Playful Agentic Robot Learning
University of California, Berkeley（加州大学伯克利分校）；Impossible Research
提出RATs框架，让机器人通过自主探索学习可复用技能，在LIBERO-PRO和MolmoSpaces上分别提升20.6和17.0个百分点。
2026-06-19 cs.AI cs.RO
VER: Vision Expert Transformer for Robot Learning via Foundation Distillation and Dynamic Routing
UC Berkeley（加州大学伯克利分校）；Carnegie Mellon University（卡内基梅隆大学）；University of Hong Kong（香港大学）；Peking University（北京大学）；Stony Brook University（石溪大学）；UNC-Chapel Hill（北卡罗来纳大学教堂山分校）
VER通过基础蒸馏和动态路由实现机器人学习，采用轻量路由网络动态选择专家，提升任务灵活性和精度，实现多任务高性能。
2026-05-14 cs.AI cs.LG cs.RO
BricksRL: A Platform for Democratizing Robotics and Reinforcement Learning Research and Education with LEGO
Universitat Pompeu Fabra（庞培法布拉大学）；PyTorch Team, Meta（Meta PyTorch团队）；ICREA, Universitat Pompeu Fabra（ICREA、庞培法布拉大学）
本文提出BricksRL平台，通过将乐高机器人与TorchRL库对接，实现现实世界中自定义乐高机器人的创建、设计与训练，支持GPU强化学习训练，提供灵活经济的扩展方案，助力机器人学与强化学习研究教育民主化。
2024-12-02 cs.LG cs.RO
Evaluating Continual Learning on a Home Robot
Carnegie Mellon University（卡内基梅隆大学）；Meta AI
本文面向低成本家用机器人提出 SANER 持续学习技能库方法，并以 ABIP 为骨干，在无任务 ID、每任务仅少量演示条件下学习四个连续厨房任务。
2023-06-04 cs.AI cs.RO
RobotIO: A Python Library for Robot Manipulation Experiments
University of Freiburg（弗莱堡大学）
设置机器人环境以快速测试新开发的算法仍然是一个困难且耗时的过程。这对有兴趣进行真实世界机器人实验的研究人员来说是一个重大障碍。RobotIO是一个Python库，旨在解决这个问题。它专注于为机器人，抓取器和相机等提供通用，简单和结构良好的Python接口。这些接口都是为通用硬件提供的。这使得使用RobotIO的代码可以跨不同的机器人设置进行移植。在架构方面，RobotIO旨在与OpenAI健身房环境以及ROS兼容;提供了这两种环境的示例。该库附带了许多有用的工具，如摄像机校准脚本和情节录制功能，进一步支持算法开发。
2022-08-16 cs.RO
Microcontroller Based Robotic Arm Development for Library Management System
Meghnad Saha Institute of Technology（梅格纳德·萨哈技术学院）
随着机器人技术的进步，各种行业和过程的自动化已经变得普遍。本项目旨在引进图书馆自动化系统，以实现自动检索排队图书、安排书架上的归还图书以及自动更新图书馆数据库的目标。该系统基于Arduino微控制器和Python编程，基于微控制器的机器人手臂用于从图书馆的不同书架上取书或将书归还给图书馆。库数据库也会在操作完成后更新。建议的系统的独特之处在于它可以应用于任何现有的图书馆，并且能够处理单个书籍而不是大量书籍。该系统旨在为图书馆自动化概念带来新的层面。
2018-12-29 cs.RO
APOLLO Blender: A Robotics Library for Visualization and Animation in Blender
APOLLO Blender是一个用于Blender的机器人可视化和动画库，提供简单接口和功能，帮助研究人员快速创建高质量的可视化内容。
2025-12-30 cs.RO
Robotic Template Library
Brno University of Technology（布尔诺理工大学）
机器人模板库（RTL）是一套用于处理几何和点云处理的工具，特别是在机器人应用中。该软件包涵盖基本对象，如矢量、线段、四元数、刚性变换等，然而，它的主要贡献在于更高级的模块：用于点云的批量或流聚类的分割模块，用于通过更高级别的几何对象近似连续点云的快速矢量化模块，以及能够自动生成高质量视觉输出的LaTeX导出模块。它是一个用C++17编写的只包含头文件的库，使用Eigen库作为线性代数后端，并在设计时考虑了高计算性能。RTL可用于所有机器人任务，如运动规划、地图构建、对象识别等，但点云处理实用程序足够通用，可用于任何领域的触摸对象重建和计算机视觉应用。
2021-07-01 cs.RO
Gaussian path model library for intuitive robot motion programming by demonstration
VTT Technical Research Centre of Finland Ltd（芬兰技术研究有限公司）
