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
CONFIDANT: A Privacy Controller for Social Robots
University of Michigan（密歇根大学）；University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
随着社交机器人在日常环境中变得越来越普遍，它们将参与对话并适当地管理与它们共享的信息。然而，人们对机器人如何正确识别信息的敏感性知之甚少，这对人类-机器人信任有重大影响。作为解决这个问题的第一步，我们为会话社交机器人设计了一个隐私控制器CONFIDANT，它能够使用上下文元数据（例如，情感、关系、话题），以建立隐私边界模型。之后，我们进行了两项众包用户研究。第一项研究（n=174）的重点是各种人与人之间的互动场景是否被认为是私人/敏感或非私人/非敏感。我们第一项研究的结果被用来生成关联规则。我们的第二项研究（n=95）通过将使用我们的隐私控制器的机器人与没有隐私控制的基线机器人进行比较，评估了隐私控制器在人机交互场景中的有效性和准确性。我们的研究结果表明，与隐私控制器的机器人优于没有隐私控制器的机器人在隐私意识，可信度和社会意识。我们的结论是，在真实的人机对话中集成隐私控制器可以允许更值得信赖的机器人。这个最初的隐私控制器将作为更复杂解决方案的基础。
2022-01-08 cs.RO
Toward Achieving Formal Guarantees for Human-Aware Controllers in Human-Robot Interactions
University of Texas at Austin（得克萨斯大学奥斯汀分校）
随着人机交互的主要目标是支持人类的目标，有必要正式合成机器人控制器，可以提供所需的服务。综合技术的好处是为规范的满足提供了形式化的保证。有可能将这些技术应用于设计机器人控制器，其规格与人类的需求相结合。本文探讨了使用形式化的方法来构建人类感知的机器人控制器，以支持人类的生产力要求。我们通过人类工作量知情模型和反应合成来解决这些类型的场景。这种策略使我们能够合成控制器，满足正式规格表示为线性时序逻辑公式。我们提出了一个案例研究中，我们的原因，工作交付和皮卡任务，使机器人提高工人的生产力，但不高的工作积压引起的压力。我们证明我们的控制器使用丰田HSR，移动机械手机器人。结果表明，实现了一个强大的机器人控制器，保证正确的原因和反应，在与人类合作伙伴的协作任务。
2019-03-04 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
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
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
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
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
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
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
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
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
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
Finite-time disturbance reconstruction and robust fractional-order controller design for hybrid port-Hamiltonian dynamics of biped robots
University of Naples Federico II（那不勒斯费德里科二世大学）
本文研究了具有混合动力学的机器人系统的扰动重构和鲁棒轨迹跟踪控制问题。引入了一种新的哈密顿函数，保证了闭环系统的有限时间稳定性。所提出的控制系统由两个回路组成：一个内部和一个外部回路。一个分数比例积分微分滤波器是用来实现有限时间收敛的位置跟踪误差的外环。分数阶滑模控制器作为内环的集中控制器，保证了速度跟踪误差的有限时间稳定性。在这个回路中，未知的外部干扰和参数不确定性的不希望的影响补偿使用估计器。两个干扰估计器的设想。前者是使用分数阶微积分设计的。后者是一个自适应估计器，它是使用机器人的一般动态构造的。稳定性分析表明，闭环系统在无接触和碰撞阶段都是有限时间稳定的。对两种类型的机器人（即，两连杆步行机和兔子机器人）证明了所提出的控制器的跟踪性能和干扰抑制能力。
2021-01-13 cs.RO
A C++ Implementation of a Cartesian Impedance Controller for Robotic Manipulators
Lund University（隆德大学）
