Application of Wrench based Feasibility Analysis to the Online Trajectory Optimization of Legged Robots
Istituto Italiano di Tecnologia（意大利技术研究院）；CNRS-LAAS（法国国家科学研究中心-自动化与系统分析实验室）；University of Toulouse（图卢兹大学）；Toyota Research Institute（丰田研究院）
多触点情况下的运动规划最近在腿式机器人社区内引起了兴趣，然而很少考虑致动器力/扭矩限制。我们认为，当要穿越的地形复杂性增加时，这些限制变得至关重要。我们建立在以前的研究，从机器人抓取领域提出了两个新的六维有界多面体命名的驱动扳手多面体（AWP）和可行扳手多面体（FWP）。我们将AWP定义为机器人在考虑其驱动限制的情况下可以生成的所有扳手的集合。这考虑了机器人在给定其当前配置和致动能力的情况下可以产生的容许接触力。相反，接触扳手锥（CWC）包括环境的特征，例如接触法线或摩擦系数。的AWP和CWC的结果在凸多面体，FWP，这原来是更真实的机器人的能力比现有的简化模型的描述，同时保持相同的紧凑表示的交集。我们解释了如何有效地计算的顶点描述的FWP，然后用于评估的可行性因素，我们从机器人抓取领域适应。这使我们能够优化外部干扰扳手的鲁棒性。在此基础上，我们提出了一个实现我们的四足机器人HyQ的运动规划，提供在线中心的质量（CoM）的轨迹，保证是静态稳定和一致的驱动。
2018-06-18 cs.RO
Contact-Anchored Proprioceptive Odometry for Legged and Wheel-Legged Robots
Institute of Optics and Electronics, Chinese Academy of Sciences（中国科学院光学与电子学研究所）；Shenzhen Astralldynamics Technology（深圳星辰动力科技）
本文提出一种纯本体感觉状态估计器，利用IMU和电机测量估计机器人姿态和速度，通过接触作为运动学锚点，结合高度聚类和时间衰减校正，解决四足和轮腿机器人中的漂移问题。
2026-06-29 cs.RO eess.SP
Contact-Persistent Full Actuation for Aerial Physical Interaction
University of Cincinnati（辛辛那提大学）；Indian Institute of Technology Bombay（印度理工学院孟买分校）
研究空中物理交互中全驱动问题，结合刚体模型与力映射定义相关集合，给出接触持续全驱动等价条件及相关证书，通过数值评估表明仅满行秩不能保证可行接触操作，中间倾斜角度在推动时保留剩余权限。
2026-07-23 cs.RO cs.SY eess.SY
Kinodynamic Motion Planning for Multi-Legged Robot Jumping via Mixed-Integer Convex Program
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Korea Advanced Institute of Science and Technology（韩国科学技术院）
提出了一种基于混合整数凸规划（MICP）的多足足式机器人跳跃运动学运动规划框架，该框架同时考虑质心运动、接触点、扳手和步态序列。该方法将位形空间离散化和可行扳手多面体（FWP）的构造相结合，将运动学约束、执行器限制、摩擦锥约束和步态排序编码到一个MICP中。MICP可以有效地解决了全球最佳的现成的数值求解器，并提供高动态跳跃运动，而不需要初始猜测。仿真和实验结果表明，所提出的方法可以找到新颖灵巧的机动，直接部署在两足足式机器人平台上，以穿越具有挑战性的地形。
2020-11-03 cs.RO
DiPPeR: Diffusion-based 2D Path Planner applied on Legged Robots
University College London（伦敦大学学院）
提出DiPPeR，一种基于扩散的快速二维路径规划框架，用于四足机器人，通过图像条件扩散规划器和CNN流水线，在迷宫及真实机器人上验证，轨迹生成平均快23倍，可行路径一致性达87%。
2024-05-29 cs.RO
The Actuation-consistent Wrench Polytope (AWP) and the Feasible Wrench Polytope (FWP)
Department of Advanced Robotics, Istituto Italiano di Tecnologia (IIT)（意大利技术研究院先进机器人系）；Toyota Research Institute (TRI)（丰田研究所）
我们目前的研究的动机是设计运动规划腿运动，能够利用机器人的驱动能力。这意味着，在可能的情况下，尽量减少关节扭矩或在需要时尽可能多地推进。为此，我们定义了两个新的6维有界多面体，我们命名为致动一致扳手多面体（AWP）和可行扳手多面体（FWP）。这些对象原来是非常有用的运动规划的机器人的质量中心的加速度，尊重摩擦锥和驱动限制的约束的定义。AWP和FWP也可以在机器人设计阶段使用，以基于一些预定义的参考运动来确定系统的致动器的大小。
2017-12-07 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
