Real-Time Non-Contact Force Compensation for Wrist-Mounted Force/Torque Sensors in Haptic-Enabled Robotic Surgery Training
School of Engineering and Physical Sciences, Heriot-Watt University(工程与物理科学学院,赫瑞-瓦特大学)
本文提出一种基于递归最小二乘法的实时补偿方法,用于解决腕部力/扭矩传感器在触觉反馈训练中的非接触力干扰问题,实验显示其在力和扭矩补偿上的误差降低率分别超过95%和91%。
2026-09-16 cs.RO cs.SY eess.SY
Technology Report : Robotic Localization and Navigation System for Visible Light Positioning and SLAM
The Hong Kong University of Science and Technology(香港科技大学)
可见光定位(VLP)技术是一种很有前途的技术,因为它可以基于现有的照明基础设施提供高精度定位。然而,现有的方法通常需要密集的照明分布。此外,由于复杂的室内环境,开发鲁棒的VLP仍然具有挑战性。在这项工作中,我们提出了松散耦合的多传感器融合方法的基础上VLP和同时定位与地图构建(SLAM),与光探测和测距(LiDAR),里程计,和卷帘快门相机。我们的方法可以提供准确和强大的机器人定位和导航LED短缺,甚至停电的情况。大量的实时实验验证了该方案的有效性。实验结果表明,该算法的平均精度为2 cm,在低成本嵌入式平台上的平均计算时间为50 ms。
2021-09-03 cs.RO
Robotic Wireless Sensor Networks
University of Southern California(南加州大学);Università degli studi "Roma Tre"(罗马三大学);Swinburne University of Technology(斯winburne技术大学)
本文综述了机器人与无线传感器网络交叉领域的新兴研究领域,探讨了多机器人系统在满足通信性能要求的同时实现传感目标的协同控制、学习和适应方法,并指出现有文献中存在的一些研究空白和未来研究方向。
2018-09-02 cs.RO cs.SY eess.SY
A Flexible FBG-Based Contact Force Sensor for Robotic Gripping Systems
本文提出一种基于光纤布拉格光栅的柔性接触力传感器,通过3D打印TPU外壳和双FBG阵列实现高灵敏度力测量,并与软体抓手集成实现闭环力控制,显著提升抓取稳定性。
2025-02-06 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
Robo-Platform: A Robotic System for Recording Sensors and Controlling Robots
Department of Electrical Engineering, Islamic Azad University, Najafabad Branch, Isfahan, Iran(电气工程系,伊斯兰教Azad大学,纳杰法德分校,伊斯法罕,伊朗)
本文提出Robo-Platform系统,利用Android手机、微控制器板和远程无线站实现多传感器原始数据采集与机器人控制,并通过SLAM/AR实验及玩具车、四旋翼控制案例验证其有效性。
2025-07-17 cs.RO cs.SY eess.SY
Leveraging Tactile Sensors for Low Latency Embedded Smart Hands for Prosthetic and Robotic Applications
ETH Zürich(苏黎世联邦理工学院)
触觉感知是机器人和需要控制假肢装置的人类截肢者的关键感知模式。今天,机器人和假肢系统仍然缺少精确的触觉感知这一重要特征。这种缺乏主要是由于现有的触觉技术具有有限的空间和时间分辨率并且要么昂贵要么不可扩展。在本文中,我们提出了一个硬件和软件的嵌入式系统SmartHand的设计和实现。它专门设计用于从手形多传感器阵列获取和实时处理高分辨率触觉信息,用于假肢和机器人应用。在数据汇集过程中,我们的系统可以提供每秒100帧的高吞吐量,这是13.7倍高于以前的相关工作。我们收集了一个新的触觉数据集,同时在五个不同的会话期间与日常生活对象进行交互。我们提出了一个紧凑而准确的卷积神经网络,与相关工作相比,它需要少一个数量级的内存和少15.6倍的计算,而不会降低分类精度。前1和前3交叉验证准确率分别为98.86%和99.83%。我们进一步分析了会话间的变异性,并获得了最好的前3个留一验证的准确率为77.84%。我们将训练好的模型部署在高性能ARM Cortex-M7微控制器上,实现了仅100 ms的推理时间,最大限度地减少了响应延迟。总功耗为505 mW。最后,我们制作了一个新的控制传感器,并进行额外的实验,以提供传感器退化和滑移检测的分析。这项工作在赋予机器人和假肢设备触觉方面向前迈出了一步,并展示了由微型机器学习授权的智能嵌入式系统的实用性。
2022-03-28 cs.RO cs.SY eess.SY
SL Sensor: An Open-Source, ROS-Based, Real-Time Structured Light Sensor for High Accuracy Construction Robotic Applications
ETH Zürich(苏黎世联邦理工学院)
