Model Predictive Impedance Control with Gaussian Processes for Human and Environment Interaction
Fraunhofer IPK（弗劳恩霍夫生产设备与设计技术研究所）
本文提出基于高斯过程的模型预测控制框架，用于处理人机交互中的多种不确定性，通过非线性优化提升机器人轨迹和阻抗的适应性与安全性。
2022-12-10 cs.RO
A variable rest length impedance grasping strategy in the port-Hamiltonian framework
University of Groningen（格罗宁根大学）；University of Bologna（博洛尼亚大学）
本文研究了一类标准力学系统在端口-哈密顿框架下的阻抗抓取策略。我们嵌入了现有阻抗抓取策略的弹簧的可变静止长度，以实现稳定的非接触到接触过渡和期望的抓取力。我们利用标准力学系统的端口哈密顿结构。首先，我们利用一个变量的变化，将端口哈密顿系统转换成一个恒定的质量惯性矩阵。然后，我们通过具有可变静止长度的\emph{virtual spring}实现阻抗抓取控制。由虚拟弹簧施加的力导致阻抗抓取控制器中的耗散项，这是获得更平滑的非接触到接触过渡所需要的。仿真和实验结果，以激励我们的结果。
2020-08-05 cs.RO
Learning and Generalizing Variable Impedance Manipulation Skills from Human Demonstrations
通过学习可变阻抗控制策略，机器人助手可以智能地调整其操作依从性，以确保在人机交互环境中操作时的安全交互和正确的任务完成。在本文中，我们提出了一个基于DMP的框架，学习和推广可变阻抗操纵技能，从人类的示范。该框架提高了机器人$'$对环境变化（即机器人末端执行器抓取物体的重量和形状变化）的适应性，并继承了基于演示方差的刚度估计方法的效率。此外，我们的刚度估计方法，我们不仅产生平移刚度配置文件，但也旋转刚度配置文件中被忽略或不完整的大多数学习变阻抗控制文件。一个7自由度冗余度机器人操作器的真实世界的实验已经进行了验证我们的框架的有效性。
2021-12-27 cs.RO
Learning Variable Impedance Control via Inverse Reinforcement Learning for Force-Related Tasks
University of California, Berkeley（加州大学伯克利分校）；Harbin Institute of Technology（哈尔滨工业大学）
许多操作任务需要机器人与未知环境进行交互。在此类应用中，根据不同任务阶段和环境约束调整阻抗的能力对于安全性和性能至关重要。虽然已经提出了许多基于深度强化学习（RL）和从演示示教学习（LfD）学习的方法来获得接触丰富的操作任务上的可变阻抗技能，但是这些技能通常是特定于任务的，并且可能对任务设置的变化敏感。本文提出了一种基于逆强化学习（IRL）的方法，从专家演示中恢复可变阻抗策略和奖励函数。我们探索不同的行动空间的奖励函数，以实现更一般的表示专家的可变阻抗技能。两个可变阻抗任务（钉孔和杯板）的实验进行了模拟和真正的FANUC LR Mate 200 iD/7 L工业机器人。与行为克隆和基于力的IRL的比较结果表明，增益动作空间中的学习奖励函数比力空间中的学习奖励函数具有更好的可传递性。实验视频可在https://msc.berkeley.edu/research/impedance-irl.html上获得。
2021-02-13 cs.RO
Exploiting Variable Impedance for Energy Efficient Sequential Movements
Technical University of Munich（慕尼黑工业大学）；King's College London（伦敦国王学院）
柔顺机器人已经在节能运动和循环操作中得到了成功的应用。然而，利用可变的物理阻抗进行能量有效的顺序运动还没有得到广泛的解决。该工作采用分层方法将子运动生成的低级最优控制封装到迭代策略改进的外循环中，从而利用最优控制和强化学习的优点。该框架能够以无模型的方式优化效率权衡，以最小的能源费用，考虑到成本函数加权，可变阻抗开发，和过渡时间-这是与合规的技能。所提出的方法的有效性进行评估，使用两个连续的到达任务上的可变阻抗致动器。结果表明，显着的节能，通过提高技能的遵守，在物理机器人实验中测量的约30%的电力消耗减少。
2020-10-19 cs.RO
Contact-rich SE(3)-Equivariant Robot Manipulation Task Learning via Geometric Impedance Control
UC Berkeley（加州大学伯克利分校）；Yonsei University（延世大学）
本文提出一种基于SE(3)几何阻抗控制与学习型增益调度的机器人操作任务学习方法，通过几何一致误差向量实现等变策略，显著提升学习可迁移性，并在插孔任务中验证了可行性。
2023-12-18 cs.RO cs.SY eess.SY
TVIM: Thermo-Active Variable Impedance Module: Evaluating Shear-Mode Capabilities of Polycaprolactone