Residual Wrench Certification and Margin-Aware Control Synthesis for Aerial Physical Interaction
University of Cincinnati（辛辛那提大学）；Indian Institute of Technology Bombay（印度理工学院孟买分校）
本文提出一个任务相对框架，利用凸几何为多旋翼在悬停和接触后认证残余扳手裕度，并通过指令投影和增益综合保持储备，模拟验证八旋翼裕度优于六旋翼。
2026-10-01 cs.RO cs.SY eess.SY
Leveraging Evolutionary Algorithms for Feasible Hexapod Locomotion Across Uneven Terrain
University of Central Florida（中佛罗里达大学）
优化足式机器人的步态稳定性是一个难题。即使在水平表面上，有效地穿越不同的纹理（例如，地毯）依赖于多维空间中的动态调谐参数。受生物学的启发，进化算法（EA）仍然是一个有吸引力的解决方案，可行地实现机器人运动与能源经济和快速参数收敛。在这里，我们利用这类算法来发展一个稳定的六足步态控制器，能够穿越不平坦的地形和障碍物。步态参数在由随机台阶场、线性障碍物和倾斜表面组成的8 × 3米障碍跑道上的刚体动力学模拟中演变。使用联合优化运动速度和稳定性的适应度函数，我们发现多个成功的步态参数演变为每条腿产生了专门的功能。特定的步态参数被确定为开发一个粗糙的地形步态的关键。
2022-03-29 cs.RO
Optimisation of Body-ground Contact for Augmenting Whole-Body Loco-manipulation of Quadruped Robots
University of Edinburgh（爱丁堡大学）
足式机器人具有很大的潜力来执行本地操作任务，但它是具有挑战性的，以保持平衡的机器人，而它与环境的互动。在本文中，我们研究了使用额外的接触点，最大限度地提高鲁棒性的本地操作运动。具体而言，身体-地面接触的研究，以提高四足机器人的鲁棒性和操作能力。我们建议为机器人配备尖头：刚性连接到身体的小腿，以确保身体与地面的接触发生在可控的点接触。这些尖头对鲁棒性的影响通过计算最小不可拒绝力（SUF）来量化，SUF是与可行扳手多边形相关的鲁棒性度量。我们应用SUF评估系统的鲁棒性，并提出了一个有效的近似SUF，可以计算在近实时的速度。我们设计了一个基于分层二次规划的全身控制器，当尖头与地面接触时，控制稳定的相互作用。这种使用尖头的新概念和由此产生的控制框架都在硬件上实现，以验证增强的鲁棒性和新启用的本地操作任务的有效性，例如障碍物清除和大型物体的操作。
2020-02-24 cs.RO
On-line feasible wrench polytope evaluation based on human musculoskeletal models: an iterative convex hull method
Inria（法国国家信息与自动化研究所）；IMS (Univ. Bordeaux / Bordeaux INP / CNRS UMR 5218)（波尔多大学/波尔多综合理工学院/法国国家科学研究中心联合实验室IMS）；University of Toulon（土伦大学）
许多最近的人机协作策略，如按需协助（AAN），正在促进以人为中心的机器人控制，其中机器人不断适应其援助水平的基础上，其人类同行的实时需要。这些方法的基本假设之一是能够实时测量或估计人类的身体能力。在这项工作中，我们提出了一个算法的可行性集分析的一类通用的线性代数问题。这种新的迭代凸壳方法适用于确定可行的笛卡尔扳手多面体与人体上肢的肌肉骨骼模型。该方法能够实时运行，并允许用户定义所需的估计精度。算法的性能分析表明，执行时间与所考虑的肌肉数有近似线性关系，而不是传统方法的指数关系。最后，实时机器人控制算法的应用程序中演示了协同搬运实验，其中一个人类操作员和一个弗兰卡Panda机器人共同携带一个7公斤的对象。机器人根据AAN范例进行控制，将人类操作员所携带的负载保持在其承载能力的30%。
2021-10-13 cs.RO
Magnet-Aware Control of Legged Robots
Technical University of Munich (TUM)（慕尼黑工业大学）；Conseil Européen pour la Recherche Nucléaire (CERN)（欧洲核子研究中心）
针对强磁场下腿式机器人稳定性问题，提出磁感知MPC与WBC框架，结合MuJoCo插件和逆场估计，将可运行面积提升29.34%。
2026-10-07 cs.RO
Balance of Humanoid robot in Multi-contact and Sliding Scenarios
Montpellier Laboratory of Informatics, Robotics and Microelectronics (LIRMM), CNRS-University of Montpellier（蒙彼利埃信息学、机器人学与微电子学实验室（LIRMM），法国国家科学研究中心-蒙彼利埃大学）；CNRS-AIST Joint Robotics Laboratory (JRL), UMI3218/RL（法国国家科学研究中心-日本产业技术综合研究所联合机器人实验室（JRL），UMI3218/RL）
