Model Predictive Control for a Soft Robotic Finger with Stochastic Behavior based on Fokker-Planck Equation
Division of Information Science, Graduate School of Science and Technology, Nara Institute of Science and Technology（信息科学系，科学技术研究生院，奈良科学技术研究所）
针对软体机器人因固有灵活性导致的运动不确定性与非线性问题，提出基于福克-普朗克方程的随机模型预测控制策略FPE-MPC，通过控制概率分布应对不确定性，数值模拟验证了其有效性。
2025-09-01 cs.RO
On State Estimation for Legged Locomotion over Soft Terrain
Istituto Italiano di Tecnologia (IIT)（意大利技术研究院）
对于足式机器人来说，在松软地面上的运动仍然是一个具有挑战性的问题。大多数关于足式机器人的状态估计的工作是针对刚性接触设计的，并且没有考虑地形的物理参数。也就是说，这封信回答了以下问题：软地形如何以及为什么会影响足式机器人的状态估计？为此，我们利用了一个状态估计器，融合IMU测量与腿部里程计，设计与刚性接触假设。我们通过HyQ机器人在松软和坚硬地形上小跑的实验验证了状态估计器。我们证明了软地形对足式机器人的状态估计有负面影响，并且与刚性地形相比，软地形的状态估计有明显的漂移。
2021-01-06 cs.RO
Behavioral Repertoires for Soft Tensegrity Robots
Union College（联合学院）
移动软体机器人在从城市搜索和救援到行星探索等领域提供了引人注目的应用。软机器人控制的一个关键挑战是，软材料施加的非线性动力学往往会导致复杂的行为是违反直觉的，难以建模或预测。因此，移动软体机器人的大多数行为都是通过经验试错和手动调整发现的。第二个挑战是，软材料很难以高保真度进行模拟，这导致在尝试发现或优化新行为时存在显著的现实差距。在这项工作中，我们采用了质量多样性算法运行模型上的物理软张拉整体机器人，自主生成的行为剧目没有先验知识的机器人动力学，和最小的人为干预。由此产生的行为剧目显示了独特的机车步态的多样性，适用于各种任务。这些结果有助于提供一个路线图，通过现实世界的自动化增加移动软体机器人的行为能力。
2020-11-25 cs.AI cs.RO
Reduced-Order Model-Based Gait Generation for Snake Robot Locomotion using NMPC
Northeastern University（东北大学）；California Institute of Technology（加州理工学院）；CSIRO（联邦科学与工业研究组织）；DATA61
本文提出基于降阶模型和NMPC的蛇形机器人步态生成方法，在受限环境中自主规划运动，并通过高保真仿真与狭窄走廊硬件实验验证其有效性。
2025-03-09 cs.RO cs.SY eess.SY
Image-Based Path-Planning for Navigation of Soft-Growing Robots in the Spinal Sub-Arachnoid Space
针对软增长机器人在脊髓蛛网膜下腔的导航需求，提出扩展A*的基于图像的三维路径规划算法，经高度详细的SSS模型评估可生成安全高效路径并建立转向锚点。
2026-10-12 cs.RO cs.SY eess.SY
Offset-free Model Predictive Control: A Ball Catching Application with a Spherical Soft Robotic Arm
Institute for Dynamic Systems and Control, ETH Zürich（苏黎世联邦理工学院动态系统与控制研究所）
提出了一种用于球形柔性机械臂快速精确控制的无偏置模型预测控制器，该控制器将线性模型与在线扰动估计技术相结合，系统地补偿模型偏差。动态效应，如软材料的使用导致的材料松弛，可以解决实现无偏移跟踪。与没有干扰补偿方案的标准模型预测控制器相比，跟踪误差可以减少35%。改进的跟踪性能使得能够实现接球应用，其中球形软机器人臂可以接住由人投掷的球。
2021-03-12 cs.RO cs.SY eess.SY
Soft is Safe: Human-Robot Interaction for Soft Robots
Indian Institute of Technology - Kanpur（印度理工学院坎普尔分校）
本文系统回顾了软体机器人与人机交互的研究现状，涵盖软体机器人的控制、设计、材料与制造，分析了HRI的输入输出模态、典型应用、局限性及未来研究机会，指出该领域具有广阔发展前景。
2025-02-03 cs.RO
Prismatic Soft Actuator Augments the Workspace of Soft Continuum Robots
ETH Zurich（苏黎世联邦理工学院）
软体机器人具有柔顺性、安全性和高度自由度等优点，在机械操作领域具有广阔的应用前景。然而，常用的双向连续段设计意味着软机器人操作器只能在有限的半球工作空间中工作。本工作通过设计、制造和控制一个附加的柔性棱柱形驱动器来增加柔性机械臂的工作空间。该驱动器由气动人工肌肉和活塞组成，使得驱动器可以反向驱动。我们将任务空间体积增加了116\%，现在我们能够执行以前软体机器人不可能完成的操作任务，例如在表面上的不同位置拾取和放置物体，并从容器中抓取物体。通过将柔性机器人手臂与棱柱关节相结合，我们极大地提高了软体机器人用于物体操作的可用性。这项工作促进了集成和模块化软机器人系统在以人为中心的环境中的实际操作应用的使用。
2022-08-22 cs.RO
