MUJICA: Multi-skill Unified Joint Integration of Control Architecture for Wheeled-Legged Robots
College of Intelligent Robotics and Advanced Manufacturing, Fudan University(智能机器人与先进制造学院,复旦大学);Power China Huadong Engineering Corporation Limited(中国电力工程顾问集团华东分公司)
本文提出MUJICA框架,通过整合多种低级技能,实现轮腿机器人在复杂环境中的自适应移动。
2026-05-13 cs.RO
Legged Robots for Object Manipulation: A Review
Case Western Reserve University(凯斯西储大学);National University of Singapore(新加坡国立大学);Birla Institute of Technology and Science Pilani(比拉理工学院皮拉尼分校)
足式机器人在动态的、以人为中心的或以其他方式不可接近的环境中操纵物体方面可以具有独特的作用。虽然迄今为止大多数腿式机器人研究通常集中在穿越这些具有挑战性的环境,但许多腿式平台演示也包括“移动物体”作为一种做有形工作的方式。足式机器人可以被设计成操纵特定类型的物体(例如,纸板箱、足球或较大的家具)。本次审查的目的是收集和学习这些例子,组织迄今为止在社区中所做的工作,并强调未来工作的有趣的开放途径。这篇评论将现有的作品分为四个主要的操作方法:对象的相互作用,没有把握,操作与步行腿,专用的非机车武器,腿的团队。每种方法都有不同的设计和自治功能,这是说明了文献中可用的例子。基于一些简化的假设,我们进一步提供了定量比较的范围内可能的相对尺寸的被操纵的对象相对于机器人。综上所述,这些例子提出了足式机器人操纵研究的新方向,如多功能肢体、地形建模或基于学习的控制,以支持在仓库/建筑工地、自然保护区、特别是家用机器人中具有挑战性的室内/室外场景中的许多新部署。
2023-03-29 cs.RO
Jumping Control for a Quadrupedal Wheeled-Legged Robot via NMPC and DE Optimization
Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong(机械与自动化工程系,香港中文大学)
本文提出了一种结合NMPC和DE优化的四足轮腿机器人跳跃控制方法,实现了多种跳跃动作并验证了其有效性。
2026-02-25 cs.RO
Dynamic Motion Modelling for Legged Robots
University of Bremen(不来梅大学)
精确的运动模型是现代机器人系统的重要组成部分,但为复杂系统构建这样的模型通常需要大量的手动工作。在本文中,我们提出了一种运动模型表示,动态高斯混合模型(DGMM),它说明了需要手动设计的运动模型的形式,并提供了一个直接的手段,将辅助传感器数据到模型中。这种表示及其伴随的算法进行了实验验证,使用8腿运动学复杂的机器人,以及标准的基准数据集。所提出的方法不仅学习机器人的运动模型,但也提高了模型的准确性,通过结合周围的地形信息的机器人。
2010-05-27 cs.RO
The dynamic effect of mechanical losses of actuators on the equations of motion of legged robots
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
工业机械手在断电时由于其关节中的摩擦力而不会在其自身重量下倒塌。虽然这些机制是有效的刚性位置控制的拾取和放置,他们是不合适的足式机器人,必须迅速调节顺应与环境的相互作用。然而,没有度量存在量化的机器人的性能退化,由于在致动器的机械损失。这封信提供了一种新的配方,它描述了如何传播到整个机器人的运动方程的单个执行器的效率。我们定量地证明了直观的事实,即在关节摩擦的存在下,机器人的表观惯性增加。我们还重现的经验结果,采用高传动和低效率的驱动器的机器人可以静态承受更大的外部负载。我们期望,这里提出的框架将提供基础,设计下一代的足式机器人,可以有效地与世界互动。
2020-11-04 cs.RO
Evolutionary Gait Reconfiguration in Damaged Legged Robots
Mechanical and Aerospace Engineering Department, Carleton University(卡尔顿大学机械与航空航天工程系);Mechanical, Industrial, and Mechatronics Engineering Department, Toronto Metropolitan University(多伦多 Metropolitan 大学机械、工业与机电工程系)
本文提出一种无需训练的快速损伤恢复算法,通过生成新步态序列和差分进化算法优化重构腿部步态,成功在一小时内恢复受损24自由度六足机器人的运动能力,展现出高效性和鲁棒性。