Advanced Robotic Manipulators (ARM) Lab, the Department of Biomedical Engineering, University of North Texas（先进机器人操作（ARM）实验室，生物医学工程系，北卡罗来纳州立大学）
本文提出一种基于聚己内酯剪切模式的热活性可变阻抗模块，消除粘弹性延迟，实现快速响应、可扩展且无需额外执行器的紧凑型阻抗调节，适用于空间受限的机器人应用。
2024-03-16 cs.RO
Variable impedance control and learning -- A review
Aalto University（阿尔托大学）；University of Innsbruck（因斯布鲁克大学）
本文综述可变阻抗控制的控制与学习方法，提出基于可变性、学习和控制的机械阻抗新分类，并总结优劣、开放问题及潜在解决框架。
2020-10-27 cs.RO
Ensuring Interaction Safety in Multitask Exoskeleton Control: A Simulation-Trained Variable Impedance Framework
Tsinghua University（清华大学）
提出一种基于仿真训练的可变阻抗控制框架，通过Lyapunov稳定性理论约束刚度变化，实现多任务外骨骼的安全交互控制并降低代谢成本。
2026-06-04 cs.RO
Variable Impedance Control for Floating-Base Supernumerary Robotic Leg in Walking Assistance
Huazhong University of Science and Technology（华中科技大学）；Wuhan University of Technology（武汉理工大学）
针对浮动基座超冗余机械腿易受内外扰动的问题，本文提出带实时稳定阻抗参数生成网络的变阻抗控制方法，可动态切换刚柔特性，提升行走辅助人机系统的安全性与适应性。
2025-11-15 cs.RO
Intention assimilation control for accurate tracking with variable impedance in teleoperation
本文提出意图融合控制策略，通过估计领导者目标位置提升跟踪精度，同时允许用户自由调节阻抗，提高任务完成率和效率。
2026-05-07 cs.RO
RMPs for Safe Impedance Control in Contact-Rich Manipulation
Brown University（布朗大学）
操作空间的变阻抗控制是一种很有前途的学习接触丰富的操作行为的方法。这种方法的主要挑战之一是产生确保手臂和环境安全的操纵行为。这种行为通常通过惩罚不安全行为（例如障碍物碰撞，关节限制扩展）的奖励函数来实现，但这种方法并不总是有效，并且不会导致可以在略微不同的环境中重用的行为。我们将展示如何结合黎曼运动策略，一类动态生成运动的安全和碰撞约束的存在下，与可变阻抗操作空间控制学习更安全的接触丰富的操作行为的政策。
2022-03-07 cs.RO
Ultrasound-Guided Assistive Robots for Scoliosis Assessment with Optimization-based Control and Variable Impedance
The Hong Kong Polytechnic University（香港理工大学）
医疗保健辅助机器人的需求不断增长，因为它具有将医生从日常工作中解放出来的巨大潜力。在本文中，我们研究了一个基于优化的控制框架的超声引导辅助机器人进行脊柱侧凸评估的发展。利用超声成像进行脊柱侧凸评估的常规程序通常需要执业医师沿着患者的背部滑动超声探头。为了自动化这种类型的过程中，我们需要考虑多个目标，如接触力，位置，方向，能量，姿态等，以解决上述组件，我们建议制定控制框架设计作为一个二次规划问题，每个目标的权重由其任务的优先级受到一组平等和不平等的约束。此外，由于机器人需要在脊柱扫描过程中与患者建立恒定的接触，因此我们在控制架构中加入了末端执行器位置和方向的可变阻抗调节，以增强物理人机交互过程中的安全性和稳定性。其中，通过从医学专家的演示中学习来检索可变阻抗增益。所提出的方法进行评估的自主脊柱侧凸评估与机器人操作器xArm的真实世界的实验。通过获得的体模和人体受试者的冠状脊柱图像验证了该方法的有效性。
2022-03-04 cs.RO
Safe and Optimal Variable Impedance Control via Certified Reinforcement Learning
Human-interactive Robotics Lab, IISc Bangalore（人机交互机器人实验室，班加罗尔印度理工学院）
本文提出C-GMS框架，通过认证强化学习实现安全且最优的变量阻抗控制，确保策略稳定性和物理可行性，提升机器人在复杂环境中的自主交互能力。
2026-03-01 cs.RO
Condition-based Design of Variable Impedance Controllers from User Demonstrations
Institut de Robòtica i Informàtica Industrial CSIC-UPC（西班牙国家研究委员会-加泰罗尼亚理工大学机器人与工业自动化研究所）
