Open-Ended Evolutionary Robotics: an Information Theoretic Approach
CNRS（法国国家科学研究中心）；INRIA Saclay（法国国家信息与自动化研究所萨克莱分部）；Université Paris-Sud（巴黎南大学）
本文主要研究嵌入式进化机器人自驱动适应度函数的设计。所提出的方法认为熵的感觉电机流所产生的机器人控制器。这个熵是使用无监督学习计算的;它的最大化，通过一个机载进化算法实现，实现了“好奇心本能”，有利于控制器访问许多不同的感觉运动状态（sms）。此外，一个个体发现的短信集可以传递给它的后代，使文化进化模式成为可能。累积熵（根据祖先和当前个人对sms的访问计算）定义了另一种自我驱动的适应性;它的优化实现了“发现本能”，因为它有利于控制者访问新的或罕见的感觉运动状态。对Lehman和Stanley（2008）提出的基准问题的实证结果比较证明了该方法的优点。
2010-06-25 cs.RO
Multi-Objective Algorithms for Learning Open-Ended Robotic Problems
Universite De Sherbrooke（舍布鲁克大学）；Menya AI division（Menya人工智能部门）；Levio（Levio公司）
针对四足机器人运动中的训练不稳定和样本效率低问题，提出利用多目标进化算法作为自动课程学习机制的MOL方法，在MuJoCo中显著提升了稳定性和适应性。
2024-11-11 cs.NE cs.RO
Behaviour Trees for Evolutionary Robotics
Delft University of Technology（代尔夫特理工大学）
进化机器人允许具有有限传感器和处理能力的机器人通过感觉-运动协调来处理复杂任务。在本文中，我们展示了第一个应用程序的行为树框架，一个真正的机器人平台，使用进化机器人方法。这个框架是用来提高的新兴机器人的行为相比，传统的神经网络制定的可理解性。因此，在跨越从模拟到现实的现实差距时，行为更容易理解和手动适应。这一功能通过使用20克DelFly Explorer扑翼微型飞行器进行实际飞行测试来展示，该飞行器配备了4克机载立体视觉系统。实验表明，DelFly可以完全自主地搜索和飞行通过一个窗口，只有它的机载传感器和处理。模拟中优化行为的成功率为88%，用户适应后相应的真实世界性能为54%。虽然这还有改进的余地，但它比调优的用户定义控制器的46%成功率要高。
2015-08-07 cs.RO
Online Feedback Control for Input-Saturated Robotic Systems on Lie Groups
Northwestern University（西北大学）
在本文中，我们提出了一种方法来设计在线反馈控制器的输入饱和的机器人系统上进化的李群通过扩展最近开发的顺序动作控制（SAC）。与现有的反馈控制器相比，我们的方法提出了非凸约束非线性最优化问题的李群的配置空间上所需的负模式插入梯度的跟踪。这导致即使在输入饱和的情况下也是闭合形式的反馈控制规律，因此非常适合于在线应用。将SAC推广到李群上，导出了相应的模式插入梯度，并研究了李群上的开关时间优化问题。我们在SE（2）上的2D运动汽车和SE（3）上的3D四旋翼中展示了我们方法的有效性和可扩展性。我们还实现了iLQG的四元模型和SAC相比，表明SAC是计算速度更快，并具有更大的吸引区域。
2017-08-31 cs.RO math.OC
Designing Robots to Help Women
Halmstad University（哈尔姆斯塔德大学）；Linköping University（林雪平大学）；Swedish Police Authority（瑞典警察当局）
针对女性在机器人领域代表性不足的问题，本研究采用推测性原型设计方法，通过草图和开发检测隐藏摄像头的无人机原型，探索专为女性设计的机器人方案，以促进更安全包容的未来。
2025-03-03 cs.HC cs.RO
Robots Need Some Education: On the complexity of learning in evolutionary robotics
University of Oslo（奥斯陆大学）；École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）；Leiden University（莱顿大学）；Edinburgh Napier University（爱丁堡龙比亚大学）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）
本文探讨了在进化机器人学中整合学习技术的复杂性，提出并分析了多种学习算法以优化机器人控制器设计。
2026-04-05 cs.AI cs.RO
Designing for Caregiving: Integrating Robotic Assistance in Senior Living Communities
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
机器人在帮助为老龄化人口提供护理方面具有重要的前景，并有助于克服日益增长的护理需求。虽然大量的研究已经探索了机器人辅助残疾人和与年龄相关的挑战，但过去的工作主要集中在建立机器人辅助能力上，尚未充分考虑专业护理人员如何使用这些能力。为了更好地了解支持老龄化人口的护理人员的工作流程和实践，并确定如何将机器人辅助融入他们的工作中，我们在一个老年生活社区中使用人种学和协同设计方法进行了一项实地研究。根据我们的研究结果，我们为机器人辅助创造了一系列设计机会，我们将其分为三个不同的部分：支持护理人员的工作流程，适应居民的能力，并为所有利益相关者提供反馈。
