Easing Reliance on Collision-free Planning with Contact-aware Control
MIT(麻省理工学院)
我们相信,机器人运动规划的未来将与今天看起来非常不同:而不是复杂的防撞轨迹与脆弱的依赖感测和估计的环境,运动计划应该包括平滑,简单的轨迹,并由机器人执行,不害怕接触。在这里,我们提出了一个“接触感知”控制器,它继续执行给定的轨迹,尽管意外的碰撞,同时保持接触力稳定和小。我们引入了一个二次规划(QP)制定,它最大限度地减少了准静态动力学和接触力约束的跟踪误差。与经典的零空间投影技术相比,在所提出的QP控制器的接触力的不等式约束允许更温和的释放时,机器人出来的接触。在准静态动力学模型中,控制动作仅包括命令的关节位置,允许QP控制器在刚度控制的机器人上运行,该机器人没有直接的扭矩控制接口,也没有准确的动态模型。所提出的QP控制器的有效性证明了在库卡iiwa手臂。
2021-09-26 cs.RO
Enabling Grasp Action: Generalized Evaluation of Grasp Stability via Contact Stiffness from Contact Mechanics Insight
Carnegie Mellon University(卡内基梅隆大学);Nanyang Technological University(南洋理工大学);University College London(伦敦大学学院)
执行抓取是机器人抓取器的关键能力。基于接触力学理论,通过建立抓取刚度模型,提出了一种新的抓取稳定性评价方法。首先,建立数学模型,探讨手指与物体之间的软接触和一般抓持刚度。其次,建立了反映法向、切向和扭转刚度系数的抓取刚度矩阵。最后,我们设计了两个抓取案例,通过比较不同的抓取配置来验证所提出的抓取稳定性度量标准。具体来说,一个标准的抓持指数,并与我们建立的最小特征值指数的构造抓持刚度进行比较。比较结果表明,它们之间的抓取稳定性测量的趋势相似,从而验证了所提出的方法。
2018-10-19 cs.RO
ContactNets: Learning Discontinuous Contact Dynamics with Smooth, Implicit Representations
University of Pennsylvania(宾夕法尼亚大学)
学习机器人动力学的常用方法假设运动是连续的,导致对经历不连续冲击和静摩擦行为的系统的不切实际的模型预测。在这项工作中,我们解决了这一冲突与接触引起的不连续性固有的结构的平滑,隐式编码。我们的方法,接触网,学习参数化的身体间有符号的距离和接触框架雅可比矩阵,一种表示,是兼容的许多仿真,控制和规划环境的机器人。此外,我们规避了需要区分通过刚性或非光滑动力学与一个新的损失函数的启发互补性和最大耗散的原则。当对60秒的真实数据进行训练时,我们的方法可以预测现实的撞击、非穿透和静摩擦。
2020-11-01 cs.LG cs.RO
Stiffness Copilot: An Impedance Policy for Contact-Rich Teleoperation
本文提出Stiffness Copilot,一种基于视觉的共享控制策略,通过在线调整机器人刚度实现安全高效的接触丰富任务远程操作。
2026-08-05 cs.RO
A Physically Consistent Stiffness Formulation for Contact-Rich Manipulation
Massachusetts Institute of Technology(麻省理工学院)
本文针对接触丰富操作中关节空间刚度矩阵不对称问题,通过显式引入克里斯托费尔符号推导出物理一致的对称刚度公式,并通过实验验证其可确保能量守恒与交互稳定性。
2025-03-09 cs.RO
At First Contact: Stiffness Estimation Using Vibrational Information for Prosthetic Grasp Modulation
Department of Biomedical Engineering, Johns Hopkins University(生物医学工程系,约翰·霍普金斯大学);Department of Electrical and Computer Engineering, Johns Hopkins University(电气与计算机工程系,约翰·霍普金斯大学)
本研究提出基于压电传感与机器学习的刚度估计框架,利用初次接触后15毫秒内的振动信号在假肢手中实现快速准确的刚度感知,推理时间低于1.5毫秒,支持早期抓取调节并提升安全性与直观性。
2024-12-12 cs.RO
