Modular Multi-Copter Structure Control for Cooperative Aerial Cargo Transportation
New York University(纽约大学);New York University Abu Dhabi(纽约大学阿布扎比分校)
本文研究了多直升机机群的控制问题,该机群通过一个模块化的连杆格型结构进行机械耦合。系统的结构弹性被认为是在推导系统的动力学。所设计的控制器是强大的对诱导的灵活性,而一个固有的适应计划允许控制的不对称配置和运输未知的有效载荷。某些优化指标,同时实现最大的系统飞行时间,在一个平台无关的控制实现解决个人代理推力分配问题。通过实验研究来说明所建议的控制器在典型飞行条件、增加的杆弹性和有效载荷运输下的效率。
2022-10-10 cs.RO
Cooperative Distributed Robust Control of Modular Mobile Robots with Bounded Curvature and Velocity
University of Utah(犹他大学)
本文研究了一种新型的运动控制系统,用于具有柔性框架轮式模块化移动机器人(CFMMR)。该系统结合了基于有限曲率的运动控制器和非线性阻尼动态控制器,通过多种控制器交互形式评估不同控制结构,实验结果验证了姿态调节的有效性。
2019-05-03 cs.RO cs.SY eess.SY
DiffStack: A Differentiable and Modular Control Stack for Autonomous Vehicles
NVIDIA Research(英伟达研究院);Technion(以色列理工学院);Stanford University(斯坦福大学)
自动驾驶汽车(AV)堆栈通常以模块化的方式构建,具有执行检测,跟踪,预测,规划,控制等的显式组件。虽然模块化提高了可重用性,可解释性和可推广性,但它也受到复合错误,信息瓶颈和集成挑战的影响。为了克服这些挑战,一个突出的方法是将AV堆栈转换为端到端神经网络,并用数据对其进行训练。虽然这些方法已经取得了令人印象深刻的结果,但它们通常缺乏可解释性和可重用性,并且它们避开了原则性的分析组件,例如规划和控制,而倾向于深度神经网络。为了在保持模块化的同时实现AV堆栈的联合优化,我们提出了DiffStack,这是一个用于预测,规划和控制的可微分和模块化堆栈。至关重要的是,我们基于模型的规划和控制算法利用可微优化的最新进展来产生梯度,从而通过规划和控制的反向传播来优化上游组件,例如预测。我们在nuScenes数据集上的结果表明,使用DiffStack的端到端训练在开环和闭环规划指标方面产生了实质性的改进,例如,学习减少影响计划的预测错误。除了这些直接的好处之外,DiffStack还为完全数据驱动的模块化和可解释的AV架构开辟了新的机会。项目网址:https://sites.google.com/view/diffstack
2022-12-13 cs.AI cs.CV cs.LG
Low-Rank Modular Reinforcement Learning via Muscle Synergy
Tsinghua University(清华大学);Harvard University(哈佛大学)
模块化强化学习(RL)通过学习每个执行器的策略来分散多关节机器人的控制。先前关于模块化RL的工作已经证明了它能够通过共享执行器策略控制形态上不同的代理。然而,随着机器人的自由度(DoF)的增加,训练一个形态可推广的模块化控制器变得指数级困难。受人类中枢神经系统控制众多肌肉的方式的启发,我们提出了一个协同导向的学习(SOLAR)框架,该框架利用了DoF在机器人控制中的冗余性。通过无监督学习方法将致动器分组为协同,并且学习协同动作以同步控制多个致动器。通过这种方式,我们实现了一个低级别的控制在协同水平。我们广泛评估我们的方法在各种机器人形态,结果表明其优越的效率和推广性,特别是在机器人与一个大的自由度像Humanoids++和UNIMALs。
2022-10-26 cs.AI cs.LG cs.RO
Evolutionary Co-Design of Morphology and Control of Soft Tensegrity Modular Robots with Programmable Stiffness
Ecole polytechnique fédérale de Lausanne (EPFL)(洛桑联邦理工学院)
张拉整体结构重量轻,可以承受大变形,并具有出色的鲁棒性。这些独特的属性激发了机器人专家研究它们的用途。然而,张拉整体机器人的形态设计、控制、装配和驱动仍然是困难的任务。此外,张拉整体机器人的刚度仍然是一个被低估的设计参数。在这篇文章中,我们建议使用易于组装,驱动张拉整体模块和身体-大脑协同进化设计软张拉整体模块化机器人。此外,我们证明了张拉整体机器人刚度的重要性,展示了如何根据模块刚度的演变表明不同的形态,控制和运动策略。