许多建筑机器人任务都需要高精度的3D表面信息,例如自动水泥抛光或机器人石膏喷涂。然而,目前市场上的消费级深度相机对于这些需要毫米(mm)级精度的任务来说不够精确。本文介绍了SL传感器,一种结构光传感解决方案,能够产生高保真度的点云在5 Hz的利用相移轮廓术(PSP)编码技术。SL传感器与两款商业深度相机进行了比较-Azure Kinect和RealSense L515。实验表明,SL传感器在室内表面重建应用中的精度和准确性均优于两种设备。此外,为了证明SL传感器作为机器人应用的结构光传感研究平台的能力,开发了一种运动补偿策略,允许SL传感器在线性运动期间工作,而传统的PSP方法仅在传感器静止时工作。现场实验表明,SL传感器能够对喷涂抹灰表面进行高度详细的重建。基于机器人操作系统(ROS)的软件和SL传感器的示例硬件构建都是开源的,目的是使结构光传感更容易为建筑机器人社区所用。所有文档和代码都可以在https://github.com/ethz-asl/sl_sensor/上找到。
2022-09-01 cs.RO
On the Calibration of Force/Torque Sensors in Robotics
我们提出和分析的方法,通常,手腕安装在机器人的力/扭矩传感器的运动学和运动学的校准。该算法是基于矩阵分解,不需要特殊的设备。唯一的要求是能够重新定向传感器并在固定坐标系中测量其取向,例如通过机器人操纵器的正运动学或使用外部跟踪系统。我们提出的方法来找到传感器的坐标系和工具法兰的坐标系之间的旋转矩阵,由力传感器保持静止的质量,该质量的重心的矢量和重力加速度矢量。
2019-04-12 cs.RO
Robotic Control for Cognitive UWB Radar
Fraunhofer Institute for High Frequency \
本文提出了一种用于6自由度机械臂的轨迹规划方法,该机械臂携带合成孔径超宽频雷达传感器,通过优化问题实现碰撞-free的末端执行器轨迹,以最小化观测时间,适用于三维重建和穿墙雷达扫描及IED检查。
2017-10-11 cs.RO cs.SY eess.SY
WiForceSticker: Batteryless, Thin Sticker-like Flexible Force Sensor
UC San Diego(加州大学圣地亚哥分校)
任何两个相互接触的物体都会产生一个力,这个力可能仅仅是由于重力或机械接触造成的,比如机械臂抓住一个物体,甚至是我们膝关节处两块骨头之间的接触。自然测量和监测这些接触力的能力允许从仓库管理(根据重量检测有缺陷的包裹)到机器人(使机器人手臂的抓握像人类皮肤一样敏感)和医疗保健(膝盖植入物)的大量应用。设计一种可以自然地用于所有这些应用的无处不在的力传感器具有挑战性。首先,传感器应该足够小,以适应狭窄的空间。接下来,我们不想铺设笨重的电缆来读取传感器的力值。最后,我们需要有一个无电池的设计,以满足体内应用。我们开发了WiForceSticker,这是一种无线、无电池、类似贴纸的力传感器,可以无处不在地部署在任何表面上,例如所有仓库包裹、机器人手臂和膝关节。WiForceSticker首先设计了一款微型$4$ ~mm~ $\times$ ~ $2$ ~mm~ $\times$ ~ $0.4$ ~mm电容式传感器设计,配备了设计在柔性PCB基板上的$10$ ~mm~ $\times$ ~ $10$ ~mm天线。其次,它引入了一种新的机制,通过将传感器与COTS RFID系统连接,可以通过远程读取器无线读取周围RF辐射上的力信息,而无需在力传感器处使用任何电池或有源组件。该传感器可以检测$0$ - $6$ ~N范围内的力,在多种测试环境中具有$<0.5$ ~N的感测精度,并且在传感器上按压超过…
2022-09-19 cs.RO cs.SY eess.SY
GelSight360: An Omnidirectional Camera-Based Tactile Sensor for Dexterous Robotic Manipulation
Massachusetts Institute of Technology(麻省理工学院)
本文提出GelSight360,一种基于相机的全向触觉传感器,采用新颖的跨LED照明方案,可生成物体变形深度图并适配不同夹爪,解决了传统传感器难以集成和定制的问题。
2023-04-09 cs.RO
Robotic Tool Tracking under Partially Visible Kinematic Chain: A Unified Approach
University of California San Diego(加州大学圣迭戈分校)
任何时候,通过视觉反馈控制机器人操纵器,机器人和摄像机框架之间的转换必须是已知的。然而,在摄像机只能捕获机器人操纵器的一部分以便更好地感知与之交互的环境的情况下,对基座到摄像机变换的校准中的误差存在更大的敏感度。机器人控制期间不确定性的第二个来源是关节角度测量的不准确性,这可能是由定位偏差和复杂的传动效应(如反冲和电缆拉伸)引起的。在这项工作中,我们把这两组未知参数到一个统一的问题制定时,运动链是部分可见的相机视图。我们证明了这些参数是不可识别的,这意味着显式估计它们是不可行的。为了克服这一点,我们推导出一组较小的参数,我们称之为集总误差,因为它将校准和关节角度测量的误差集中在一起。粒子滤波方法,并在模拟和两个现实世界的机器人估计集中误差,并显示此参数减少的效率进行了测试。
2021-09-06 cs.RO
Decentralized Control of Three-Dimensional Mobile Robotic Sensor Networks
移动机器人传感器网络的分散控制是机器人学中的一个基本问题,近几十年来吸引了大量的研究。大多数现有的作品处理二维空间。这份报告关注的是在三维环境中的移动机器人传感器网络的分散自部署的问题。报告的第一部分研究了三维空间中完整的传感覆盖问题。我们提出了一个分散的随机算法来驱动移动机器人传感器的顶点上的一个截断的八面体网格完整的传感覆盖的有界的3D区域。在第二部分中,我们提出了一个分布式随机搜索算法在有界三维环境。第三,我们研究了由移动机器人传感器网络在有界三维空间中定位静态和移动目标的问题。我们介绍了一种新的分散式生物启发的随机搜索算法,用于在3D区域中找到静态和移动对象。该算法将Levy飞行随机搜索机制与三维覆盖网格相结合。本文研究了移动机器人传感器网络在三维空间中的三维编队构建问题。提出了一种基于分散共识的多机器人系统的控制律,该控制律能使多机器人在三维环境中从任意初始位置形成给定的几何构形。移动机器人传感器的收敛到给定的配置所示的广泛的模拟。此外,数学上严格的证明所提出的算法收敛到给定的配置。
