证明了稳定的头颈系统的存在显着影响步行的动力学。本文给出了新的见解，导致理解这种机械效应。特别是，我们引入了一个原始的推车上身模型，可以更好地了解机械的兴趣，头部稳定行走时，我们研究了这种效应是如何敏感的控制参数的选择。
2020-10-29 cs.RO physics.med-ph
SAQIEL: Ultra-Light and Safe Manipulator with Passive 3D Wire Alignment Mechanism
The University of Tokyo（东京大学）
本文提出被动式3D线材对齐器与电机直接绕线驱动，将执行器集中于根部，研制出运动部件仅1.5 kg的7自由度超轻量机械臂SAQIEL，并验证其兼顾负载、速度、精度与适应性。
2024-03-04 cs.RO
SPINE Gripper: A Twisted Underactuated Mechanism-based Passive Mode-Transition Gripper
Department of Civil and Environmental Engineering, Korea Advanced Institute of Science and Technology（环境与土木工程系，韩国科学技术院）
SPINE Gripper通过机械设计实现无需传感器或主动控制的双向抓取与旋转转换，展示非共面多功能操作的机械实现。
2026-01-11 cs.RO
A Passive Mechanical Add-on for Treadmill Exercise (P-MATE) in Stroke Rehabilitation
TU Delft（代尔夫特理工大学）；Erasmus MC（伊拉斯姆斯大学医学中心）；RWTH Aachen University（亚琛工业大学）
针对卒中康复机器人成本高、设置慢的问题，本文设计并评估低成本被动式跑步机附加装置P-MATE，通过弹性缆索和滑轮耦合双腿运动，并由治疗师与八名健康参与者验证其可用性与改进方向。
2025-01-06 cs.RO physics.med-ph
Robust Semi-passive Velocity Field Control with Boundedness Guarantees for Safe Interaction between Mechanical Systems and Physical Environment
Graduate School of Science and Technology, Nara Institute of Science and Technology（奈良科学技术大学大学院科学技术研究科）
本文针对机械系统与物理环境的安全交互问题，提出一种鲁棒时变半无源速度场控制方法，可放宽全无源控制的保守性，保证系统有界性，经数值仿真验证有效。
2026-09-01 cs.RO cs.SY eess.SY
Mechanical Characterization of Compliant Cellular Robots. Part II: Active Strain
Yale University（耶鲁大学）
模块化主动单元机器人（MACRO）是一种设计方法，其中大量的线性致动器和被动柔性关节被组装以创建具有重复单元的主动结构。这种网状机器人结构可以被致动以实现大的变形和形状改变。在这篇由两部分组成的论文中，我们使用有限元分析（FEA）来模拟不同MACRO网格拓扑的变形行为，并评估其被动和主动机械特性。在第一部分中，我们介绍了不同的MACRO网格的被动刚度特性。现在，在本文的第二部分中，我们研究了平面宏网格的主动应变特性。使用有限元分析，我们量化和比较产生的应变的具体选择的宏网格拓扑结构，并进一步为特定的选择，在该特定的网格驱动的致动器。我们模拟了一系列的致动模式，是基于网格内的致动器的角取向，并表明，这种致动模式的结果是独立的网格的大小的变形。我们还表明，存在这样的驱动模式，跨越变形行为的范围内的一个子集。最后，我们比较了驱动不同的宏网格所需的驱动努力，并表明驱动努力与网格的节点连接。
2022-03-11 cs.RO
Dynamic Locomotion For Passive-Ankle Biped Robots And Humanoids Using Whole-Body Locomotion Control
University of Texas at Austin（德克萨斯大学奥斯汀分校）；Stanford University（斯坦福大学）