2021-01-28 cs.RO
Morphology and Behavior Co-Optimization of Modular Satellites for Attitude Control
Shenzhen International Graduate School (SIGS), Tsinghua University(清华大学深圳国际研究生院)
本文提出一种基于梯度的协同优化方法,同时优化模块化卫星的形态与控制,解决传统进化方法计算昂贵且样本效率低的问题,在姿态控制任务中取得更优性能。
2024-09-20 cs.AI cs.RO
A Bio-inspired Modular System for Humanoid Posture Control
生物启发的感觉运动控制系统可能会吸引机器人专家,他们试图解决多自由度类人和人机交互问题。本文提出了一个简单的姿态控制概念,从神经科学,称为干扰估计和补偿,DEC概念[1]。由于低环路增益、时间延迟容限以及针对外部干扰情况的变化进行自动调整,它提供了类似于人类的机械顺应性。它的突出特点是,它使用反馈的多感官干扰估计,而不是“原始”的感官信号的干扰补偿。在1自由度和2自由度姿态控制机器人的原理验证测试后,我们在这里提出了一个通用的DEC控制模块的多自由度机器人。在控制布局中,一个DEC模块控制一个DOF(模块化控制架构)。使用前庭信息结合关节角度和扭矩信号来协同地互连相邻关节的模块。这些感觉互连允许每个模块控制更远端链接的运动学,就好像它们是单个链接一样。这种模块化设计使得机器人控制的复杂性与DOF成线性比例,并且与单片控制架构相比误差鲁棒性高。所提出的概念使用Matlab/Simulink(MathWorks,Natick,美国)的模型仿真和机器人控制,并将作为开放库
2021-12-04 cs.RO
MeMo: Meaningful, Modular Controllers via Noise Injection
MIT(麻省理工学院);NVIDIA(英伟达公司)
针对机器人需从头训练控制标准化组件的问题,提出MeMo框架,通过噪声注入优化模块化目标与行为克隆损失,在形态和任务迁移中训练效率优于图神经网络与Transformer基线。
2025-02-11 cs.LG cs.RO
Modular Controllers Facilitate the Co-Optimization of Morphology and Control in Soft Robots
University of Vermont(佛蒙特大学)
针对软体机器人脑-体协同优化中控制器与身体构型特化导致过早收敛的问题,提出采用模块化控制器提升形态变化鲁棒性与可迁移性,实验验证其能提高正向突变率与进化后机器人性能,助力设计自动化。
2023-06-12 cs.NE cs.RO
Shared Modular Recurrence in Contextual MDPs for Universal Morphology Control
Delft University of Technology(代尔夫特理工大学)
研究旨在解决多机器人形态差异大时的控制难题,提出利用模块化交互恢复上下文特征,实现更好的多机器人控制及泛化。通过基于变压器且具共享模块化递归的架构在MuJoCo机器人上评估,显著提升了零样本泛化性能。
2026-11-02 cs.AI cs.RO
Modular Design of Strict Control Lyapunov Functions for Global Stabilization of the Unicycle in Polar Coordinates
Department of Mechanical and Aerospace Engineering, UC San Diego(机械与航空航天工程系,加州大学圣地亚哥分校)
针对极坐标下单车的全局渐近镇定问题,提出模块化光滑双向反馈设计框架及配套严格 CLF 族,给出显式收敛速率、障碍型几乎全局方案,并支撑逆最优重设计。
2025-09-29 cs.RO cs.SY eess.SY
Learning Modular Robot Control Policies
Carnegie Mellon University(卡内基梅隆大学)
模块化机器人可以重新排列成一个新的设计,也许每天,通过为每个新任务形成一个定制的机器人来处理各种各样的任务。然而,仅仅重新配置机制是不够的:每个设计还需要自己独特的控制策略。人们可以为每个新设计从头开始制定策略,但这种方法是不可扩展的,特别是考虑到即使是一小组模块也可以生成大量设计。相反,我们创建了一个模块化的策略框架,其中策略结构以硬件安排为条件,并仅使用一个训练过程来创建控制各种设计的策略。我们的方法利用了这样一个事实,即模块化机器人的运动学可以表示为一个设计图,节点作为模块,边缘作为它们之间的连接。给定机器人,其设计图用于创建具有相同结构的策略图,其中每个节点包含深度神经网络,并且相同类型的模块经由共享参数共享知识(例如,六足机器人上的所有腿共享相同的网络参数)。我们开发了一个基于模型的强化学习算法,交叉模型学习和轨迹优化训练的政策。我们展示了模块化策略可以推广到大量的设计,这些设计在没有任何额外学习的情况下在训练过程中看不到。最后,我们展示了控制各种设计的策略,以与模拟和真实的机器人进行交互。