2025-06-24 cs.RO
Prototyping fast and agile motions for legged robots with Horizon
Istituto Italiano di Tecnologia (IIT)(意大利技术研究院);PAL Robotics(PAL机器人公司)
为了使足式机器人能够执行灵活、高动态和接触丰富的运动,需要对欠驱动复杂系统进行非线性动力学的全身轨迹计算。在这项工作中,我们提出了实践应用的地平线,一种新的开源框架,为机器人系统量身定制的轨迹优化,提供了一系列工具,以简化动态运动生成。Horizon在涉及多个机器人平台的广泛行为上进行了测试:我们介绍了它的构建块,并描述了使用其直观简单的API生成三个复杂运动的完整过程。
2022-06-17 cs.RO
The Analysis of Discrete-Event System in Autonomous Package Delivery using Legged Robot and Conveyor Belt
National University of Singapore(新加坡国立大学)
在本文中,离散事件系统(DES)的监督控制分析的状态和事件,构建一个自治的包裹递送系统。配送系统包括一个用于在不平坦的室内地形中自主行走的足式机器人和一个用于将包裹运送到足式机器人的传送带,目的是利用DES的监督控制理论对机器的状态和事件进行监督控制,保证机器人自主协作。通过应用该理论,我们展示了两个单独的机器人在多楼层环境中运送货物的协作。在仿真环境中实现和验证了从监督控制理论得到的结果。
2021-01-29 cs.RO
Energy-based Legged Robots Terrain Traversability Modeling via Deep Inverse Reinforcement Learning
University of Michigan(密歇根大学)
这项工作报告开发一个深逆强化学习方法的足式机器人地形可穿越性建模,结合了外感受和本体感受的感觉数据。现有的作品使用机器人不可知的外感受环境功能或手工制作的运动学功能,相反,我们建议还学习机器人特定的惯性功能,从本体感觉的感官数据奖励近似在一个单一的深神经网络。简化惯性特征可以提高模型保真度,并提供取决于部署期间机器人状态的奖励。我们使用最大熵深度逆强化学习(MEDIRL)算法训练奖励网络,并同时提出最小化轨迹排序损失来处理足式机器人演示的次优性。演示的轨迹排名的运动能量消耗,为了学习一个能源意识的奖励函数和更节能的政策比演示。我们评估我们的方法使用的数据集收集的MIT迷你猎豹机器人和迷你猎豹模拟器。该代码可在https://github.com/ganlumomo/minicheetah-traversability-irl上公开获取。
2022-07-07 cs.RO
Design, Mechanical Simulation and Implementation of a New Six- Legged Robot
Faculty of Mechanical Engineering, University of Tabriz(大不里士大学机械工程学院);School of Engineering Emerging Technologies(新兴技术工程学院)
蚂蚁是六条腿的昆虫,可以携带比体重重十倍的货物。由于有六条腿,它们本质上是稳定的。它们很强大,可以携带重物。基于这些原因,本文提出了一种新的并联运动学结构的六足蚂蚁机器人。在Solidworks中对机械结构进行了设计和优化。该机构有六个腿,只有两个直流电机驱动的六个腿,所以从机械的角度来看,设计是一个最佳的。由于使用无线模块,机器人重量轻,半自主。这一特点使该机器人适合用于社会机器人和救援机器人应用。变送器程序在上位机中采用LabVIEW实现,以单片机作为主控制器。电子板在Proteus Professional中设计和测试,PCB板在Altium Designer中实现。微控制器编程在Code Vision中完成。
2020-04-08 cs.RO
The dynamic effect of mechanical losses of transmissions on the equation of motion of legged robots
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
工业机械手在断电时由于其关节中的摩擦力而不会在其自身重量下倒塌。虽然这些机制是有效的刚性位置控制的拾取和放置,他们是不合适的足式机器人,必须迅速调节顺应与环境的相互作用。然而,没有度量存在量化的机器人的性能下降,由于在致动器和传输的机械损失。本文提供了一个基本的配方,使用的机械效率的传输,量化的影响,在机械传动的动力学上的整个机器人系统的功率损失。我们定量地证明了直观的事实,即在关节摩擦的存在下,机器人的表观惯性增加。我们还表明,采用高传动比和低效率的传输机器人可以静态承受更大的外部负载。我们期望,这里提出的框架将提供设计下一代足式机器人,可以有效地与世界互动的基本工具。
2021-06-03 cs.RO
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