本文提出通过离线参数整定与线性矩阵不等式凸优化，保证演示学习所得可变阻抗控制器满足安全和性能条件，并在Kinova Gen3皮带绕套任务中验证其降力效果与快速适配能力。
2023-02-06 cs.RO
Passive Variable Impedance For Shared Control
German Aerospace Center (DLR), Robotics and Mechatronics Center（德国航空航天中心（DLR），机器人与机电中心）
本文研究了共享控制中可变刚度和控制器仲裁的稳定性，通过加权叠加输出力矩实现整体框架，解决闭环系统中的被动性问题，验证了方法的有效性。
2026-07-08 cs.RO
Shape Sensing of Variable Stiffness Soft Robots using Electrical Impedance Tomography
软机器人系统通过减少与软组织的接触创伤以及在微创手术中通过曲折路径实现入路，提供了优于传统刚性系统的益处。然而，软体机器人固有的可变形性使其形状的准确建模承担更大的责任，并且在实现术中形状感测方面面临更大的挑战。在这里，我们提出了一种本体感受（自感知）软致动器，具有导电工作流体。来自多达六个电极的电阻抗测量使得能够使用电阻抗断层扫描（EIT）进行断层扫描重建。研制了一种新的频分复用（FDM）EIT系统，能够测量66 dB SNR和20 ms的时间分辨率。两个自由度的设计：液压铰链致动器和气动手指致动器与液压梁的概念进行了研究。这两种情况都表明，阻抗测量可用于推断形状变化，并且在致动期间重建的EIT图像显示出相对于每个自由度（DOF）的不同模式。虽然观察到一些机械滞后，但测量和所得图像的可重复性很高。结果表明，作为一种低成本，低姿态的形状传感器在软体机器人的FDM-EIT的潜力。
2020-05-01 cs.RO
Energy regenerative damping in variable impedance actuators for long-term robotic deployment
King’s College London（伦敦国王学院）
能源效率是在现实世界中长期部署顺从机器人的关键问题。在可变阻抗致动器（VIA）的背景下，主要焦点之一是通过减少能量消耗来提高能量效率。然而，在这样的系统中收集耗散的能量仍然是探索不足。本研究提出了一种新的可变阻尼模块设计，使能量再生的VIA利用再生制动效果的直流电机。所提出的阻尼模块使用四个开关，结合再生和动态制动，在一个混合的方法，使能量再生，而不会减少阻尼范围内实现。一个简单的VIA机制上的物理实现中，所提出的模块的再生性能的特点和理论预测进行比较。要调查的作用，可变再生阻尼长期运行的能源效率方面，实验报告中，VIA配备了拟议的阻尼模块执行顺序达到一系列随机目标。结果表明，变刚度和变再生阻尼的组合是更好地实现任务性能和能源效率之间的最佳权衡。使用后者的结果在一个25%的整体性能指标（包括达到精度，建立时间，能源消耗和再生）的性能提高，超过可比方案，其中刚度或阻尼是固定的。
2020-02-10 cs.RO
Safe Online Gain Optimization for Variable Impedance Control
University of California, Berkeley（加州大学伯克利分校）；Harbin Institute of Technology（哈尔滨工业大学）
平滑的行为对于许多接触丰富的操作任务是优选的。阻抗控制作为一种有效的方式来调节机器人的运动，通过模仿质量弹簧阻尼系统。因此，机器人的行为可以通过阻抗增益来确定。然而，针对不同任务调整阻抗增益是棘手的，特别是对于非结构化环境。此外，在线调整最佳增益以满足时变性能指标更具挑战性。在本文中，我们提出了安全的在线增益优化可变阻抗控制（安全OnGO-VIC）。通过将阻抗控制的动力学转化为一个控制仿射系统，其中阻抗增益是输入，我们提供了一个新的视角来理解可变阻抗控制。此外，我们创新地制定了一个优化问题，在线收集的力信息，以获得最佳的阻抗增益实时。安全约束也嵌入在所提出的框架，以避免不必要的碰撞。我们实验验证了所提出的算法上的三个操作任务。与恒定增益基线和自适应控制方法的比较结果证明了该算法的有效性和可推广性。
2021-11-01 cs.RO cs.SY eess.SY
A Contact Model based on Denoising Diffusion to Learn Variable Impedance Control for Contact-rich Manipulation
Digital & AI Technology Center, Technology Division, Panasonic Holdings Corporation（松下控股公司技术事业部数字与人工智能技术中心）；Robotics Promotion Office, Manufacturing Innovation Division, Panasonic Holdings Corporation（松下控股公司制造创新事业部机器人推进办公室）；Ritsumeikan University（立命馆大学）
本文提出扩散接触模型（DCM），利用去噪扩散模型的多步迭代计算模拟高度非线性的接触动力学，从变刚度输入预测接触轨迹，在保持与传统优化方法相当性能的同时显著减少了机器人试错次数。
2024-03-20 cs.RO
Shared Autonomy via Variable Impedance Control and Virtual Potential Fields for Encoding Human Demonstration