2021-11-10 cs.LG cs.RO
Learning Modular Robot Visual-motor Locomotion Policies
Carnegie Mellon University(卡内基梅隆大学)
针对模块化机器人运动策略此前仅适配平坦地形且无法泛化多设计的问题,提出模块化视觉-运动策略,通过组件重组结合深度强化学习实现多设计多环境泛化,已在真实机器人爬楼梯等场景验证有效。
2023-04-29 cs.RO
Learning to Control Self-Assembling Morphologies: A Study of Generalization via Modularity
UC Berkeley(加州大学伯克利分校);MIT(麻省理工学院)
当代感觉运动学习方法通常从现有的复杂代理(例如,机器人手臂),他们学会控制。相比之下,本文研究了一个模块化的共同演化策略:一个原始代理的集合学习动态自组装成复合体,同时也学习协调他们的行为来控制这些机构。每一个原始智能体都由一个肢体组成,肢体的一端连接着一个马达。肢体可以选择连接起来形成集体。当一个肢体发起连接动作,并且附近有另一个肢体时,后者被磁性连接到“父”肢体的电机。这就形成了一个新的单一代理人,它可以进一步与其他代理人联系起来。通过这种方式,可以出现复杂的形态,由其架构与形态显式对应的策略控制。我们评估这些动态和模块化的代理在模拟环境中的性能。我们展示了更好的泛化测试时的变化,无论是在环境中,以及在代理的结构,相比静态和单片基线。项目视频和代码可在https://pathak22.github.io/modular-assemblies/上获得
2019-11-21 cs.AI cs.CV cs.LG
Module Number Adaptive Visual Shape Control for Serial Modular Soft Robots
Graduate School of Engineering Science, The University of Osaka(大阪大学工程科学研究生院);Faculty of Science and Technology, Sophia University(上智大学理工学部)
本文针对串行模块化软体机器人,提出仅用单模块数据训练的控制器,通过分解图像为模块块、结合几何数据增强与轻量掩码网络,实现了跨1-5模块及环境变化下的形状控制,无需特定构型数据。
2026-09-01 cs.RO
Modular Safety-Critical Control of Legged Robots
Bogazici University(博阿齐奇大学)
足式机器人的操作过程中的安全问题必须得到解决,使其广泛使用。使用基于模型的约束的基于机器学习的控制方法为提高机器人安全性提供了有前途的手段。本研究提出了一种模块化的安全过滤器,以提高安全的足式机器人,即,减少跌倒的机会。先决条件是机器人能够移动,即,存在标称控制器。在运动过程中,通过机器学习估计机器人周围的地形属性,该机器学习使用最小的本体感受信号集。一种新的深度学习模型,利用高效的Transformer架构,用于地形估计。一个二次规划相结合的地形估计与逆动力学和一个新的指数控制障碍函数约束过滤和认证的标称控制信号。其结果是一个最佳控制器,作为一个过滤器。经滤波的控制信号允许机器人的安全运动。由此产生的方法是可推广的,并可以与低的努力转移到任何其他腿系统。
2023-03-04 cs.LG cs.RO cs.SY
Design and Control of Modular Magnetic Millirobots for Multimodal Locomotion and Shape Reconfiguration
Department of Bioengineering, Imperial College London(帝国理工学院生物工程系)
本研究提出一种模块化磁性微机器人平台,通过多模块协同实现多模态运动与形状重构,展示了在受限环境中稳健控制的潜力。
2026-02-22 cs.RO cs.SY eess.SY
Versatile modular neural locomotion control with fast learning
The University of Southern Denmark(南丹麦大学);Vidyasirimedhi Institute of Science and Technology(维迪亚西里梅迪科技学院)