2016-06-01 cs.RO math.OC
Sim-to-Real Transfer for Robotic Manipulation with Tactile Sensory
Tencent Robotics X(腾讯机器人X实验室);Imperial College London(帝国理工学院)
强化学习(RL)方法已经通过仿真到现实迁移被广泛应用于机器人操作,通常具有本体感受和视觉信息。然而,将触觉感知结合到RL中用于接触丰富的任务缺乏调查。在本文中,我们模拟的触觉传感器,并研究其反馈的影响,在基于RL的机器人控制通过zero-shot模拟到真实的方法与域随机化。我们证明,学习和控制与触觉传感器阵列的反馈在抓手,无论是在模拟和现实中,可以提高抓地力的稳定性,从而导致显着改善机器人的操作性能的开门任务。在现实世界的实验中,车门打开角度增加了45%,平均为转移政策与触觉感知比那些没有它。
2021-07-27 cs.RO
ADMM-based Adaptive Sampling Strategy for Nonholonomic Mobile Robotic Sensor Networks
Northern Arizona University(北亚利桑那大学);Federation University Australia(澳大利亚联邦大学)
本文讨论了非完整移动机器人传感器网络中有效监测空间场的自适应采样问题。它建议采用高斯过程建模的空间现象,并预测它在未测量的位置,这使得采样优化问题,制定通过使用预测的协方差矩阵的对数行列式在下一个采样位置。在自适应采样优化问题中,还考虑了移动传感器的控制、运动和非完整动力学约束。为了解决优化问题中目标函数的非线性和非凸性,我们首先利用线性交替方向乘子法(L-ADMM)方法,该方法可以有效地简化目标函数,但由于每次迭代都需要精确求解非凸问题,因此计算量很大。然后,我们提出了一种新的方法,称为连续的凸ADMM(SC-ADMM),顺序凸的非线性动态约束,使原来的优化问题可以分裂成凸的子问题。值得注意的是,无论是L-ADMM算法和我们的SC-ADMM方法可以解决采样优化问题,无论是集中式或分布式的方式。我们验证了所提出的方法在1000个实验中的合成环境与真实世界的数据集,其中所获得的结果表明,无论是L-ADMM和SC-ADMM技术可以提供良好的精度监测的目的。然而,我们提出的SC-ADMM方法的计算性能优于L-ADMM对应,证明了其更好的实用性。
2021-03-19 cs.RO cs.SY eess.SY
Fault Tolerant Neural Control Barrier Functions for Robotic Systems under Sensor Faults and Attacks
Washington University in St. Louis(圣路易斯华盛顿大学);University of Washington(华盛顿大学)
针对传感器故障与攻击下机器人系统的安全控制问题,提出容错神经控制屏障函数 FT-NCBF,推导安全充要条件并给出数据驱动学习与控制综合方法。
2024-02-28 cs.AI cs.RO cs.SY
DIGIT: A Novel Design for a Low-Cost Compact High-Resolution Tactile Sensor with Application to In-Hand Manipulation
Facebook(脸书)
尽管经过了数十年的研究,通用手操作仍然是机器人技术尚未解决的挑战之一。限制当前机器人操作系统的因素之一是难以精确地感测接触力--关于接触力的感测和推理对于精确地控制与环境的交互至关重要。作为实现更好的机器人操作的一步,我们推出了DIGIT,一种面向手操作的廉价,紧凑,高分辨率触觉传感器。DIGIT通过将形状因子简化为可安装在多指手上,并通过提供几项设计改进来改进过去基于视觉的触觉传感器,从而实现更简单、更可重复的制造过程,并增强可靠性。我们通过训练基于深度神经网络模型的控制器来展示DIGIT传感器的能力,以用多指机器人手操纵玻璃弹珠。为了向机器人社区提供可靠且低成本的触觉传感器,我们在https://digit.ml/上开源了DIGIT设计。
2020-05-29 cs.LG cs.RO cs.SY
Design and Evaluation of a UGV-Based Robotic Platform for Precision Soil Moisture Remote Sensing
Robotics and AI Team, Department of Computer Science, Electrical and Space Engineering, Luleå University of Technology(机器人与人工智能团队,计算机科学与电气空间工程系,卢勒奥技术大学)
本文介绍了AgriOne这一自动UGV平台的设计与评估,其通过配备VWC传感器的机械臂与表面感知数据采集框架实现大型农田高精度土壤水分测量,有效剔除无效数据并减少对永久传感器和人工的依赖。
2025-04-25 cs.RO cs.SY eess.SY
Task-relevant Representation Learning for Networked Robotic Perception
NEC Corporation(日本电气股份有限公司);Stanford University(斯坦福大学)