Indian Institute of Technology Gandhinagar（印度甘地讷格尔印度理工学院）；Technische Universität Wien (TU Wien)（维也纳工业大学）；German Aerospace Center (DLR)（德国航空航天中心）
本文提出融合时不变势场运动生成、VIC、力控制与能量罐无源化的共享自主框架，可从人类演示编码复杂安全技能，并经仿真和 Franka 机器人实验验证。
2024-04-08 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
A Passivity-Based Variable Impedance Controller for Incremental Learning of Periodic Interactive Tasks
Università di Trento（特伦托大学）；Istituto Italiano di Tecnologia（意大利技术研究院）
针对人工示教中的安全交互问题，提出一种基于无源性的可变阻抗控制器，通过能量与功率约束及能量流监测区分扰动和物理引导，并在真实机械臂擦拭任务中验证有效性。
2024-08-20 cs.RO
Reinforcement Learning on Variable Impedance Controller for High-Precision Robotic Assembly
University of California, Berkeley（加州大学伯克利分校）；Siemens Corporate Technology（西门子公司技术部）；Technion（以色列理工学院）
精确的机器人操作技能在许多工业环境中是期望的，强化学习（RL）方法有望自主地获得这些技能。在本文中，我们明确考虑将操作空间力/扭矩信息纳入强化学习;这是由人类将感知力映射到控制动作，从而以相当容易的方式完成高精度任务。我们的方法结合RL与力/扭矩信息，通过将一个适当的操作空间力控制器，我们还利用不同的消融处理这些信息。此外，我们提出了一个神经网络架构，推广到合理的变化的环境。我们在开源的西门子机器人学习挑战赛上评估了我们的方法，该挑战赛需要精确和微妙的力控制行为来组装紧密配合的齿轮组。
2019-03-20 cs.RO
Learning Variable Impedance Skills from Demonstrations with Passivity Guarantee
School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
本文提出一种从人类演示中学习变阻抗控制的框架，通过非参数方法估计完整刚度矩阵并结合力与运动信息生成依赖状态的刚度分布，同时引入基于罐的新颖变阻抗控制方法以确保无源性，实验证明其鲁棒性与易实现性优于传统方法。
2024-07-27 cs.AI cs.RO
Self-Adapting Variable Impedance Actuator Control for Precision and Dynamic Tasks
Delft University of Technology（代尔夫特理工大学）
变阻抗执行器（VIA）作为遥操作的工具装置，通过模仿人类执行不同任务时上肢刚度的变化，可以扩展人类通过遥操作机器人执行任务的范围，增加机器人的动态范围。这需要适当的阻抗控制。本研究的目的是显示控制器的有效性，不需要额外的传感器，降低系统的复杂性和增加易用性。控制器应允许执行精确的定位任务和动态任务，如通过远程操作与VIA工具设备自动适应VIA的阻抗设置锤击。这是通过根据“慢-硬/快-软”原理的控制律来实现的。该控制器进行了测试，在人类用户的研究与24名参与者比较的人机性能与自适应的【形】控制器在双边telemanipulation实验，两个任务（精度/动态），使用三个阻抗设置（高/低/自适应阻抗）。结果表明，所提出的系统同样表现良好的最先进的刚性遥操作设备的精确任务，同时具有的好处，在增加安全性和减少磨损的动态任务。这是向具有宽动态范围的远程操作迈出的一步。
2020-09-22 cs.HC cs.RO
DA-VIL: Adaptive Dual-Arm Manipulation with Reinforcement Learning and Variable Impedance Control
Robotics Research Center, IIIT Hyderabad（IIIT海得拉巴机器人研究中心）；Brown University（布朗大学）；University of Tartu（塔尔图大学）
本文提出DA-VIL流程，融合强化学习策略与基于梯度的增益优化，实现双臂机器人的动态可变阻抗控制，并在大型复杂物体轨迹跟踪任务中优于三种现有方法。
2024-10-25 cs.RO
Constraint-Grounded Reinforcement Learning for Variable Impedance Control in Contact-Rich Robotic Insertion
The University of Tennessee（田纳西大学）
针对机器人插入中固定增益需手动调整的问题，提出约束锚定强化学习框架，在力限制下在线调整阻抗增益，实验显示成功率显著优于固定增益基线。
2026-09-15 cs.RO
Plug, Play and Comply: Plugin-Based Compliant Control in ROS 2