足式机器人在高度非结构化的环境中具有很大的应用潜力。然而,运动控制的设计仍然具有挑战性。目前,控制器必须针对特定的机器人和任务进行手动设计,或者通过机器学习方法进行自动设计,这些方法需要很长的训练时间并产生大型不透明控制器。从动物运动中汲取灵感,我们提出了一个简单而通用的模块化神经控制结构,具有快速学习能力。我们的方法的主要优点是,行为特定的控制模块可以逐步增加,以获得越来越复杂的紧急运动行为,并与现有的模块接口的神经连接可以快速,自动学习。在一系列的实验中,我们展示了如何八个模块可以快速学习,并添加到一个基本的控制模块,以获得紧急的自适应行为,使六足机器人在复杂的环境中导航。我们还表明,模块可以在操作过程中添加和删除,而不会影响其余控制器的功能。最后,控制方法成功地证明了物理六足机器人。总之,我们的研究揭示了复杂机器人系统的多功能神经运动控制的快速自动设计的重要一步。
2021-07-16 cs.AI cs.LG cs.RO
All-Electric Heavy-Duty Robotic Manipulator: Surrogate-Enhanced Modeling and Adaptive Modular Control
Department of Engineering and Natural Sciences, Tampere University(工程与自然科学系,塔尔皮奥大学)
本文提出一种面向全电动重型机械臂的统一系统级建模与控制框架,通过将代理增强EMLA模型集成至扩展虚拟分解控制架构,实现了亚厘米级跟踪精度与模块化实时控制。
2026-10-14 cs.RO
Tethered Variable Inertial Attitude Control Mechanisms through a Modular Jumping Limbed Robot
University of California Los Angeles(加州大学洛杉矶分校)
本文提出面向低重力行星探测的系绳可变惯性姿态控制机构SPLITTER,由两台亚10kg四足机器人经系绳连接,通过MPC调整肢体和系绳长度改变转动惯量实现飞行稳定,无需飞轮或气动支持,为小型行星机器人连续跳跃探测提供高效方案。
2025-01-17 cs.RO
RPC: A Modular Framework for Robot Planning, Control, and Deployment
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
针对现有机器人相关软件框架整合难度高的问题,本文提出模块化开源框架RPC,集成仿真、规划控制、调试等组件,支持机械臂与足式机器人算法开发,可便捷扩展替换模块。
2024-09-16 cs.RO
COMTEST Project: A Complete Modular Test Stand for Human and Humanoid Posture Control and Balance
这项工作提出了一个系统基准人形姿态控制和平衡性能扰动条件下。具体的基准测试场景包括,例如,在移动表面上进行自主运动时保持直立姿势的平衡。该系统包括用于提供扰动的运动平台、适用于机器人、人类和外骨骼的创新的身体跟踪系统、控制软件和一组预定义的扰动、用于测试算法的人形机器人、以及提供用于提供性能的定量测量的现有技术数据分析的分析软件。为了提供多功能性,该系统的设计是面向模块化:其所有组件可以根据实验需要进行更换或扩展,添加额外的扰动配置文件,新的评估原则,和替代跟踪系统。该系统将有可能与不同类型的机器人和外骨骼一起使用,以及用于旨在深入了解人体平衡能力的人体实验。
2021-04-24 cs.RO
Digital twins for the design, interactive control, and deployment of modular, fiber-reinforced soft continuum arms
本文提出了一种基于数字孪生的框架,用于设计、交互控制和部署模块化纤维增强软连续臂,通过三维重建和仿真验证,实现了对软机器人臂的高效开发与应用。
2026-01-22 cs.RO
A Modular Aerial System Based on Homogeneous Quadrotors with Fault-Tolerant Control
Department of Electrical Engineering and Information Technology, Technische Universität Darmstadt(电气工程与信息科技系,德累斯顿技术大学)
本文提出了一种基于同构四旋翼的模块化空中系统IdentiQuad,通过任务特定组装提升可控自由度,并设计了容错控制器以提高系统鲁棒性。
2024-03-21 cs.RO
A Unified and Modular Model Predictive Control Framework for Soft Continuum Manipulators under Internal and External Constraints