全身控制是一种面向任务的反馈控制方法，用于人形机器人的局部操作行为。WBC和基于模型的步行控制器的组合已被广泛应用于各种人形机器人中。然而，到目前为止，WBC方法还没有被用于无支撑的被动踝关节动态运动。因此，在本文中，我们设计了一个新的WBC，被称为全身运动控制器（WBLC），可以实现实验动态行走无支撑被动踝关节机器人。WBLC的一个关键方面是接触约束的放松，使得控制命令在切换脚接触时产生减少的急动。为了实现强大的动态运动，我们进行了深入的分析，我们的动态步行算法称为时间速度反转（TVR）规划的不确定性。不确定性研究是基础，因为它使我们能够改进我们的机器人的控制算法和机械结构，以满足容忍的不确定性。此外，我们进行了大量的实验：1）无支撑的动态平衡（即原地踏步）与六自由度（DoF）的机器人，水星; 2）无支撑的方向行走与水星; 3）行走在不规则和光滑的地形与水星;和4）原地行走与我们新设计的十自由度粘弹性液体冷却机器人，DRACO。总体而言，这项工作的主要贡献是：a）实现被动踝两足动物使用WBLC控制器和TVR规划器的无支撑动态运动的各种模式，b）进行不确定性分析，以改善水星的机械结构和控制器，以及c）设计一个全身控制策略，减少行走过程中的运动抖动。
2019-01-23 cs.RO
Viability-Preserving Passive Torque Control
University of Pennsylvania（宾夕法尼亚大学）；UIUC（伊利诺伊大学香槟分校）
本文利用可行性理论预计算关节位置和速度的状态空间安全集，通过数据驱动和分析方法避免自碰撞和外部物体碰撞，约束关节加速度从而限制扭矩，通过二次规划框架确保机器人状态在无限时间范围内保持安全。
2026-03-02 cs.LG cs.RO cs.SY
SiMPLeR: A Series-Elastic Manipulator with Passive Variable Stiffness for Legged Robots
Saratoga High School（萨拉托加高中）；University of Michigan（密歇根大学）
我们提出了一种机械简单，成本低廉的设计，一系列的弹性致动器与可控刚度。这些特性对于动物的奔跑、跳跃、投掷和操纵是必要的，然而在机器人中，变刚度致动器要么很复杂，要么通过反馈控制器在低带宽下模仿。需要一个强大而简单的设计来建造可靠而廉价的具有动物能力的机器人。我们设计的关键是将扭转弹簧连接到正时皮带上，以创建可变刚度线性弹簧。在对抗对中，改变电机和关节之间的距离则改变致动器刚度。我们建立了一个原型，我们提出的致动器，显示的理论行为相匹配的实验表征，并展示了应用机器人单腿跳跃。
2021-06-20 cs.RO
Bridging Hard and Soft: Mechanical Metamaterials Enable Rigid Torque Transmission in Soft Robots
Massachusetts Institute of Technology（麻省理工学院）；University of Washington（华盛顿大学）；Northeastern University（东北大学）；University of Maryland（马里兰大学）
提出由机械超材料构成柔顺等速关节的软体机械臂，在保持被动柔顺的同时实现连续扭矩传递，并结合逆运动学神经网络完成拧灯泡、螺栓和阀门等任务。
2024-12-03 cs.RO
BiFlex: A Passive Bimodal Stiffness Flexible Wrist for Manipulation in Unstructured Environments
The University of Texas（德克萨斯大学）；Meta Reality Labs Research（Meta现实实验室）
本文提出被动双模态刚度柔性腕部 BiFlex，利用软屈曲蜂窝结构在高精度操作与意外接触安全间切换，并通过多种真实任务验证其控制简化、操作精确与安全性。
2025-05-14 cs.RO
Learning robotic milling strategies based on passive variable operational space interaction control
University of Birmingham（伯明翰大学）；The Faraday Institution（法拉第研究所）
本文提出一种结合交互控制的学习方法，使机器人能在拆解回收中自适应调整切割参数，通过仿真训练减少试验需求，并验证其性能接近离线最优规划，且无需材料先验知识。
2023-08-29 cs.RO
A passive admittance controller to enforce Remote Center of Motion and Tool Spatial constraints with application in hands-on surgical procedures
Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）