2022-05-18 cs.RO
A Methodology for Designing Knowledge-Driven Missions for Robots
Computer Vision and Aerial Robotics group (CVAR), Centre for Automation and Robotics (CAR) Universidad Politécnica de Madrid (UPM), Madrid, Spain（计算机视觉与空中机器人小组（CVAR）、自动化与机器人中心（CAR）马德里理工大学（UPM）、马德里，西班牙）
本文提出了一种基于知识图谱的机器人任务设计方法论，通过在ROS 2系统中实现，提升自主任务的效率和智能性。
2026-07-30 cs.AI cs.RO
"Oh, Sorry, I Think I Interrupted You'': Designing Repair Strategies for Robotic Longitudinal Well-being Coaching
University of Cambridge（剑桥大学）；Politecnico di Milano（米兰理工大学）
本文提出一个4阶段设计过程，联合真实利益相关者为机器人纵向健康辅导设计错误修复策略，发现用户期望差异及场景偏好变化。
2024-01-08 cs.RO
On Self-Adaptive Mutation Restarts for Evolutionary Robotics with Real Rotorcraft
CSIRO（澳大利亚联邦科学与工业研究组织）
自适应参数越来越多地用于进化机器人领域，因为它们允许关键的进化速率在整个优化过程中以上下文敏感的方式自主变化。自适应突变的一个重要限制是，速率可以设置不利，这阻碍了收敛。速率重启通常被用来解决这个问题，但到目前为止，它只应用于进化机器人中的纯变异算法。本文重点研究了进化率重启在多个进化算子的种群算法中的应用水平。在一个真实的hexacopter悬停任务测试后，我们得出结论，个人层面的重新启动结果在更高的适应度的解决方案没有健身停滞，人口重新启动提供了一个更稳定的速率进化。如果不重新启动，实验可能会陷入次优控制器/速率组合，难以摆脱。
2017-04-03 cs.NE cs.RO
Robotic capabilities framework: A boundary object and intermediate-level knowledge artifact for co-designing robotic processes
Politecnico di Torino（都灵理工大学）；TU Delft（代尔夫特理工大学）；RoboHouse
本文提出机器人能力框架，通过跨学科协作设计，促进人机协作的公正与协作未来。
2025-12-02 cs.RO
Challenges and Opportunities of Evolutionary Robotics
Navy Center for Applied Research in Artificial Intelligence（海军人工智能应用研究中心）；Naval Research Laboratory（海军研究实验室）
随着机载传感器的种类和数量的增加，以及机载机器人在越来越小的封装中提供更大的计算能力，机器人硬件设计变得越来越复杂。然而，硬件的这些进步并不能自动转化为控制复杂机器人的更好的软件。进化技术有可能解决机器人技术中的许多难题，这些难题与简单的传统方法相悖，但也带来了许多挑战。包括人工生命、认知科学和神经网络、基于规则的系统、基于行为的控制、遗传算法和其他形式的演化计算在内的众多学科都对形成进化机器人的当前状态做出了贡献。本文概述了进化机器人技术这一新兴领域的发展，并讨论了该领域从业人员目前面临的一些机遇和挑战。
2007-06-04 cs.NE cs.RO
Designing a Hair-Clip Inspired Bistable Mechanism for Soft Fish Robots
Columbia University（哥伦比亚大学）
本研究针对软体机器人功能提升需求，基于前期提出的发夹双稳态机构，设计了由PETG、碳纤维增强塑料和钢制成的新型鱼机器人推进系统，推导验证相关理论并明确关键参数影响，可实现鱼类机器人的高频高速波动游泳。
2023-11-06 cs.RO
Integrating Sample Inheritance into Bayesian Optimization for Evolutionary Robotics
Department of Informatics, University of Oslo（信息学院，奥斯陆大学）
本文提出利用样本继承提升贝叶斯优化在进化机器人中的性能，通过两种继承方式验证了其有效性，展示了低预算下的高效优化策略。
2026-01-07 cs.RO
Simulation-Driven Evolutionary Motion Parameterization for Contact-Rich Granular Scooping with a Soft Conical Robotic Hand
OMRON SINIC X Corporation（欧姆龙SINIC X公司）；University of Groningen（格罗宁根大学）
本文提出一种基于仿真的进化运动参数化方法，用于通过柔性圆锥形机械手进行复杂颗粒抓取任务，通过仿真和真实机器人实验验证，实现了高效且通用的抓取性能。
2026-04-07 cs.RO
Quality and Diversity in Evolutionary Modular Robotics