ETH Zurich(苏黎世联邦理工学院)
流体驱动的软体机器人具有良好的性能,如固有的顺应性和用户安全性。软体机器人的控制需要正确处理非线性驱动动力学、运动约束、工作空间限制和可变形状刚度,因此针对所有这些问题具有独特的算法将是非常有益的。在这项工作中,我们适应模型预测控制(MPC),流行的刚性机器人,软机械臂称为SoPrA。我们解决目前的控制方法所面临的挑战,提出了一个框架,处理这些模块化的方式。虽然以前的工作集中在关节空间配方,我们通过仿真和实验结果表明,任务空间MPC可以成功地实现动态软机器人控制。我们提供了一种将分段常曲率和增广刚体模型假设与内部和外部约束以及驱动动力学耦合的方法,提供了一种将这些方面结合起来并对其进行优化的算法。我们相信,基于我们的方法的MPC实现可以在统一的模块化框架内解决大多数基于模型的软机器人控制问题,同时允许包括通常属于其他控制领域的改进,如机器学习技术。
2022-08-23 cs.RO cs.SY eess.SY
Task-driven Modular Co-design of Vehicle Control Systems
ETH Zürich(苏黎世联邦理工学院)
在设计自治系统时,我们需要在各种抽象级别上考虑多种权衡,并且需要联合研究单个(硬件和软件)组件的选择。在这项工作中,我们考虑的问题,设计的控制算法,以及在其上执行的平台。特别是,我们专注于车辆控制系统,并正式国家的最先进的控制方案的单调可行性关系。然后,我们将展示如何利用单调理论的协同设计,我们可以研究嵌入控制综合问题的任务驱动的协同设计问题的机器人平台。所提出的方法的属性说明考虑城市驾驶场景。我们展示了如何,给定一个特定的任务,我们可以有效地计算帕累托最优设计的解决方案。
2022-09-20 cs.RO cs.SY eess.SY
Robust Self-Reconfiguration for Fault-Tolerant Control of Modular Aerial Robot Systems
National University of Singapore(新加坡国立大学)
本文针对模块化空中机器人系统自重构过程中中间结构可控性不足的问题,提出一种基于控制约束动态模型的鲁棒自重构算法,通过最大化各中间阶段的可控性裕度来计算最优拆卸与装配序列,在容错场景中显著提升了可控性和轨迹跟踪性能并减少了装配步骤。
2025-03-12 cs.RO cs.SY eess.SY
A Versatile Neural Network Configuration Space Planning and Control Strategy for Modular Soft Robot Arms
Biorobotics Institute and the Department of Excellence in Robotics and AI(生物机器人研究所和机器人与人工智能卓越部门);Scuola Superiore Sant’Anna(圣安娜高等学院);CREATE Lab(CREATE实验室);EPFL(瑞士联邦理工学院)
本文提出S2C2A策略,通过biLSTM前向模型进行状态到构型规划,并用基于biLSTM的构型控制器实现绳索驱动模块化软体机器人臂的精确控制,支持离线位姿控制、避障及在线交互任务。
2025-06-08 cs.RO
Collective control of modular soft robots via embodied Spiking Neural Cellular Automata
University of Trieste(的里雅斯特大学);Oslo Metropolitan University(奥斯陆城市大学)
基于体素的软机器人(VSR)是一种模块化软体机器人,由几个可变形立方体组成,即,体素因此,每个VSR都是简单代理(即体素)的集合,这些体素必须合作以产生整体VSR行为。在这种范式中,集体智慧在实现协调的出现方面发挥了关键作用,因为每个体素都是独立控制的,只利用局部感官信息以及从其直接邻居传递的一些知识(分布式或集体控制)。在这项工作中,我们提出了一种新形式的集体控制,神经元自动机(NCA)的影响和生物启发的脉冲神经网络的基础上:体现尖峰NCA(SNCA)。我们的实验与不同的变体SNCA,并发现他们是竞争力与国家的最先进的分布式控制器的任务的运动。此外,我们的研究结果表明,在不可预见的环境变化,这可能是一个决定因素的物理实用性的VSR的适应性方面的基线有显着改善。
2022-04-05 cs.AI cs.RO
ModuLoop : Low-Level Code Generation using Modular Synthesizer and Closed-Loop Debugger for Robotic Control
Department of Mechanical Systems Engineering, Sookmyung Women’s University(苏州市女子大学机械系统工程系)