今天,即使是计算和功率最有限的机器人也可以测量复杂的高数据速率视频和激光雷达传感流。通常,从低功率无人机到太空和地下漫游者的机器人,如果它们不确定或无法在本地可扩展地运行复杂的感知或映射任务,则需要将高比特率的传感数据传输到远程计算服务器。然而,今天的感官数据的表示主要是为人类而不是机器人感知而设计的,因此经常浪费宝贵的计算或无线网络资源来传输高级机器人任务不必要的场景的不重要部分。本文提出了一种算法来学习与预先训练的机器人感知模型的最终目标共同设计的传感数据的任务相关表示。我们的算法积极压缩机器人的感官数据高达11倍以上的竞争方法。此外,它在各种任务上实现了高精度和鲁棒的泛化,包括使用低功耗深度学习加速器进行火星地形分类、神经运动规划和环境时间序列分类。
2020-11-06 cs.CV cs.IT cs.NI
Detecting Separation in Robotic and Sensor Networks
Aerospace Engineering, University of Florida, Gainesville, FL.;Engineering, Texas A\&M University, College Station, TX.;Dept. of Aerospace Engineering, Texas A\&M University, College Station, TX.
针对机器人与传感器网络中节点与基站可能因移动或故障而分离的问题,提出一种基于平均化方案的分布式算法,通过监测节点状态收敛性来检测永久性分离。
2011-02-16 cs.RO cs.SY eess.SY
Soft, Round, High Resolution Tactile Fingertip Sensors for Dexterous Robotic Manipulation
Massachusetts Institute of Technology(麻省理工学院)
高分辨率触觉传感器通常体积庞大,并且具有使它们难以用于操纵的形状轮廓。当使用诸如用于灵巧的多指手的指尖的传感器时,这变得重要,其中方形或平面指尖限制了可用的平滑操纵策略集。高分辨率的光学传感器,如GelSight,由于照明几何形状的限制,到目前为止一直被限制在相对平坦的几何形状。在这里,我们展示了如何构建一个圆形的指尖,利用一种形式的光管道定向照明。我们的传感器可以取代Allegro手的标准圆形指尖。它们可以捕获接触表面的高分辨率地图,并可用于支持各种灵巧的操作任务。
2020-05-18 cs.RO
The Matter of Time -- A General and Efficient System for Precise Sensor Synchronization in Robotic Computing
PerceptIn;South China University of Technology(华南理工大学);University of Rochester(罗切斯特大学)
时间同步是自动驾驶等机器人计算中的关键任务。在过去的几年里,随着我们开发先进的机器人应用,我们的同步系统也在不断发展。在本文中,我们首先介绍了时间同步问题,并解释了时间同步的挑战,特别是在机器人工作负载中。总结这些挑战,然后,我们提出了一个通用的硬件同步系统的机器人计算,提供高同步精度,同时保持低能耗和资源消耗。所提出的硬件同步系统是我们未来机器人产品的关键组成部分。
2021-03-30 cs.AR cs.RO
High-Speed, Scalable Sensor Readout for Dexterous Robotic Hands via Shift-Register Multiplexing
Soft Robotics Lab, IRIS, D-MAVT, ETH Zurich(软机器人实验室,IRIS,D-MAVT,苏黎世联邦理工学院);Integrated Systems Laboratory, ETH Zurich(集成系统实验室,苏黎世联邦理工学院)
本文提出一种基于串入并出移位寄存器原理的可扩展模拟传感器读取架构,支持异构模拟输出传感器的集成与扩展,实现高吞吐量的传感器数据采集,验证了其在机械手上的应用效果。
2026-10-27 cs.RO
Sensors for expert grip force profiling: towards benchmarking manual control of a robotic device for surgical tool movements
University of Strasbourg(斯特拉斯堡大学)
STRAS(外科医生单通道经腔机器人助手)是一种应用于腔内外科手术的新型机器人系统。最近,STRAS的临床前试验证明了该系统与经典手术相比的主要优势。现在需要制定出允许建立客观专业标准的基准方法,以便在不久的将来有效地对外科医生进行关于这一新系统的训练。STRAS由三个电缆驱动子系统、一个用作导引的内窥镜和两个柔性仪器组成。灵活的仪器有三个自由度,可以由一个用户通过两个专门设计的主界面远程操作。在这项研究中,小的力传感器缝到一个可穿戴的手套,符合人体工程学适合的机器人系统的主手柄,用于监测由专家和受训者谁是一个完整的新手在模拟器任务,一个四步采摘和下降的手术任务执行的所有步骤期间所施加的力。通过传感器进行抓握力曲线的分析,以在手指和控制主从系统的手的解剖学相关部分上的特定传感器位置处引起手柄力曲线的特定差异。
2020-11-12 cs.RO
Avoidance of Manual Labeling in Robotic Autonomous Navigation Through Multi-Sensory Semi-Supervised Learning
Ball State University(波尔州立大学)