University of Oslo（奥斯陆大学）
在进化机器人学中，解决方案的群体被进化以优化解决给定任务的机器人。然而，在传统的进化算法中，当问题很复杂或搜索空间很大时，解的种群往往会收敛到局部最优，这就是所谓的早熟收敛问题。质量多样性算法试图通过引入额外的措施来克服过早收敛，这些措施奖励不同的解决方案，而不一定表现得更好。在本文中，我们比较了一个单目标进化算法与两个多样性促进搜索算法;多目标进化算法和MAP-Elites质量多样性算法，在模块化机器人进化控制和形态学的困难问题。我们比较他们的能力，以产生高性能的解决方案，除了分析进化形态的多样性。结果表明，这三种搜索算法都能够进化出高性能的个体。然而，质量多样性算法更擅长于用高性能解决方案填充所有小生境。这证实了质量多样性算法非常适合于不断发展的模块化机器人，并且可以成为生成高性能解决方案的重要手段，这些解决方案可以在设计和运行时使用。
2020-08-05 cs.NE cs.RO
Koala Gripper: Co-designing Robotic Grippers and Data-Capture Devices for Scaling Dexterous Manipulation Learning
本文提出协同设计框架，开发Koala Gripper系统，该系统兼具数据采集与机器人夹持器功能，可提升灵巧操作能力，经端到端管道验证能支持演示学习，助力扩展操作数据集规模。
2026-08-24 cs.RO
Otherness as a Quality in Designing Expressive Robotic Touch
KTH Royal Institute of Technology（皇家理工学院）；IT University of Copenhagen（哥本哈根大学）；Cornell University（康奈尔大学）
本文提出将机器人触觉的固有其他性作为设计质量，通过分析艺术和设计先例，探讨如何通过设计策略塑造其他性，以促进表达性和启发性的触觉设计。
2026-04-25 cs.HC cs.RO
Systematic Derivation of Behaviour Characterisations in Evolutionary Robotics
Instituto de Telecomunicações（葡萄牙电信研究所）；Faculdade de Ciências da Universidade de Lisboa（里斯本大学理学院）；Instituto Universitário de Lisboa (ISCTE-IUL)（里斯本大学学院）
由行为多样性驱动的进化技术，如新奇搜索，在进化机器人中显示出巨大的潜力。这些技术依赖于预先指定的行为特征来估计个体之间的相似性。表征通常基于实验者关于任务的直觉和知识以特别的方式定义。或者，使用基于代理的传感器效应器值的通用表征。在本文中，我们提出了一种新的方法，允许进化机器人的行为特征的系统推导，基于代理和他们的环境的正式描述。系统衍生的行为特征（SDBC）超越了一般的特征，因为它们可以包含与代理的内部状态，环境特征以及它们之间的关系相关的特定于任务的特征。我们评估SDBC与新奇搜索在三个模拟集体机器人任务。我们的研究结果表明，SDBCs产生的性能相媲美的特定任务的表征，在解决方案的质量和行为空间探索。
2014-07-02 cs.MA cs.NE cs.RO
Designing for Distributed Heterogeneous Modularity: On Software Architecture and Deployment of MoonBots
Space Robotics Lab. (SRL) in Department of Aerospace Engineering, Graduate School of Engineering, Tohoku University（太空机器人实验室（SRL）位于东京大学工学研究生院航空航天工程系）
本文提出了一种面向分布式异质模组的软件架构设计方法，通过Motion Stack软件实现了模块化机器人系统的动态配置与协作，适用于空间和广泛的应用场景。
2025-12-04 cs.RO
Designing a minimalist socially aware robotic agent for the home
Indiana University（印第安纳大学）；Instituto Gulbenkian de Ciencia（古尔本基安科学研究所）
我们提出了一个极简的社会机器人，依赖于长时间序列的低分辨率数据，如机械振动，温度，照明，声音和碰撞。我们的目标是开发一个实验系统，用于培养社会定位的机器人代理人，其行为库被空间的社会秩序所包含。为了实现这一目标，我们正在设计机器人，这些机器人使用简单的传感器和运动反馈程序来识别不同类别的人类活动，然后将每个类别与一系列适当的行为相关联。我们使用Katie系列机器人，构建在iRobot Create平台上，Arduino Uno和Raspberry Pi。我们描述了它的传感器的能力和探索性的测试，使我们能够开发什么样的对象（传感器数据）对应于已知的和可观察的人类受试者的假设。我们使用机器学习方法对来自100多个实验的三种社交场景进行分类，证明使用我们的极简机器人的低分辨率传感器可以高精度地检测社交场景。
2014-06-26 cs.HC cs.RO
A Decision Support Design Framework for Selecting a Robotic Interface
NAVER Labs（NAVER 实验室）；AUT（奥克兰理工大学）；UNSW（新南威尔士大学）