本研究探讨多接触点环境下类人或多足式机器人的平衡问题。保持平衡的一种方法是将质心（CoM）保持在可容许的凸区域内。该面积应根据接触位置和力计算。我们介绍了一种方法来计算此CoM支持区域（CSA）的多个固定和滑动接触。为了选择CSA内最合适的CoM位置，我们考虑了（i）多个固定和滑动触点的约束，（ii）触点的期望扳手分布，以及（iii）CoM的期望位置（最终由其他任务决定）。这些都制定为一个二次规划优化问题。我们说明了我们的方法推靠墙和擦拭，并进行了实验，使用HRP-4人形机器人。
2019-09-30 cs.RO math.DS
Simulation Study of the Upper-limb Wrench Feasible Set with Glenohumeral Joint Constraints
本文通过升级Iterative Convex Hull Method以整合盂肱关节的防脱位与压缩限制约束，改进了上肢力旋量可行集模型，有效保障了关节稳定性并促进了稳定肌群的肌肉协调。
2023-09-14 cs.RO physics.bio-ph
Whole-Body MPC and Online Gait Sequence Generation for Wheeled-Legged Robots
ETH Zürich（苏黎世联邦理工学院）
我们的论文提出了一个模型预测控制器作为一个单一的任务制定，同时优化车轮和躯干运动。这种在线关节速度和地面反作用力优化集成了轮式四足机器人的kinodynamic模型。它定义了单刚体动力学以及机器人的运动学，同时将车轮视为移动的地面接触。通过这种方法，我们可以准确地捕捉机器人的滚动约束和动力学，使自动发现的混合机动没有不必要的运动学。该配方的通用性，通过同时优化机器人的全身变量允许一组参数，并使在线步态序列适应可能。非周期性步态序列是通过腿部运动工具自动发现的，而不需要预定义的接触和抬离时间，从而降低高达85%的运输成本。我们的实验演示了在具有挑战性的室内和室外环境中的四足机器人与非转向轮的动态运动。该论文的研究结果有助于评估一个分解的，即，轮和躯干运动的顺序优化，以及单任务运动规划器与一个新的数量，预测误差，它描述了如何以及滚动时域规划器可以预测机器人的未来状态。为此，我们报告了高达71%的改进，使用我们提出的单任务的方法，使快速运动可行，并揭示轮式足式机器人的全部潜力。
2021-07-06 cs.RO cs.SY eess.SY
AFD-CAMLs: Agile Force-Distribution-Aware Planning and Control for Cable-Suspended Aerial Multi-Lifting Systems
Delft University of Technology（代尔夫特理工大学）
针对多无人机缆索悬挂起重系统中力分布不均的问题，提出一种混合规划与控制框架，通过全局规划探索零空间、局部规划优化成本及导纳滤波器调整参考，在四至十架无人机仿真与实验中实现了更均衡的张力分布，同时保持敏捷性和载荷跟踪性能。
2026-10-02 cs.RO
Dual-Arm Box Manipulation via Online Inertial Estimation and Convex Wrench Optimization
School of Mechanical and Aerospace Engineering, Nanyang Technological University（机械与航空航天工程学院，南洋理工大学）
本文提出了一种摩擦感知的双臂箱体搬运框架，用于处理具有未知惯性特性的物体。通过在线估计物体质量和质心，并利用二次锥规划在椭球摩擦限制表面约束下计算摩擦可行的接触力和扭距，从而实现稳定的搬运。
2026-10-23 cs.RO
CBF-Based Control Allocation for Omnidirectional Tiltrotor Aerial Robots
Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
针对全向倾转旋翼空中机器人伺服响应慢导致力/力矩不可行的问题，提出基于CBF的控制分配方法，经MuJoCo仿真验证，其在多场景下位置误差更低，力/力矩可行性显著优于基线方法。
2026-10-16 cs.RO
High-speed control and navigation for quadrupedal robots on complex and discrete terrain
Robotics & Artificial Intelligence Lab, KAIST, Daejeon, Korea（机器人与人工智能实验室，韩国KAIST）
本文提出一种由规划器与跟踪器组成的分层导航流水线，结合采样优化、神经网络滤波和竞争式生成训练，使四足机器人 Raibo 能在复杂离散地形上实现高速敏捷运动。
2025-06-03 cs.RO
Force-Aware Reinforcement Learning with Hybrid Sensorless Force Estimation for Wheeled-Legged Loco-Manipulation
Chinese University of Hong Kong（香港中文大学）
本文提出一种结合混合无传感器力估计的力感知强化学习方法，用于轮腿式移动操作，实现无末端力传感器下的力引导控制，并通过仿真和硬件实验验证其性能。
2026-09-15 cs.RO
Force Polytope-Based Cant-Angle Selection for Tilting Hexarotor UAVs
University of Padova（帕多瓦大学）；Department of Management and Engineering（管理与工程系）；Department of Information Engineering（信息工程系）；Department of Industrial Engineering（工业工程系）