笛卡尔阻抗控制是一种用于机器人的运动控制策略，其通过实现机器人相对于其外力的顺应行为来提高在部分未知环境中的安全性。这种顺从的机器人行为具有允许机器人的物理人类引导的附加益处。在本文中，我们提出了一个C++实现的遵守控制有效的任何扭矩命令的机器人机械手。所提出的控制器实现笛卡尔阻抗控制跟踪所需的末端执行器姿态。此外，关节阻抗投影在笛卡尔机器人运动的零空间中，以跟踪期望的机器人关节配置，而不干扰机器人的笛卡尔运动。所提出的实施方案还允许机器人向其环境施加所需的力和扭矩。几个安全功能，如过滤，速率限制，饱和度包括在拟议的实施。核心功能在一个可重用的基础库中，并在此基础上提供了一个机器人操作系统（ROS）ros_control集成。KUKA LBR iiwa机器人和Franka Replika机器人（Panda）在仿真和物理机器人中对该实现进行了测试。
2022-12-21 cs.RO
Two-layer adaptive trajectory tracking controller for quadruped robots on slippery terrains
Institute of Computer Science, Foundation for Research and Technology–Hellas（希腊基础研究与技术基金会计算机科学研究所）；Hellenic Mediterranean University（希腊地中海大学）；University of Crete（克里特大学）
针对四足机器人在湿滑地形上因腿部不稳定接触导致的控制难题，提出一种包含两层优先适应机制的自适应轨迹跟踪控制器，以避免单腿或多腿滑动，并通过仿真和实验验证了其有效性。
2023-04-03 cs.RO
Learning Controller Gains on Bipedal Walking Robots via User Preferences
California Institute of Technology（加州理工学院）
复杂机器人行为的实验演示在很大程度上依赖于找到正确的控制器增益。这个艰苦的过程通常由领域专家完成，需要深入了解参数值与系统行为之间的关系。即使拥有这样的知识，也可能需要付出巨大的努力来导航可能的参数组合的非直观景观。在这项工作中，我们探索基于偏好的学习可以在多大程度上用于优化控制器增益在线反复查询用户的喜好。这种一般的方法适用于两个变种的控制李雅普诺夫函数为基础的非线性控制器的框架作为二次规划，提供理论保证，但在实践中实现具有挑战性。这些控制器都成功地证明了平面欠驱动的机器人，琥珀色，和三维欠驱动的机器人，卡西。我们实验评估的学习控制器的性能，并表明，所提出的方法是可重复地能够学习收益，产生稳定和强大的运动。
2022-03-02 cs.RO
Integrating Contact-aware Feedback CPG System for Learning-based Soft Snake Robot Locomotion Controllers
Worcester Polytechnic Institute（伍斯特理工学院）；University of Florida（佛罗里达大学）
本文提出一种集成接触感知反馈的松冈CPG系统，结合强化学习调节器和局部反射网络，使软体蛇形机器人能穿越密集障碍物，并在仿真与实物中验证了有效性。
2023-11-15 cs.RO
Learning Reduced-Order Soft Robot Controller
LightSpeed Studios, Tencent（腾讯光子工作室群）；Department of Computer Science, Zhejiang University（浙江大学计算机科学与技术学院）
针对软体机器人高维建模与控制难题，提出两阶段降阶方法识别仿真空间和任务相关控制空间，并用多保真度 Riemannian 贝叶斯双层优化实现维度低于10的低维 MPC 控制。
2023-11-03 cs.RO
Optimal Virtual Model Control for Robotics: Design and Tuning of Passivity-Based Controllers
Department of Engineering, University of Cambridge（工程系，剑桥大学）；Swan Endosurgical（斯旺内视手术公司）
本文提出了一种基于被动性的机器人控制方法，通过虚拟机制设计和算法微分优化，实现稳定性和性能的双重保障。
2025-12-06 cs.RO
Emcar: Embodied Controller for Animating Robots
CREATE, Aalborg University（奥尔堡大学CREATE）；Department of Communication and Psychology, Aalborg University（奥尔堡大学传播与心理学系）；CyPhy Life, Robotics and AI Lab, School of Science & Technology, IE University（IE大学科技学院CyPhy Life机器人与人工智能实验室）
提出EMCAR无代码平台，利用木偶戏和绘画等艺术实践来编程机器人运动，扩展协作机器人的创意应用，使非技术背景用户能参与人机交互研究。
2026-06-25 cs.RO
Compensation for undefined behaviors during robot task execution by switching controllers depending on embedded dynamics in RNN