机器人的设计和开发涉及到选择和测试机器人接口的基本步骤。这种界面选择需要仔细考虑，因为机器人的物理体现会影响并增加传统界面的复杂性。我们的论文提出了一个决策支持设计框架的先验选择的机器人接口，归纳制定从我们的案例研究设计的机器人与认知障碍的员工合作。我们的框架概述了根据用户，机器人，任务和环境的接口要求，并有利于对这些要求的接口结构化比较。通过与人权研究所专家进行的定性研究，评估了该框架的潜在适用性和有用性。该框架被认为是一个系统性工具，可以进行记录和讨论，所确定的问题为框架的迭代提供了信息。所有权的跨学科团队的这个过程中，它的作用，迭代设计接口的主题进行了讨论。
2022-02-08 cs.RO
Morphological Development at the Evolutionary Timescale: Robotic Developmental Evolution
Okinawa Institute of Science and Technology（冲绳科学技术大学院大学）
进化和发展在不同的时间尺度上运作;一个是几代人，另一个是一生。这两个过程是地球上大部分生命的基础，它们以许多不平凡的方式相互作用，但它们的时间层次-进化支配发展-在大多数多细胞生命形式中被观察到。然而，在设计机器人时，这一原则被提升了：无论多么自然，它都成为一种设计选择。我们建议颠倒这个时间层次，并设计一个发生在系统发育时间尺度的发展过程。在一个经典的进化搜索，旨在寻找良好的步态tengland 2D机器人，我们添加了一个发展过程中的机器人的形态。在一代人的时间里，机器人的形态不会改变。但从一代到下一代，形态学发展。就像我们随着年龄的增长而变得更大，更强，更重一样，我们的机器人随着一代又一代的推移而变得更大，更强，更重。我们的机器人从婴儿形态开始，几千代之后，最终变成了成年人。我们表明，这产生了更好的和质量不同的步态比进化搜索只有成人机器人，它防止过早收敛，促进探索。此外，我们验证了我们的方法体素点阵3D机器人从文献中，并比较它最近的进化发展的方法。我们的方法在概念上是简单的，并且可以对小或大的机器人群体有效，并且是机器人及其形态学所固有的，而不是任务或环境。此外，通过将进化搜索重塑为学习过程，这些结果可以在发展学习机器人的背景下进行观察。
2022-01-18 cs.NE cs.RO
Movement Optimization of Robotic Arms for Energy and Time Reduction using Evolutionary Algorithms
University of Windsor（温莎大学）
针对机械臂轨迹优化需求，本文采用粒子群优化算法求解含运动类型、速度、加速度的最优运动参数以降低能耗、延长机械臂寿命，经UR5机械臂多轨迹实验验证，可实现49%的效率提升。
2023-06-08 cs.NA cs.RO cs.SY
Designing a Mechanical Tool for Robots with 2-Finger Parallel Grippers
Osaka University（大阪大学）；National Inst. of AIST（日本产业技术综合研究所）
本工作设计了一个机械工具的机器人与2手指平行的夹具，它扩展了机器人夹具的功能，而不需要额外的工具交换器或其他致动器。机械工具的基本运动结构是两个对称的平行四边形，其将机器人夹持器的运动传递到机械工具。四个扭转弹簧连接到两个平行四边形的四个内部接头，以在机器人夹具释放时打开工具。详细分析了力和传输，以确保工具在夹持力和弹簧刚度方面反应良好。同时，根据机床的运动结构，设计了多种工具提示，使机床能够完成不同的任务。运动学结构可以是应用各种巧妙的夹持器设计的平台。所设计的工具可作为一个正常的对象，并通过自动规划抓取拾取和使用。机器人可以通过附接到工具主体的AR标记来定位工具，通过选择自动规划的抓取来抓取工具，并且将工具从任意姿势移动到特定姿势以抓取物体。机器人还可以根据给定任务的要求确定最佳抓握和使用。
2019-02-25 cs.RO
Comparison of Selection Methods in On-line Distributed Evolutionary Robotics
Université de Lorraine（洛林大学）；INRIA Nancy Grand-Est（法国国家数字科学与技术研究所南锡大东部大区中心）
在本文中，我们研究的背景下，在线上板分布式进化算法的选择方法的影响。我们提出了一个变种的mEDEA算法中，我们添加了一个选择运算符，我们将其应用在任务驱动的情况下。我们评估了四种选择方法，诱导不同强度的选择压力在多机器人导航避障任务和集体觅食任务。实验表明，一个小强度的选择压力是足够的，以迅速获得良好的性能在手头的任务。我们引入不同的措施来比较选择方法，并表明，选择压力越高，获得的性能越好，特别是对于更具挑战性的食物觅食任务。
2015-01-07 cs.AI cs.MA cs.NE
The Impact of Evolutionary Computation on Robotic Design: A Case Study with an Underactuated Hand Exoskeleton
Kadir Has University（卡迪尔哈斯大学）
本研究以欠驱动手部外骨骼（U-HEx）为案例，通过集成遗传算法和大爆炸-大坍缩算法等演化计算技术，替代朴素暴力破解方法，在更短时间内实现了更精确的机器人设计优化，显著提升了设备传递给用户的扭矩幅值和整体效率。
2024-03-23 cs.AI cs.HC cs.RO
Learning from Evolution: Improving Collective Decision-Making Mechanisms using Insights from Evolutionary Robotics