本文提出一种从教学数据生成高斯路径模型的系统，构建多形状模型库用于人类示教分类，实现直观的机器人运动编程，并提出基于几何分析修改现有模型的方法。
2025-09-15 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
Scenario Execution for Robotics: A generic, backend-agnostic library for running reproducible robotics experiments and tests
Intel Labs（英特尔实验室）；Karlsruhe University of Applied Sciences（卡尔斯鲁厄应用技术大学）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
针对机器人领域缺乏通用可复现实验工具的问题，提出基于OpenSCENARIO 2与行为树的后端无关Python库Scenario Execution for Robotics，支持多模拟器、ROS2生态及虚实实验低代码迁移。
2024-09-11 cs.RO
A ROS2-based software library for inverse dynamics computation
University of Salerno（萨勒诺大学）
针对机器人控制、规划和仿真中的逆动力学计算需求，本文提出基于ROS2的软件库，通过抽象类及三种具体实现（仿真机器人、真实UR10和Franka机器人）提供灵活可扩展的解决方案，适用于仿真与现实场景。
2025-04-13 cs.RO
Amplify: A Lightweight Library for Reproducible Nonlinear Programming Problems in Robotics
本文提出Amplify，一个轻量级非线性规划库，通过将轨迹优化算法表示为优化模型中的约束，实现机器人相关优化问题的可复现性，并与其他库进行了基准比较。
2026-09-24 cs.RO
Kinematics & Dynamics Library for Baxter Arm
Worcester Polytechnic Institute（伍斯特理工学院）
针对 Baxter 机器人官方 IK 服务成功率低且不一致的问题，本文开发了一个基于 Python 的运动学与动力学软件库，支持位姿与速度运动学及 Jacobian 冗余度解析，并与 PyKDL 进行了性能对比。
2024-09-01 cs.RO
Lifelong Robot Library Learning: Bootstrapping Composable and Generalizable Skills for Embodied Control with Language Models
University of Groningen（格罗宁根大学）
针对现有LLM机器人方法技能库固定、任务范围受限的问题，本研究提出基于LLM的终身学习智能体LRLL，通过软记忆、自引导探索等四项创新持续扩展可组合可泛化的技能库，在仿真环境中性能优于现有方法且技能可迁移到现实。
2024-07-15 cs.RO
SRMP: Search-Based Robot Motion Planning Library
Amazon Robotics（亚马逊机器人）
针对现有运动规划框架难以满足高风险应用可预测性与可复现性要求的问题，研究团队提出专为机器人操作定制的SRMP框架，可生成一致可靠轨迹，支持多机器人操作与多平台集成，经评估满足工业级严苛要求并树立运动规划一致性新标准。
2025-09-29 cs.RO
Robowflex: Robot Motion Planning with MoveIt Made Easy
Rice University（莱斯大学）
Robowflex是一个用于工业和研究应用中机器人运动规划的软件库，利用了流行的MoveIt库和机器人操作系统（ROS）中间件。Robowflex提供了一个增强的API，用于在单个程序中制作和操作运动规划查询，使使用MoveIt进行运动规划变得容易。Robowflex的高级API简化了许多常见用例，同时在需要时仍然提供对MoveIt库的低级访问。Robowflex对于1）开发新的运动规划器，2）评估运动规划器，以及3）使用运动规划作为子例程的复杂问题（例如，任务和运动规划）。Robowflex还提供可视化功能，与其他机器人库的集成（例如，DART和Tesseract），并补充其他机器人软件包。使用我们的库，用户不需要是ROS或MoveIt的专家，就可以设置运动规划查询，从结果中提取信息，并直接与各种软件组件进行交互。我们通过几个示例用例证明了其有效性。
2022-07-27 cs.RO
Modelling the Turtle Python library in CSP
Maynooth University（梅努斯大学）
软件验证是建立关键系统可靠性的重要工具。一个潜在的应用领域是机器人领域，因为机器人在日常领域和高度专业化的领域都承担了更多的任务。机器人通常有一个计划要遵循，如果这个计划中有错误，机器人将无法可靠地执行。提前检查计划错误的能力可以防止这种情况。Python是机器人领域中流行的程序设计语言，通过使用机器人操作系统（ROS）和各种其他库。Python的Turtle包提供了一个移动代理，我们在这里使用通信顺序进程（CSP）正式建模。我们的交互式工具链CSP2Turtle具有CSP模型和Python组件，使Turtle计划能够在Python中执行之前在CSP中进行验证。这意味着可以避免某些类别的错误，并为更详细的验证Turtle程序和更复杂的机器人系统提供了一个起点。我们说明我们的方法与机器人导航和避障的例子在一个二维网格世界。