SoftSnap: Rapid Prototyping of Untethered Soft Robots Using Snap-Together Modules
Dartmouth College（达特茅斯学院）；University of Kentucky（肯塔基大学）
本文提出SoftSnap卡扣式模块化系统，集成计算、绳线致动与可变形TPU结构，支持快速组装多种无系绳软体机器人，简化原型设计与功能探索。
2024-10-24 cs.RO
Comprehensive Survey of Evolutionary Morphological Soft Robotic Systems
University of Bridgeport（布里奇波特大学）；King Saud University（沙特国王大学）
进化机器人旨在自动设计自主自适应形态机器人，这些机器人可以进化以完成特定任务，同时适应环境变化。软机器人技术已经证明了进化机器人技术用于机器人控制和形态综合的可行性。发展进化软计算技术，可以产生面向任务的结构形态机器人的动机，使软机器人领域值得认真调查和研究，因此，本文总结了一个重要的研究量的计算和软件体系结构的角度。本文回顾了文献，并讨论了进化机器人学的各个方面，包括形态软体机器人的应用，使自我组装，自我重构，自我修复，自我繁殖。然后，主要的里程碑概述了重要的形态软机器人原型，由于其在该领域的重要性。最后，评估了该领域的当前最新技术水平。
2017-05-30 cs.RO
RoMoCo: Robotic Motion Control Toolbox for Reduced-Order Model-Based Locomotion on Bipedal and Humanoid Robots
Department of Mechanical and Civil Engineering, California Institute of Technology（机械与土木工程系，加州理工学院）
RoMoCo是一个开源C++工具箱，通过统一的API集成降阶模型规划器与全身控制器，支持双足和仿人机器人快速原型与可复现基准测试，并在多种机器人上经仿真和硬件验证。
2025-09-23 cs.RO
Underwater Soft Robotic Hand with Multi-Source Coupling Bio-Inspired Soft Palm and Six Fingers Driven by Water Hydraulic
Harbin Engineering University（哈尔滨工程大学）；College of Mechanical and Electrical Engineering, Harbin Engineering University（哈尔滨工程大学机电工程学院）
本文研究的一种新型流体驱动软体机器人手，采用仿生学的思想，具有拟人的外形，面向柔性抓取功能。软体机器人手由一种新型的多自由度柔性手指和柔性手掌组成，实现了手握和反手的特征抓取功能。结合精细流体控制系统，软手可在高压下实现柔性抓取，从而实现对水下环境中不同类型目标物体的柔性抓取操作。最后，将软体机器人软体机器人手与精细流体控制系统连接，构成水下软体机器人手实验平台。
2021-06-13 cs.RO
Serpentine Synergy: Design and Fabrication of a Dual Soft Continuum Manipulator and Soft Snake Robot
Indian Institute of Technology - Kanpur（印度理工学院坎普尔分校）；National Institute of Technology - Tiruchirappalli（印度国家理工学院蒂鲁吉拉伯利分校）
本文提出一种基于发泡聚乙烯泡沫模块的双用软体连续体机器人，既可作为末端带摄像头的机械臂用于废墟搜救，也可加装主动轮变为蛇形移动机器人，并完成了设计、制造与实验验证。
2024-07-05 cs.RO
Hybrid Soft Robots Incorporating Soft and Stiff Elements
DePaul University（德保罗大学）
软体机器人具有内在的顺应性，具有实现人类友好和安全机器人的强大潜力。尽管不断的研究强调了软体机器人的潜力，但它们仍然主要局限于实验室环境。在这项工作中，灵感来自蜘蛛猴的尾巴，我们提出了一个混合软体机器人（HSR）的设计。我们详细的设计目标和方法，以提高可控刚度范围，实现独立的刚度和形状控制。我们扩展曲线参数化的方法，我们实验证明，建议HSR有大约100%的刚度范围增加比以前的软体机器人设计具有相同的物理尺寸。此外，我们根据经验映射HSR的弯曲形状压力刚度，并提出了一个应用程序的例子-一个软机器人夹具-证明刚度和形状变化的解耦性质。实验结果表明，建议HSR可以成功地用于独立的刚度和形状控制的应用程序中，需要。
2022-02-14 cs.RO
A Legged Soft Robot Platform for Dynamic Locomotion
Columbia University（哥伦比亚大学）
本文提出一种开源无绳四足软体机器人平台，结合柔性3D打印结构与实时软体仿真调优步态，实现0.9米/秒的高速动态运动。
2021-03-26 cs.RO
HISSbot: Sidewinding with a Soft Snake Robot
Collaborative Robotics and Intelligent Systems (CoRIS) Institute, Oregon State University（俄勒冈州立大学协作机器人与智能系统（CoRIS）研究所）；Bard College at Simon’s Rock（巴德学院西蒙洛克分校）；Olin College of Engineering（奥林工程学院）；Carnegie Mellon University（卡内基梅隆大学）