提出闭环模块化代码合成框架,利用预训练大语言模型进行模块化代码规划与生成,并通过迭代执行和调试探针实现系统调试与优化,成功应用于RGB-D相机与机械臂标定及抓取任务。
2026-06-02 cs.MA cs.RO
MobiDock: Design and Control of A Modular Self Reconfigurable Bimanual Mobile Manipulator via Robotic Docking
MobiDock通过机器人对接技术实现双臂移动机械臂的模块化自重构,提升协同控制的稳定性和效率。
2026-03-09 cs.RO
A Modular Framework to Generate Robust Biped Locomotion: From Planning to Control
IEETA / DETI University of Aveiro(阿威罗大学 IEETA / DETI)
由于其复杂的运动学和动力学特性,机器人具有固有的不稳定性。尽管人们在发展双足运动方面做了许多研究工作,但双足运动的性能仍然与预期相差甚远。本文提出了一种基于模型的框架,以产生稳定的运动。该框架的核心是一个抽象的动力学模型,该模型由三个质量组成,以考虑站立腿,躯干和摆动腿的动力学,以最大限度地减少跟踪问题。根据这个动力学模型,我们提出了一个模块化的步行参考轨迹规划器,考虑到障碍物规划的所有参考。此外,该动态模型被用来制定控制器作为一个模型预测控制(MPC)计划,它可以考虑一些限制的状态,系统,输入,输出和混合输入输出。使用MATLAB进行了几个数值模拟,所提出的框架的性能和鲁棒性进行了验证。此外,该框架被部署在一个模拟的扭矩控制的人形机器人,以验证其性能和鲁棒性。仿真结果表明,该框架能够鲁棒地产生机器人运动。
2021-04-21 cs.RO
Adaptive Variable Impedance Control for a Modular Soft Robot Manipulator in Configuration Space
Shahid Beheshti University(沙希德·贝赫什提大学);Technical University of Denmark(丹麦技术大学)
合规性是人机交互的强烈要求。软机器人提供了一个机会,以弥补传统的致动机构缺乏遵守,然而,他们的控制是非常具有挑战性的,因为他们的内在复杂的运动。因此,软机器人需要新的方法,例如,建模、控制、动力学和规划。确保顺应性的控制策略之一是阻抗控制。在存在耦合力和位置约束的任务执行期间,动态行为增加了阻抗控制的灵活性。这对控制系统的稳定性施加了一些额外的约束。为了解决这些问题,我们提出了一个可变的阻抗控制在配置空间中的模块化软体机器人操作器(MSRM)的模型不确定性和外力的存在。为了降低计算复杂度,采用基于动量的方法在位形空间估计外载荷,并设计自适应反推滑模控制器以防止不确定性。利用李雅普诺夫理论进行稳定性分析,不仅保证了所设计控制律下各状态的指数稳定性,而且保证了闭环系统的全局稳定性。系统性能的基准对其他传统的控制方法,如滑模(SM)和逆动态PD控制器。仿真结果表明,与SM和PD控制器相比,所提出的变阻抗控制在稳定位置误差和减小外部负载的影响方面是有效的。
2021-10-09 cs.RO cs.SY eess.SY
Modular Control Architecture for Safe Marine Navigation: Reinforcement Learning and Predictive Safety Filters
Norwegian University of Science and Technology(挪威科技大学);SINTEF Digital(辛特夫数字研究院)
本文提出将强化学习与预测安全滤波器相结合的模块化控制架构,用于自主船舶安全导航,在Cybership II仿真中验证其能在不降低学习性能的前提下有效保证安全约束。
2024-04-02 cs.AI cs.RO
Modular Adaptive Aerial Manipulation under Unknown Dynamic Coupling Forces
The University of Manchester(曼彻斯特大学);Czech Technical University in Prague(布拉格捷克技术大学);International Institute of Information Technology Hyderabad(海德拉巴国际信息技术学院);Southeast University(东南大学)
针对未知动态耦合力下的空中操作控制问题,提出一种无需耦合力先验知识的模块化自适应控制框架,允许独立调节各子动力学增益,解析证明闭环稳定且实时实验验证优于现有方法。
2024-10-10 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