Fujitsu Laboratories LTD.（富士通实验室有限公司）；Waseda University（早稻田大学）；National Institute of Advanced Industrial Science and Technology（产业技术综合研究所）
针对机器人执行任务时遭遇碰撞等未定义行为的问题，本文提出依据RNN内部动力学表示在学习型与模型型控制器间切换的补偿方法，并在仿真和真实机器人拾取放置任务中验证其有效性。
2021-03-08 cs.RO
Simplifying ROS2 controllers with a modular architecture for robot-agnostic reference generation
Department of Information Engineering, Electrical Engineering and Applied Mathematics (DIEM), University of Salerno（信息工程、电气工程与应用数学系（DIEM），萨勒诺大学）
提出一种模块化ROS2架构，通过专用参考生成器解耦参考处理与控制逻辑，减少重复代码并提升跨平台复用性，在UR和Franka机器人上验证了可靠跟踪与流水线构建效率。
2026-09-14 cs.RO
Peristaltic locomotion without digital controllers: Exploiting the origami multi-stability to coordinate robotic motions
Clemson University（克莱姆森大学）
本研究提出并探讨一种新的方法，以产生类似运动的分段折纸机器人。具体来说，我们展示了使用多稳定嵌入折纸骨架，以消除需要多个致动器或数字控制器来协调复杂的机器人蠕动爬行运动。在这项研究中的爬行机器人由两个串联的折纸节，每个具有广义Kresling设计和可折叠的锚定机构。力学分析和实验测试，这个双段模块揭示了一个确定性的变形序列或致动周期，然后使用它来产生不同的阶段，在一个类似的运动步态。我们只控制这个机器人的总长度，而不是像机器人和其他爬行机器人那样单独控制分段变形。因此，这种方法可以显着减少运动所需的致动器的总数，并简化控制要求。此外，Kresling折纸设计的丰富性为我们提供了大量的自由度来定制运动性能。这项研究的结果将有助于我们如何使用机器人驱动和控制的多稳定性力学的范式转变。
2019-06-10 cs.RO
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
An Efficient Locally Reactive Controller for Safe Navigation in Visual Teach and Repeat Missions
University of Oxford（牛津大学）
为了实现成功的现场自治，移动机器人需要自由地适应环境的变化。视觉导航系统，如视觉示教和重复（VT&R）通常假设参考轨迹周围的空间是自由的，但如果环境被阻挡，路径跟踪可能会失败，或者机器人可能会与以前看不见的障碍物碰撞。在这项工作中，我们提出了一个本地反应控制器的VT&R系统，允许机器人安全地导航，尽管物理环境的变化。我们的控制器使用本地高程图来计算矢量表示，并以10 Hz的频率输出用于导航的扭曲命令。它们被组合在一个黎曼运动策略（RMP）控制器中，该控制器在CPU上运行需要<2 ms。我们将控制器与ANYmal C机器人上的VT&R系统集成在一起，并在室内杂乱空间和大型地下矿井中进行了测试。我们表明，我们的本地反应控制器保持机器人的安全时，发生物理遮挡或丢失的视觉跟踪，如当靠近墙壁，穿越门口，或穿越狭窄的走廊。视频：https://youtu.be/G_AwNec5AwU
2022-01-11 cs.RO
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
Visibility Maximization Controller for Robotic Manipulation
Monash University（莫纳什大学）；Queensland University of Technology（昆士兰科技大学）
由机器人自身身体引起的遮挡是眼对手相机设置中采用的闭环控制方法的常见问题。我们提出了一个基于优化的反应控制器，最大限度地减少自遮挡，同时实现所需的目标姿态。该方法允许机器人的基地，手臂和头部之间的协调控制编码的视线的可见性作为一个软约束的目标，以及其他任务相关的约束，并解决可行的关节和基地的速度。在模拟和真实世界的实验中，机器人与固定或移动基地，移动或固定的对象，和多个对象的方法的通用性。实验揭示了闭塞率和其他任务指标之间的权衡。虽然基于规划的基线实现了比所提出的控制器更低的阻塞率，但它是以非常低效的路径和任务成功率的显著下降为代价的。另一方面，所提出的控制器被示出为提高线目标对象的可见性，而不会牺牲太多的任务成功和效率。视频和代码可以在rhys-newbury.github.io/projects/vmc/上找到。
2022-02-25 cs.RO
A Robust Biped Locomotion Based on Linear-Quadratic-Gaussian Controller and Divergent Component of Motion