蛇形机器人的特点是能够利用有效的循环运动形式在小空间和松散地形中导航。软蛇机器人是这些机器人的一个子集，利用软，顺应性致动器产生运动。以前的工作软蛇机器人主要集中在平面步态，如波动。更有效的空间步态，如侧绕，是软蛇机器人尚未探索的步态。我们提出了一种新的方法来构建一个软蛇机器人能够侧绕，并介绍了螺旋充气软蛇机器人（HISSbot）。我们通过物理HISSbot验证了这种驱动，并展示了其在各种表面侧风的能力。我们的测试表明，通过低摩擦和颗粒介质的运动鲁棒性。
2023-03-28 cs.RO
A Review of Soft Robots
传统的机器人具有刚性的链接和结构，限制了它们与周围环境动态交互的能力。例如，具有刚性连杆的传统机器人操纵器只能使用特定的末端执行器来操纵物体。这些机器人经常在非结构化和高度拥挤的环境中遇到困难。各种生物有机体表现出复杂的运动，具有缺乏刚性组件的软结构。受生物学的启发，研究人员已经能够设计和制造软体机器人。这些机器人具有柔软的结构和冗余的自由度，可用于非结构化环境中的精细任务。本文综述了软体机器人的研究动机、设计过程、应用及局限性。软体机器人具有在非结构化环境中操作的能力，这是因为它们具有利用形态计算来以刚性系统难以实现的方式适应世界并与世界交互的内在潜力。软体机器人可用于从自然灾害救援工作中的搜索和救援行动的操作，并且新兴的兴趣是在个人机器人中看到的医疗护理领域。
2019-10-08 cs.RO
Multimodel Sensor Fusion for Learning Rich Models for Interacting Soft Robots
University of Cambridge（剑桥大学）
软体机器人通常近似为低维系统，特别是当使用基于学习的方法时。这导致模型在预测软体机器人可能具有的大量变形模式和相互作用的能力方面受到限制。在这项工作中，我们提出了一种深度学习方法来学习结合多模态感觉运动信息的软体机器人的高维视觉模型。模型以端到端的方式学习，因此不需要中间传感器处理或数据基础。这种建模方法的能力和优势显示在一个软的拟人手指与嵌入式软传感器。我们还展示了这种方法如何扩展到开发更高层次的认知功能，如识别自我和外部环境，并获得对象操作技能。这项工作是软机器人和开发机器人架构的集成，以创建下一代智能软体机器人的一步。
2022-05-09 cs.RO
A Soft Electronics-Free robot
The University of Auckland（奥克兰大学）；Ecole Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
完全仿生的软体机器人具有类似动物的行为和集成的人工神经系统，将开辟全新的前景和应用。然而，到目前为止，所有关于软体机器人的研究都局限于部分软设计，因为所有的设计至少需要传统的、刚性的电子设备来感测、处理信号和激活致动器。我们提出了第一个集成人工神经系统的软体机器人，完全由介电弹性体制成，没有任何传统的刚性电子部件。只有一个外部直流电压供应，机器人自主地产生所有必要的信号来驱动其执行器，并将平面内的机电振荡转化为爬行运动。因此，所有功能部件都由聚合物材料和碳制成。除了世界上第一个完全软体机器人的基本设计，我们提出的前景，以控制这种机器人的一般行为。
2016-03-16 cs.RO
Adaptive Tracking Control of Soft Robots using Integrated Sensing Skin and Recurrent Neural Networks
University of Maryland, College Park（马里兰大学帕克分校）
本文研究了软体机器人的综合估计与控制问题。在部署闭环控制器中的一个重大挑战是通过软体机器人中的集成感测实现可靠的本体感受。尽管在软体机器人的制造、建模和基于模型的控制方面取得了相当大的进展，但集成传感和估计仍处于起步阶段。为此，本文介绍了一种新的方法来估计程度的曲率的软体机器人使用可拉伸的传感皮肤。皮肤是乳胶膜上喷涂的压阻传感层。通过使用递归神经网络估计从应变信号到曲率程度的映射。研究了单节软体机器人的单向弯曲和双向弯曲。此外，一个自适应控制器的开发，以跟踪的软体机器人的弯曲程度存在的动态不确定性。随后，使用集成的软测量皮肤，我们实验证明成功的曲率跟踪控制的软体机器人。
2020-11-17 cs.RO
Collision-Aware Fast Simulation for Soft Robots by Optimization-Based Geometric Computing
The University of Manchester（曼彻斯特大学）；Delft University of Technology（代尔夫特理工大学）
软体机器人由于其机械顺应性而可以安全地与环境交互。在软体机器人的现代设计中，自碰撞也被用来提高它们在不同任务中的性能。然而，开发一种高效、可靠的仿真器，能够很好地处理碰撞响应，仍然是软机器人研究中的一个具有挑战性的任务。本文提出了一种基于几何优化的碰撞感知模拟器，在其中我们开发了一个高效，逼真的碰撞检查/响应模型，将超弹性材料的属性。软体机器人的驱动变形和碰撞响应都是基于几何的目标。通过最小化基于几何的目标函数，可以得到软体机器人的无碰撞体。与基于FEA的物理模拟不同，所提出的管道执行低得多的计算成本。此外，自适应网格重划分，以实现在处理软体机器人，有大的体积变化时的收敛性的改善。在不同的软体机器人上进行了实验测试，以验证我们的方法的性能。
2022-07-31 cs.RO
Category theory as a foundation for soft robotics
Nagahama Institute of Bio-Science and Technology（长滨生物科学与技术学院）；Network System Research Institute, National Institute of Information and Communications Technology（国立信息与通信技术研究所网络系统研究部）；Graduate School of Informatics, Nagoya University（名古屋大学信息学研究科）；Interdisciplinary Graduate School, University of Yamanashi（山梨大学跨学科研究科）