University of Technology Nuremberg（纽伦堡工业大学）
本文通过分析演化计算生成的集体决策神经网络，提取洞见并手工设计两种新机制，在基准实验中证明其效率优于投票者模型和多数规则。
2024-05-03 cs.MA cs.NE cs.RO
Designing the Next Generation of Intelligent Personal Robotic Assistants for the Physically Impaired
University of Ilorin（伊洛林大学）
身体受损的人通常难以在不依赖其他人的情况下完成简单的日常工作，这些人并不总是随时可用，因此他们必须努力独立。虽然他们受损的能力在许多情况下可以通过使用辅助技术来增强（在一定程度上），但很少有人关注他们在辅助技术的具体AI中的应用。本文介绍了MARVIN的中保真度原型的模块化框架，架构和设计：一个人工智能驱动的机器人助手，旨在帮助身体受损的人执行简单的日常任务。该原型的特点是一个平凡的运动单元，并利用各种国家的最先进的神经网络架构的系统的特定模块化组件。这些组件执行专门的功能，如自动语音识别，目标检测，自然语言理解，语音合成等，我们还讨论了所遇到的限制，挑战，未来的潜在应用和改进对成功的原型。
2019-11-28 cs.CY cs.HC cs.LG
Swarm Engineering Through Quantitative Measurement of Swarm Robotic Principles in a 10,000 Robot Swarm
University of Minnesota（明尼苏达大学）
在设计群机器人系统时，需要对来自不同领域的算法进行系统比较，以确定哪种算法能够扩展以处理目标问题大小和目标操作条件。我们提出了一套量化的可扩展性，灵活性和紧急性，能够解决这些需求在系统设计过程中的指标。我们证明了我们提出的指标作为设计工具的适用性，通过解决一个大的对象收集问题，在随时间变化的操作条件下，使用迭代假设评估。我们提供了超过10，000个机器人的群集模拟实验结果。
2019-07-08 cs.RO
Enumeration, structural and dimensional synthesis of robotic hands: theory and implementation
Washington State University（华盛顿州立大学）；Idaho State University（爱达荷州立大学）
为特定任务设计机器人手可以帮助创建用于抓取和操作的优化末端执行器。然而，用于所有指尖的同时任务的机器人手的系统设计提出了许多挑战。在这项工作中的算法和实施的整体综合过程中，这可能是第一步走向一个完整的设计工具，机器人末端执行器。类型合成为一个给定的任务和手指的数量，可解性和尺寸合成为任意拓扑结构的开发和实施。由此产生的求解器是一个强大的工具，可以帮助创建具有任意数量的手指和手掌的创新机器人手。给出了几个类型综合、可解性计算和量纲综合的例子。
2020-08-19 cs.RO
Roborobo! a Fast Robot Simulator for Swarm and Collective Robotics
UPMC（巴黎第六大学）；CNRS（法国国家科学研究中心）；NTNU（挪威科技大学）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）
机器人是一个多平台，高度便携式，机器人模拟器的大规模集体机器人实验。机器人是用C++编写的，遵循KISS准则（“保持简单”）。因此，它的外部依赖性仅限于用于快速2D图形的广泛可用的SDL库。机器人基于Khepera/ePuck模型。它的目标是快速的单机器人和多机器人仿真，并已被用于十几个已发表的研究，主要涉及进化群体机器人，包括环境驱动的自适应和分布式进化优化，以及在线板载体现进化和体现形态发生。
2013-04-10 cs.AI cs.NE cs.RO
Situated Participatory Design: A Method for In Situ Design of Robotic Interaction with Older Adults
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）；Idiap Research Institute（Idiap研究所）
我们提出了一个参与式的设计方法来设计与老年人的人机交互和它的应用，通过设计一个辅助机器人的高级生活设施的案例研究。该方法被称为情景设计（sPD），其设计考虑了与老年人合作的挑战，涉及三个阶段，通过与机器人的真实，迭代交互来设计和测试使用场景。在与9名住院医生和3名护理人员的设计会议中，我们发现了一些关于sPD的见解，这些见解有助于我们了解其优点和局限性。例如，我们观察了设计如何通过迭代交互演变，以及早期接触机器人如何帮助参与者考虑在日常生活中使用机器人。通过sPD，我们的目标是帮助未来的研究人员增加和深化老年人在设计辅助技术方面的参与。
2023-02-21 cs.HC cs.RO
An evolutionary algorithm for online, resource constrained, multi-vehicle sensing mission planning
Ocean Systems Lab, Heriot Watt University（赫瑞瓦特大学海洋系统实验室）