Imp-ACT: Adaptive Impedance Control and Action Chunking with Transformers to Learn Contact-Rich Manipulation from Demonstrations
Istituto Italiano di Tecnologia(意大利理工学院);Carnegie Mellon University(卡内基梅隆大学)
Imp-ACT通过遥操作中自适应刚度调制和Transformer动作分块,在擦拭和插头插入任务中实现高成功率并显著降低接触力。
2026-09-28 cs.RO
Impedance Optimization for Uncertain Contact Interactions Through Risk Sensitive Optimal Control
Tandon School of Engineering, New York University(纽约大学坦登工程学院);Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所)
本文讨论的问题,计算最佳阻抗的腿运动任务涉及复杂的接触相互作用的时间表。我们制定的问题阻抗调节作为干扰抑制和测量不确定性之间的权衡。我们扩展了随机最优控制算法称为风险敏感控制,考虑到测量的不确定性,并提出了一个正式的方法,包括未知的接触位置的不确定性。该方法可以有效地生成最优状态和控制轨迹以及局部反馈控制增益,即阻抗时间表。大量的模拟表明,该方法在产生有意义的刚度和阻尼调制模式之前和之后的接触相互作用的能力。例如,接触力在早期接触期间减小,阻尼增加以预期高冲击事件,并且跟踪自动地权衡以增加稳定性。特别是,我们表现出一个显着的性能改善,在跳跃和小跑任务与模拟四足机器人。
2021-01-25 cs.RO cs.SY eess.SY
Frame-Coded Legged Locomotion over Noisy Terrain
Stony Brook University(石溪大学);AI Innovation Institute(人工智能创新研究院)
本文将腿式运动建模为带擦除的量化有限帧编码,证明等范数Parseval帧在接触缺失时最优,并建立信息-运动不等式与帧编码定理,揭示冗余与鲁棒性的基本极限。
2026-09-10 cs.IT cs.RO cs.SY
A Soft Wrist with Anisotropic and Selectable Stiffness for Robust Robot Learning in Contact-rich Manipulation
OMRON SINIC X Corp.(OMRON SINIC X公司)
CLAW是一种具有各向异性可选刚度的柔软手腕,通过简单设计实现大变形范围和轻量化,有效提升机器人在接触丰富任务中的鲁棒学习能力。
2026-02-16 cs.RO
Contact Reduction with Bounded Stiffness for Robust Sim-to-Real Transfer of Robot Assembly
Singapore Centre for 3D Printing(新加坡3D打印中心);School of Mechanical and Aerospace Engineering, NTU(南洋理工大学机械与航空航天工程学院);Eureka Robotics(尤里卡机器人公司)
针对 Sim-to-Real 强化学习中复杂物体接触点多导致仿真慢、不稳定的问题,提出带刚度约束的接触约简方法,提升仿真精度,实现小间隙双插销任务的策略训练与真机部署。
2023-06-11 cs.RO
Inferring Object Properties with a Tactile Sensing Array Given Varying Joint Stiffness and Velocity
Institute of Robotics and Intelligent Machines, Georgia Institute of Technology(佐治亚理工学院机器人与智能机器研究所)
整臂触觉感知使机器人能够感知接触,并推断其整个arm. Within本文的接触属性,我们证明了使用数据驱动的方法,一个人形机器人可以推断出一个简单的达到运动过程中与前臂接触的物体的机械性能。一个关键问题是数据驱动方法的性能在多大程度上可以推广到与训练过程中使用的不同的机器人动作。为了研究这一点,我们开发了一个理想化的基于物理的集总元件模型的机器人与一个符合关节接触的对象。使用这个基于物理的模型,我们进行了不同的机器人,物体和环境参数的实验。我们还收集了数据,从一个真实的机器人上的挣扎传感前臂,因为它在一个简单的达到不同的手臂速度和关节刚度的运动与各种物体接触。该机器人使用最近邻分类器(1-NN)、隐马尔可夫模型(HMM)和长短期记忆(LSTM)网络来推断两个对象属性(硬与软以及移动与未移动)基于时变触觉传感器数据(最大力、接触面积和接触运动)的特征。我们发现,与1-NN相比,LSTM(具有足够的数据可用性)和多变量HALTORY的性能成功地推广到具有不同速度和关节刚度的新机器人运动。与单个特征相比,使用多个特征对于基于物理模型的实验和真实机器人的实验都给出了最好的结果。