软机器人是一个新兴的研究领域，其中机器人主体由柔性和软材料组成。它允许身体弯曲，扭曲和变形以移动或使其形状适应环境以进行抓取，所有这些对于具有刚性身体的传统硬机器人来说都是困难的。然而，软机器人的理论基础和设计原则并没有很好的基础，尽管他们公认的重要性。例如，软体机器人的控制外包给形态属性和自然过程;因此，机器人与其环境之间的耦合关系尤为重要。在本文中，我们提出了一个基于范畴理论的软机器人的数学基础，范畴理论是抽象数学的一个分支，任何概念都可以用对象和箭头来描述。它允许一个严格的描述的固有特性的软体机器人和它们的关系，以及与传统的硬机器人相比的差异。我们提出了一个概念，称为流动性的类别，很好地描述了主题。该理论被应用到一个模型系统和分析，以突出在通用夹具，这是一个典型的例子，软机器人观察到的适应行为。本文铺平了道路，发展软机器人的理论背景和设计原则。
2018-09-25 cs.RO
Swimming locomotion of Soft Robotic Snakes
School of Computing, DePaul Univeristy（德保罗大学计算机学院）
多年来，仿生蛇机器人一直是一个非常活跃的研究领域，并产生了许多原型。这些原型大多采用串联连接的刚体形式。软机器人技术的出现促成了一种新型的蛇形机器人，这种机器人由柔性和结构可变形的模块制成。利用可控的大弯曲，这些机器人可以自然地产生各种蛇的运动步态。在这里，我们调查的游泳运动的软机器蛇。首先推导出机器人的数值有效的动力学模型。然后，一个分布式的接触模型增加到包含水动力。然后对该模型进行数值测试，以确定有效游泳的最佳弯曲传播。研究结果表明，柔性机器蛇在海洋应用中具有很大的潜力。
2019-08-14 cs.RO
Leveraging Passive Compliance of Soft Robotics for Physical Human-Robot Collaborative Manipulation
Brigham Young University（杨百翰大学）
本文通过气动连续体软体机械臂与全向移动基座组成的系统，基准测试了大型软体机器人与人协作操控长形物体的能力，结果表明其表现可媲美人类非视觉跟随者，并挑战了软体机器人力量受限的传统认知。
2025-04-11 cs.RO
Sim-to-Real for Soft Robots using Differentiable FEM: Recipes for Meshing, Damping, and Actuation
ETH Zurich（苏黎世联邦理工学院）；MIT（麻省理工学院）
一个精确的、基于物理的、可微分的软体机器人模型可以在最优控制中开启下游应用。有限元法（FEM）是一种用于建模高度可变形结构（例如动态弹性体软体机器人）的表达方法。在本文中，我们比较虚拟机器人模型模拟使用微分有限元测量从他们的物理同行。特别是，我们研究了几种不同形态的软结构：一个夹紧的软梁在外力下，一个驱动的软机器人手臂，和一个软机器人鱼尾。我们基准和分析不同的网格分辨率和元素（四面体和六面体），数值阻尼，和使用基于快速微分投影动力学（DiffPD）的模拟器的参数校准的可微性的功效。我们还提出了一个预测模型，气动软机器人驱动的有限元建模应用于软机器人。通过我们的配方和案例研究，我们提供了在仿真中匹配真实世界物理的策略和算法，使FEM对软体机器人有用
2022-02-26 cs.RO
Obstacle-Aware Navigation of Soft Growing Robots via Deep Reinforcement Learning
Egypt-Japan University of Science and Technology（埃及日本科技大学）；Norwegian University of Science and Technology（挪威科技大学）
本文提出深度强化Q-learning算法，将机器人与环境交互纳入决策，使软体生长机器人能在杂乱受限空间中实现障碍物感知导航。
2024-01-23 cs.RO
Terrestrial Soft Mobile Robots: A Review
School of Computing, DePaul University（德保罗大学计算机学院）；Department of Computer Science, Hampton University（哈珀学院计算机科学系）
本文综述了软体移动机器人的当前研究状态，重点探讨了无轮陆地移动系统中的运动策略、驱动方法、建模方法和控制系统，同时指出了实现软体移动机器人在各领域广泛应用的关键挑战。
2026-05-19 cs.RO
Human Interface for Teleoperated Object Manipulation with a Soft Growing Robot
Stanford University（斯坦福大学）
软生长机器人被提出用于复杂的操作任务或灾难场景中的导航等应用。安全的交互和易于生产促进了这项技术的使用，但由于其独特的自由度，软体机器人的遥操作可能具有挑战性。在本文中，我们提出了一个以人为中心的界面，允许用户远程操作的软增长的机器人使用手臂运动的操作任务。进行了一项研究，以评估我们的软体机器人的界面和性能的直观性，涉及取放操作任务。结果显示，用户完成任务的成功率为97%，平均放置误差低于2厘米。这些结果表明，我们的身体运动为基础的接口是一种有效的方法，用于控制软增长机器人机械手。
2019-10-28 cs.RO
Distributed Sensor Networks Deployed Using Soft Growing Robots
Stanford University（斯坦福大学）