本文提出一种轻量控制框架，通过预计算的零力矩力多面体查找表优化cant角选择，提升六旋翼无人机在交互任务中的姿态跟踪性能和驱动效率。
2026-04-07 cs.RO cs.SY eess.SY
Bi-Level Optimization for Contact and Motion Planning in Rope-Assisted Legged Robots
Dipartimento di Ingegneria e Scienza dell’Informazione (DISI), University of Trento（工程与信息科学系（DISI），特伦托大学）；Inria, Université de Lorraine, CNRS（法国国家信息与自动化技术研究院（Inria）、洛林大学、法国国家科学研究中心（CNRS））
本文提出了一种用于绳索辅助机器人垂直表面攀爬的规划框架，采用双层优化方法解决混合整数问题，同时优化绳索张力和腿部力，验证于新型攀爬机器人平台。
2026-10-16 cs.RO
Contact as a Decision Variable: Capability-Tradeoff Contact Selection for Legged Loco-Manipulation
George Mason University（乔治梅森大学）；University of Florida（佛罗里达大学）
本文提出能力权衡接触选择（CTCS）方法，用于腿式移动操作中联合选择支撑接触与全身配置，通过预测能力并加速优化，在仿真和硬件实验中优于固定接触方案。
2026-09-25 cs.RO
An Efficient Paradigm for Feasibility Guarantees in Legged Locomotion
Istituto Italiano di Tecnologia（意大利理工学院）；University of Oxford（牛津大学）
本文提出一种高效范式，通过改进可行区域同时保证动态平衡、关节力矩与运动学限制，并利用质心可达区域算法和规划策略生成可行轨迹，在HyQ和Aliengo机器人上验证了有效性。
2023-05-30 cs.AI cs.RO
A Morphing Aerial Robot With Thruster-Integrated Flexible Continuum Links for Shape Adaptive Aerial Manipulation
The University of Tokyo（东京大学）
本文提出一种具有推进器集成柔性连续体连杆的变形空中机器人，通过软体连杆被动适应环境形状并沿连杆分布推进器扩展力旋量空间，实现高形状适应性和大交互力，并首次实现柔性连杆集成推进器的空中操作。
2026-09-18 cs.RO
DRS-LIP: Linear Inverted Pendulum Model for Legged Locomotion on Dynamic Rigid Surfaces
University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）；NVIDIA Research（英伟达研究）；Princeton University（普林斯顿大学）；Department of Mechanical Engineering, University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校机械工程系）
足式机器人在动态刚性表面上的运动（即，在惯性系中运动的刚性表面）涉及高维、非线性和时变的复杂全阶动力学。为了得到一个易于分析的动力学模型，本研究从理论上扩展了降阶线性倒立摆（LIP）模型，从腿运动在一个固定的表面上的运动的动态刚性表面（DRS）。所得到的模型在本文中被称为DRS-LIP。此外，本研究介绍了一个近似的解析解的建议DRS-LIP，计算效率高，精度高。为了说明分析结果的实际用途，它们被用来开发一个层次规划框架，有效地生成物理上可行的DRS运动轨迹。所提出的理论结果和运动规划的有效性证明了通过模拟和实验上的Laikago四足机器人，走在摇摆跑步机。
2022-01-31 cs.RO
ContactNet: Online Multi-Contact Planning for Acyclic Legged Robot Locomotion
Istituto Italiano di Tecnologia (IIT)（意大利技术研究院）；Tandon School of Engineering, New York University (NYU)（纽约大学坦登工程学院）；Università di Trento（特伦托大学）
提出基于多输出回归神经网络的快速非周期接触规划器ContactNet，可在约1毫秒内完成多接触规划，实现与轨迹优化器的MPC并发执行，并在四足机器人Solo12仿真中验证了有效性。
2024-05-02 cs.RO
X-ACTA: eXtended Analytic Center Tension distribution Algorithm for fixed and mobile cable-driven-parallel-robot
Free University of Bozen-Bolzano（博尔扎诺自由大学）；University of Genova（热那亚大学）；University of Padua（帕多瓦大学）
研究超出力可行工作空间的电缆驱动并联机器人，提出扩展分析中心方法选电缆张力，能保持连续可微、快速收敛，相比其他方法可降低力误差，经实验验证有效性。