2017-11-04 cs.RO
A Contact Model based on Denoising Diffusion to Learn Variable Impedance Control for Contact-rich Manipulation
Digital & AI Technology Center, Technology Division, Panasonic Holdings Corporation(松下控股公司技术事业部数字与人工智能技术中心);Robotics Promotion Office, Manufacturing Innovation Division, Panasonic Holdings Corporation(松下控股公司制造创新事业部机器人推进办公室);Ritsumeikan University(立命馆大学)
本文提出扩散接触模型(DCM),利用去噪扩散模型的多步迭代计算模拟高度非线性的接触动力学,从变刚度输入预测接触轨迹,在保持与传统优化方法相当性能的同时显著减少了机器人试错次数。
2024-03-20 cs.RO
Decoupling Torque and Stiffness: A Unified Modeling and Control Framework for Antagonistic Artificial Muscles
Soft Robotics Lab, IRIS, D-MAVT, ETH Zurich, Switzerland(瑞士苏黎世联邦理工学院D-MAVT系IRIS软体机器人实验室)
本文提出了一种统一的实时框架,用于处理不同类型的人工肌肉,通过分离的Padé力模型、级联逆动力学控制器和生物启发的深度自适应交互策略,实现独立的扭矩和刚度控制。
2026-04-04 cs.RO
SRL-VIC: A Variable Stiffness-Based Safe Reinforcement Learning for Contact-Rich Robotic Tasks
Istituto Italiano di Tecnologia(意大利技术研究院);Università di Genova(热那亚大学)
针对富接触机器人任务中强化学习的安全探索难题,提出结合可变阻抗控制器的SRL-VIC无模型安全强化学习框架,通过预训练安全评判与恢复策略、在线调节刚度,兼顾任务效率与安全性,且仿真训练策略可直接部署到实体机器人。
2024-06-19 cs.RO
Vision-Based Force Estimation for Minimally Invasive Telesurgery Through Contact Detection and Local Stiffness Models
Case Western Reserve University(凯斯西储大学)
本文提出一种基于视觉的接触条件力估计方法,通过深度学习结合末端执行器位置与关节扭矩信息,在遥手术中实现超90%接触检测准确率和低于10%力预测误差,助力触觉反馈与技能评估。
2024-03-27 cs.RO
Impedance Primitive-augmented Hierarchical Reinforcement Learning for Sequential Tasks
TU Delft(代尔夫特理工大学);IISc Bangalore(班加罗尔印度理工学院)
本文提出阻抗基元增强的分层强化学习框架,通过可变刚度动作空间、自适应刚度控制器和可供性耦合,提升顺序接触任务中的学习效率、基元组合性与成功率,并验证了 sim2real 能力。
2025-08-27 cs.RO
CompVLA: A Variable Compliance Vision-Language-Action Model for Contact-rich Manipulation
Seoul National University(首尔大学);Microsoft Research Asia(微软亚洲研究院)
针对现有VLA模型缺乏柔顺控制导致接触丰富任务性能差的问题,提出联合预测运动与刚度矩阵的CompVLA框架,通过柔顺专家模块和阻抗控制提升成功率,实验验证其有效性。
2026-11-09 cs.RO
StRETcH: a Soft to Resistive Elastic Tactile Hand
University of California, Berkeley(加州大学伯克利分校)
