SPARC: Spine with Prismatic And Revolute Compliance for Faster Quadrupedal Bounding
Yue Wang
SPARC通过柔性脊柱设计提升四足机器人运动效率,减少21%能耗并优化高速性能。
2026-09-04 cs.RO cs.SY eess.SY
Review of Quadruped Robots for Dynamic Locomotion
本文介绍了四足机器人:MITCheetah,HyQ,ANYmal,BigDog,以及它们的机械结构,驱动和控制。
2022-09-25 cs.RO
Quadrupedal Spine Control Strategies: Exploring Correlations Between System Dynamic Responses and Human Perspectives
Hiroshi Ishiguro Laboratories, Advanced Telecommunication Research Institute International(高级电信研究所国际智能机器人实验室);Intelligent Robotics Laboratory, Osaka University(大阪大学智能机器人实验室);Guardian Robot Project, RIKEN(RIKEN守护机器人项目)
本文研究带四自由度脊柱的四足机器人轨迹生成策略,通过50人随机试验发现优化时变和足部跟踪策略比固定脊柱基线更自然,虽未提升能效但在高速下落足更一致,适合老年护理等社交场景。
2025-05-05 cs.HC cs.RO cs.SY
Search-based Kinodynamic Motion Planning for Omnidirectional Quadruped Robots
Zhejiang University(浙江大学)
自主导航在四足机器人系统中发挥着越来越重要的作用。然而,大多数现有的作品四足机器人导航使用传统的基于搜索或基于样本的方法不考虑四足机器人的kinodynamic特性,产生kinodynamically不可行的部分,难以跟踪。在本文中,我们介绍了一个完整的导航系统,考虑到全向能力的四足机器人。首先,我们使用kinodynamic路径寻找方法,以获得光滑,动态可行,时间最优的初始路径,并添加碰撞成本作为软约束,以确保安全。然后基于四足机器人的全方位模型,采用时间弹性带(TEB)方法对轨迹进行了细化。我们的工作的优越性能,证明通过模拟和现实世界的实验,我们的四足机器人爵英迷你。
2021-03-11 cs.RO
Design, Modeling and Control of a Quadruped Robot SPIDAR: Spherically Vectorable and Distributed Rotors Assisted Air-Ground Amphibious Quadruped Robot
The University of Tokyo(东京大学)
多模态运动能力是机器人领域的一个新兴课题,各种新型的移动机器人已经被开发出来,使地面和空中的域的机动。在这些混合机器人中,几个国家的最先进的双足\robots,使复杂的步行运动,这是交织在一起的飞行。这些机器人还希望具有操纵能力;然而,由于中心\ized转子布置,当前形式难以在半空中保持关节运动的稳定性。因此,在这项工作中,我们开发了一种新的空地两栖四足机器人称为SPIDAR,它是由球形矢量转子分布在每个链接,使步行运动和变形飞行的协助。F \irst,我们提出了一种独特的机械设计的四足机器人,使地面和空中运动。然后,我们揭示了这种混合机器人平台的建模方法,并进一步开发了一个集成的控制策略,步行和fl \ying与关节运动。最后,我们证明了所提出的混合四足机器人的可行性,通过执行一个无缝的运动,涉及静态行走和随后的飞行。据我们所知,这项工作是第一次实现一个\quadruped机器人具有多模态运动能力,这也表明在多个领域的操纵潜力。
2023-01-10 cs.RO
WoLF: the Whole-body Locomotion Framework for Quadruped Robots
Istituto Italiano di Tecnologia(意大利理工学院);Università di Trento(特伦托大学);PAL Robotics(PAL机器人公司)
全身运动框架(WoLF)是一个端到端的软件套件,专门用于四足机器人的本地操作。WoLF将四足机器人硬件的规划和控制的复杂性抽象为一个简单易用且强大的软件,该软件可以通过多个远程操作设备连接到不同的四足机器人模型。此外,WoLF允许与四足平台一起控制安装的设备,例如手臂或云台相机。在这篇简短的论文中,我们介绍了WoLF的主要功能及其整体软件架构。
2022-05-13 cs.RO
WALK-VIO: Walking-motion-Adaptive Leg Kinematic Constraint Visual-Inertial Odometry for Quadruped Robots
Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院)