在微创外科手术过程中，限制被约束为移动通过入口端口的操纵器连杆的可行运动是一个常见的问题。需要有更多的空间限制，以确保敏感区域的安全，使其不受意外损害。在这项工作中，我们设计了一个目标导纳模型，该模型被证明可以通过远程运动中心来执行机器人工具操作，并保证工具永远不会进入或接触禁区。该控制方案被证明是被动的施加人力下，确保操纵稳定性，并在动手外科手术过程中的平滑自然运动，增强用户的感觉控制的任务。通过模拟由KUKA LWR 4+和虚拟术中环境组成的动手外科手术的设置进行实验，证明了其性能。
2022-03-03 cs.RO
Reinforcement Learning for Safe Autonomous Two Device Navigation of Cerebral Vessels in Mechanical Thrombectomy
提出一种安全的双器械强化学习算法，通过整合导丝尖端力保障患者安全，首次实现机械取栓术中微导管与微导丝向脑血管的自主导航，在未见病例中取得96%成功率且作用力远低于破裂阈值。
2025-03-31 cs.LG cs.RO
PACC: A Passive-Arm Approach for High-Payload Collaborative Carrying with Quadruped Robots Using Model Predictive Control
Istituto Italiano di Tecnologia (IIT)（意大利技术研究院）；TU Darmstadt（达姆施塔特工业大学）；Sao Paulo University (USP)（圣保罗大学）
本文提出一种基于内在阻抗被动臂的四足机器人协同搬运方法，采用去中心化模型预测控制器融合机械臂动力学与外力估计，在保障运动能力的同时提升负载效率并降低能耗，经人机与机器人协同搬运实验验证有效。
2025-03-07 cs.RO
Is Your Safe Controller Actually Safe? A Critical Review of CBF Tautologies and Hidden Assumptions
Department of Robotics, University of Michigan（机器人学系，密歇根大学）
本文批判性地审查了CBF在机器人安全中的应用，揭示了安全控制器理论与实际实现之间的差距，并提供了构建实际安全论证的实用指南。
2026-07-24 cs.RO cs.SY eess.SY
Power to the springs: Passive elements are sufficient to drive push-off in human walking
Technical University Munich（慕尼黑工业大学）；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
在人类行走过程中，踝关节的两个肌肉-腱-单位（MTU）在踝关节的蹬离中起着重要作用：腓肠肌（GAS）和比目鱼肌（SOL）。GAS和SOL在站立期间加载跟腱以存储弹性能量，然后在APO期间快速释放能量。我们使用神经肌肉模拟（NMS）和双足机器人调查的作用，GAS和SOL的载脂蛋白O。我们优化模拟以获得稳健的步态，然后依次用线性弹簧替换（1）GAS、（2）SOL和（3）GAS和SOL的MTU。为了验证仿真，我们实现NMS-3的双足机器人。所有试验的模拟和机器人行走稳定，显示出冲动的APO。我们的研究结果表明，弹性MTU属性形状的脉冲APO。对于假肢或机器人设计，也就是说，如果在设计中包含更多的机械智能，则不需要复杂的踝关节致动来获得脉冲APO。
2022-04-29 cs.RO
A Portable and Passive Gravity Compensation Arm Support for Drone Teleoperation
École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院 (EPFL)）；ETHZ（苏黎世联邦理工学院）；Swiss Federal Institute for Forest Snow, and Landscape Research (WSL)（瑞士联邦森林、雪与景观研究所 (WSL)）
基于手势的界面通常用于实现更自然和直观的机器人遥操作。然而，有时，手势控制需要引起用户显著疲劳的姿势或移动。在之前的用户研究中，我们证明了天真的用户可以在手臂展开时通过躯干运动控制固定翼无人机。然而，这种姿势引起了明显的手臂疲劳。在这项工作中，我们提出了一个被动的手臂支持，补偿手臂重量的平均扭矩误差小于0.005 N/kg的超过97%的运动范围的科目飞行，因此减少肌肉疲劳的肩膀上的平均58%。此外，该手臂支撑件的设计适合从第1百分位女性到第99百分位男性的身体尺寸的用户。手臂支撑的性能分析描述与机械模型和其实施进行了验证与机械表征和用户研究，测量飞行性能，肩部肌肉活动和用户接受度。