移动机器人平台是各种科学和工业应用不可或缺的工具。机器人被用来执行任务，其执行受到各种因素的限制，例如分配的时间或剩余能量。资源受限的多机器人感测任务规划的现有解决方案以令人望而却步的计算复杂性为在线应用提供最优规划[1]，[2]，[3]。存在一种启发式方法，用于单个飞行器的在线、资源受限的传感任务规划[4]。这项工作提出了一个遗传算法（GA）为基础的启发式的相关团队定向问题（CTOP），用于规划传感和监测任务的机器人团队，在资源限制下运行。的启发式相比，最佳的混合二次规划（MIQP）的解决方案。结果表明，启发式解的质量在最坏情况下等于5%的最优解。在最坏的测试情况下，启发式解决方案被证明是至少300倍以上的时间效率。遗传算法的启发式执行所需的最坏情况下不到一秒钟，使其适合在线执行。
2018-01-10 cs.RO
Evolutionary Swarm Robotics: Dynamic Subgoal-Based Path Formation and Task Allocation for Exploration and Navigation in Unknown Environments
University of Jaffna（贾夫纳大学）
本文提出基于子目标的路径形成与任务分配策略，解决未知环境中群体机器人的探索导航及交通拥堵问题，仿真验证其优于A*算法，具有可扩展性和鲁棒性。
2023-12-27 cs.MA cs.NE cs.RO
MAP-Elites enables Powerful Stepping Stones and Diversity for Modular Robotics
在模块化机器人中，模块可以重新配置以改变机器人的形态，使其能够适应特定的任务。然而，优化的身体和控制是一个困难的挑战，由于微调控制和形态变化之间的复杂关系，可以使这种优化。为了解决这一挑战，我们比较了三种不同的进化算法在模块化机器人中优化形态的能力。我们比较了两个基于目标的搜索算法，与MAP精英。为了理解多样性的好处，我们将进化的种群转移到两个困难的环境中，看看多样性是否会对解决复杂环境产生影响。此外，我们还分析了家谱祖先，以阐明垫脚石的概念，这是实现高性能的关键。结果表明，MAP-Elites除了产生最大的形态多样性之外，还能够进化出最高性能的解决方案。对于环境之间的过渡，结果表明，MAP-Elites更好地通过促进形态多样性来恢复性能。通过对家谱祖先的分析，我们发现MAP精英比其他基于目标的搜索算法产生更多样化和更高性能的垫脚石。将种群过渡到更困难的环境显示了形态多样性的实用性，而对垫脚石的分析显示了血统多样性与运动任务的最大表现之间的强相关性。本文展示了模块化机器人在不同环境下解决运动任务的多样性的优势。通过证明进化算法中垫脚石的质量和多样性是整体性能的重要因素，我们开辟了一个新的分析和结果领域。
2020-12-08 cs.RO
Exploring Mechanically Self-Reconfiguring Robots for Autonomous Design
University of Oslo（奥斯陆大学）
进化机器人的目标是优化机器人控制和形态，以生产更好，更强大的机器人。大多数以前的研究只解决控制的优化问题，并且只在仿真中进行。我们已经开发出一种四条腿的哺乳动物启发的机器人，具有自我重构形态。在本文中，我们讨论了能够有效地做实验，在现实世界中不断变化的形态开辟的可能性。我们讨论了这样一个平台和潜在的实验设计，可以解锁新的发现目前面临的挑战。最后，我们把我们的机器人在其背景下，在进化机器人领域的一般发展，并考虑什么进步的未来可能举行。
2018-05-08 cs.RO
Artificial Hormone Reaction Networks: Towards Higher Evolvability in Evolutionary Multi-Modular Robotics
Karl-Franzens University Graz（格拉茨卡尔·弗朗岑斯大学）
机器人控制器软件的半自动或自动合成既令人满意又具有挑战性。通过应用人工进化来合成相当简单的行为，例如避免碰撞，已经多次展示。然而，这种合成的难度随着机器人应该执行的任务的复杂性的增加而大大增加。我们试图解决这个问题的复杂性与人工稳态激素系统（AHHS），它提供了内在的，稳态的过程和（瞬态）内在的，变异的行为。通过使用AHHS，对预定义的控制器拓扑或关于应用领域的信息的需要被最小化。我们研究了控制器的原理设计和激素网络大小如何影响人工进化的整体性能（即，进化性）。这是通过比较AHHS的两种变体来完成的，这两种变体在突变时显示出不同的效果。我们进化了一个机器人的控制器，该机器人由五个自主合作的模块组成。期望的行为是通过使用模块的主铰链导致快速运动的步态形式。
2010-11-17 cs.AI cs.NE cs.RO
The Role of Morphological Variation in Evolutionary Robotics: Maximizing Performance and Robustness
Federal University of Santa Catarina (UFSC)（圣卡塔琳娜联邦大学）；Institute of Cognitive Sciences and Technologies (ISTC), National Research Council (CNR)（国家研究委员会认知科学与技术研究所）
本文提出测量形态变异影响的方法，分析变异幅度与引入方式对进化机器人性能与鲁棒性的关系，发现算法可容忍高影响变异且动作变异更易被容忍，并能提升非变化条件下的表现。
2023-10-11 cs.AI cs.NE cs.RO
Lamarckian Inheritance in Dynamic Environments: How Key Variables Affect Evolutionary Dynamics