本文提出了一种新的视觉-惯性里程计(VIO),它具有随身体运动而变化的步行运动自适应腿部运动约束,用于四足机器人的定位。四足机器人主要使用VIO,因为它们需要快速定位以进行控制和路径规划。然而,由于四足机器人主要用于户外,从天空或地面提取的无关特征会导致跟踪失败。此外,四足机器人的步行运动会导致摆动,这会降低由于相机和惯性测量单元(IMU)的定位精度。为了克服这些限制,许多研究人员使用VIO与腿部运动学约束。然而,由于四足机器人的步行运动根据控制器,步态,四足机器人的速度,等等,这些因素应该考虑的过程中添加腿运动学约束。我们提出了VIO,可以使用无论步行运动通过调整腿的运动学约束因子。为了评估WALK-VIO,我们创建并发布了四足机器人的数据集,这些机器人在仿真环境中以各种类型的步行运动移动。此外,我们通过与当前最先进的算法进行比较,验证了WALK-VIO的有效性。
2021-11-30 cs.RO
MASQ: Multi-Agent Reinforcement Learning for Single Quadruped Robot Locomotion
Harbin Institute of Technology Shenzhen(哈尔滨工业大学(深圳));School of Mechanical Engineering and Automation(机械工程与自动化学院);Guangdong Key Laboratory of Intelligent Morphing Mechanisms and Adaptive Robotics(广东省智能变胞机构与自适应机器人重点实验室)
本文提出MASQ方法,将单体四足机器人的每条腿视为智能体,通过共享全局评论家的多智能体强化学习进行协作探索,显著提升了运动学习的收敛速度与真实环境中的鲁棒性。
2024-10-17 cs.RO
Learning Agile Bipedal Motions on a Quadrupedal Robot
Institute for Interdisciplinary Information Sciences, Tsinghua University(清华大学交叉信息研究院);Shanghai Qi Zhi Institute(上海期智研究院)
本文提出分层框架,通过高层运动生成器与底层运动条件控制策略,使轻量级四足机器人能以后脚双足直立并完成多种类人敏捷运动及多模态人机交互。
2024-03-04 cs.RO
Learning Bipedal Walking on a Quadruped Robot via Adversarial Motion Priors
School of Mechanical Engineering, University of Leeds(利兹大学机械工程学院);Department of Computer Science, University College London(伦敦大学学院计算机科学系)
本文将融合 Adversarial Motion Priors 的师生学习框架迁移到双足模式四足机器人,实现盲走,并在仿真中验证其可稳定通过平地、楼梯及不平坦地形。
2024-07-02 cs.RO
Safe Spot: Perceived safety of dominant and submissive appearances of quadruped robots in human-robot interactions
Delft University of Technology(代尔夫特理工大学);Politecnico di Torino(都灵理工大学)
本研究针对四足机器人社会感知不足的问题,为Boston Dynamics Spot设计主导与服从两种行为人格,通过2×2被试内实验测试两种行走场景下的感知差异,发现服从型机器人感知安全性更高,为非人形机器人社交设计提供参考。
2024-03-08 cs.RO
Multi-Sensor State Estimation Fusion on Quadruped Robot Locomotion
本文提出了一种有效的结合各种传感器信息(惯性测量单元、关节编码器、摄像机和激光雷达)的状态估计算法
2021-08-12 cs.RO
Additively Manufactured Open-Source Quadruped Robots for Multi-Robot SLAM Applications
Virginia Tech(弗吉尼亚理工大学)
本文提出开源四足机器人Squeaky,以低成本可扩展硬件与软件支持多机器人SLAM地图合并,服务于SLAM、计算机视觉和强化学习研究。
2024-09-30 cs.RO
Kirin: A Quadruped Robot with High Payload Carrying Capability
四足机器人是一种多功能的移动平台,具有潜在的高负载能力。然而,现有的四足机器人大多以高机动性、高动态性和敏捷运动为目标。尽管如此,负载仍然是四足机器人不可或缺的能力。设计一个四足机器人与高负载能力还在深入探讨。在这项研究中,一个50公斤的电驱动四足机器人,麒麟,提出了利用有效载荷携带能力。麒麟是一个特点与棱柱准直接驱动(QDD)的腿。这种机构大大增强了有效载荷的承载能力。本研究提出了面向负载搬运的四足机器人的设计原则,包括机械设计、驱动器参数选择和运动控制方法。理论分析表明,对于现有的关节式膝关节机器人来说,搬运任务往往是一个瓶颈。通过采用棱柱形QDD腿,麒麟的有效载荷运载能力大大提高。为了证明麒麟的有效载荷携带能力,在初步实验中,高达125公斤的有效载荷升降静态立场和50公斤的有效载荷携带动态小跑进行了测试。也证明了与有效载荷携带的全身顺应性。