Seeking Quality Diversity in Evolutionary Co-design of Morphology and Control of Soft Tensegrity Modular Robots
University of Trento(特伦托大学)
由于形态学和控制器之间的非平凡相互作用,设计最佳的软模块化机器人是困难的。进化算法(EA),结合物理模拟器,代表了一个有效的工具来克服这个问题。在这项工作中,我们研究的算法解决方案,以提高质量多样性的协同进化设计的张拉整体软模块化机器人(TSMRs)的两个机器人任务,即达到目标和挤压通过一个狭窄的通道。为此,我们使用三种不同的EA,即,MAP-Elites和两种自定义算法:一种基于生存力进化(ViE)和NEAT(ViE-NEAT),另一种称为双映射MAP-Elites(DM-ME),旨在寻求多样性,同时共同进化机器人形态和基于神经网络(NN)的控制器。详细地说,DM-ME扩展了MAP-Elites,因为它使用两个不同的特征图,分别指形态和控制器,并集成了一种机制来自动定义NN相关的特征描述符。考虑到适应度,在目标达成任务中,ViE-NEAT优于MAP-Elites,结果相当于DM-ME。相反,当考虑特征空间的“照明”方面的多样性时,DM-ME在两个任务上都优于其他两种算法,提供了更丰富的可能的机器人设计池,而ViE-NEAT在目标达成上显示出与MAP-Elites相当的性能,尽管它不利用任何地图。
2021-04-25 cs.NE cs.RO
SplitFlyer: a Modular Quadcoptor that Disassembles into Two Flying Robots
City University of Hong Kong(香港城市大学)
我们介绍SplitFlyer-一种新颖的四轴飞行器,能够通过人工协助拆卸成两个独立的双旋翼飞行器。作为一个子单元,双旋翼飞行器是一种严重欠驱动的飞行器,只有两个螺旋桨。尽管如此,每个双旋翼飞行器都能够独立飞行。为了实现这一点,我们提供了一个系统动力学分析放松控制偏航旋转,使双旋翼飞行器在飞行中保持其大的自旋速率。考虑到陀螺运动,动力学描述和级联控制策略的发展。我们建造了一个可变形的原型来演示两种构型的连续飞行。结果验证了所提出的控制策略,并显示了该平台的潜力,为未来的研究在模块化空中集群机器人。
2020-07-29 cs.RO
MARS-FTCP: Robust Fault-Tolerant Control and Agile Trajectory Planning for Modular Aerial Robot Systems
Department of Electrical and Computer Engineering, National University of Singapore(电子与计算机工程系,国立新加坡大学);Engineering Design and Innovation Centre, National University of Singapore(工程设计与创新中心,国立新加坡大学)
本文针对模块化空中机器人系统在对接分离时的振荡问题,提出一种适用于任意构型的容错控制重分配方法和敏捷避碰轨迹规划方法,首次实现MARS的容错避碰飞行,并通过仿真验证了其有效性。
2025-08-15 cs.RO cs.SY eess.SY
Distributed Predictive Control Barrier Functions: Towards Scalable Safety Certification in Modular Multi-Agent Systems
Institute for Dynamic Systems and Control, ETH Zurich(苏黎世联邦理工学院动态系统与控制研究所);University of California Berkeley(加州大学伯克利分校)
本文提出分布式预测性控制屏障函数(D-PCBF)作为多智能体系统的安全框架,通过模型预测确保在动态网络拓扑变化下的可恢复安全性,并通过仿真和实验证明其有效性。
2026-03-31 cs.RO cs.SY eess.SY
An Integrated Software-based Solution for Modular and Self-independent Networked Robot
Research Center for Physics(物理研究中心);Indonesian Institute of Sciences (LIPI)(印度尼西亚科学院(LIPI))
介绍了一种基于集成软件的模块化自主网络机器人解决方案。无线操作机器人主要用于自主监测工作,并通过网络进行完全控制。集成软件解决方案包括三个部分:a)用于数据检索和监控系统的数字信号处理单元; b)用于控制系统的外部可执行代码;以及c)用于最终用户与机器人接口的Web编程。认为这种基于集成软件的方法对于实现灵活、模块化和低开发成本的移动监测装置是至关重要的。