软光学触觉传感器使机器人能够通过捕获重要特征来操纵可变形物体,例如高分辨率接触几何形状和物体顺应性的估计。这项工作提出了一种可变刚度的软触觉末端执行器称为StreTcH,软电阻弹性触觉手,这是很容易制造和集成的机器人arm.A弹性膜之间的两个机器人手指,和深度传感器捕获的弹性膜的变形,使亚毫米级的接触几何形状的准确估计。平行爪夹持器通过单轴拉伸膜来改变膜的刚度,从而可控地将StRETcH的有效模量从约4kPa调节到9kPa。这项工作使用StretcH来重建刚性和可变形物体的接触几何形状,估计四个充满不同物质的气球的刚度,并将面团操纵成所需的形状。
2021-05-17 cs.RO
Impedance Adaptation by Reinforcement Learning with Contact Dynamic Movement Primitives
Agile Robots AG(敏捷机器人公司);Fraunhofer IPK(弗劳恩霍夫生产设备与设计技术研究所);Universität Hamburg(汉堡大学);Intel Asia-Pacific Research & Development Ltd.(英特尔亚太研发有限公司)
动态运动基元(DMP)允许复杂的位置轨迹被有效地演示给机器人。在接触丰富的任务中,在接触几何形状变化的情况下,单独的位置轨迹可能不安全或鲁棒,DMP已经扩展到包括力轨迹。然而,不同的任务阶段或自由度可能需要跟踪位置或力--例如,一旦进行接触,则更重要的是在接触方向上跟踪力演示轨迹。机器人阻抗在跟随位置或力参考轨迹之间平衡,其中高刚度跟踪位置并且低刚度跟踪力。本文提出了使用DMPs从演示中学习位置和力的轨迹,然后通过强化学习训练的更高级别的控制策略在线调整阻抗参数。这允许使用DMP一次性演示任务,并通过阻抗自适应提高鲁棒性和性能。该方法在钉孔和胶带应用任务上进行了验证。
2022-03-21 cs.RO
Soft finger rotational stability for precision grasps
UNIST(蔚山科学技术院);Fraunhofer IPK(弗劳恩霍夫生产技术研究所)
本文针对Soft robotic fingers在precision grasps中力容量受限的问题,提出分析滑动和动态旋转稳定性的模型,揭示接触面积对力容量的提升机制,并通过实验验证模型以优化抓取参数。
2024-03-24 cs.RO
Compliance for Free: Learning Identifiable Impedance via Bilateral Teleoperation
Institut de Robòtica i Informàtica Industrial, CSIC-UPC Barcelona(巴塞罗那工业机器人研究所(CSIC-UPC))
针对视觉-语言-动作模型缺乏合规性监督的问题,提出利用四通道双边遥操作消除可辨识性障碍,以零标注成本生成每轴刚度标签并微调VLA,在Franka擦拭任务中实现接触力随指令显著变化。
2026-09-18 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
Towards simulation-based optimization of compliant fingers for high-speed connector assembly
提出一种基于仿真的柔顺机构设计工具,通过优化柔顺手指参数提升连接器插接任务的鲁棒性,并在真实机器人上验证了容差范围的显著扩大。
2025-09-12 cs.RO
VIDP: Variable Impedance Diffusion Policy for Compliant Robot Manipulation from Diverse Demonstrations
该研究针对接触丰富的机器人操作问题,提出基于模仿学习的可变阻抗控制框架VIDP,利用TP-DAMM从多样本演示中提取物理一致的轨迹分布,无需力传感器即可联合预测位姿与柔顺性,在真实实验中任务成功率及力、跟踪误差表现均优于基线方法。
2026-08-07 cs.RO
Ostrich: Taking Large Strides Through Stiff Contact in Differentiable Dynamics
Czech Technical University in Prague(布拉格捷克技术大学);Faculty of Electrical Engineering(电气工程学院)
提出Ostrich,一种GPU加速的刚体模拟器,通过非光滑牛顿迭代和隐函数定理,在大时间步长下实现高精度可微接触,梯度可靠且内存高效,显著提升优化吞吐量。
2026-09-09 cs.GR cs.LG cs.RO
Robust Whole-Body Motion Control of Legged Robots
ETH Zürich(苏黎世联邦理工学院)