Four Simple Proprioceptive Estimators for Legged Robots
针对腿式机器人IMU漂移问题,提出四种基于足地接触的状态估计器,从接触辅助EKF到固定滞后平滑器,并在GTSAM和ROS2中实现。
2026-05-21 cs.RO
Robust Embodied Self-Identification of Morphology in Damaged Multi-Legged Robots
Mechanical and Aerospace Engineering Department, Carleton University(卡洛尔大学机械与航空航天工程系);Mechanical, Industrial, and Mechatronics Engineering Department, Toronto Metropolitan University(多伦多 Metropolitan 大学机械、工业与机电工程系)
本文提出一种基于低成本IMU数据的多足机器人自建模与损伤识别算法,通过引入FFT滤波器处理信号并比较姿态,实现对腿部缺失的自主适应,在不平整地形实验中验证了鲁棒性与计算效率。
2025-06-24 cs.RO
Music-Driven Legged Robots: Synchronized Walking to Rhythmic Beats
Academy for Engineering and Technology, Fudan University(复旦大学工程技术研究院);School of Information and Communication Engineering, Hainan University(海南大学信息与通信工程学院)
本文提出一种集低层相位跟踪器、振荡器与高层相位调制器于一体的分层架构,使四足机器人能生成多种步态并与外部音乐节奏实现实时同步行走。
2025-03-06 cs.RO
Parameter Optimization of Optical Six-Axis Force/Torque Sensor for Legged Robots
针对紧凑型轻量化足式机器人,提出非接触式光学六轴力/扭矩传感器设计,采用光电耦合器提升抗冲击性并简化制造,同时提出参数优化方法以最大化灵敏度、最小化误差,经测试验证适用于四足机器人,推动相关技术进步。
2025-02-11 cs.RO
TeLeMan: Teleoperation for Legged Robot Loco-Manipulation using Wearable IMU-based Motion Capture
University of Leeds(利兹大学);University College London(伦敦大学学院)
人命无价当需要完成危险或危及生命的任务时,机器人平台可能是替代人类操作员的理想选择。我们在这项工作中所关注的这样一项任务就是爆炸物的处置。机器人远程呈现有可能提供安全解决方案,因为移动机器人在多种环境中运行时显示出强大的能力。然而,与人类操作相比,在这个阶段,自主性可能具有挑战性和风险。远程操作可能是机器人完全自主和人类存在之间的妥协。在本文中,我们提出了一个相对便宜的解决方案,用于远程呈现和机器人远程操作,以协助爆炸物处理,使用腿式机械手(即,嵌入有操纵器和RGB-D传感器的有腿四足机器人)。针对四足机器人全身控制的非平凡问题,提出了一种新的系统集成方法。我们的系统是基于一个可穿戴的基于IMU的运动捕捉系统,用于遥操作和VR头显的视觉临场感。我们实验验证我们的方法在现实世界中,为本地操作任务,需要全身机器人控制和视觉临场感。
2022-09-21 cs.RO
Legged Robot State Estimation using Invariant Kalman Filtering and Learned Contact Events
University of Michigan(密歇根大学)
这项工作开发了一个基于学习的接触估计器的足式机器人,绕过物理传感器的需要,并采取多模态本体感觉数据作为输入。与基于视觉的状态估计器不同,本体感受状态估计器对于诸如黑暗或有雾场景之类的感知降级的情况是不可知的。虽然一些机器人配备有专用物理传感器以检测用于状态估计的必要接触数据,但是一些机器人不具有专用接触传感器,并且在不重新设计硬件的情况下添加这样的传感器是不平凡的。经过训练的网络可以估计不同地形上的接触事件。实验表明,与最先进的视觉SLAM系统相比,接触辅助不变扩展卡尔曼滤波器可以生成准确的里程轨迹,从而实现鲁棒的本体感受里程。
2021-11-29 cs.RO
STEP: State Estimator for Legged Robots Using a Preintegrated foot Velocity Factor
Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院)
我们提出了一种新的状态估计足式机器人,STEP,通过一个新的预集成脚速度因子。在预积分的脚速系数中,没有采用通常的无滑移假设。相反,末端执行器速度变得可通过利用从立体相机获得的主体速度来观察。换句话说,可以估计预集成的末端执行器的姿态。我们的方法的另一个优点是,它消除了接触检测步骤的必要性,不像典型的方法。所提出的方法也已在恶劣环境的模拟和现实世界的实验,包括不平坦或光滑的地形进行了验证。