2008-11-29 cs.RO
Kinematic Modularity of Elementary Dynamic Actions
Massachusetts Institute of Technology(麻省理工学院)
本文提出一种基于 Elementary Dynamic Actions 的机器人控制运动学模块化方法,通过组合基本模块生成丰富运动,避免了逆运动学等问题,并在 KUKA 机器人上验证了其简化动作生成的有效性。
2024-03-22 cs.RO
Computational Design and Fabrication of Modular Robots with Untethered Control
Institute of Science and Technology Austria(奥地利科学与技术研究所);University of Tsukuba(茨口大学);Cluster Metaverse Lab(元宇宙集群实验室);ETH Zurich(苏黎世联邦理工学院);California Institute of Technology(加州理工学院);The University of Osaka(大阪大学)
本研究提出一种采用分布式驱动的模块化机器人设计控制框架,集成3D打印骨骼与LCE肌肉构建模块,搭配两款计算设计工具,实现无绳控制下的复杂变形与运动,推动机器人向生物体能力靠拢。
2025-08-31 cs.RO
Development and Validation of a Modular Sensor-Based System for Gait Analysis and Control in Lower-Limb Exoskeletons
Heidelberg University(海德堡大学);Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院);University of Waterloo(滑铁卢大学)
本研究开发了一种模块化传感器系统,结合模糊逻辑实现下肢外骨骼实时步态估计与控制,经三名参与者验证具备可靠的步态检测和生物力学测量能力,并通过开源设计推动可穿戴机器人创新。
2024-12-19 cs.HC cs.RO
Development of a Modular Real-time Shared-control System for a Smart Wheelchair
在本文中,我们提出了一个模块化的导航系统,可以安装在一个定期电动轮椅,以协助残疾儿童和老年人的自主移动和共享控制功能。缺乏独立的行动能力会严重影响个人的心理和身体健康,使他们感到不太自立,特别是患有脑瘫和认知能力有限的儿童。为了解决这个问题,我们提出了一个相对便宜的和模块化的系统,使用立体摄像机来执行任务,如路径规划,避障和碰撞检测在狭窄的走廊环境中。我们避免对轮椅的硬件进行任何重大更改,通过将车轮编码器替换为用于视觉里程计的立体摄像头来轻松安装。一个开源软件包,实时的【形】基于外观的映射包,运行在机器人操作系统(ROS)的顶部,使我们能够执行视觉SLAM,允许映射和定位自己的环境。路径规划由ROS提供的move base软件包执行,该软件包快速有效地计算轮椅的路径轨迹。在这项工作中,我们提出了系统的设计和开发,以及其重要的功能。此外,我们报告的实验结果,从一个凉亭模拟和现实世界的情况下,证明我们提出的系统具有紧凑的形状因子和一个单一的立体摄像头的有效性。
2022-11-27 cs.RO
TELESIM: A Modular and Plug-and-Play Framework for Robotic Arm Teleoperation using a Digital Twin
University of Glasgow(格拉斯哥大学)
本文提出模块化即插即用框架 TELESIM,以数字孪生为接口实现机械臂直接遥操作,并通过 37 名用户在两种机器人和两种控制模态下的实验验证了其易用性。
2023-09-20 cs.RO
Synthesizing Modular Manipulators For Tasks With Time, Obstacle, And Torque Constraints
Cornell University(康奈尔大学)
模块化机器人可以被定制以完成特定的任务,并重新排列以完成以前不可行的任务。挑战在于从大的搜索空间中选择合适的设计。在这项工作中,我们描述了一个框架,自动合成的设计和控制的串行链模块化机械手的任务描述。该任务包括在3D空间中要到达的点、时间约束、在末端执行器处要维持的负载以及在环境中要避免的障碍物。这些规范被编码为机器人运动学和动力学中的约束优化,如果找到解决方案,则公式返回特定的设计和控制以执行任务。最后,我们展示了我们的方法在一个复杂的规范,其中机器人导航的约束环境,同时持有一个对象。
2021-06-17 cs.RO