2022-02-21 cs.RO
HyperDog: An Open-Source Quadruped Robot Platform Based on ROS2 and micro-ROS
Skoltech(斯科尔科沃科学技术研究院)
四足步行机器人的设计与开发是目前一个十分活跃的科研领域。事实上,与其他移动机器人相比,足式机器人由于其适应恶劣地形和各种环境条件的能力而变得流行。随着人们对足式机器人实验的需求越来越高,越来越多的研究者和工程师需要一种经济、快速的运动算法开发方法。在本文中,我们提出了一种新的开源四足机器人HyperDog平台,它具有12个RC伺服电机,板载NVIDIA Jetson纳米计算机和STM32 F4 Discovery板。HyperDog是一个用于四足机器人软件开发的开源平台,它基于Robot操作系统2(ROS 2)和micro-ROS。此外,HyperDog是一种完全由3D打印部件和碳纤维制成的四足机器狗,这使得机器人具有较轻的重量和良好的强度。这项工作的想法是展示一个负担得起的和可定制的机器人开发方式,并提供研究和工程师与足式机器人平台,在不同的算法可以在仿真和真实环境中进行测试和验证。已开发的项目和代码可在GitHub(https://github.com/NDHANA94/hyperdog_ros2)上获得。
2022-09-19 cs.RO
Autonomous Grasping On Quadruped Robot With Task Level Interaction
Department of Electrical Engineering, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia(电气工程系,十月份十号技术大学,Surabaya,印度尼西亚);Department of Computer Engineering, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia(计算机工程系,十月份十号技术大学,Surabaya,印度尼西亚);Department of Informatics, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia(信息系,十月份十号技术大学,Surabaya,印度尼西亚)
本研究提出一种基于任务级交互的四足机器人自主抓取系统,通过硬件集成、分层控制和网络界面实现导航、物体检测和抓取任务,实验表明其在真实环境中的抓取成功率高达75%。
2025-11-30 cs.RO
Enhancing Worker Safety in Harbors Using Quadruped Robots
Rice Lab, University of Genova(里奇实验室,热那亚大学);RAISE Ecosystem(RAISE生态系统);Autorità di Sistema Portuale del Mar Ligure Occidentale(利古里亚西海岸港口系统管理局)
本文提出利用四足机器人识别港口关键区域并进行检查,以提升港口工人安全。
2026-01-27 cs.RO
Stanford Pupper: A Low-Cost Agile Quadruped Robot for Benchmarking and Education
Stanford University(斯坦福大学)
我们介绍了斯坦福大学的Pupper,一个易于复制的开源四足机器人专门设计为腿机器人研究的基准平台。该机器人具有高比功率的扭矩可控无刷电机,可以测试阻抗和基于扭矩的机器学习和优化控制方法。Pupper可以在8小时内从头开始建造,总成本低于2000美元,所有组件都可以轻松购买或3D打印。为了严格比较控制方法,我们引入了两个基准测试,Sprint和Scramble,并由斯坦福大学学生机器人技术公司维护。这些基准测试高速动态运动能力,以及对非结构化地形的鲁棒性。我们提供了一个参考控制器与动态,全向步态,作为比较的基线。多个机构通过独立制造的机器人展示了生殖能力。所有材料都可以在https://stanfordstudentrobotics.org/quadruped-benchmark上找到。
2022-02-03 cs.RO
NeuroSwarm: Multi-Agent Neural 3D Scene Reconstruction and Segmentation with UAV for Optimal Navigation of Quadruped Robot
Skoltech(斯科尔科沃科学技术研究院)
提出多智能体系统NeuroSwarm,结合3D神经重建与自适应神经场最优运动规划器(ANFOMP),实现四足机器人环境感知与高度自适应导航,使路径长度减少33.3%,导航时间减少70%。
2023-08-03 cs.RO
Chalito: An Extensible Library for Filtering-Based State Estimation in Quadruped Robots
Pontifical Catholic University of Rio de Janeiro(里约热内卢天主教大学);Istituto Italiano di Tecnologia(意大利技术研究院)