模仿学习有望解决具有挑战性的机器人任务,如自主导航。然而,它需要一个人类监督员来监督训练过程,并在没有反馈的情况下向机器人发送正确的控制命令,这总是容易出错,而且成本高昂。为了最大限度地减少人工参与和避免人工标记的数据在机器人自主导航与模仿学习,本文提出了一种新的半监督模仿学习解决方案的基础上的多传感器设计。该解决方案包括基于传感器融合的次优传感器策略,以自动标记机器人遇到的状态,以避免训练期间的人类监督。此外,开发了一种记录策略,以抑制从次优传感器策略中学习太多的对抗性影响。该解决方案允许机器人以自我监督的方式学习导航策略。通过在室内环境中的大量实验,该解决方案可以在大多数任务中实现接近人类的性能,甚至在硬件故障或人为操作错误等意外事件中超过人类的性能。据我们所知,这是第一个综合传感器融合和模仿学习的工作,使机器人自主导航在现实世界中没有人的监督。
2018-02-20 cs.LG cs.RO
Commentaries on "Learning Sensorimotor Control with Neuromorphic Sensors: Toward Hyperdimensional Active Perception" [Science Robotics Vol. 4 Issue 30 (2019) 1-10
Research Institutes of Sweden(瑞典研究机构);University of California, Berkeley(加州大学伯克利分校);Luleå University of Technology(吕勒奥理工大学)
这封信件评论了Mitrokhin等人最近发表在Science Robotics文章中的发现[1]。本评注的主要目的是进一步阐述该条所涉及的一些问题。我们的经验是,超维计算与其他计算方法非常不同,在获得实际有用的理解之前,它可能需要相当多的接触。因此,为了向第一次阅读[1]的读者提供该领域的概况,评注包括一个简短的历史概述,并将该条款的调查结果与该领域现有的大量文献联系起来。
2020-03-25 cs.AI cs.CV cs.RO
Design of a Fully Actuated Robotic Hand With Multiple Gelsight Tactile Sensors
Massachusetts Institute of Technology(麻省理工学院)
这项工作详细介绍了一种新型的两个手指的机器人夹持器与多个Gelsight的光学触觉传感器覆盖的手的内表面的设计。多个Gelsight传感器可以同时从多个视图收集物体的表面拓扑结构,并可以跟踪剪切应力和拉伸应力。此外,其他感测模态使手能够从被抓握的物体收集热、声和振动信息。力控夹持器是完全致动的,因此它可以用于各种抓取配置,也可以用于手操作任务。在这里,我们提出了这样的夹具的设计。
2020-02-06 cs.RO
The MOTIF Hand: A Robotic Hand for Multimodal Observations with Thermal, Inertial, and Force Sensors
Department of Computer Science, Viterbi School of Engineering University of Southern California(计算机科学系,维特比工程学院,南加州大学)
本文提出低成本且易于复现的多模态 MOTIF 机器人手,通过集成触觉、深度、热像、IMU及视觉传感器扩展了 LEAP 手,实验验证了其在温度感知安全抓取和区分外观相同但质量不同物体方面的优越能力。
2025-06-24 cs.RO
A Fingertip Sensor and Algorithms for Pre-touch Distance Ranging and Material Detection in Robotic Grasping
Texas A&M University(得克萨斯农工大学)
本文提出一种基于超声与光声双模态的PDM²指尖传感器及配套算法,实现近距离测距、材料检测和轮廓重建,提升机器人抓取未知物体的能力。
2023-11-17 cs.RO
Diagnosis-guided Attack Recovery for Securing Robotic Vehicles from Sensor Deception Attacks
University of British Columbia(不列颠哥伦比亚大学);University of Iowa(爱荷华大学)
本文提出DeLorean统一框架,通过因果分析诊断传感器欺骗攻击并利用历史状态重建受损传感器物理状态,实现机器人车辆在多传感器攻击下的针对性恢复,成功率93%。
2024-01-22 cs.CR cs.RO
Abstractions for computing all robotic sensors that suffice to solve a planning problem
Texas A&M University(得克萨斯农工大学)
机器人能否完成特定的任务取决于几个方面,包括机器人的传感器和它所拥有的计划。我们感兴趣的搜索算法,处理计划和传感器设计联合,产生的解决方案-即,计划和传感器特征对-当且仅当它们存在。这样的算法可以帮助机器人专家探索传感器的空间,以帮助进行设计权衡。推广以前的工作,传感器抽象地建模为传感器映射的p-图,本文增加了潜在的传感器,可以寻求显着。但这样做扩大了一个问题,目前的外部界限被认为是听话。为了驯服这种复杂性,两个贡献:(1)我们展示了如何表示搜索空间,这个更一般的问题,并描述数据结构,使整个传感器集通过一个单一的特别代表进行总结;(2)我们给出了一种方法,其他结构(无论是任务领域的知识,传感器技术或制造限制)可以被纳入到减少被枚举的集合。这些导致我们已经实现的算法,足以解决特定的问题实例,虽然只有小规模的。尽管如此,该算法有助于理解传感器必须具备哪些属性以及它们必须提供哪些信息,以确保机器人能够在非确定性的情况下实现其目标。
2020-05-22 cs.RO
Shape Sensing for Continuum Robotics using Optoelectronic Sensors with Convex Reflectors
Brunel University London(伦敦布鲁内尔大学)