2026-07-10 cs.RO
False Feasibility in Variable Impedance MPC for Legged Locomotion
本文研究了变量阻抗MPC中因误将关节刚度视为瞬时决策变量导致的可行性问题，通过分析参数可行集与真实可行集的差异，提出α参数用于描述不匹配区域，并通过一维跳跃单足和平面弹簧-loaded倒立摆验证了该问题。
2026-05-11 cs.RO
WRAP: Fixtureless Wrench-aware Multi-Robot Assembly Planning
ETH Zurich（苏黎世联邦理工学院）
本文提出WRAP，一种无夹具的力矩感知多机器人装配规划器，通过线性规划推理抓取支撑力，结合启发式搜索与运动规划，实现灵活装配，并在仿真和现实中验证。
2026-09-25 cs.RO
Toward Safety-Aware Informative Motion Planning for Legged Robots
University of Michigan（密歇根大学）
本文报道了一个集成的框架，安全意识的信息运动规划适合足式机器人。信息收集计划者考虑到环境的密集随机地图，而安全约束通过控制障碍函数（CBF）来执行。该规划器是基于增量探索信息收集（IIG）算法，并允许使用模型预测控制（MPC）的形式主义闭环kinodynamic节点扩展。机器人探索和信息收集问题本质上是路径依赖问题。也就是说，沿着路径收集的信息取决于状态和观察历史。因此，仅基于模块化成本的运动规划不会导致用于探索的合适规划。我们提出了SAFE-IIG，这是一种综合信息运动规划算法，它考虑到：1）经由在环境的随机地图上计算的子模块信息函数的机器人的感知视场，2）经由用于闭环多水平节点扩展的离散时间CBF和MPC的机器人的动力学和安全约束，以及3）通过设置信息论规划视野的自动停止准则。仿真结果表明，SAFE-IIG算法能够在稠密地图上规划出安全的、动态可行的路径。
2021-03-26 cs.RO
DR-MPC: Fast and Feasible Dynamics-Relaxed Model-Predictive Control for Legged Locomotion
Tsinghua University（清华大学）；Boston University（波士顿大学）；Nanyang Technological University（南洋理工大学）；Johns Hopkins University（约翰斯·霍普金斯大学）
本文提出DR-MPC，一种通过将动力学约束转为惩罚项并利用Schur补的高效MPC方法，在保持运动性能的同时，显著提升求解速度，并在四足机器人上验证。
2026-09-18 cs.RO cs.SY eess.SY
Design, Modeling and Control for a Tilt-rotor VTOL UAV in the Presence of Actuator Failure
Carnegie Mellon University（卡内基梅隆大学）；Amazon（亚马逊）
实现垂直起飞和降落，同时提供长距离飞行的能力，为广泛的新的现实世界飞机应用打开了大门，同时改善了许多现有的任务。倾转旋翼垂直起降无人机（VTOL）比固定翼和多旋翼飞机更适合此类应用。这些飞机的前期工作主要涉及空气动力学性能、设计、建模和控制。然而，一个较少探索的领域是研究它们的潜在容错，由于其固有的冗余，这使得它们能够容忍一定程度的驱动故障。本文介绍了倾转旋翼垂直起落飞机作动器几种故障的容限。我们讨论了一个定制的倾转旋翼垂直起降无人机，这是一个固定翼飞机和倾转旋翼，其中四个螺旋桨可以单独旋转的四旋翼组合的设计和建模。然后，我们分析了可行的扳手空间的车辆可以产生和设计的动态控制分配，使系统能够适应执行器故障，受益于配置冗余。所提出的方法是轻量级的，并实现作为一个扩展到现有的飞行控制堆栈。大量的实验验证了该系统能够在不同的执行器故障情况下保持受控飞行。据我们所知，这项工作是第一次研究倾转旋翼垂直起降的容错，利用配置冗余。源代码和模拟可以在https://theairlab.org/vtol上访问。
2023-01-02 cs.RO cs.SY eess.SY
Interactive Navigation for Legged Manipulators with Learned Arm-Pushing Controller
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
本文提出一种腿式机械臂交互式导航框架，通过强化学习臂推控制器和两阶段奖励策略在狭窄空间中重新定位可移动障碍物，实现更短路径和更高通行效率。
2025-07-21 cs.RO
Frequency-aware decomposition learning for sensorless wrench estimation in vibration-rich robotic contact
Department of Mechanical Engineering, Kyung Hee University（Kyung Hee 大学机械工程系）；Korea Research Institute of Ships and Ocean Engineering（韩国船舶海洋研究院）
本文提出频率感知分解网络（FDN）用于预测振动丰富的力，通过自适应增强输入频谱和频率带先验，提升高频力预测性能，实验表明FDN在高频段优于基线方法，在低频段表现稳健，且迁移学习进一步提升性能。
2026-10-02 cs.LG cs.RO