Department of Informatics, University of Oslo, Norway（奥斯陆大学信息学院）；RITMO, University of Oslo, Norway（奥斯陆大学RITMO）
本文研究动态环境中关键变量对进化动态的影响，通过虚拟软机器人和两种学习方法，发现拉马克继承在环境变化冲突且不可预测时表现欠佳，但添加环境感知传感器可恢复其优势。
2026-05-15 cs.AI 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
rduino Controlled Pick n Place RoboticArm
University of Akron（阿克伦大学）
本文介绍了多自由度机械手的设计。机器人的目标是根据物体的颜色对物体进行分类。该机器人将是几个联动装置，伺服电机，Arduino系统和末端执行器的综合体。该设计必须能够自主决定移动什么物体以及将其放置在哪里。机器人的最大水平范围为24。操作条件包括能够在距离手臂底部180°至16 °的区域内对几个不同颜色的球体进行分类。分类包括从底部附近的随机位置拾取物体并将其移动到靠近边缘的存储位置。定义的操作范围。根据以下性能标准和有限的预算，最终设计将进入竞争，以确定最强大，最有效的机器人机械手。
2021-03-18 cs.RO
Designing Multi-Stage Coupled Convex Programming with Data-Driven McCormick Envelope Relaxations for Motion Planning
University of California, Los Angeles（加州大学洛杉矶分校）
对于多肢机器人，由于非线性的存在，具有姿态和力约束的运动规划往往是一个困难的优化问题，这也会导致求解时间的延长。我们提出了一个多阶段的优化框架与数据驱动的级间耦合约束，以解决非线性。聚类和进化的方法来找到麦考密克信封松弛被用来找到特定问题的参数。然后在先前阶段中使用所学习的约束，这提供了后续阶段的高级知识。这导致改进的求解时间和结果的可解释性。规划器通过10公斤的六足机器人上的多个行走和攀爬任务进行验证。
2021-09-14 cs.RO
Timor Python: A Toolbox for Industrial Modular Robotics
Technical University of Munich（慕尼黑工业大学）；Munich Center for Machine Learning（慕尼黑机器学习中心）
本文提出Timor这一Python开源工具箱，旨在填补工业模块化可重构机器人在建模与仿真方面的空白，通过提供模型生成、基于任务的配置优化及URDF导出功能，实现与现有仿真工具的集成，并经实验验证其有效性。
2023-09-15 cs.RO
Design and integration of a parallel, soft robotic end-effector for extracorporeal ultrasound
目的：在这项工作中，我们解决了国家的最先进的超声机器人的限制，通过设计和集成一种新的软机器人系统的超声成像。它采用软流体致动器的固有品质，以在超声探头和患者之间建立安全、适应性强的相互作用。研究方法：我们收集临床数据，以确定产前胎儿超声成像所需的运动范围和力的水平，并设计相应的软机器人末端执行器。我们验证其机械特性，推导和验证动静态模型，并证明可控性和成像能力的超声幻影。结果如下：该软体机器人具有理想的刚度特性，在无外力作用时，能够达到所需工作空间的100%，而在考虑其柔顺性时，能够达到所需工作空间的95%。该模型能够准确预测末端执行器的位姿，位置平均误差为1.18 ± 0.29 mm，方向平均误差为0.92 ± 0.47 °。推导出的控制器是，平均位置误差为0.39毫米，能够有效地跟踪目标位姿没有和外部施加的负载。与手动超声仪扫描相比，使用该系统采集的超声图像具有同样好的质量。结论：该系统能够承受在胎儿超声扫描期间通常施加的负载，并且在类似于手动扫描的运动范围内保持可控。意义：所提出的软体机器人提供了一种安全、具有成本效益的解决方案，可以减轻超声医师在日常扫描程序中的负担。设计和建模范例是非常普遍的，特别适合于设计软体机器人的物理交互任务。
2020-07-22 cs.RO
Designing for Error Recovery in Human-Robot Interaction
Cardiff University（卡迪夫大学）；The University of Manchester（曼彻斯特大学）
本文探讨了如何设计能自我检测和恢复错误的机器人系统，以提升人机交互的成功率，以核反应堆手套箱为例说明挑战与初步设计。
2026-04-14 cs.HC cs.RO
Strengthening Multi-Robot Systems for SAR: Co-Designing Robotics and Communication Towards 6G
University of Malaga (UMA)（马拉加大学（UMA））；Institute for Mechatronics Engineering and Cyber-physical Systems (IMECH.UMA)（机电工程与网络物理系统研究所（IMECH.UMA））
本文提出面向SAR任务的移动机器人与通信系统协同设计，基于5G SA的Edge-Cloud架构，结合H-WSNs、ROS、MEC和UGVs实现多机器人与救援人员协作，并指出6G需解决的架构与网络资源管理挑战。
2025-04-02 cs.NI cs.RO
Behavioral Persistence and Incomplete Functional Transfer of Co-evolved Communication in Evolutionary Robotics