IEETA / DETI University of Aveiro（阿威罗大学 IEETA / DETI）
由于人形机器人的高自由度和不稳定性，使其在存在干扰的情况下产生鲁棒运动是困难的。在本文中，我们使用发散运动分量~（DCM）的概念，并提出了一种基于线性二次高斯的最优闭环控制器，以产生一个鲁棒的和稳定的人形机器人的步行。机器人的动力学模型采用线性倒立摆模型（LIPM）。此外，我们提出了一个控制器来调整摆动腿的着陆位置，以增加承受水平的机器人对严重的外部推动。使用~ \mbox{MATLAB}进行一组仿真，分析和验证所提出的控制器的性能和鲁棒性。仿真结果表明，所提出的控制器是能够提供一个强大的步行，即使在干扰的存在和具有挑战性的情况。
2019-06-21 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
Evolution of Collective Behaviors for a Real Swarm of Aquatic Surface Robots
Instituto de Telecomunicações（电信研究所）；Instituto Universitário de Lisboa (ISCTE-IUL)（里斯本大学学院（ISCTE-IUL））；Faculdade de Ciências（理学院）
群机器人是一种很有前途的方法，用于协调大量的机器人。虽然以前的研究已经表明，进化机器人技术可以应用于获得强大的和有效的自组织行为的机器人群，大多数研究已经进行了模拟，并已进行了真正的机器人的少数已被限制在实验室环境。在本文中，我们首次展示了一个群体机器人系统与进化控制成功地运行在一个真实的和不受控制的环境。我们进化神经网络为基础的控制器在模拟典型的群体机器人任务，即归巢，分散，聚类和监测。然后，我们评估一个真正的群多达10个水面机器人的控制器的性能。我们的研究结果表明，进化的控制器成功地转移到真正的机器人，并实现了类似的性能在仿真中获得的性能。我们验证了进化的控制器显示基于群体智能的控制，即可扩展性，灵活性和鲁棒性的关键属性在真正的群体。最后，我们的概念验证实验中，通过结合多个进化的控制器，群执行一个完整的环境监测任务。
2016-02-02 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
Contact-Aware Impedance Controller for Robot-Assisted Ultrasound Imaging
Center for Robotics and AI (ROMER), Middle East Technical University（中东技术大学机器人与人工智能中心（ROMER））
提出基于B模式超声图像的接触感知与阻抗控制方法，实现接触定位与力降低，实验显示接触定位误差1.46mm，最大压缩力降低36.3%，提升安全性与准确性。
2026-09-29 cs.RO
Incorporating Stochastic Models of Controller Behavior into Kinodynamic Efficiently Adaptive State Lattices for Mobile Robot Motion Planning in Off-Road Environments
University of Rochester（罗切斯特大学）；DEVCOM Army Research Laboratory（陆军研究实验室）；Parsons（帕尔逊公司）
本研究提出三种将随机控制器行为模型融入KEASL规划器的方法，实验表明其产生更保守轨迹，降低预测碰撞概率，但相比扩大障碍物足迹的基线，规划成功率有所下降。
2025-08-06 cs.RO
Multi-Terrain Mastery: A Comprehensive Controller for Bipedal Locomotion
本研究提出一种多地形双足运动控制器，通过新冲击映射和实时控制结构，在Cassie机器人上实现对多种复杂地形的鲁棒导航。
2026-09-29 cs.RO
Behavior Mixing with Minimum Global and Subgroup Connectivity Maintenance for Large-Scale Multi-Robot Systems
Carnegie Mellon University（卡内基梅隆大学）
在许多情况下，多机器人系统需要使用不同的控制器同时执行多个行为，并实时的执行行为序列，我们称之为\textit{behavior mixing}。当整个机器人团队的不同子组改变其控制器以共同完成给定任务时，行为混合就完成了，同时在一个连接的通信图中保持子组内和子组之间的连接性。在本文中，我们提出了一个可证明的最小连接维护框架，以确保子组和整个机器人团队始终保持连接，同时为行为混合提供最高的自由度。特别是，我们提出了一个实时分布式的最小连接约束生成树（MCCST）算法来选择最小的机器人间的连接约束，保持子群和全局连接，是由原始控制器\textit{least likely to be violated}。利用针对激活的连接性约束和冲突避免所采用的安全性和连接性屏障证书，行为混合控制器因此从原始控制器最小地修改。我们通过模拟多达100个具有多种行为的机器人来展示我们方法的有效性和可扩展性。
2020-03-29 cs.RO