2022-02-11 cs.RO
LAURON VI: A Six-Legged Robot for Dynamic Walking
FZI Research Center for Information Technology(弗劳恩霍夫研究所信息技术研究中心);Machine Intelligence and Robotics Lab at the Karlsruhe Institute for Technology (KIT)(卡尔斯鲁厄理工学院机械智能与机器人实验室)
本文提出六足机器人LAURON VI,通过18个串联弹性执行器支持笛卡尔阻抗与力矩控制,设计并比较了运动学、模型预测和强化学习三种控制器,在实验室与火星模拟任务中验证了其动态行走能力,拓宽了六足机器人的现实应用前景。
2025-08-11 cs.RO
Impact Mitigation for Dynamic Legged Robots with Steel Wire Transmission Using Nonlinear Active Compliance Control
Space Control and Inertial Technology Research Center(空间控制与惯性技术研究中心);Harbin Institute of Technology(哈尔滨工业大学)
缓冲冲击对于足式机器人的稳定运动是至关重要的,特别是在高速动态运动中。针对基于钢丝绳传动的足式机器人,提出了一种包含非线性主动柔顺控制和主动阻抗控制的腿运动系统。所开发的控制系统能够实现高速动态运动,具有出色的冲击缓解和腿部位置跟踪性能,其中应用了三种策略。a)根据电机腿的线性模型,结合库仑摩擦和粘性摩擦信息,设计前馈控制器。b)基于钢丝传输模型的补偿保证了理想的虚拟弹簧柔度特性。c)非线性主动柔顺控制和主动阻抗控制确保比线性方案更好的冲击缓解性能,并保证位置跟踪性能。该控制系统在SCIT Dog机器人上进行了实验验证,实验结果表明,该系统在不使用被动弹簧机构的情况下,具有理想的高速动态运动冲击减缓能力。
2021-08-03 cs.RO
Design and Central Pattern Generator Control of a New Transformable Wheel-Legged Robot
University of California, Riverside(加州大学河滨分校)
本文提出一种新型可变形轮腿机器人,基于中枢模式发生器设计运动控制器,通过运动学分析将振荡器状态映射为轮腿轨迹并实现差速转向,实验与仿真验证了其在多地形和越障中的有效性。
2024-07-04 cs.RO
Advances, challenges, and opportunities for legged robots
ETH Zurich(苏黎世联邦理工学院)
该研究评估人形与四足机器人在多维度的当前能力,梳理其进展与挑战,展望未来并探讨相关伦理、经济等社会影响,为腿式机器人发展提供参考。
2026-08-03 cs.RO
Interacting Multiple Model Proprioceptive Odometry for Legged Robots
本文提出基于交互式多模型的腿部机器人 proprioceptive 惯性里程计,通过融合多种接触假设提升姿态估计精度,实验证明其优于现有方法且计算效率高。
2026-07-22 cs.RO
Optimizing energy consumption for legged robot by adapting equilibrium position and stiffness of a parallel torsion spring
Skolkovo Institute of Science and Technology(斯科尔科沃科学技术学院);Moscow Institute of Physics and Technology(莫斯科物理技术学院)
本文针对腿足机器人能耗优化问题,提出一种由扭转弹簧与伺服驱动蜗轮蜗杆组成的自适应扭转弹簧机构,通过调整弹簧平衡位置和刚度补偿扭矩、降低电机负载,仿真验证其可显著降低能耗。
2024-11-27 cs.RO
WiXus: A Wheeled-Legged Robot with Wire-Driven Environmental Utilizing to Integrate Mobility and Manipulation
Department of Mechano-Informatics, Graduate School of Information Science and Technology, The University of Tokyo(机械信息学系,信息科学和技术研究生院,东京大学)
本文提出了一种新型轮腿机器人WiXus,通过利用外部环境的线驱动机制,使机器人能够实现平面移动和三维移动,并将腿部重新用于物体操作和工具使用。
2026-05-20 cs.RO
Interactive Co-Design of Form and Function for Legged Robots using the Adjoint Method