研究针对四足机器人状态估计,提出Chalito库,它可从URDF导入模型,支持多种滤波方法,能在模拟和真实数据集上运行,实现对机器人和滤波器的系统评估,是首个专用于四足机器人滤波算法基准测试的开源库。
2026-07-14 cs.RO
ReQuBiS -- Reconfigurable Quadrupedal-Bipedal Snake Robots
Visvesvaraya National Institute of Technology(维斯瓦瓦拉亚国家理工学院);NASA-JPL, Caltech(加州理工学院NASA喷气推进实验室)
机器人导航的移动模式的选择包括各种权衡。蛇形机器人非常适合穿越受限的环境,如管道,杂乱和粗糙的地形,而双足机器人更适合结构化的环境,如楼梯。最后,四足机器人比两足机器人更稳定,可以携带比蛇和两足机器人更大的有效载荷,但难以在软土、沙子、冰和受限环境中航行。一个可重构的机器人可以实现最好的世界。不幸的是,最先进的可重构机器人依赖于通过复杂的机制重新排列模块,以便在不同的地方拆卸和组装,从而增加了对尺寸、重量和功率(SWaP)的要求。我们提出了可重构四足-双足蛇机器人(ReQuBiS),它可以在不重新排列模块的情况下在移动模式之间转换。因此,仅需要单个修改机制。此外,我们的设计允许机器人分裂成两个代理并行执行任务的机器人和蛇的流动性。实验结果表明,这些移动能力在蛇,四足动物,和双足模式和它们之间的过渡。
2021-07-02 cs.RO
Design, Manufacturing, and Controls of a Prismatic Quadruped Robot: PRISMA
Indian Institute of Technology, Roorkee(印度理工学院鲁尔基分校)
大多数的四足发展是高度致动,因此,他们的控制是相当繁琐。它们需要先进的电子设备来连续求解复杂的逆运动学方程。此外,它们需要特殊且昂贵的传感器来自主地在环境中导航,因为传统的距离传感器通常会因为机器人运动引起的连续扰动而失效。另一个挑战是在行走时保持机器人的连续动态稳定性,这需要复杂和最先进的控制算法。本文全面描述了我们的内部棱镜关节四足机器人PRISMA的硬件设计和控制架构。我们的目标是打造一个强大的和运动学稳定的四足机器人,可以使用基本的控制算法,并利用传统的传感器来导航未知的环境。我们讨论了机器人在其运动,不同的脚轨迹,可制造性和控制方面的优点和局限性。
2021-12-27 cs.RO
Towards Computer-Vision Based Vineyard Navigation for Quadruped Robots
Istituto Italiano di Tecnologia(意大利理工学院)
现代葡萄园的熟练劳动力严重短缺。Vinum项目正在开发一种移动机器人解决方案,用于在葡萄园中自动导航,进行冬季葡萄修剪。这就需要一个自主导航堆栈,用于修剪葡萄园的机器人。Vinum项目正在使用四足机器人HyQReal。本文介绍了一种四足机器人的架构,通过识别和接近葡萄修剪葡萄园自主移动。更高级别的控制是一个状态机,在搜索目的地位置、自主导航到这些位置以及停下来让机器人完成任务之间切换。通过使用来自基于掩码区域的卷积神经网络(Mask-RCNN)的实例分割来识别葡萄树树干来确定目的地点。这些检测通过滤波器发送,以避免冗余并去除噪声检测。这些功能的组合是所提出的架构的基础。
2023-01-02 cs.RO
Stable Stair-Climbing of a Quadruped Robot
K. N. Toosi Univ. of Technology(K.N.图西理工大学)
本文的研究重点是设计一种能使四足机器人爬楼梯的稳定步态。为此,首先基于最小步数和最大限度地使用腿部工作空间来进行从初始配置到期望配置的稳定过渡,以使机器人为运动做好准备。下一步,摆动腿和身体的轨迹规划一个成功的爬楼梯步态.之后,提出了一种稳定的旋转步态来改变身体的方向。我们模拟我们的步态规划算法的四足机器人模型。仿真结果表明,机器人能够在保证稳定性的前提下完成爬楼梯、绕偏航轴旋转和爬楼梯的动作。
2018-09-08 cs.RO
Quadruped Robot Simulation Using Deep Reinforcement Learning -- A step towards locomotion policy
Asian Institute of Technology(亚洲理工学院);RaiSim Tech Inc(RaiSim科技公司)
本文提出一种基于深度强化学习的四足机器人仿真训练方法,利用raisimGymTorch和RaiSim仿真ANYmal,通过近端策略优化算法求解MDP,在有限资源下实现有效运动策略,并为后续研究提供基础。
2025-02-23 cs.RO
CEAR: Comprehensive Event Camera Dataset for Rapid Perception of Agile Quadruped Robots
针对敏捷四足机器人快速感知场景缺乏事件相机数据集的问题,研究团队推出包含多传感器数据、覆盖多场景多运动模式的CEAR数据集,为相关研究提供支撑。
2024-07-12 cs.RO
Contact Planning for the ANYmal Quadruped Robot using an Acyclic Reachability-Based Planner