Transition Motion Planning for Multi-Limbed Vertical Climbing Robots Using Complementarity Constraints
University of California Los Angeles（加利福尼亚大学洛杉矶分校）
为了实现自主垂直爬墙，从地面到墙壁的过渡阶段不可避免地需要额外的考虑。研究了多肢体攀爬机器人在平坦地形和垂直表面之间过渡的接触序列规划问题。为了克服过渡阶段，需要同时规划多触点扳手和触点扳手，这使得它变得困难。而不是使用一个预定的接触序列，我们认为不同的环境设置通过建模接触约束和肢体可切换性作为互补条件的各种运动。两个安全系数的脚趾滑动和电机过扭矩是主要的调整参数，为不同的接触序列。通过求解非线性规划（NLP），我们可以生成几个可行的脚放置和接触力序列，以避免失败的情况。我们验证了硬件SiLVIA，一个六条腿的机器人足式机器人，能够垂直攀爬两个墙壁之间的支撑本身之间只使用摩擦演示的可行性。
2021-06-14 cs.RO
Contact-Implicit Optimization of Locomotion Trajectories for a Quadrupedal Microrobot
Harvard University（哈佛大学）；Stanford University（斯坦福大学）
腿式微型机器人的运动轨迹规划是具有挑战性的，因为它们的复杂形态，高频率的被动动力学，和不连续的接触与环境的相互作用。因此，这种研究往往是由耗时的实验方法驱动的。作为一种替代方案，我们提出了一个框架，系统地建模，规划和控制腿microrobots。我们开发了一个1.5克四足微型机器人的三维动力学模型，自由度自由度的数量），类似于较大规模的足式机器人。然后，我们适应最近开发的变分接触隐式轨迹优化方法来产生可行的全身运动计划，这个microrobot，我们证明，这些计划可以跟踪简单的关节空间控制器。我们计划和执行周期性步态在多个步幅频率和各种表面上。这些步态实现了高的每周期速度，包括10.87毫米/周期的最大值，这是15%的速度比以前测量的速度为这个微型机器人。此外，我们计划并执行9.96 mm的垂直跳跃，这是微型机器人质心高度的78%。据我们所知，这是第一个端到端的演示规划和跟踪全身动态运动的毫米级腿微型机器人。
2019-01-25 cs.RO
Actuator Dynamics Curricula for Narrow-Viability Tasks in Legged Robot Learning
Saxion University of Applied Sciences（萨克逊应用科学大学）；University of Groningen（格罗宁根大学）；University of Twente（特文特大学）
针对强化学习在窄生存性任务中因探索提前终止而失败的问题，提出执行器动力学课程，通过退火关节刚度扩大生存性核，在Spot上成功实现四足到倒立过渡并迁移至硬件。
2026-09-10 cs.RO
Optimizing Design and Control of Running Robots Abstracted as Torque Driven Spring Loaded Inverted Pendulum (TD-SLIP)
University at Buffalo（布法罗大学）
本文利用力矩驱动弹簧负载倒立摆模型抽象腿式机器人，推导稳定约束，并通过粒子群优化形态参数和执行器配置，实现小型跑步机器人的稳健设计。
2024-07-16 cs.RO
Tailoring Solution Accuracy for Fast Whole-body Model Predictive Control of Legged Robots
Massachusetts Institute of Technology（麻省理工学院）
本文提出一种利用ADMM快速求解低精度二次规划子问题的全身NMPC方法，并结合CBF处理自碰撞约束，在MIT Humanoid上以90 Hz实时运行，实现复杂交叉腿和手臂动作并增强抗扰动能力。
2024-09-12 cs.RO
Loco-Manipulation Planning for Legged Robots: Offline and Online Strategies
Istituto Italiano di Tecnologia (IIT)（意大利理工学院）；Università di Genova（热那亚大学）；Sapienza Università di Roma（罗马第一大学）；PAL Robotics（PAL机器人公司）
在现实环境中部署机器人需要能够规划和优化飞行中的本地操作轨迹，以避免与动态环境的意外交互。这个扩展的抽象提供了一个流水线离线规划配置空间的全局轨迹的基础上的随机化策略，并在线本地细化它取决于动态环境和机器人状态的任何变化。离线规划器直接在接触空间中进行规划，并且另外寻求符合采样接触状态的全身可行配置。由一组离散的触点和配置构成的规划轨迹可以被视为一个图形，并且可以在执行全局轨迹期间在线细化。在线细化进行了利用视觉信息的图形优化规划。它在当地对全球初始计划采取行动，以考虑环境中可能发生的变化。虽然离线规划器是一项已完成的工作，并在人形COMAN+上进行了测试，但在线本地规划器仍是一项正在进行的工作，已在CENTAURO机器人的简化模型上进行了测试，以避免动态和静态障碍物干扰轮式运动任务。COMAN+和CENTAURO机器人均由意大利理工学院（IIT）设计。
2022-05-20 cs.RO
Robust Humanoid Contact Planning with Learned Zero- and One-Step Capturability Prediction