College of Information Science and Technology, Eastern Institute of Technology（信息科学与技术学院，东方理工学院）；Zhejiang Key Laboratory of Industrial Intelligence and Digital Twin, Eastern Institute of Technology（浙江省工业智能与数字孪生重点实验室，东方理工学院）
该论文提出与机器人无关的柔顺控制框架，通过插件架构分离控制器与控制律，标准化接口支持多种控制公式。其参考笛卡尔阻抗控制器可在线更新柔顺方向，实验和仿真验证了在不同操纵器上的任务相关柔顺性及可移植性。
2026-10-27 cs.RO
Variable-Impedance Muscle Coordination under Slow-Rate Control Frequencies and Limited Observation Conditions Evaluated through Legged Locomotion
Department of Brain Robot Interface, ATR Computational Neuroscience Laboratories（脑机器人接口系，ATR计算神经科学实验室）；Kyoto University Graduate school of informatics（京都大学信息学研究生院）
本研究通过单腿运动任务，评估了可变阻抗肌肉协调在低控制频率和有限观测条件下的运动稳定性，展示了其对高层神经网络学习过程的促进作用。
2025-12-03 cs.RO cs.SY eess.SY
A Hybrid Dynamic-regenerative Damping Scheme for Energy Regeneration in Variable Impedance Actuators
本文提出了一种新的可变阻尼模块设计，通过利用直流电机的再生制动效应，实现变量阻抗执行器的能量再生，通过仿真和实验验证了该方案在任务性能和能量效率之间的最优平衡。
2018-08-08 cs.RO cs.SY eess.SY
Safe Physical Human-Robot Interaction through Variable Impedance Control based on ISO/TS 15066
Faculty of Mechanical Engineering（机械工程学院）；K.N. Toosi University of Technology（霍加·纳赛尔·丁·图西理工大学）
本文提出一种基于ISO/TS 15066功率和力限制模式的变阻抗控制器，在保证人机协作安全的同时提升协作机器人运行速度，并在两个机器人平台上验证了其优于传统方法的效果。
2023-11-23 cs.RO cs.SY eess.SY
CompliantVLA-adaptor: VLM-Guided Variable Impedance Action for Safe Contact-Rich Manipulation
Human-Robot Interfaces and Interaction Lab, Istituto Italiano di Tecnologia, Genoa, Italy（人机交互实验室，意大利理工学院，热那亚，意大利）；Ph.D. program of national interest in Robotics and Intelligent Machines (DRIM) and Università di Genova, Genoa, Italy（机器人与智能机器国家利益博士项目和热那亚大学，热那亚，意大利）；Edwardson School of Industrial Engineering, Purdue University, West Lafayette, IN 47907, USA（工业工程埃德华森学校，普渡大学，西拉法克萨，印第安纳州47907，美国）；Georgia Institute of Technology, Atlanta, USA（佐治亚理工学院，亚特兰大，美国）；German Research Center for AI, Germany（德国人工智能研究中心，德国）；TU Darmstadt, Darmstadt, Germany（图宾根大学，图宾根，德国）；Karlsruhe Institute of Technology, Karlsruhe, Germany（卡尔斯鲁厄理工学院，卡尔斯鲁厄，德国）
本文提出CompliantVLA-adaptor，通过引入基于视觉语言模型的上下文感知变量阻抗控制，提升接触密集任务的安全性和有效性。方法通过图像和自然语言解读任务上下文，调节阻抗控制器的刚度和阻尼参数，并利用实时力/扭矩反馈确保安全。实验表明在模拟和现实任务中均优于基线方法。
2026-03-17 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
Learning Variable Impedance Control for Contact Sensitive Tasks
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）