Robotics Institute, Carnegie Mellon University(卡内基梅隆大学机器人研究所)
我们的目标是通过减少设计和构建机器人所需的领域知识,使机器人更容易为普通用户所用。为此,我们提出了一个交互式的计算设计系统,使用户能够设计足式机器人所需的形态和行为,通过指定更高层次的描述。我们的方法的核心是一个设计优化技术,原因的结构,和运动的机器人在耦合的方式,以实现用户指定的机器人的行为和性能。我们的灵感来自最近的作品,也旨在共同优化机器人的形式和功能。然而,通过有效的计算必要的设计更改,我们的方法使我们能够保持用户在互动应用程序的循环。我们评估我们的系统在模拟自动改善机器人设计的多个场景。从物理上不可行或不足以执行用户所需任务的初始用户设计开始,我们展示了实现用户规范的优化设计,同时确保交互式设计流程。
2018-04-16 cs.RO
Quantifying Mechanical Intelligence in Legged Robots with Information Theory
Case Western Reserve University(凯斯西储大学)
本文提出信息论度量来量化腿式机器人的机械智能,通过分析身体动力学作为计算与通信过程,考察柔顺驱动与低齿轮比传动的权衡,并在仿真中验证,为具身计算研究奠定基础。
2026-09-18 cs.RO
Robust Locomotion on Legged Robots through Planning on Motion Primitive Graphs
California Institute of Technology(加州理工学院)
机器人系统的功能需求通常要求在干扰或不确定环境的影响下完成各种任务或行为。人们越来越感兴趣的是动态机器人的自主性,如多旋翼,机动车辆和腿式平台。在这里,干扰和环境条件可以对被称为“运动基元”的个体动态行为的成功执行具有显著影响。尽管如此,鲁棒性可以通过切换到合适的运动基元并过渡到合适的运动基元来实现。本文通过对运动基元动力学的抽象和相应的“运动基元传递函数”,提出了一种新的运动基元动力学方法。在此基础上,构造了一个离散和连续混合的“运动基元图”,并给出了一个在线搜索该图的算法。其结果是一个框架,能够实现整体的动态系统的鲁棒性。这是实验证明的一组运动原语的四足机器人,受到各种环境和故意的干扰。
2022-09-15 cs.RO
Integrable Whole-body Orientation Coordinates for Legged Robots
University of Pennsylvania(宾夕法尼亚大学);Boardwalk Robotics(博德沃克机器人公司);Boston Dynamics Artificial Intelligence Institute(波士顿动力人工智能研究所);Florida Institute for Human and Machine Cognition(佛罗里达人机认知研究所)
针对腿足机器人复杂的旋转控制挑战,提出一种仅依赖系统配置、代表整体朝向且变化率近似总角动量的全身朝向坐标构建方法,并在硬件上验证了其多种用途。
2023-07-31 cs.RO
Practice Makes Perfect: an iterative approach to achieve precise tracking for legged robots
Syracuse University(雪城大学)
针对腿足机器人轨迹跟踪中计算量大或数据需求高的问题,本文提出基于迭代学习控制并构建力矩查找库的方法,使 A1 在仿真中以多种速度精确 pronk。
2022-11-22 cs.RO
Control of Legged Robots using Model Predictive Optimized Path Integral
University of Calgary, Department of Mechanical Engineering(卡尔加里大学机械工程系);Munich Institute of Robotics and Machine Intelligence (MIRMI), Technical University of Munich (TUM)(慕尼黑机器人与智能机械研究所(MIRMI),慕尼黑技术大学)
本文提出模型预测优化路径积分(MPOPI)方法,通过结合MPPI、交叉熵和协方差矩阵自适应提升采样效率,使腿式机器人以更少样本实现更优实时全身运动控制。
2025-08-16 cs.RO
Soft Gripping System for Space Exploration Legged Robots
针对轮式机器人在复杂地形探索的局限,本文提出一种结合分段肌腱驱动软手指与微刺的抓取系统,为腿式空间探索机器人提供可靠锚点,实验验证其适用于攀爬、月球洞穴及小行星表面探索。
2024-11-08 cs.RO
Learning Inertial Odometry for Dynamic Legged Robot State Estimation