由于它们能够相对于环境移动而不滑动，软生长机器人对于在受限空间中部署分布式传感器网络具有吸引力。对这种机器人状态的感知也将增加它们作为人类安全的、适应性强的操纵器的能力。然而，将分布式传感器结合到软生长机器人上是具有挑战性的，因为它需要硬材料和软材料之间的接口，并且传感器网络需要承受显著的应变。在这项工作中，我们提出了一种方法，用于添加传感器的软增长的机器人，使用灵活的印刷电路板与独立的单元的微控制器和传感器封装在一个层压装甲，保护他们免受不安全的曲率。我们证明了该系统的能力，在难以访问的空间中继定向温度和湿度信息。我们还展示和表征了一种方法，用于感测不断增长的机器人形状，使用惯性测量单元部署沿其长度，并开发一个数学模型来预测其精度。这项工作推进了软生长机器人的能力，以及软体机器人传感领域。
2021-03-10 cs.RO
Koopman Operators for Modeling and Control of Soft Robotics
University of California, Riverside（加州大学河滨分校）
审核目的：我们回顾了利用Koopman算子理论的软体机器人建模和控制算法开发和验证的最新进展。最近的研究结果：我们确定了以下趋势，在最近的研究工作在这一领域。(1)提升函数的设计用于数据驱动近似的Koopman算子是软体机器人的关键。(2)强调了稳健性考虑。针对建模和控制过程中的不确定性和噪声的影响，提出了相应的改进措施。(3)Koopman算子被嵌入到不同的基于模型的控制结构中来驱动软体机器人。摘要：由于它们的顺应性和非线性，软体机器人的建模和控制面临着关键的挑战。为了解决这些挑战，已经提出了基于Koopman算子的方法，试图以线性方式表达非线性系统。Koopman算子使得全局线性化能够减少非线性和/或用作软体机器人的基于模型的控制算法中的模型约束。软机器人系统中的各种实现进行了说明和总结的审查。
2023-02-07 cs.RO
Gait trajectory generation for a five link bipedal robot based on a reduced dynamical model
National Institute of Applied Sciences and Technology（国立应用科学与技术学院）
提出了一种简单的仿人步行轨迹生成方法。五连杆双足机器人的动力学模型，首先减少使用几个生物启发的假设。然后，将正弦曲线施加到摆动腿轨迹的踝部。最后得到简化模型并求解：它是一个二阶常系数齐次微分方程组。所得到的代数解保证了双足机器人稳定的节律步态。它在定义的时间间隔内是连续的，当边界条件定义良好时易于实现。
2014-05-13 cs.RO
Discrete Cosserat Approach for Multi-Section Soft Robots Dynamics
IRCCyN（南特通信与控制研究所）；Ecole de Mines de Nantes（南特矿业学院）；Khalifa University（哈利法大学）
尽管最近取得了进展，软机器人仍然缺乏统一的建模框架。目前，软体机器人的设计和控制中最常用的模型是分段常曲率模型，它的优点和缺点都很突出。在这项工作中，一个替代模型的多节软体机器人动力学的基础上提出的离散Cosserat方法，它不仅考虑到剪切和扭转变形，要素，以应付面外的外部负载，但也继承了连续Cosserat模型的几何和力学特性，使其自然的软机器人对应的传统的刚性机器人动力学模型。该模型的合理性证明了通过广泛的模拟和实验结果的平面和出平面的运动。
2017-02-13 cs.RO
Soft Robots Learn to Crawl: Jointly Optimizing Design and Control with Sim-to-Real Transfer
Toyota Technological Institute at Chicago（芝加哥丰田理工学院）；McGill University（麦吉尔大学）
本文的研究工作为软足式机器人的设计和控制提供了一个完整的仿真、协同优化和仿真到现实迁移的框架。软体机器人的顺从性提供了一种“机械智能”的形式--被动地表现出行为的能力，否则很难编程。开发这种能力需要仔细考虑机械设计和控制之间的耦合。协同优化提供了一种很有前途的手段，以产生复杂的软体机器人的推理这种耦合。然而，软体机器人动力学的复杂性质使得难以提供既足够精确以允许仿真到现实迁移，同时又足够快以用于当代协同优化算法的仿真环境。在这项工作中，我们表明，有限元模拟结合最近的模型降阶技术提供了成功学习有效的软体机器人设计控制对转移到现实所需的效率和精度。我们提出了一个基于强化学习的协同优化框架，并展示了几个软爬行机器人的成功优化，构建和zero-shot仿真到现实迁移。我们的学习机器人优于专家设计的爬行机器人，表明我们的方法可以产生新颖的，高性能的设计，即使在很好理解的领域。
2022-02-09 cs.RO
Safe Balancing Control of a Soft Legged Robot
Boston University（波士顿大学）；Carnegie Mellon University（卡内基梅隆大学）
由软材料制成的足式机器人通常被认为比刚性机器人更安全，更强大的环境相互作用。然而，与刚性运动相比，软体机器人的这种激励特征需要更严格的开发。本文介绍了一种柔性足式机器人平台Horton，以及一种在其操作的某些方面具有安全保证的反馈控制系统。该机器人是使用一系列柔软的肢体，由热形状记忆合金（SMA）丝肌肉驱动，其位置和致动器温度的传感器。一个监督控制方案保持安全的致动器状态，在操作过程中的一个单独的控制器的机器人的姿势。实验表明，霍顿可以抬起腿并保持平衡，这是运动的前兆。在平衡过程中，通过人机交互测试在硬件中验证监督程序，使所有SMA肌肉保持在温度阈值以下。这项工作是第一次演示的安全验证反馈系统的任何软足式机器人。
2022-09-27 cs.RO
Dynamic Control of Soft Robotic Arm: An Experimental Study
Georgia Tech Institute for Robotics and Intelligent Machines（佐治亚理工学院机器人与智能机器研究所）；Texas A&M University（德州农工大学）