2021-11-10 cs.RO cs.SY eess.SY
Passivity-Centric Safe Reinforcement Learning for Contact-Rich Robotic Tasks
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（机器人与智能机器国家级博士项目（DRIM）和热那亚大学）
本研究针对接触丰富型机器人任务，结合基于能量的无源控制与安全强化学习，提出感知无源性训练与部署阶段的无源性滤波方法，提升了控制稳定性与能量效率。
2026-09-03 cs.RO
Advances on mechanical designs for assistive ankle-foot orthoses
Universidad Rey Juan Carlos（胡安·卡洛斯国王大学）；University of Twente（特文特大学）
本文综述辅助性踝足矫形器（AAFO）的机械设计，按被动、准被动和主动原理分类，并结合用途与实验验证评估技术成熟度、局限及未来方向。
2023-06-14 cs.HC cs.RO cs.SY
Formal Verification of Obstacle Avoidance and Navigation of Ground Robots
Computer Science Department, Carnegie Mellon University（卡内基梅隆大学计算机科学系）；INRIA（法国国家信息与自动化研究所）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
本文研究了移动机器人在动态环境中安全性的核心问题，通过形式化验证方法验证了控制器在回避静态和移动障碍物时的安全性、被动安全性、主动友好安全性及被动方向安全性，并证明了在传感器不确定性和执行器扰动下仍能保证安全性的结论。
2019-06-18 cs.LO cs.RO cs.SY
Physical Imitation Learning: Distilling Control Policies into Passive Elasticity
School of Engineering Mathematics and Technology, University of Bristol, and the Bristol Robotics Laboratory（布里斯托大学工程数学与技术学院及布里斯托机器人实验室）
提出物理模仿学习(PIL)方法，将强化学习控制策略分解为主动与被动部分，被动部分卸载到并联弹性关节，显著降低能耗，在模拟四足机器人上实现高达95%的机械功率卸载。
2026-06-17 cs.RO
Passive Luminescent Bellows Mechanism
Graduate School of Engineering Science, Osaka University（大阪大学工程科学研究生院）
针对灾害现场低能见度问题，本文提出一种由黑光激活的Ecoflex磷光粉末被动发光柔性致动器，验证了其发光与变形能力，并研究了混合比例对性能的影响。
2025-04-05 cs.RO cs.SY eess.SY
Passive Obstacle Aware Control to Follow Desired Velocities
Swiss Federal School of Technology in Lausanne - EPFL（洛桑联邦理工学院）；Massachusetts Institute of Technology（麻省理工学院）
针对自主机器人实时避障与抗扰动需求，提出一种障碍物感知被动阻尼控制方法，可在无障碍区保持柔顺、近障时增阻避障，经7自由度机械臂验证抗碰撞能力优于基线，提升了复杂不确定环境下的机器人控制安全性。
2024-07-13 cs.RO cs.SY eess.SY
SAFARI: Safe and Active Robot Imitation Learning with Imagination
Imperial College London（帝国理工学院）
模仿学习的主要问题之一是智能体在面对分布外的情况时的错误行为，而专家给出的演示集没有涵盖。在这项工作中，我们解决这个问题，通过引入一种新的主动学习和控制算法，SAFARI。在训练过程中，它允许代理在满足这些分布外的情况时请求进一步的人类演示。在部署时，它将使用行为克隆的无模型行为与基于模型的规划相结合，以减少状态分布偏移，使用未来状态重建作为状态熟悉度的测试。我们经验证明，这种方法如何增加一组被动的模仿学习的操作任务的性能，通过收集更多的信息演示和最小化状态分布偏移在测试时。我们还展示了这种方法如何使代理能够快速，安全地自主预测故障。
2020-11-18 cs.LG cs.RO