本文提出一种基于球形反射器与光电传感器集成的连续体机器人三维形状感知改进方法,通过优化反射器形状和集成球形轴承实现无摩擦校准,在双方向估计中最大RMS误差为3.37°。
2024-03-18 cs.RO eess.SP
Distributed Hierarchical Control for State Estimation With Robotic Sensor Networks
Duke University(杜克大学)
本文讨论了一组机器人传感器的主动状态估计。待估计的状态由空间分布的、不相关的、平稳的向量表示。给定一个先验的信念上的国家的地理位置,我们集群的国家在中等规模的群体,并提出了一个新的分层动态规划(DP)的框架来计算最佳的传感策略,为每个集群,减轻了计算成本的规划最佳政策的组合信念空间。然后,我们开发了一个分散的分配算法,动态分配集群的机器人在每个集群的基础上预先计算的最优策略。集成的分布式状态估计框架在集群级是最优的,但也可以很好地扩展到大量的状态和机器人传感器。我们证明了所提出的方法在模拟和现实世界的实验中使用立体视觉传感器的效率。
2018-01-14 cs.MA cs.RO
DORI: Distributed Outdoor Robotic Instruments
Simon Fraser University(西蒙弗雷泽大学);Zhejiang University(浙江大学)
DORI(Distributed Outdoor Robotic Instruments,分布式户外机器人仪器)是一种遥控飞行器,旨在模拟行星探索任务。DORI配备了20多个环境传感器,可以进行基本的数据分析,记录和远程上传。各个组件分布在容错总线上以实现冗余。部分传感器清单包括大气压力、降雨量、风速、全球定位系统、陀螺惯性、线性加速度、磁场强度、温度、激光和超声波距离传感以及数字音频和视频捕获。该项目使用回收的消费电子设备作为传感器组件的低成本来源。本报告描述了DORI的硬件设计,包括传感器电子学,嵌入式固件和物理结构。
2013-04-20 cs.RO
Distributed Adaptive Coverage Control of Differential Drive Robotic Sensors
IITB-Monash Research Academy(IITB-莫纳什研究学院);Indian Institute of Technology Bombay(印度理工学院孟买分校);Monash University(莫纳什大学)
本文研究了多个移动机器人在区域Q内的自主覆盖问题。使用可能不是先验已知的密度函数来描述要覆盖的区域。本文将覆盖问题归结为一个在Q上的函数空间上的优化问题。特别是,我们期待在L 2距离为基础的覆盖算法,并获得自适应控制法律相同。我们还提出了一个修改后的自适应控制法律纳入共识,以更好的参数收敛。我们实现了真正的差分驱动机器人与模拟密度函数以及密度函数使用光源实现的算法。我们还比较了基于L2距离的方法与位置优化方法的实验。
2019-08-03 cs.MA cs.RO cs.SY
GelTip: A Finger-shaped Optical Tactile Sensor for Robotic Manipulation
University of Liverpool(利物浦大学);Fuzhou University(福州大学)
感知整个手指的接触是机器人在杂乱环境中执行操作任务的基本能力。然而,现有的触觉传感器要么仅具有平坦的感测表面,要么具有有限感测区域的顺应性尖端。在本文中,我们提出了一种新的光学触觉传感器,GelTip,形状像一个手指,可以感测其表面上的任何位置的接触。该传感器捕获高分辨率和颜色不变的触觉图像,可用于提取有关末端执行器与被操纵物体相互作用的详细信息。我们的大量实验表明,GelTip传感器可以有效地定位其手指形主体的不同位置上的触点,平均定位误差约为5 mm,最佳情况下小于1 mm。所获得的结果表明,在促进动态操作任务与其全面的触觉感知能力的GelTip传感器的潜力。有关GelTip传感器的传感器型号和更多信息,请访问http://danfergo.github.io/geltip。
2020-08-12 cs.RO
Sensor Fault Detection and Compensation with Performance Prescription for Robotic Manipulators
Babol Noshirvani University of Technology(巴博尔·诺希里万尼理工大学);Toronto Metropolitan University(多伦多都会大学);Technical University of Crete(克里特技术大学)
本文针对机器人操作器的传感器故障,提出结合自适应观测器与终端滑模控制的检测补偿方法,实现无需故障界限的快速容错控制,并预设跟踪误差性能,经仿真验证优于现有方法。
2024-03-19 cs.RO
Miniature Fibre-Optic based Shape Sensing for Robotic Applications using Curved Reflectors
Brunel University London(伦敦布鲁内尔大学)
本文针对机器人应用提出一种基于单根光纤和变曲率反射面的微型单自由度关节角度传感器,通过非接触式光强检测实现大角度范围与高灵敏度的形状传感。
2024-07-22 cs.RO
A multi-modal tactile fingertip design for robotic hands to enhance dexterous manipulation
Carnegie Mellon University(卡内基梅隆大学)
提出一种低成本、紧凑的多模态触觉指尖设计,集成应变式与接触式麦克风传感器,在灵巧操作任务中单独或结合视觉实现高成功率,如100%精确取杯。
2026-09-29 cs.RO