在本文中，加强软体机器人的原型与定制设计的驱动器空间字符串编码器创建研究动态软机器人轨迹跟踪。软体机器人原型嵌入所提出的自适应无源性控制和有效的动力学模型，使具有挑战性的轨迹跟踪任务成为可能。我们专注于探索的跟踪精度以及所提出的控制策略的全部潜力，通过在不同的操作场景进行实验验证：各种跟踪速度和外部干扰。在所有的实验场景中，所提出的自适应无源性控制优于传统的PD反馈线性化控制。通过实验分析，详细阐述了该方法的优缺点，并指出了软体机器人动态控制的下一步工作。
2022-09-22 cs.RO
Bioinspired underwater soft robots: from biology to robotics and back
Peking University（北京大学）；Chinese Academy of Sciences（中国科学院）；National University of Singapore（新加坡国立大学）
本文提出生物学与机器人学双向融合框架，使软体机器人既能验证生物假说，又能在海洋勘探等场景中超越刚性系统，并展望了跨物种收敛原理驱动的生物通用启发式机器人学。
2025-08-16 cs.RO
Human-centered Control of a Growing Soft Robot for Object Manipulation
Stanford University（斯坦福大学）
我们提出了一个用户友好的界面，遥操作软体机器人机械手在复杂的环境。该系统的关键组件包括一个具有抓取末端效应器的操纵器，该末端效应器通过尖端外翻、基于手势的控制和触觉显示向操作员提供反馈和指导。在最初的工作中，操作员使用软体机器人来建造一个积木塔，未来的工作将扩展到共享的自主场景，其中人类操作员和机器人智能都是完成任务所必需的。
2019-10-28 cs.RO
Position Control and Variable-Height Trajectory Tracking of a Soft Pneumatic Legged Robot
University of California, Riverside（加州大学河滨分校）
软气动足式机器人显示出穿越一系列不同类型地形的能力，包括在精准农业等应用中遇到的自然非结构化地形。它们可以调整自己的身体形态以适应复杂的地形，从而实现健壮和有弹性的运动。在本文中，我们利用软气动足式机器人的最新发展，介绍了一种闭环轨迹跟踪控制方案，在平地上运行。闭环气动驱动反馈是通过一个紧凑和便携式气动调节板实现的。实验结果表明，我们的软足式机器人可以精确地控制其身体的高度和方向，而在准静态操作的基础上的几何模型。机器人可以跟踪直线和曲线轨迹以及变高度轨迹。为实现软足式机器人的自主导航奠定了基础。
2021-08-03 cs.RO
Modal-based Kinematics and Contact Detection of Soft Robots
University of Arkansas（阿肯色大学）；Columbia University（哥伦比亚大学）；Vanderbilt University（范德堡大学）
软体机器人提供了一种在受限空间内进行操作的替代方法，同时保持与外部环境的安全交互。由于其适应性的顺应特性，外部接触力可以很容易地变形的机器人形状，并导致不希望的机器人运动学和动力学特性。准确的接触检测和接触位置估计对于软体机器人的建模、控制、轨迹规划等至关重要，并最终影响任务的成功完成。本文重点研究了单自由度柔性气动波纹管弯曲驱动器，它是构建复杂、多自由度软体机器人的基础部件之一。该单自由度软体机器人通过空间曲线的积分表示来建模。直接和瞬时运动学计算明确通过模态方法。采用固定质心偏差（FCD）法检测外部接触，估计接触位置。仿真结果表明，通过求解非线性最小二乘优化问题，可以准确地估计出接触位置。
2019-06-27 cs.RO
An Amphibious Untethered Inchworm Soft Robot for Fast Crawling Locomotion
Department of Mechanical and Aerospace Engineering, Carleton University, Ottawa, ON, Canada（机械与航空航天工程系，卡尔顿大学，渥太华，ON，加拿大）
受软体尺蠖启发，研发出总质量102.63克的磁力驱动无缆弯曲柔性软机器人，具备多模态运动与环境感知能力，无需外部基础设施即可完成多种任务，性能经实验验证。
2025-10-04 cs.RO
A Tip Mount for Transporting Sensors and Tools using Soft Growing Robots
Stanford University（斯坦福大学）；Korea University of Technology and Education（韩国技术教育大学）
通过尖端外翻延伸的气动操作的软生长机器人非常适合在狭窄空间中导航。增加使用连接到机器人尖端的传感器和工具与环境交互的能力将大大提高这些机器人在野外勘探中的实用性。然而，由于机器人主体尖端处的材料随着机器人的生长和缩回而不断变化，因此在致动和环境交互期间保持传感器和工具附接到机器人尖端是具有挑战性的。在本文中，我们分析了以前的设计安装到软增长机器人的尖端，我们提出了一种新的设备，成功地保持连接到机器人的尖端，同时提供一个安装点的传感器和工具。我们的尖端安装结合和建立在我们以前的工作上的设备，以收回机器人没有不希望的屈曲其身体。使用我们的尖端安装，我们展示了两个新的软增长机器人的能力：（1）拉在环境中，同时收回，（2）检索和提供对象。最后，我们讨论了我们的设计和改进的机会，在未来的软增长机器人尖端安装的局限性。
2020-08-01 cs.RO
Design and locomotion control of soft robot using friction manipulation and motor-tendon actuation
Tufts University（塔夫茨大学）；University of Massachusetts, Lowell（马萨诸塞大学洛厄尔分校）；Yildiz Technical University（耶尔德兹理工大学）