2022-07-20 cs.RO
Designing Library of Skill-Agents for Hardware-Level Reusability
Microsoft（微软公司）；Applied Robotics Research（应用机器人研究中心）
本文提出基于Learning-from-observation范式和预设计技能智能体库的硬件级可复用方法，通过独立于硬件的任务模型表示和技能智能体设计，实现同一动作表示在不同机器人上的复用。
2024-03-20 cs.RO
gafro: Geometric Algebra for Robotics
Idiap Research Institute（Idiap 研究所）；EPFL（洛桑联邦理工学院）
本文提出面向机器人应用的 C++ 库 gafro，基于共形几何代数实现几何基元、刚体变换、运动学与动力学计算，并提供 Python 绑定和 ROS 接口。
2023-10-29 cs.RO
Gait Library Synthesis for Quadruped Robots via Augmented Random Search
Indian Institute of Technology-Madras（印度理工学院马德拉斯分校）；Indian Institute of Science（印度科学学院）
在本文中，鉴于对快速部署的学习运动步态在低成本的硬件，我们生成一个库的步行轨迹，即向前小跑，向后小跑，侧步，并把我们定制的四足机器人，Stoch 2，使用强化学习。存在为每个时间步确定最优策略的现有方法，而我们以末端脚轨迹的形式为每个半步步行确定最优策略，即，摆动阶段和站立阶段。脚轨迹的路径点从线性策略获得，即，机器人状态的线性函数，三次样条用于在这些点之间插值。仿真中采用了一种无模型、无梯度的学习算法--增强随机搜索算法来学习策略。然后将学习到的策略部署在硬件上，每走半步就产生一个轨迹。通过在不同腿的轨迹之间强制执行预先配置的相移，在模拟中学习不同的运动模式。从一个步态到另一个的过渡是通过使用低通滤波器的相位，和仿真到现实迁移是通过回归获得的状态的线性变换改善。
2019-12-30 cs.RO
Autonomous Navigation System for Library Service Robot Based on Unitree Go2 Edu
Unitree Go2 Edu
针对图书馆狭窄通道和动态障碍物环境，提出基于 ROS 2 的四足机器人导航系统，融合 RTAB-Map、AMCL/EKF 和 Nav2 实现高成功率定位与避障，地图误差 3.7 cm。
2026-06-02 cs.RO
The EventCV Library for Event-Based Robotic Vision
Queensland University of Technology（昆士兰科技大学）
EventCV是一个开源Rust库，提供Python绑定，集成驱动、处理与推理，加速事件相机数据处理，用于机器人视觉，支持实时操作。
2026-09-21 cs.RO
Python Bindings for a Large C++ Robotics Library: The Case of OMPL
Department of Computer Science, Rice University（计算机科学系，里士大学）
本文利用大语言模型生成Python绑定，提升大型C++机器人库的开发效率与性能。
2026-03-04 cs.RO
DexAgent: An Agentic Human2Sim2Robot Framework for Dexterous Manipulation with Self-Evolving Tool Library
Stanford University（斯坦福大学）；Columbia University（哥伦比亚大学）
DexAgent是一个智能体化的Human2Sim2Robot框架，通过语义理解、仿真重建、轨迹优化和数据生成四阶段，将单个人类视频转换为机器人训练轨迹，利用自进化工具库和验证器适应多样物体，成功率比基线高3.5倍。
2026-10-06 cs.RO
Ubiquitous Robot Control Through Multimodal Motion Capture Using Smartwatch and Smartphone Data
Arizona State University（亚利桑那州立大学）；Procter and Gamble（宝洁公司）
提出开源库WearMoCap，利用智能手表和智能手机的多模态动作捕捉实现无缝机器人控制，提供三种模式并在真实机器人任务中达到2 cm内精度，成为传统动作捕捉系统的泛在替代方案。
2024-06-03 cs.RO
EcBot: Data-Driven Energy Consumption Open-Source MATLAB Library for Manipulators
The Maersk Mc-Kinney Moller Institute of the University of Southern Denmark（马士基麦金尼摩勒研究所（丹麦南部大学））
针对现有机械臂能耗模型测试局限和精度不足，提出数据驱动的开源MATLAB库EcBot，自动生成能耗模型，并在多品牌轻量级机器人上验证，RMSE低至1.42W。
2025-08-08 cs.RO
RSL-RL: A Learning Library for Robotics Research
ETH Zürich（苏黎世联邦理工学院）；NVIDIA（英伟达）；Flexion Robotics（Flexion机器人）