我们介绍了一种鲁棒控制体系结构的全身运动控制的力矩控制机器人的手臂和腿。该方法是基于接触力的鲁棒控制,以跟踪计划的质心轨迹。它的吸引力在于能够保证鲁棒的稳定性和性能,尽管刚体模型不匹配,致动器动态,延迟,接触面刚度,和未观察到的地面轮廓。此外,我们引入了一个任务空间分解方法,消除了接触力控制器和其他非接触控制器之间的耦合效应。最后,我们验证了我们的控制性能的四足机器人和比较其性能的标准逆动力学方法的硬件。
2017-03-07 cs.RO
The Effect of Tail Stiffness on a Sprawling Quadruped Locomotion
University of Galway(高威大学);University of Notre Dame(圣母大学)
本研究通过在欠驱动匍匐式四足机器人上添加由单个伺服电机控制刚度的多节段缆绳驱动柔性尾巴,证明了可变刚度尾巴相比刚性尾巴或无尾巴能显著提升机器人在崎岖地形上的稳定性和攀爬能力。
2023-04-09 cs.RO
On Inverse Inertia Matrix and Contact-Force Model for Robotic Manipulators at Normal Impacts
CNRS(法国国家科学研究中心);University of Montpellier(蒙彼利埃大学);AIST(日本产业技术综合研究所)
针对固定基座高刚度控制机器人操作臂缺乏定制碰撞动力学模型的问题,通过7自由度Panda机器人150次试验,提出采用粘弹性接触力模型与复合刚体逆惯性矩阵计算方法。
2022-02-12 cs.RO
Differentiable Simulation of Hard Contacts with Soft Gradients for Learning and Control
University of Tübingen(图宾根大学);Masaryk University(马萨里克大学)
本文提出DiffMJX,通过结合自适应时间积分与惩罚模拟提升梯度精度,并引入接触距离(CFD)解决接触梯度消失问题,提高仿真与现实的匹配度。
2026-03-23 cs.LG cs.RO cs.SY
Interaction Dynamics for Dexterous Manipulation
Voryx Robotic LLC(Voryx机器人有限公司)
提出一种执行器无关的阻抗模型预测控制框架,通过代数前馈将肌腱传动简化为常系数双积分器,结合编码器增强卡尔曼扰动估计,实现高精度轨迹跟踪与安全接触力控制。
2026-08-04 cs.RO cs.SY eess.SY
Pushing the limits of the CyberGrasp for haptic rendering
European Space Agency(欧洲空间局);Delft University of Technology(代尔夫特理工大学)
本文提出ExHand Box,通过扩展带宽和定制控制器提升CyberGrasp的触觉反馈性能,实现在硬接触场景中更高的接触刚度和更稳定的反馈效果。
2016-05-17 cs.HC cs.RO cs.SY
Diffusion-Based Impedance Learning for Contact-Rich Manipulation Tasks
Institute for Anthropomatics and Robotics, Karlsruhe Institute of Technology(人机动力学与机器人研究所,卡尔斯鲁厄技术大学);Department of Mechanical Engineering, Massachusetts Institute of Technology(机械工程系,麻省理工学院);Department of Brain and Cognitive Sciences, Massachusetts Institute of Technology(脑与认知科学系,麻省理工学院)
本文提出基于扩散的阻抗学习框架,结合生成建模与能量一致的阻抗控制,实现接触丰富的操作任务中的高精度动态控制与任务泛化能力。
2026-08-12 cs.AI cs.LG cs.RO
Tunable Dynamic Walking via Soft Twisted Beam Vibration
Arizona State University(亚利桑那州立大学)
我们提出了一种新的机制,通过软扭曲梁传播振动,利用动态耦合各向异性刚度,以简化行走机器人的驱动。使用动态仿真和实验方法,我们表明,与地形接触的扭曲梁的耦合刚度可以通过改变输入信号的频率来控制,以产生各种复杂的轨迹。这项工作揭示了地面接触如何影响系统的动态行为,支持由这种现象启发的步行机器人的设计。我们还表明,拟议的扭曲梁产生一个可调的步行步态从一个单一的振动输入。
2022-11-01 cs.RO cs.SY eess.SY