由软材料制成的机器人可以在特定的轮廓中改变它们的形状和大小。这种变形能力对于救援机器人和在未知地形和环境中工作的机器人非常有帮助。在改变形状的过程中，软材料还可以存储和释放弹性能量，这是一种可以用于有效机器人运动的特性。然而，这些移动的软体机器人的设计和控制是不平凡的。该研究提出了一种3D打印的，电机肌腱驱动的软体机器人能够运动的设计方法。除了形状的变化，机器人使用摩擦操纵机制来影响运动。电机-腱致动器包括尼龙腱，尼龙腱沿着给定路径嵌入软体结构内，一端固定在本体上，另一端附接到电机。这些驱动器直接控制柔性体的变形，从而影响机器人的运动行为。静态应力分析被用作设计嵌入体内的这些肌腱的路径形状的工具。研究还提出了一种新的无模型学习控制方法的软体机器人与环境中的离散接触点进行交互。这种方法涉及到离散化的因素主导机器人与环境的相互作用的状态，学习的结果，机器人之间的机器人状态和评估所需的周期性状态控制序列优化成本函数对应的运动任务（旋转或平移）。巧妙的离散化允许框架存在于机器人的任务空间中，因此，便于控制序列的计算，而无需对致动器、主体材料或摩擦机制的细节进行建模。实验探索的框架的灵活性，将其应用到机器人与不同的摩擦机制和不同形状的肌腱路径。
2016-05-12 cs.RO
Deformable Tip Mount for Soft Growing Eversion Robots
Queen Mary University of London（伦敦玛丽女王大学）
本文提出一种可变形软帽末端安装装置，使软体生长外翻机器人在携带载荷的同时能穿过狭窄开口并外翻突出物体与扩展表面。
2024-01-15 cs.RO
Unified Kinematic and Dynamical Modeling of a Soft Robotic Arm by a Piecewise Universal Joint Model
软机器人手臂的顺应性使得精确的运动学和动力学模型的开发特别具有挑战性。软机器人运动学中最广泛使用的模型假定分段常曲率（PCC）。然而，PCC无法有效地处理外力，甚至重力的影响，因为机器人在这些条件下不会以恒定曲率变形。在本文中，我们建立了三维（3D）建模的多段软机器人手臂的限制性较低的假设下，每段的手臂是在一个平面上变形没有扭曲。我们设计了一个运动学和动力学模型的软臂推导等价于一个串行万向关节机器人。在真实机器人平台上的大量实验以及模拟证明了我们的方法在负载的3D运动中的建模精度。所提出的模型的最大位置/旋转误差被验证为比考虑重力和外力的PCC模型低6.7倍/4.6倍。
2022-03-15 cs.RO
Retraction Mechanism of Soft Torus Robot with a Hydrostatic Skeleton
Tohoku University（东北大学）；Graduate school of Information Sciences, Tohoku University（东北大学信息科学研究科）
软体机器人由于其高度的适应性，近年来引起了人们的广泛关注。长关节式软体机器人能够实现多种操作，并且通过生长在其环境中导航的尖端延伸机器人在机器人搜索应用中非常有效。由于机器人膜从尖端延伸，这些机器人可以在没有环境摩擦的情况下伸长。然而，膜的柔性抑制尖端缩回。已经提出了两种方法来解决这个问题;增加内部流体的压力以增强刚度，以及在尖端安装致动器。前者的缺点是增加受到膜压力阻力的限制，而第二种方法增加了机器人的复杂性。在本文中，我们提出了一个尖端收回机构没有弯曲运动，利用摩擦从外部环境。水被用作内部流体，以增加与环境的地面压力。我们探讨了故障模式的收回运动，并提出合理的解决方案，使用静压骨骼机器人。此外，我们开发了一个原型机器人，成功地收回使用所提出的方法。我们的解决方案可以有助于在软机器人领域的应用软蛇和机械手的机械设计的进步。
2020-03-11 cs.RO
Bodily aware soft robots: integration of proprioceptive and exteroceptive sensors
University of Bristol（布里斯托大学）
意识到我们的身体在我们的日常生活中非常重要。这就是为什么我们知道如何在黑暗的房间里移动或抓住一个复杂的物体。这些技能对机器人也很重要，然而，机器人的身体意识仍然是一个未解决的问题。在本文中，我们提出了一种新的方法来实现身体意识的软体机器人的整合外感受和本体感受传感器。我们使用堆栈卷积自动编码器和递归神经网络的组合来将内部感觉信号映射到视觉信息。因此，模拟软体机器人可以学习\textit{imagine}它的运动，即使它的视觉传感器是不可用的。
2017-11-08 cs.RO
An Untethered Brittle Star-Inspired Soft Robot for Closed-Loop Underwater Locomotion
Carnegie Mellon University（卡内基梅隆大学）
与刚性机器人相比，软体机器人能够与其环境进行固有的更安全的交互，因为它们可以响应于意外的刺激而机械变形。然而，它们复杂的机械结构可能会使规划和控制变得困难，特别是在运动等任务中。在这项工作中，我们提出了一个移动和不受约束的水下爬行软体机器人，帕特里克，配对的试验台，演示闭环运动规划。PATRICK的设计灵感来自于BrittleStar，它的五条柔性腿由总共20根形状记忆合金（SMA）线驱动，通过其巨大的输入空间提供了丰富多样的可能运动。我们提出了一个运动规划基础设施的基础上一组简单的帕特里克的运动原语，并提供实验表明，规划器可以命令机器人的目标状态。这些实验有助于第一个例子的闭环，状态空间目标寻求的水下，无绳系，软爬行机器人，并取得进展，实现完全自主的软移动机器人系统。
2020-08-03 cs.RO
Single Actuator Undulation Soft-bodied Robots Using A Precompressed Variable Thickness Flexible Beam