Towards vision-based robotic skins: a data-driven, multi-camera tactile sensor
ETH Zurich(苏黎世联邦理工学院)
本文介绍了一种多摄像头光学触觉传感器的设计,提供有关的接触力分布施加到其软表面的信息。这些信息包含在表面内散布的球形颗粒的运动中,当受到力时,这些颗粒会变形。小型嵌入式摄像机捕获不同颗粒图案的图像,然后通过机器学习架构将其映射到三维接触力分布。本文提出的设计具有更大的接触表面和更薄的结构比大多数现有的基于摄像头的触觉传感器,而不使用额外的反射元件,如镜子。一个模块化的学习架构的实现进行了讨论,有利于更大的表面,如机器人皮肤的可扩展性。
2020-06-23 cs.CV cs.RO
Sensor Observability Index: Evaluating Sensor Alignment for Task-Space Observability in Robotic Manipulators
本文提出传感器可观测性指标,用于评估串联操作臂中传感器对齐对任务空间可观测性的影响,并通过Baxter机器人仿真实验验证其有效性。
2022-08-01 cs.RO
UltraTac: Integrated Ultrasound-Augmented Visuotactile Sensor for Enhanced Robotic Perception
Shenzhen Ubiquitous Data Enabling Key Lab, Shenzhen International Graduate School, Tsinghua University(深圳 ubiquitous 数据赋能重点实验室,深圳国际研究生院,清华大学);RISC-V International Open Source Laboratory(RISC-V国际开源实验室)
本文提出集成视触觉成像与超声传感的 UltraTac 传感器,通过同轴光声架构和触觉反馈协调实现接近感知、材料分类与双模识别,并验证其机器人操作应用潜力。
2025-08-29 cs.RO
Drone Positioning for Visible Light Communication with Drone-Mounted LED and Camera
Tokyo University of Agriculture and Technology(东京农工大学);Osaka University(大阪大学)
世界经常遭受灾难性的灾害。按需无人机安装的可见光通信(VLC)网络适用于监测受灾地区,以利用灾害响应行动。最近,基于图像传感器的VLC的概念也引起了人们的关注,因为它可以使用不稳定移动的无人机建立稳定的链路。然而,现有的工作没有充分考虑到一对多的图像传感器为基础的VLC系统。因此,本文提出了一个一对多的基于图像传感器的VLC之间的摄像机和多个无人机安装的LED灯与无人机定位算法,以避免VLC链路之间的干扰的概念。多架无人机按需部署在受灾地区,以监测地面,并通过基于图像传感器的可见光通信(VLC)链路将图像数据连续发送到相机。所提出的想法通过配备LED面板和4K摄像头的无人机实现的概念验证(proof-of-concept)来证明。因此,我们证实了所提出的系统的可行性。
2020-10-30 cs.RO
OdomBeyondVision: An Indoor Multi-modal Multi-platform Odometry Dataset Beyond the Visible Spectrum
University of Edinburgh(爱丁堡大学);University of Liverpool(利物浦大学);Monash University(莫纳什大学);University of Oxford(牛津大学)
本文介绍了一种多模式室内里程数据集OdomBeyondVision,该数据集具有跨不同频谱的多个传感器,并使用不同的移动平台收集。OdomBeyondVision不仅包含传统的导航传感器,如IMU,机械LiDAR,RGBD相机等传感器,还包括几种新兴的传感器,如单芯片毫米波雷达,长波红外热像仪和固态LiDAR。将上述传感器分别安装在无人机、UGV和手持平台上,分别记录了不同室内场景和不同光照条件下的多模测距数据及其运动轨迹。我们发布了示例雷达,雷达惯性和热惯性里程计实现,以展示他们的结果,为未来的工作进行比较和改进。完整的数据集,包括工具包和文档,可在https://github.com/MAPS-Lab/OdomBeyondVision上公开获取。
2022-09-14 cs.RO
OmniVLA: Physically-Grounded Multimodal VLA with Unified Multi-Sensor Perception for Robotic Manipulation
Princeton University(普林斯顿大学);University of California, Los Angeles(加州大学洛杉矶分校);Microsoft Research Asia(微软亚洲研究院)
OmniVLA通过整合多种传感器模态,提升机器人操作的感知能力与任务成功率。
2026-03-02 cs.CV cs.RO
3D Vision-tactile Reconstruction from Infrared and Visible Images for Robotic Fine-grained Tactile Perception
State Key Laboratory of Digital Manufacturing Equipment and Technology, School of Mechanical Science and Engineering, Huazhong University of Science and Technology(数字制造装备与技术国家重点实验室,机械科学与工程学院,华中科技大学)