强化学习算法在解决从玩视频游戏到机器人等不同问题方面取得了巨大成功。然而，他们很难解决微妙的机器人问题，特别是那些涉及接触互动的问题。虽然原则上直接输出关节力矩的策略应该能够学习执行这些任务，但在实践中，我们看到，在动作空间中没有任何给定结构的情况下，很难鲁棒地解决问题。在本文中，我们研究了如何选择的行动空间可以给鲁棒性能存在接触的不确定性。我们提出了一种学习策略，给出输出阻抗和期望的位置在关节空间，并比较不同的接触不确定性下的转矩和位置控制的方法的性能。此外，我们提出了一个额外的奖励条款，旨在规范这些可变阻抗控制政策，使他们的可解释性，并促进其转移到真实的系统。我们提出了广泛的实验模拟浮动和固定基地系统的任务，涉及接触的不确定性，以及在一个真实的系统上运行的学习政策的结果。
2020-07-14 cs.AI cs.LG cs.RO
Hybrid Volitional Control of a Robotic Transtibial Prosthesis using a Phase Variable Impedance Controller
University of Notre Dame（圣母大学）
本文提出PVI-HVC混合自主控制框架，以PVIC为非自主基础控制器，使机器人小腿假肢在保持平地行走性能的同时支持上坡、避障等自主活动。
2023-09-27 cs.RO
CHEQ-ing the Box: Safe Variable Impedance Learning for Robotic Polishing
Institute for Data Science in Mechanical Engineering（机械工程数据科学研究所）；RWTH Aachen University（亚琛工业大学）
本工作展示了混合强化学习算法CHEQ在变阻抗机器人打磨任务中的实验应用，证明其在仿真与物理硬件上均能实现安全高效的学习和有效的打磨行为。
2025-06-02 cs.LG cs.RO
Toward Interaction Dynamics: A Predictive Framework for Safe Physical Human Robot Interaction
Voryx Robotic LLC；George Mason University（乔治梅森大学）
针对物理人机交互中轨迹精度与安全性的矛盾，提出双层阻抗MPC，通过解析抵消动力学和卡尔曼滤波估计持续扰动，实现零稳态误差，并利用零空间势垒和工作空间投影保证关节极限安全。
2026-09-02 cs.HC cs.RO cs.SY
Toward a Framework for Adaptive Impedance Control of an Upper-limb Prosthesis
University of Birmingham（伯明翰大学）；Technology Innovation Institute（技术创新研究院）；Imperial College London（伦敦帝国理工学院）
调整上肢阻抗（即，刚度、阻尼、惯性）对于人类与动态环境交互以执行抓取或操纵任务是必不可少的。另一方面，为最先进的上肢假肢设计的控制方法根据关节运动学从表面肌电图（sEMG）信号推断运动意图，但它们未能推断和使用肢体的潜在阻抗特性。我们提出了一个框架，允许人类用户同时控制的运动学，刚度和阻尼的模拟机器人通过手腕的屈伸。该框架包括肌肉肌腱单元和一个前向动力学块，用于从sEMG信号估计电机意图，以及一个可变阻抗控制器，用于在机器人上实现估计的意图，允许用户在线调整机器人的运动学和动力学。我们评估我们的框架与8个健全的主体和截肢者在自由空间中执行的任务达到，并在存在意想不到的外部扰动，需要适应的手腕阻抗，以确保稳定的互动与环境。我们通过实验证明，我们的方法在适应外部扰动、整体可控性和参与者反馈的能力方面优于数据驱动的基线。
2022-12-17 cs.RO
Variable Impedance Control in End-Effector Space: An Action Space for Reinforcement Learning in Contact-Rich Tasks
Stanford University（斯坦福大学）；Nvidia（英伟达）
近年来，接触丰富的操作任务的强化学习（RL）取得了令人印象深刻的结果。虽然RL中的许多研究都集中在改变观察空间或奖励模型上，但很少有人关注动作空间的选择（例如关节或末端执行器空间，位置，速度等）。然而，在机器人运动控制的研究表明，选择一个动作空间，符合任务的特点，可以简化探索和提高鲁棒性的干扰。本文研究了深度强化学习中不同动作空间的影响，并倡导末端执行器空间（VICES）中的可变阻抗控制作为约束和接触丰富任务的有利动作空间。我们评估三个原型操作任务的多个动作空间：路径跟踪（无接触任务），开门（运动约束任务），和表面擦拭（连续接触任务）。我们表明，VICES提高了样本效率，保持低能耗，并确保所有三个实验设置的安全性。此外，使用VICES学习的RL策略可以在仿真中跨不同的机器人模型传输，并且对于同一机器人可以从仿真传输到真实。更多信息请访问https://stanfordvl.github.io/vices。
2019-08-02 cs.AI cs.LG cs.RO
Whole-Body Impedance Coordinative Control of Wheel-Legged Robot on Uncertain Terrain
Tencent Robotics X（腾讯Robotics X实验室）；Arizona State University（亚利桑那州立大学）
本文提出一种轮腿人形机器人全身阻抗协调控制框架，采用变阻尼阻抗控制器与全身控制优化的双层策略，集成实时地形估计和无模型摩擦补偿，在复杂地形下保持上半身稳定并成功完成运水任务。