Instituto de Investigaciones en Inteligencia Artificial, Universidad Veracruzana（韦拉克鲁斯大学人工智能研究所）
本研究评估共进化通信从2D仿真到3D物理环境的直接迁移，发现迁移部分且不对称，仅一个智能体在30个种子中一次到达食物源，表明成功迁移需同时保留信号与导航条件。
2026-10-01 cs.NE cs.RO
Cross-Embodiment Robotic Manipulation Synthesis via Guided Demonstrations through CycleVAE and Human Behavior Transformer
University of Central Florida（中佛罗里达大学）
本文提出一种结合CycleVAE与人类行为Transformer的跨具身机器人操作合成方法，通过无监督跨具身对齐和人类示范动力学学习，在灵巧操作任务中生成平滑轨迹并优于先前方法。
2025-03-11 cs.RO
Optimizing Collaborative Robotics since Pre-Deployment via Cyber-Physical Systems' Digital Twins
Politecnico di Milano（米兰理工大学）
本文提出在预部署阶段利用数字孪生和贝叶斯优化设计协作机器人单元，通过集成生产KPI实现数据驱动决策，从而获得更安全、高效和适应性强的协作环境。
2024-10-18 cs.RO
A Systematic Literature Review of Experiments in Socially Assistive Robotics using Humanoid Robots
University of Tsukuba（筑波大学）
我们进行了系统的文献综述，以发现人形机器人是如何被应用于社会辅助机器人实验。我们检索了24篇论文，其中16篇被纳入进行更深入的分析。为了进行这种分析，我们使用了一个受基于行为的机器人启发的概念框架。我们想知道是哪个机器人（大多数使用机器人NAO），应用程序的目标是什么（教学，协助，演奏，指导），如何控制机器人（在大多数实验中手动），机器人表现出什么样的行为（对触摸做出反应，指向身体部位，唱歌，跳舞，等等），机器人使用了什么样的执行器（总是电机，有时扬声器，几乎没有任何其他类型的致动器）和机器人使用什么类型的传感器（在许多研究中，机器人根本不使用任何传感器，在其他研究中，机器人经常使用相机和/或麦克风）。本研究的结果可用于设计针对类人社会辅助机器人的软件框架，特别是在软件产品线工程项目的背景下。
2017-11-15 cs.RO
Modeling and Validation of Soft Robotic Snake Locomotion
DePaul University（德保罗大学）；University of Arkansas（阿肯色大学）
蛇是一个非凡的进化成功的故事。这些年来，人们提出了许多以蛇为灵感的机器人。软机器蛇（SRS）具有连续和平滑的弯曲能力，可以更好地模仿其生物对应物的独特特征。现有SRS限于具有有限数量的平面步态的平面操作。我们提出了一种新的SRS与空间弯曲和调查蛇的运动步态超出了国家的最先进的系统的能力。我们推导出一个完整的浮动基地的机器人运动学模型，并使用该模型来推导关节空间轨迹蛇形和向内/向外滚动运动步态。在不同频率和幅度的步态周期下，实验验证了所提出的SRS的运动步态。结果定性和定量地验证了SRS利用空间弯曲实现运动步态的能力，这是当前SRS不可能实现的。
2020-10-22 cs.RO
Bioinspired underwater soft robots: from biology to robotics and back
Peking University（北京大学）；Chinese Academy of Sciences（中国科学院）；National University of Singapore（新加坡国立大学）
本文提出生物学与机器人学双向融合框架，使软体机器人既能验证生物假说，又能在海洋勘探等场景中超越刚性系统，并展望了跨物种收敛原理驱动的生物通用启发式机器人学。
2025-08-16 cs.RO
Neural Approaches to Co-Optimization in Robotics
TOYOTA TECHNOLOGICAL INSTITUTE AT CHICAGO（芝加哥丰田技术研究所）
机器人和能够感知世界或与世界互动的智能系统越来越多地被用于自动化各种任务。这些系统完成这些任务的能力取决于大量的技术，例如构成机器人及其传感器的物理身体的机械和电气部件，感知环境的感知算法，以及产生有意义动作的规划和控制算法。因此，在设计嵌入式系统时，通常需要考虑这些组件之间的交互。本论文以端到端的方式探索机器人系统的任务驱动协同优化工作，同时利用推理或控制算法直接优化系统的物理组件以实现任务性能。我们首先考虑优化基于信标的定位系统直接定位精度的问题。设计这样一个系统需要在整个环境中放置信标，并从传感器读数中推断位置。在我们的工作中，我们开发了一种深度学习方法来优化信标放置和位置推断，直接用于定位精度。然后，我们把我们的注意力转移到任务驱动的机器人及其控制器优化的相关问题。在我们的工作中，我们首先提出了一个基于多任务强化学习的数据高效算法。我们的方法有效地优化了物理设计和控制参数，直接利用设计条件控制器的物理设计的空间能够概括的任务性能。然后，我们遵循这一扩展，允许优化离散形态参数，如肢体的数量和配置。最后，我们总结了探索优化的软体机器人的制造和部署。
2022-09-01 cs.RO