University of Oxford(牛津大学);Sabanci University(萨班哲大学);CNRS(法国国家科学研究中心)
尽管四足机器人在过去十年中取得了巨大的进步,但在高度不均匀和混乱的环境中选择良好的接触点(立足点)仍然是一个公开的挑战。本文建立在一种已成功用于人形机器人的最先进方法的基础上,并将其应用于我们的机器人平台;四足机器人ANY-mal。所提出的算法将问题分解为两个子问题:首先生成机器人的引导轨迹,然后沿着该轨迹创建接触。这两个子问题都依赖于需要调整的近似和算法。这项工作的主要贡献是解释该算法如何被重新调整到与任何故障一起工作,并在现实的动态模拟中显示该方法与各种测试的相关性。
2019-04-17 cs.RO
Human Motion Control of Quadrupedal Robots using Deep Reinforcement Learning
Seoul National University(首尔国立大学);Georgia Institute of Technology(佐治亚理工学院)
基于运动的控制界面通过将用户的直觉与机器人的运动能力相结合,保证了机器人在危险环境中的灵活操作。然而,为非人形机器人(如四足或六足机器人)设计运动接口并不简单,因为不同的动力学和控制策略支配着它们的运动。我们提出了一种新的运动控制系统,允许人类用户无缝地操作四足机器人上的各种电机任务。我们首先使用监督学习和后处理技术将捕获的人体运动重定向到具有适当语义的相应机器人运动。然后,我们将动作模仿学习与课程学习相结合,开发了一种能够跟踪给定重定向参考的控制策略。我们通过训练一组专家来进一步提高运动重定向和运动模仿的性能。正如我们所展示的,用户可以使用我们的系统执行各种运动任务,包括站立,坐着,倾斜,操纵,行走和转动,模拟和真实的四足动物。我们还进行了一组研究,以分析每个组件引起的性能增益。
2022-04-28 cs.RO
Stable and Robust SLIP Model Control via Energy Conservation-Based Feedback Cancellation for Quadrupedal Applications
Department of Mechanical Engineering(机械工程系)
本文提出基于能量守恒的SLIP控制架构,通过支撑阶段跟踪抛物线样条实现四足机器人稳定弹跳,并在Ghost Robotics Minitaur仿真中验证了其对10%传感器误差的鲁棒性。
2025-11-07 cs.RO
Learning Multiple Gaits within Latent Space for Quadruped Robots
Shanghai Jiao Tong University(上海交通大学)
本文提出一种端到端训练框架,通过步态编码器与生成器构建潜空间,并结合步态相关奖励和条件对抗运动先验,使四足机器人Go1仅凭本体感知即可学习并切换多种自适应步态。
2023-08-06 cs.RO
Two-layer adaptive trajectory tracking controller for quadruped robots on slippery terrains
Institute of Computer Science, Foundation for Research and Technology–Hellas(希腊基础研究与技术基金会计算机科学研究所);Hellenic Mediterranean University(希腊地中海大学);University of Crete(克里特大学)
针对四足机器人在湿滑地形上因腿部不稳定接触导致的控制难题,提出一种包含两层优先适应机制的自适应轨迹跟踪控制器,以避免单腿或多腿滑动,并通过仿真和实验验证了其有效性。
2023-04-03 cs.RO
Asymmetric physics enables efficient learning in quadrupedal robot swarms
Shanghai Jiao Tong University(上海交通大学);Independent Researcher(独立研究者)
通过非对称物理方法,将高保真非可微模拟器与可微代理模型结合,实现多达512个四足机器人在障碍环境中高效学习视觉去中心化协调策略,并零样本迁移到真实机器人。
2026-06-23 cs.RO
Passive Whole-body Control for Quadruped Robots: Experimental Validation over Challenging Terrain
Istituto Italiano di Tecnologia (IIT)(意大利理工学院);LAAS-CNRS(法国国家科学研究中心自动化系统实验室)
我们目前的实验结果使用被动全身控制的方法,实现动态运动的同时,顺应平衡机器人的躯干四足机器人。我们制定的运动跟踪作为一个二次规划(QP),考虑到完整的机器人刚体动力学,驱动限制,关节限制和接触的相互作用。我们分析了控制器的鲁棒性对不准确的摩擦系数估计和不稳定的立足点,以及它的能力,重新分配负载的结果,强制执行的驱动限制。此外,我们提出了实际的实施细节,从实际平台的经验。在90公斤重的液压驱动四足(HyQ)机器人上进行了广泛的实验测试,验证了该控制器在各种地形条件和步态下的能力。所提出的方法是优越的准确执行高动态运动相对于当前的最新技术水平。