2024-11-15 cs.RO
A Passive Variable Impedance Control Strategy with Viscoelastic Parameters Estimation of Soft Tissues for Safe Ultrasonography
Università di Trento（特伦托大学）；Istituto Italiano di Tecnologia（意大利技术研究院）
针对超声检查中探头-人体交互的安全控制问题，提出结合软组织粘弹性估计、含能量罐被动约束的变阻抗控制方法，经假人实验验证可实现安全精确的力控制。
2024-04-15 cs.RO cs.SY eess.SY
Learning Variable Impedance Control for Aerial Sliding on Uneven Heterogeneous Surfaces by Proprioceptive and Tactile Sensing
ETH Zürich（苏黎世联邦理工学院）
能够与环境进行物理交互的新型飞行器的最新发展导致了新的应用，例如基于接触的检测。这些任务要求机器人系统与部分已知的环境交换力，这可能包含不确定性，包括未知的空间变化的摩擦特性和表面几何形状的不连续变化。找到一种对这些环境不确定性具有鲁棒性的控制策略仍然是一个公开的挑战。提出了一种基于学习的自适应控制策略，用于空中滑行任务。特别地，通过基于当前控制信号、本体感受测量和触觉感知的策略来实时调整标准阻抗控制器的增益。该策略在学生-教师学习设置中使用简化的致动器动力学进行模拟训练。使用一个倾斜臂全向飞行器的实际世界中的性能所提出的方法进行了验证。所提出的控制器结构结合了数据驱动和基于模型的控制方法，使我们的方法能够成功地直接从仿真转移到真实平台，而无需自适应。与现有技术的相互作用控制方法相比，我们实现了减小的跟踪误差和改进的干扰抑制。
2022-07-05 cs.LG cs.RO cs.SY
ImpedanceDiffusion: Diffusion-Based Global Path Planning for UAV Swarm Navigation with Generative Impedance Control
Intelligent Space Robotics Laboratory, Center for Digital Engineering, Skolkovo Institute of Science and Technology（智能空间机器人实验室，数字工程中心，斯克尔科夫科学与技术研究所）
ImpedanceDiffusion通过结合扩散模型和人工势场跟踪，实现无人机群在复杂环境中的可靠路径规划与自适应阻抗控制。
2026-03-10 cs.RO
ZiMPedance: Impedance-Aware ZMP Modeling and Control for Payload Carrying with Quadruped Robots
Dynamic Legged Systems Lab, Istituto Italiano di Tecnologia (IIT)（动态腿部系统实验室，意大利技术研究院（IIT））
提出扩展零力矩点（ZMP）公式以包含被动负载接口动力学，结合模型预测控制减少稳定性违规达10倍，并提高运动效率。
2026-10-27 cs.RO
Fractal Impedance for Passive Controllers: A Framework for Interaction Robotics
University of Edinburgh（爱丁堡大学）；University of Sussex（萨塞克斯大学）；McGill University（麦吉尔大学）；Heriot-Watt University（赫瑞瓦特大学）
人们对能够将机器人从工业笼子移动到非结构化环境并与人类共存的控制框架越来越感兴趣。尽管在某些特定应用（例如，医疗机器人技术），仍然需要一种改进交互鲁棒性和运动动态性的通用控制框架。被动控制器在这个方向上显示出有希望的结果;然而，它们通常依赖于虚拟能量罐，只要它们不耗尽能量，就可以保证被动性。本文提出了一种分形吸引子来实现可变阻抗控制器，该控制器可以在不依赖能量罐的情况下保持无源性。该控制器使用渐近稳定的势场在期望状态周围生成分形吸引子，使得控制器对离散化和数值积分误差具有鲁棒性。结果表明，该方法能够准确地跟踪机器人在相互作用过程中的运动轨迹和末端力。因此，这些属性使得控制器的应用需要强大的动态相互作用的末端执行器的理想。
2022-07-27 cs.RO
Robust and Dexterous Dual-arm Tele-Cooperation using Adaptable Impedance Control
School of Informatics, University of Edinburgh（爱丁堡大学信息学院）；School of Engineering and Informatics, University of Sussex（萨塞克斯大学工程与信息学院）
本文扩展分形阻抗控制FIC至多臂双臂远程协作，提出无需增益整定且抗延迟的高透明远程操作架构，并通过实验证明其稳定性、鲁棒性与适应性优势。
2024-02-29 cs.RO
Impedance Cloning: Learning Equilibrium Point Parameters for Contact-Rich Manipulation