针对平面视觉触觉传感器曲面化难题,提出GelSplitter3D结合红外与可见光成像、光度立体网络及边界约束积分法,实现高精度三维重建,法向精度提升40%。
2025-06-18 cs.RO
Look-to-Touch: A Vision-Enhanced Proximity and Tactile Sensor for Distance and Geometry Perception in Robotic Manipulation
State Key Laboratory of Mechanical System and Vibration, Shanghai Jiao Tong University(上海交通大学机械系统与振动国家重点实验室);Robotics Institute, School of Mechanical Engineering, Shanghai Jiao Tong University(上海交通大学机械工程学院机器人研究所)
针对机器人全面环境感知需额外传感器导致系统 bulky 的问题,提出具有部分透明滑动窗口的视觉增强双模态传感器,实现50cm至-3mm全范围距离传感与超高分辨率纹理感知,结合两种模态提升抓取效率并解锁软体手新操作能力。
2025-04-14 cs.RO
"Touching to See" and "Seeing to Feel": Robotic Cross-modal SensoryData Generation for Visual-Tactile Perception
Department of Computer Science, University of Liverpool(利物浦大学计算机科学系)
视觉-触觉刺激的整合在人类执行日常任务时是常见的。相反,使用单峰视觉或触觉感知限制了主体的可感知维度。然而,整合视觉和触觉感知以促进机器人任务仍然是一个挑战。在本文中,我们提出了一个新的框架,用于视觉和触觉感知的跨模态感觉数据生成。以纹理感知为例,我们应用条件生成对抗网络从其他模态的数据中生成伪视觉图像或触觉输出。大量的实验上的ViTac数据集的布料纹理表明,所提出的方法可以产生逼真的输出从其他感官输入。我们采用结构相似性指数来评估生成的输出和真实数据的相似性,结果表明,真实的数据已经产生。分类评估也已执行,以表明包括生成的数据可以提高感知性能。所提出的框架有可能扩展分类任务的数据集,生成不易访问的感官输出,并推进综合视觉-触觉感知。
2019-02-17 cs.RO
Toolbox Release: A WiFi-Based Relative Bearing Sensor for Robotics
Harvard(哈佛大学);CMU(卡内基梅隆大学)
本文介绍了WiFi-Sensor-for-Robotics(WSR)工具箱,一个开源的C++框架。它使一个团队中的机器人能够获得彼此的相对方位,即使在非视线(NLOS)设置,这是机器人技术中一个非常具有挑战性的问题。它通过分析机器人穿越环境时所传递的WiFi信号的相位来做到这一点。这种能力,在我们以前的作品中开发的理论的基础上,是第一次作为一个开源工具。它的动机是缺乏易于部署的解决方案,使用机器人的本地资源(例如WiFi)在NLOS传感。这对本地化,ad-hoc机器人网络和多机器人团队的安全性等都有影响。该工具箱旨在使用商用硬件和板载传感器在机器人平台上进行分布式和在线部署。我们还发布了数据集,展示了其在多机器人定位用例的NLOS和视线(LOS)设置中的性能。实证结果表明,从我们的工具箱的方位估计达到平均精度为5.10度。这导致在室内办公室环境中的硬件部署中,LOS和NLOS设置中的定位的中值误差分别为0.5m和0.9m。
2021-11-15 cs.RO
HiPi: Reproducible High-Fidelity Piezoresistive Sensors for Robotic Manipulation
Carnegie Mellon University(卡内基梅隆大学);General Motors(通用汽车)
提出HiPi系统,通过低串扰读出原理和可复现硬件设计,在双机械臂四阵列2048触觉点场景下实现220Hz读出,将接触几何IoU从0.428提升至0.797。
2026-06-11 cs.RO
A Flexible Field-Based Policy Learning Framework for Diverse Robotic Systems and Sensors
National Institute of Advanced Industrial Science and Technology (AIST)(国家先进工业科学与技术研究院)
本文提出一种灵活的基于场的策略学习框架,通过整合扩散策略控制与3D语义场景表示,实现跨机器人系统的高效泛化与任务成功率提升。
2025-12-22 cs.RO
The impact of tactile sensor configurations on grasp learning efficiency -- a comparative evaluation in simulation
Faculty of Information Technology and Bionics, Pázmány Péter Catholic University(信息科技与生物学院,帕兹曼·彼得天主教大学)
本研究通过仿真评估了不同触觉传感器配置对抓取学习效率的影响,发现一种配置在两个设置中均表现最佳,为机器人手设计提供了参考。
2026-01-15 cs.RO
Minsight: A Fingertip-Sized Vision-Based Tactile Sensor for Robotic Manipulation
Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所)
本文提出指尖大小的视觉触觉传感器 Minsight,利用机器学习以 60 Hz 输出三维接触力图,并通过低误差测量与两项机器人任务验证其灵巧操作价值。
2023-04-21 cs.RO