Graduate School of Information Science and Technology, The University of Tokyo（东京大学信息科学与技术研究生院）
针对多驱动器软体波动机器人重量大、导航性能受限的问题，提出一种单直流电机驱动的预压缩S形柔性梁方案，通过绳收放产生行波实现波动运动，明确了预紧力与电机动作的关系，简化了软体波动机器人的实现。
2024-10-08 cs.RO
Anisotropic Stiffness and Programmable Actuation for Soft Robots Enabled by an Inflated Rotational Joint
Purdue University（普渡大学）
本文提出一种利用强制局部起皱实现确定弯曲平面的充气旋转关节，通过起皱与未起皱区域比例设计各向异性刚度，并验证其在软连续体机器人中实现复杂驱动及驱动力与负载能力解耦的潜力。
2024-10-16 cs.RO
A Dynamics Simulator for Soft Growing Robots
Stanford University（斯坦福大学）；Carnegie Mellon University（卡内基梅隆大学）
在杂乱的环境中模拟软体机器人仍然是一个开放的问题，由于捕捉复杂的动态和与环境的相互作用的挑战。此外，需要快速仿真来快速探索运动规划背景下的机器人行为。在本文中，我们研究了一类特殊的充气梁软增长的机器人称为“藤蔓机器人”，并提出了一个动态模拟器，捕捉一般的行为，处理机器人对象的相互作用，并运行速度比实时的。模拟器框架使用简化的多连杆、具有接触约束的刚体模型。为了缩小模拟与真实的差距，我们开发了基于运动中的机器人和与环境接触的视频数据拟合模型参数的方法。我们提供了模拟的例子，包括几个合适的参数，以显示模拟和真实行为之间的定性和定量协议。我们的工作证明了这种高速动力学模拟器的能力和它的潜力，用于控制软体机器人。
2020-11-03 cs.RO
Dynamic Task Space Control Enables Soft Manipulators to Perform Real-World Tasks
ETH Zurich（苏黎世联邦理工学院）
动态运动是机器人手臂的一个关键特征，使它们能够快速有效地执行任务。软连续体机械手目前不考虑动态参数时，在任务空间中操作。这一缺点使得现有的软体机器人变慢，并限制了它们处理外力的能力，特别是在物体操纵期间。我们通过使用动态操作空间控制来解决这个问题。我们的控制方法考虑到了三维连续体臂的动态参数，并引入了新的模型，使多段软操纵器在任务空间中顺利运行。先进的控制方法，以前只提供给刚性机器人，现在适用于软体机器人;例如，势场回避以前只显示为刚性机器人，现在扩展到软体机器人。使用我们的方法，一个软机械手现在可以实现各种任务，以前是不可能的：我们评估机械手的性能在闭环控制实验，如拾取和放置，避障，投掷物体使用一个附加的软抓手，并故意施加力的表面通过用一根粉笔抓画。除了新启用的技能，我们的方法将跟踪精度提高了59%，与任务空间控制的最新技术相比，速度提高了19.3倍。有了这些新发现的能力，软体机器人可以开始在操纵领域挑战刚性机器人。我们固有的安全性和兼容性软体机器人将机器人操作的未来推向人类和机器人并行工作的无笼设置。
2022-10-18 cs.RO
An Amphibious Fully-Soft Miniature Crawling Robot Powered by Electrohydraulic Fluid Kinetic Energy
National University of Singapore（新加坡国立大学）
本文提出一种由电液流体动能直接驱动的全软体微型爬行机器人，通过优化电压与设计参数实现16 mm/s爬行速度，并具备转向、2自由度平移及水下运动能力，兼顾高速度与高鲁棒性。
2023-09-20 cs.RO
Sensing and Reconstruction of 3D Deformation on Pneumatic Soft Robots
Delft University of Technology（代尔夫特理工大学）；The Chinese University of Hong Kong（香港中文大学）；The University of Manchester（曼彻斯特大学）
软体机器人具有无限的变形自由度，其实时本体感觉是一个具有挑战性的问题。当使用多个致动器时，由于彼此之间的相互作用也会在致动器上发生变形，因此变得更加困难。为了解决这个问题，我们提出了一种方法，在本文中，通过第一次集成多个低成本的传感器内部的气动执行器的腔室，然后使用机器学习捕获的信号转换成软体机器人的形状参数的气动软体机器人的三维变形的传感器和重建。采用外部运动捕捉系统来生成用于训练和测试的数据集。通过良好的形状参数化，可以从多个传感器获得的信号中精确地重建出软体机器人的三维形状。我们证明了这种方法的有效性的两个设计的软体机器人-机器人关节和可变形膜。在将这些软体机器人的变形参数化为紧凑的形状参数之后，我们可以有效地训练神经网络，以从传感器信号重建3D变形。感测和形状预测流水线可以在消费级设备上以50 Hz实时运行。
2020-12-22 cs.RO
An Integrated Software-based Solution for Modular and Self-independent Networked Robot
Research Center for Physics（物理研究中心）；Indonesian Institute of Sciences (LIPI)（印度尼西亚科学院（LIPI））
介绍了一种基于集成软件的模块化自主网络机器人解决方案。无线操作机器人主要用于自主监测工作，并通过网络进行完全控制。集成软件解决方案包括三个部分：a）用于数据检索和监控系统的数字信号处理单元; b）用于控制系统的外部可执行代码;以及c）用于最终用户与机器人接口的Web编程。认为这种基于集成软件的方法对于实现灵活、模块化和低开发成本的移动监测装置是至关重要的。
2008-11-29 cs.RO