2019-03-13 cs.RO
Hierarchical Adaptive Control for Collaborative Manipulation of a Rigid Object by Quadrupedal Robots
University of Southern California(南加州大学)
本文提出一种用于四足机器人协作操作刚性物体的分层控制系统,包含自适应力计算、基于QP的力分配与接触点优化、以及分散式移动操作控制器,成功在仿真中实现不同地形下操作18kg未知物体并保持稳定。
2023-07-28 cs.RO
Minimizing Acoustic Noise: Enhancing Quiet Locomotion for Quadruped Robots in Indoor Applications
Department of Computer Science and Engineering, Shanghai Jiao Tong University(计算机科学与工程系,上海交通大学);Department of Automation, Shanghai Jiao Tong University(自动化系,上海交通大学);MoE Key Lab of Artificial Intelligence and AI Institute, Shanghai Jiao Tong University(人工智能与AI研究所,上海交通大学)
针对四足机器人在噪声敏感室内环境中移动噪声易被忽视的问题,提出结合优化步态设计与定制控制策略的新方法,实现约8 dBA的平均降噪,提升了其室内安静运行的适用性。
2025-06-29 cs.RO
Agile and Safe Trajectory Planning for Quadruped Navigation with Motion Anisotropy Awareness
School of Artificial Intelligence and Automation, Huazhong University of Science and Technology, China(华中科技大学人工智能与自动化学院)
本文提出了一种考虑四足机器人运动各向异性的导航框架,通过轨迹生成与优化提升导航效率和安全性。
2024-03-15 cs.RO
In-between Motion Generation Based Multi-Style Quadruped Robot Locomotion
Adaptive Robotic Controls Lab (Arclab), Department of Mechanical Engineering, The University of Hong Kong(适应性机器人控制实验室(Arclab)、机械工程系、香港大学)
针对四足机器人参考运动数据多样性受限的问题,提出基于中间运动生成的多风格运动框架,利用CVAE生成器合成满足物理约束的多步态运动序列,并基于生成数据训练模仿策略,在真实机器人上验证了速度跟踪与部署稳定性的显著提升。
2025-08-10 cs.RO
Non-verbal Interaction and Interface with a Quadruped Robot using Body and Hand Gestures: Design and User Experience Evaluation
Seoul National University(首尔大学);University of Florida(佛罗里达大学);Morgan State University(摩根州立大学);University of Toronto(多伦多大学)
本文通过初步研究和原型实验,探究人与四足机器人的非语言交互方式,发现用户更偏好身体手势而非手部手势或语音,且身体手势交互具有更高满意度和任务完成效率。
2024-08-30 cs.RO
An adaptive hierarchical control framework for quadrupedal robots in planetary exploration
Robotics Innovation Center, DFKI GmbH(德意志联邦共和国家际机器人创新中心,DFKI GmbH);German Aerospace Center, Institute of Space Systems(德国航空航天中心,空间系统研究所);University of Bremen(不莱梅大学)
针对行星探索中地形与机器人参数不确定的问题,提出融合模型动态控制、在线模型自适应和自适应步幅规划的开源 ROS 2 四足控制框架,并经多平台与火山场地700米行走验证。
2025-10-20 cs.RO
MEVIUS2: Practical Open-Source Quadruped Robot with Sheet Metal Welding and Multimodal Perception
Department of Mechano-Informatics, Graduate School of Information Science and Technology, The University of Tokyo(机械信息学系,信息科学与技术研究生院,东京大学)