本文介绍了一种新的本体感觉状态估计器的足式机器人的基础上学习的位移测量从IMU数据。最近在行人跟踪方面的研究表明,可以使用卷积神经网络从惯性数据推断运动。学习的惯性位移测量可以在腿部测距法不可靠的挑战性场景(诸如滑动和可压缩地形)中改进状态估计。我们的工作学习从IMU数据中估计位移测量值,然后将其与传统的腿部里程计融合。我们的方法大大减少了本体感受状态估计的漂移,这是至关重要的足式机器人部署在视觉和激光雷达拒绝环境,如雾的下水道或尘土飞扬的地雷。我们比较了EKF和增量固定滞后因子图估计的结果,使用来自几个真正的机器人实验跨越具有挑战性的地形。我们的研究结果表明,相对姿态误差减少了37%,在具有挑战性的情况下相比,传统的运动学惯性估计没有学习的测量。我们还证明了22%的错误减少时,使用视觉系统在视觉退化的环境,如地下矿井。
2021-11-01 cs.RO
Advanced turning maneuver of a multi-legged robot using pitchfork bifurcation
Kyoto University(京都大学);Dokkyo Medical University(独协医科大学)
足式机器人具有良好的地面移动性,可以穿越不同的环境,因此具有广泛应用的潜力。然而,他们在运动过程中容易摔倒和腿部功能障碍。虽然使用大量的腿可以克服这些问题,但它使身体变长,并导致许多腿被限制与地面接触以支撑长身体,这阻碍了机动性。为了提高这种机器人的运动机动性,本研究的重点是动态不稳定性,这会导致快速和大的运动变化,并使用一个12-足式机器人与柔性体轴。我们以前的工作发现,直线行走的机器人变得不稳定时,身体轴的灵活性的变化,导致身体波动通过Hopf分岔。此外,我们开发了一个简单的控制器的基础上的霍普夫分岔,并表明,不稳定性有利于转向的机器人。在这项研究中,我们新发现,直线步行成为不稳定的干草叉分叉时,身体轴的灵活性改变的方式不同于我们以前的工作。此外,干草叉分叉诱导过渡到弯曲的步行,其曲率可以控制的身体轴的灵活性。我们开发了一个简单的控制器的基础上的干草叉分岔特性,并证明了机器人可以执行转弯机动优于以前的控制器。本研究提供一种利用内禀动力学特性的多足式机器人并联运动的新设计原理。
2021-10-29 cs.RO
Galileo: A Pseudospectral Collocation Framework for Legged Robots
Worcester Polytechnic Institute(伍斯特理工学院)
本文提出Galileo框架,通过变量变换实现李群上的伪谱配点轨迹优化,并集成MPC与QP全身控制,在Go1和HURON机器人上验证了动态机动的可行性。
2024-09-19 cs.RO
A solvable walking model for a two-legged robot
University of Lisbon(里斯本大学);Instituto Superior Técnico(高等技术学院)
我们提出了一个可解的倒立摆模型的基础上,两个无质量的铰接腿能够在不平坦的地板和倾斜的平面上行走。足式机器人的步幅是由站立腿的摆动和拖曳腿的关节运动共同作用的结果。步态是可能的,这是由于腿的交替作用,站立和后腿,以及摆动运动的能量守恒。通过在步幅之间的过渡中在两腿之间施加相同的最大张开角以及每个步幅的时间的适应性,在不平坦表面和倾斜平面上的运动是可能的。该模型可以以封闭形式求解,并且在时间上是可逆的,可以对不同类型的两足动物运动进行建模。作为机器人参数的函数的gaiting的速度的几个优化结果已经得出。
2022-09-02 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
Toward Lunar Legged Robots: Field Deployment Lessons at LUNA
ETH Zurich(苏黎世联邦理工学院);ESA/DLR LUNA lunar analogue facility(欧空局/德国航空航天中心LUNA月球模拟设施)
该研究基于2025年LUNA模拟任务,测试ANYmal-D和Magnecko在月壤模拟物等地形的表现,发现腿式机器人穿越性能受多种因素影响,为未来月球腿式机器人研发提供经验。
2026-10-09 cs.RO
PIE: Parkour with Implicit-Explicit Learning Framework for Legged Robots
Institute of Cyber-Systems and Control, Zhejiang University(浙江大学控制科学与工程学院 cyber-system 研究所);State Key Laboratory of Industrial Control Technology(工业控制技术国家重点实验室)
本文提出单阶段端到端跑酷框架PIE,通过双层隐式-显式估计,使低成本四足机器人在不可靠感知条件下实现仿真训练后的零样本真实世界跑酷部署。
2024-09-03 cs.RO
Ankle Joints Are Beneficial When Optimizing Supported Real-world Bipedal Robot Gaits
University of Oslo(奥斯陆大学);Norwegian Defence Research Institute(挪威国防研究所)