Saitama University（埼玉大学）
提出阻抗克隆方法，通过模仿刚度和平衡点参数而非轨迹，实现接触丰富操作对表面几何变化的鲁棒性，在擦拭和拾放任务中优于轨迹基线和固定阻抗基线。
2026-09-28 cs.RO
Bio-mimetic Adaptive Force/Position Control Using Fractal Impedance
University of Edinburgh（爱丁堡大学）；University of Oxford（牛津大学）
动物与复杂动力学互动的能力是机器人无法比拟的。对交互性能特别重要的是身体动力学的在线适应，其可以被建模为阻抗行为。然而，可变阻抗控制器仍然拥有一个挑战，在目前的控制框架，由于保持稳定性的困难时，调整控制器的增益。分形阻抗控制器最近被提出来解决这个问题。然而，它仍然具有局限性，例如当它开始收敛到所需位置时力的突然跳跃以及缺乏力反馈回路。在这篇手稿中，两个改进的控制框架，以解决这些限制。力的不连续性已被解决，通过一个虚拟的拮抗剂，调制输出力的阻抗的调制。力跟踪已经建模后的并行力/位置控制器架构。与传统方法相比，分形阻抗控制器使得能够在力反馈上实现搜索算法以适应其在外部环境上的行为，而不是依赖于外部动态的\textit{a priori}知识。本文提出的初步仿真结果表明，所提出的方法的可行性，它允许评估的权衡，需要时，依赖于所提出的控制器的相互作用。总之，所提出的方法模仿的激动剂/拮抗剂系统适应未知的外部动力学的行为，它可能会发现在计算神经科学，触觉和交互控制的应用。
2020-05-27 cs.RO
PACC: A Passive-Arm Approach for High-Payload Collaborative Carrying with Quadruped Robots Using Model Predictive Control
Istituto Italiano di Tecnologia (IIT)（意大利技术研究院）；TU Darmstadt（达姆施塔特工业大学）；Sao Paulo University (USP)（圣保罗大学）
本文提出一种基于内在阻抗被动臂的四足机器人协同搬运方法，采用去中心化模型预测控制器融合机械臂动力学与外力估计，在保障运动能力的同时提升负载效率并降低能耗，经人机与机器人协同搬运实验验证有效。
2025-03-07 cs.RO
Impedance Modulation for Negotiating Control Authority in a Haptic Shared Control Paradigm
University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）；University of Michigan（密歇根大学）
团队成员之间的沟通和合作可以通过身体互动得到显著增强。成功的合作需要将各个合作伙伴的意图纳入共同的行动计划，这可能涉及就意图和作用进行持续的谈判。本文提出了一种自适应触觉共享控制框架，其中人类驾驶员和自动化系统通过电动方向盘物理连接。凭借触觉反馈，驾驶员和自动化系统可以监控彼此的动作，并且仍然可以直观地表达他们的控制意图。本文的目的是开发一个自动化系统的系统模型，可以改变它的阻抗，使控制权可以直观地和顺利地在两个代理之间转换。为此，我们定义了一个代价函数，不仅确保了安全的协作任务，但也考虑到辅助行为的自动化系统。我们采用一种基于修正最小二乘法的预测控制器来调节自动化系统的阻抗，使得代价函数达到最优。结果表明，所提出的方法的意义，谈判的控制权，特别是当人类和自动化是在一个非合作模式。此外，自适应触觉共享控制的性能与传统的固定自动化阻抗触觉共享控制范例进行了比较。
2020-03-20 cs.RO cs.SY eess.SY
Interaction Dynamics Modeling and Predictive Control for Safe Steerable Catheter--Tissue Interaction
Voryx Robotic LLC
研究安全可控导管-组织相互作用动力学问题，通过建立模型、采用部分物理前馈、预测优化器及增强卡尔曼滤波器等方法，实现无偏移运动调节与接触力安全，模拟结果验证了方法有效性，硬件验证待开展。
2026-09-29 cs.AI cs.RO cs.SY
A Learning Quasi-stiffness Control Framework of a Powered Trans-femoral Prosthesis for Adaptive Speed and Incline Walking
Southern University of Science and Technology（南方科技大学）；National University of Singapore（新加坡国立大学）
本文提出一种基于高斯过程回归和核运动基元的任务自适应准刚度控制框架，用于动力经股假肢，实现变速和坡度行走，性能优于基准有限状态机阻抗控制器且无需手动调节。
2024-08-31 cs.RO
DART: Learning-Enhanced Model Predictive Control for Dual-Arm Non-Prehensile Manipulation
DART通过整合非线性MPC与基于优化的阻抗控制器，实现动态控制托盘上物体的精确运动，采用三种互补的动态建模策略，验证了不同建模方法在收敛时间、稳态误差、控制能耗和物体泛化方面的权衡。
2026-04-25 cs.RO