MEVIUS2是首个基于电子商务服务可订购的开源四足机器人,采用金属焊接与加工技术实现坚固结构,集成LiDAR和高动态范围相机实现多模态感知,能有效应对复杂地形。
2026-03-23 cs.RO
LoCoQuad: A Low-Cost Arachnoid Quadruped Robot for Research and Education
University of Zaragoza(萨拉戈萨大学)
开发真正的机器人系统需要机械、电子和软件的紧密集成。大多数时候,现有的机器人平台要么是封闭的,要么是昂贵的,要么两者兼而有之,而内部解决方案的开发和维护成本高昂。开源和低成本的设计对于促进获得真正的机器人平台并使该领域取得进一步进展至关重要。LoCoQuad是一个蛛网膜四足平台,我们设计的目标是机器人技术的研究和教育。为了满足这两个目标,我们的平台允许高度的灵活性和可配置性。我们的腿式设计具有最低的硬件成本,在150- 165美元的范围内。我们通过运行几个实验来验证机器人平台的所有功能。所有的机械和电子设计以及所有的软件都是开源的,可以在以下网站找到:https://github.com/TomBlackroad/LoCoQuad
2020-03-19 cs.RO
CPG-Based Control Scheme for Quadruped Robot to Withstand the Lateral Impact
Beijing Institute of Technology(北京理工大学)
针对四足机器人在侧向冲击下的稳定性问题,提出了一种基于侧小跑的稳定性控制策略。我们首先提出了保持平衡的五个必要条件。然后将经典的带有霍普夫振荡器的四神经元中枢模式发生器(Central Pattern Generator,CPG)网络扩展为带有四个激活神经元的八神经元网络,用于控制侧小跑。通过对网络参数的适当调整,该网络能够实现侧、纵小跑步态的协调。基于零运动点(ZMP)理论,机器人被建模为倒立摆,规划重心(CoG)的位置,并计算所需的横向步长。仿真结果表明,四足机器人受到侧向冲击后,其侧向加速度在较短时间内恢复到正常范围。结果表明,机器人所能承受的最大侧向冲击力从0.72g提高到1.55g,提高了125%。
2017-11-21 cs.RO
An Adaptive Control Algorithm for Quadruped Locomotion with Proprioceptive Linear Legs
Shenzhen Institute of Artificial Intelligence and Robotics for Society (AIRS)(深圳人工智能与机器人研究院);Georgia Institute of Technology(佐治亚理工学院);Hong Kong University of Science and Technology(香港科技大学);Southern University of Science and Technology (SUSTech)(南方科技大学);Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
四足机器人表现出巨大的潜力,以穿越粗糙的地形与有效载荷。许多传统的腿式动态运动控制方法是基于模型的,并表现出高灵敏度的模型不确定性和有效载荷的变化。因此,高性能的模型参数估计变得不可或缺。然而,负载的惯性参数通常是未知的,动态变化时,四足机器人部署在多样化的任务。为了解决这个问题,在线识别的惯性参数和质心(CoM)的位置的负载的四足机器人吸引了越来越多的兴趣。本研究针对高负载容量(负载与机器人自重之比)四足机器人的运动,提出一种基于负载辨识的自适应控制器。我们称之为自适应控制器的四足机器人运动(ACQL),它包括一个递归的更新规律和控制规律。ACQL在线估计由有效载荷引起的外力和扭矩。该估计被纳入基于逆动力学的二次规划(QP)实现小跑步态。因此,机器人的CoM和定向轨迹的跟踪精度得到提高。所提出的方法,ACQL,在一个真正的四足机器人平台进行了验证。实验证明,有效载荷重量从20 $kg$到75 $kg$,并加载在不同的位置的机器人的躯干的估计效率。
2022-02-03 cs.RO
Design and Attitude Control of an Underwater Quadruped Robot
Norwegian University of Science and Technology(挪威科技大学)
本文设计并验证了一种可复现的水下四足机器人,通过简化模型和基于SO(3)的闭环姿态控制器,实现了滚转、俯仰和偏航的姿态跟踪。
2026-09-10 cs.RO
Assessment of the Utilization of Quadruped Robots in Pharmaceutical Research and Development Laboratories
Baxalta Innovations GmbH, a Takeda company(武田旗下百特创新有限公司);Óbuda University(奥布达大学)
本文评估了波士顿动力Spot四足机器人在制药研发实验室远程检查中的可行性,并展望了其最新技术进展及未来应用前景。
2023-07-03 cs.RO
AIMS: An Adaptive Integration of Multi-Sensor Measurements for Quadrupedal Robot Localization