足式机器人比轮式机器人具有更高的通用性和穿越更困难地形的能力。尽管足式机器人的使用在过去几年中急剧增加,但它们仍然没有接近自然界中有腿动物的性能。机器人腿通常在机械上相当简单,很少有踝关节,尽管大多数陆地哺乳动物都有。踝关节可能是一个关键,以更好的性能和稳定性的足式机器人,在本文中,我们研究如何使用踝关节的双足机器人可以提高其性能时,结合进化技术的步态优化。我们的研究表明,无论是在模拟和物理实验中,除了踝关节的结果在更大的步行速度的支持双足机器人。
2021-05-22 cs.RO
ATRos: Learning Energy-Efficient Agile Locomotion for Wheeled-legged Robots
Shanghai Huawei Technologies Co., Ltd.(上海华为技术有限公司);College of Future Information Technology, Fudan University(复旦大学未来信息科技学院);Robotics Institute, Carnegie Mellon University(卡内基梅隆大学机器人研究所);School of Aeronautic and Astronautics, Zhejiang University(浙江大学航空宇航学院);School of Electronics and Communication Engineering, Sun Yat-sen University(中山大学电子与通信工程学院)
本文提出ATRos,一种基于强化学习的轮腿机器人混合运动框架,通过预测策略网络与演员-评论家网络协调轮腿同步运动,在无需预定义步态的情况下提升了地形适应性与能效,并在仿真和真实多地形实验中验证了其稳健的泛化能力。
2025-10-11 cs.RO
PPL: Point Cloud Supervised Proprioceptive Locomotion Reinforcement Learning for Legged Robots in Crawl Spaces
Shanghai Jiao Tong University(上海交通大学);Lenovo Corporation(联想集团)
本研究提出了一种点云监督的强化学习框架,用于提升四足机器人在受限空间中的运动能力,通过高效的点云特征提取和状态估计网络实现更快的训练和更敏捷的穿行性能。
2025-12-04 cs.RO
A Robust Antenna Provides Tactile Feedback in a Multi-legged Robot
Georgia Institute of Technology(佐治亚理工学院)
本研究提出了一种用于多足机器人的触觉天线,通过实时感知周围环境几何形状,提高在狭窄空间中的导航能力和自主性。
2026-03-08 cs.RO
UniLegs: Universal Multi-Legged Robot Control through Morphology-Agnostic Policy Distillation
Wuxi Research Institute of Applied Technologies, Tsinghua University(清华大学应用技术研究院(无锡));School of Internet of Things Engineering, Department of Automation, Jiangnan University(江南大学物联网工程学院);Shanghai Jiao Tong University(上海交通大学);School of Automation Science and Electrical Engineering, Beihang University(北航自动化科学与电气工程学院)
针对足式机器人控制器跨形态泛化难题,提出两阶段师生策略蒸馏框架,将各形态专用教师策略蒸馏为Transformer学生策略,在多种形态上表现优异并经真实机器人验证,提供了可扩展的通用控制方案。
2025-07-31 cs.RO
Effective self-righting strategies for elongate multi-legged robots
Hillsdale College(希尔斯代尔学院);Georgia Institute of Technology(佐治亚理工学院)
本文结合生物观察与机器人实验,揭示蜈蚣由侧向和垂直行波叠加实现翻身的机制,并通过空间频率与振幅行为图提出细长多足机器人的有效通用自恢复策略。
2024-10-01 cs.RO
SLoMo: A General System for Legged Robot Motion Imitation from Casual Videos
Mechanical Engineering, CMU(卡内基梅隆大学机械工程学院)
提出SLoMo框架,从随意视频中提取运动并迁移到腿式机器人,通过三阶段处理实现无需标记的通用运动模仿。
2023-09-05 cs.RO
Online Friction Coefficient Identification for Legged Robots on Slippery Terrain Using Smoothed Contact Gradients
Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院(KAIST))
本文提出一种基于平滑接触梯度的足式机器人滑溜地形在线摩擦系数辨识框架,通过优化残差并引入拒绝方法,在四足机器人KAIST HOUND上实现了快速一致的辨识。
2025-02-24 cs.RO
Martian Lava Tube Exploration Using Jumping Legged Robots: A Concept Study
Norwegian University of Science and Technology(挪威科技大学)
针对火星熔岩管复杂地形挑战,本文提出并介绍了一种新型跳跃足式机器人的设计、能力及任务概况,以克服传统轮式系统的局限并实现洞穴探索与采样。
2023-10-23 cs.RO
Proprioceptive State Estimation of Legged Robots with Kinematic Chain Modeling
Georgia Institute of Technology(佐治亚理工学院);Florida Institute for Human & Machine Cognition(佛罗里达人机认知研究所);University of West Florida(西佛罗里达大学)
足式机器人的运动是一个具有挑战性的任务,由于无数的子问题,如混合动力学的脚接触和所需的步态对地形的影响。通过向机器人控制器提供反馈信息,浮动基座和脚关节的准确且有效的状态估计可以帮助缓解这些问题中的大部分。当前的状态估计方法高度依赖于视觉和惯性测量的结合来提供实时估计,因此在感知差的环境中受到阻碍。在这项工作中,我们表明,通过利用机器人的运动链模型,通过因子图制定,我们可以执行状态估计的基础和腿关节,主要使用本体感受惯性数据。我们执行状态估计预集成IMU测量,正向运动学计算,并在一个基于因子图的框架接触检测的组合,使我们的状态估计受到机器人模型的约束。在模拟和硬件上的实验结果表明,我们的方法优于目前的本体感觉状态估计方法的平均27%,而被推广到各种足式机器人平台。我们证明了我们的结果定量和定性的各种各样的轨迹。
2022-12-19 cs.RO
Unleashing the Agility of Wheeled-Legged Robots for High-Dynamic Reflexive Obstacle Evasion
School of Mechanical Engineering, Tianjin University(天津大学机械工程学院);School of Computing, National University of Singapore(新加坡国立大学计算机学院);Beijing Zhongguancun Academy(北京中关村学院);DeepRobotics(深睿科技)
本文提出AWARE框架,通过层次强化学习实现轮腿机器人在动态环境中的敏捷避障,展现多样化的运动模式和规避行为,验证了轮腿机器人在高动态威胁下的敏捷性。
2026-09-23 cs.RO
PTRL: Prior Transfer Deep Reinforcement Learning for Legged Robots Locomotion
本文提出PTRL框架,通过PPO预训练、策略迁移和部分网络冻结微调,显著提升腿足机器人强化学习的训练效率与跨机器人泛化能力。
2025-04-08 cs.RO
A Versatile Co-Design Approach For Dynamic Legged Robots
University of Edinburgh(爱丁堡大学);Heriot-Watt University(赫瑞-瓦特大学)
我们提出了一个通用的框架计算协同设计的足式机器人和动态机动。当前最先进的方法通常基于随机采样或并行优化。我们提出了一种新的双层优化方法,该方法利用了运动规划子问题的导数(即,下层)。这些运动规划衍生物允许我们在通用非线性程序(即,上层)。我们的方法允许使用任何微分运动规划在较低的水平,也允许一个较高的水平,捕捉任意的设计约束和成本。它有效地优化了机器人的形态,有效载荷分布和执行器参数,同时考虑其完整的动力学,关节限制和物理约束,如摩擦锥。我们通过设计跳跃和小跑的四足机器人来展示这些能力。我们表明,我们的方法是能够设计一个更节能的独奏机器人这些任务。
2022-07-15 cs.RO
Autonomous Forest Inventory with Legged Robots: System Design and Field Deployment
University of Oxford(牛津大学);Oxford Robotics Institute(牛津机器人研究所);Technical University of Munich(慕尼黑工业大学);ETH Zurich(苏黎世联邦理工学院);Robotic Systems Lab(机器人系统实验室);Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所)
本文提出基于足式机器人的自主森林清查系统架构,集成状态估计、导航与树木分割,在英芬森林实验中实现0.96公顷20分钟调查,识别超100棵树,胸径精度2厘米。
2024-04-22 cs.RO