University of Michigan（密歇根大学）；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；New York University（纽约大学）
人形机器人通过控制施加在环境中的接触扳手来保持平衡和导航。虽然可以使用现有方法来规划应用适当扳手的动态可行运动，但人形机器人也可能受到外部干扰的影响。现有的系统通常依赖于控制器从干扰中反应性地恢复。然而，当机器人不能到达能够拒绝给定干扰的触点时，这样的控制器可能失效。在本文中，我们提出了一个基于搜索的脚步规划器，其目的是最大限度地提高机器人成功达到目标的概率，而不下降的干扰的结果。规划器不仅考虑了规划接触序列的姿态，而且还考虑了规划接触序列附近的可用于从外部干扰中恢复的替代接触。虽然这种额外的考虑显着增加了计算负荷，我们训练神经网络，以有效地预测多接触零步和一步的可捕获性，这使得规划者有效地生成强大的接触序列。我们的研究结果表明，我们的方法产生的足迹序列，更强大的外部干扰比传统的足迹规划在四个具有挑战性的情况下。
2020-01-20 cs.RO
MARS-Dragonfly: Agile and Robust Flight Control of Modular Aerial Robot Systems
National University of Singapore（新加坡国立大学）；Engineering Design and Innovation Centre, National University of Singapore（新加坡国立大学工程设计与创新中心）
本文提出MARS-Dragonfly系统，通过被动对接、无检测锁定和磁力辅助分离机制，结合力矩等效虚拟四旋翼模型，实现模块化空中机器人系统的敏捷与鲁棒飞行控制。
2026-04-07 cs.RO cs.SY eess.SY
ACLM: ADMM-Based Distributed Model Predictive Control for Collaborative Loco-Manipulation
The Institute for Robotics and Intelligent Machines, Georgia Institute of Technology（机器人与智能机器研究所，佐治亚理工学院）
本文提出基于ADMM的分布式模型预测控制框架，用于四足机器人协作移动Manipulation，通过分解控制问题并结合力感知控制器，实现高效、实时的协作运输重物。
2026-03-07 cs.RO cs.SY eess.SY
Feasible Region: an Actuation-Aware Extension of the Support Region
Istituto Italiano di Tecnologia（意大利理工学院）；ANYbotics AG（ANYbotics公司）；Laboratoire d’Informatique, de Robotique et de Microelectronique de Montpellier (LIRMM), CNRS-University of Montpellier（法国国家科学研究中心-蒙彼利埃大学蒙彼利埃计算机科学、机器人与微电子实验室）；Jet Propulsion Laboratory (JPL), NASA（美国国家航空航天局喷气推进实验室）
在腿式运动中，机器人质心（CoM）在接触点的凸包内的投影是实现静态平衡的普遍接受的充分条件。然而，这些配置中的一些不能实现，因为维持它们所需的关节扭矩将高于它们的极限（致动极限）。在这份手稿中，我们排除了这样的配置，并定义了可行的区域，一个重新访问的支持区域，既保证了全局静态稳定性的意义上的倾翻和滑移避免和存在的一组关节扭矩，能够维持机器人的体重。我们表明，可行区域可以用于选择可行的立足点和CoM轨迹，以实现静态运动粗糙的地形，也存在负载密集型任务。我们的方法的主要结果包括效率的可行区域的计算由于迭代投影算法。这使我们能够在HyQ机器人上进行成功的实验，该机器人能够在携带额外10公斤有效载荷的同时通过中等尺寸的障碍物。
2020-03-30 cs.RO
Open-Source, Cost-Aware Kinematically Feasible Planning for Mobile and Surface Robotics
Open Navigation LLC；Carnegie Mellon University（卡内基梅隆大学）；Locus Robotics；QUT Centre for Robotics and School of Electrical Engineering and Robotics（QUT机器人中心和电气工程与机器人学院）
本文提出开源规划框架 Smac Planner，集成 Cost-Aware A*、Hybrid-A* 和 State Lattice 规划器，在保持运动学可行性的同时提升复杂环境性能，并已成为 ROS 2 Nav2 的标准规划系统，广泛应用于全球数千台机器人。
2025-05-08 cs.RO
ARMP: Autoregressive Motion Planning for Quadruped Locomotion and Navigation in Complex Indoor Environments
Georgia Institute of Technology（佐治亚理工学院）