College of Automation Chongqing University of Posts
AIMS通过自适应融合LiDAR、IMU和腿里程计,提升四足机器人在退化环境中的定位精度和鲁棒性。
2026-01-04 cs.RO
Stanford Doggo: An Open-Source, Quasi-Direct-Drive Quadruped
本文介绍了斯坦福狗,一个准直接驱动的四足动物能够动态运动。该机器人匹配或超过最先进的足式机器人的常见性能指标。在垂直跳跃敏捷性方面,一个衡量平均垂直速度的指标,斯坦福狗狗与表现最好的动物相匹配,并超过之前最好的机器人22%。一个整体的设计架构,重点放在我们的准直接驱动的设计方法。复制这个机器人的硬件和软件是开源的,只需要手工工具来制造和组装,成本不到3000美元。
2019-05-10 cs.RO
Robust Ladder Climbing with a Quadrupedal Robot
ETH Zurich, Robotics Systems Lab(苏黎世联邦理工学院机器人系统实验室)
本文提出基于强化学习控制策略与钩状末端执行器的四足机器人爬梯方法,在仿真和硬件上验证了其鲁棒性,实现了70°至90°梯角下90%成功率及比现有方法快232倍的攀爬速度,拓展了工业四足机器人的应用范围。
2025-07-22 cs.RO
Pretraining-finetuning Framework for Efficient Co-design: A Case Study on Quadruped Robot Parkour
Zhejiang University(浙江大学);DeepRobotics Company(深度机器人公司);University of Science and Technology of China(中国科学技术大学)
受自然界前后腿不对称动物的启发,本研究提出预训练-微调框架实现四足机器人机械结构与控制策略的协同优化,结合空间域随机化与正则化提升网络泛化性,以更低时间成本显著提升机器人极限跑酷能力。
2024-09-14 cs.RO
Technical Report on: Tripedal Dynamic Gaits for a Quadruped Robot
University of Pennsylvania(宾夕法尼亚大学)
本文针对四足机器人单肢缺失问题,实证研究了一种容错三足动态步态,通过将平面单足跳跃模板组合应用于三足空间机器,为受损四足机器人的恢复步态开发提供了可推广的指导。
2023-09-22 cs.RO
Energy Prediction on Sloping Ground for Quadruped Robots
本文提出了一种基于机载传感器的四足机器人斜坡地面能耗模型,通过实地验证展示了能耗与坡度角及航向的关系,支持路径级能量预测。
2026-03-12 cs.RO
Quadruped robot traversing 3D complex environments with limited perception
Tsinghua University(清华大学);University of Michigan(密歇根大学);Shanghai University(上海大学)
针对外部传感器失效场景下四足机器人穿越3D复杂环境的难题,提出仅依赖本体感受传感的端到端学习型运动控制器,通过碰撞检测增强障碍感知,经仿真与实机验证可有效提升复杂环境通行能力。
2024-07-14 cs.RO
Safety-critical Control of Quadrupedal Robots with Rolling Arms for Autonomous Inspection of Complex Environments
California Institute of Technology (Caltech)(加州理工学院(Caltech))
针对复杂多层环境下四足机器人自主巡检的安全移动问题,提出包含轨迹生成、落脚点重规划、安全关键控制等模块的框架,结合降阶与全身体模型,经实物实验验证可实现塔盘层级间的安全自主导航切换。
2023-12-12 cs.RO
Learning-based Design and Control for Quadrupedal Robots with Parallel-Elastic Actuators
ETH Zurich(苏黎世联邦理工学院);TU Darmstadt(达姆施塔特工业大学)
双弹性关节可以通过附加力矩辅助驱动器来提高机器人的效率和强度。为了实现这些好处,需要仔细设计弹簧。然而,设计机器人是一个迭代和繁琐的过程,往往依赖于直觉和直觉。我们介绍了一个设计优化框架,使我们能够共同优化的四足机器人的并行弹性膝关节和运动控制器,最小的人类直觉。我们设计了一个平行的弹性关节,并优化其参数方面的效率在一个无模型的方式。在第一步中,我们使用无模型强化学习来训练设计条件策略,能够在预定义的设计参数范围内控制四足动物。然后,我们使用贝叶斯优化来找到使用该策略的最佳设计。我们使用这个框架来优化我们的四足机器人ANYmal的膝盖平行弹性弹簧参数与最优控制器。我们评估的优化设计和控制器在现实世界中的实验在各种地形。我们的研究结果表明,新系统提高了33%的机器人的扭矩平方效率相比,基线和最大关节扭矩减少了30%,而不影响跟踪性能。改进后的设计使平坦地形上的操作时间延长了11%。
2023-01-09 cs.RO