由于足式机器人复杂的动力学特性，使其产生自然的、物理上可行的运动一直是一个具有挑战性的问题。在这项工作中，我们介绍了一种新的基于学习的框架自回归运动规划器（ARMP）的四足动物的运动和导航。我们的方法可以生成运动计划与任意长度的自回归的方式，不像大多数离线轨迹优化算法的固定轨迹长度。为此，我们首先通过解决各种场景和参数设置的密集轨迹优化问题来构建运动库。然后，我们从数据集学习的运动流形在监督学习的方式。我们表明，建议的ARMP可以产生物理上合理的各种任务和情况下的运动。我们还展示了我们的方法可以成功地集成到最近的机器人导航框架作为一个低级别的控制器，并释放复杂的室内导航的足式机器人的全部能力。
2023-03-28 cs.RO
VAPOR: Legged Robot Navigation in Outdoor Vegetation Using Offline Reinforcement Learning
University of Maryland, College Park（马里兰大学帕克分校）
VAPOR利用离线强化学习训练策略，结合LiDAR代价地图与本体感觉数据学习植被障碍物属性，并通过上下文感知规划器自适应调整速度，在真实户外植被环境中显著提升了腿足机器人的导航成功率与效率。
2023-09-19 cs.AI cs.RO
Safety-Critical Coordination for Cooperative Legged Locomotion via Control Barrier Functions
California Institute of Technology（加州理工学院）
针对存在固定约束的协作足式机器人运动协调问题，提出基于控制屏障函数的三层安全关键控制架构，经仿真与四足机器人实验验证可保障安全协作与轨迹跟踪。
2023-12-14 cs.RO math.OC
LEAP: Gradient Flow Augmented Lagrangian Trajectory Optimization for Contact Constrained Robots
University of Michigan（密歇根大学）
本文提出 LEAP 方法，通过伪谱配点法转录最优控制问题，结合线性隐式积分器求解增广拉格朗日的原始-对偶梯度流，在多机器人运动基准测试中表现优异，可公开代码。
2026-10-16 cs.RO
Multi-contact Walking Pattern Generation based on Model Preview Control of 3D COM Accelerations
CNRS-UM2 LIRMM（法国国家科学研究中心-蒙彼利埃第二大学计算机科学、机器人学与微电子学实验室）；CNRS-AIST Joint Robotics Laboratory（法国国家科学研究中心-日本产业技术综合研究所联合机器人实验室）
提出了一种基于质心三维加速度预览控制的多触点步行模式生成器。在我们的算法设计的一个关键点是接触稳定约束的计算。由于摩擦扳手锥的代数性质的数学观察，我们表明，可行的COM加速度的3D体积总是一个向下指向的圆锥。我们减少其计算的（双）2D点的凸包，最佳O（n log n）算法是现成的。与以前的方法相比，这种重新制定带来了显着的加速，这使我们能够足够快地计算控制回路的时变接触稳定性标准。接下来，我们提出了一个保守的广义接触稳定性准则，该准则可以从COM加速量以边际成本导出，并直接应用于模型预测控制器。最后，我们实现了这个管道，并与HRP-4人形模型在多接触动态行走的场景。
2016-10-21 cs.RO
NaviGait: Navigating Dynamically Feasible Gait Libraries using Deep Reinforcement Learning
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）；Dynamic Mobility Lab（动态移动实验室）
NaviGait通过结合轨迹优化与强化学习，实现动态可行的步态库导航，提升运动控制的鲁棒性和可扩展性。
2026-03-10 cs.RO
Staged Contact Optimization: Combining Contact-Implicit and Multi-Phase Hybrid Trajectory Optimization
Carnegie Mellon University（卡内基梅隆大学）
本文提出分阶段接触优化（SCO），通过分阶段收紧接触约束，结合接触隐式优化与多阶段混合轨迹优化的优势，在双足和四足机器人上实现了更快且更优的轨迹求解。
2023-09-18 cs.RO
Efficient Trajectory Generation for Robotic Systems Constrained by Contact Forces
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
在这项工作中，我们提出了一种基于最优控制和可达性分析的接触力约束的机器人系统的轨迹生成方法。通常情况下，接触约束机器人的动力学和约束是非线性的，相互耦合。我们不对模型和约束进行线性化，而是直接求解最优控制问题，得到系统的可行状态轨迹和控制输入。一个易于处理的最优控制问题，制定这是解决的双重方法，这是基于采样的动态规划和严格的可达性分析。基于采样的方法和部分可观测马尔可夫决策过程（POMDP）被用来分解的端到端的轨迹生成问题，根据给定的条件下，通过样本明智的优化。结果生成要通过的子区域的顺序对，以达到最终目标。可达性分析确保我们将找到至少一条从给定初始状态开始并经过一系列子区域的轨迹。我们的方法的独特贡献是，使处理复杂的接触约束与系统的动力学，由于减少了算法的计算复杂性。我们验证了我们的方法使用广泛的数值模拟与足式机器人。
2019-03-26 cs.RO