RSL-RL 是一个专为机器人社区定制的开源强化学习库，提供紧凑易改的代码库、主流算法及辅助技术，针对 GPU 训练优化，并在仿真与真实实验中验证了其轻量、可扩展的实用性。
2025-09-13 cs.LG cs.RO
Titan: A Parallel Asynchronous Library for Multi-Agent and Soft-Body Robotics using NVIDIA CUDA
Columbia University（哥伦比亚大学）；Imperial College London（帝国理工学院）
虽然大多数机器人仿真库都是为低维和本质上串行的任务而构建的，但软体和多智能体机器人技术已经创造了对可以并行建模许多交互体的仿真环境的需求。尽管在这些领域的兴趣越来越大，没有现有的仿真库解决的挑战，提供一个统一的，高度并行化的，GPU加速的接口，模拟大型机器人系统。Titan是一个多功能的基于CUDA的C++机器人仿真库，它采用了一种新颖的异步计算模型，用于机器人原语的GPU加速仿真。创新的GPU架构设计允许在GPU异步运行的同时对CPU进行同步优化和控制，从而实现快速拓扑优化和强化学习迭代。Kinetics解决了一个大规模的并行集成方案，结合约束和环境的力量。我们报告了基于CPU的基线的显着改进的性能，每秒模拟多达3亿次原始更新，同时允许广泛的研究应用程序的灵活性。我们提出了几个应用程序的泰坦高性能模拟软体和多智能体机器人。
2019-11-22 cs.GR cs.RO
EmoPose: Vision-Language Model Guided Emotion-Aware Gesture Generation for Humanoid Robots
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；The Shandong University（山东大学）；RoboScience
EmoPose提出VLM引导的仿人机器人情感手势生成框架，通过可执行语义接口和动作库实现表达性与可控性，在基准上显著优于直接提示方法。
2026-09-22 cs.RO
OpenMORE: an open-source tool for sampling-based path replanning in ROS
STIIMA-CNR - Institute of Intelligent Industrial Technologies and Systems, National Research Council of Italy（意大利国家研究委员会智能工业技术与系统研究所（STIIMA-CNR））；Dipartimento di Ingegneria Meccanica e Industriale, University of Brescia（布雷西亚大学机械与工业工程系）；Department of Robotics, University of Michigan（密歇根大学机器人系）
本文提出OpenMORE开源ROS库，为采样式路径重规划提供统一框架，支持执行中持续重规划与碰撞检测，便于算法使用、集成和基准测试。
2023-11-30 cs.RO
Humanoid Robot Running Through Random Stepping Stones and Jumping Over Obstacles: Step Adaptation Using Spring-Mass Trajectories
Automation and Control Institute (ACIN)（自动化与控制研究所）；Institute of Robotics and Mechatronics（机器人与机电研究所）；German Aerospace Center (DLR)（德国航空航天中心）
本文提出了一种基于弹簧-质量轨迹和死区控制增益库的跑步步态适应框架，通过自动生成轨迹库、控制增益库、轨迹选择策略及全身控制框架实现步态适应，展示了框架的包容性和鲁棒性。
2025-12-15 cs.RO
OpTaS: An Optimization-based Task Specification Library for Trajectory Optimization and Model Predictive Control
King’s College London（伦敦国王学院）；University of Edinburgh（爱丁堡大学）；Kawada Robotics Corporation（川田机器人公司）；Alan Turing Institute（艾伦·图灵研究所）
本文提出OpTaS，一个用于机器人轨迹优化与模型预测控制的Python任务规范库，支持自定义非线性约束问题、执行中修改参数，并兼容多种求解器，可在关节空间和任务空间同时定义任务。
2023-01-31 cs.RO
CoBaIR: A Python Library for Context-Based Intention Recognition in Human-Robot-Interaction
University of Bremen（不来梅大学）；German Research Center for Artificial Intelligence（德国人工智能研究中心）
本文提出CoBaIR这一可适配Python库，通过集成两层贝叶斯网络实现基于情境的人机交互意图识别，兼具可解释性、可扩展性，并可在无数据时作为专家系统、有数据时进行微调。
2023-08-10 cs.HC cs.RO
Towards hybrid primary intersubjectivity: a neural robotics library for human science
Okinawa Institute of Science and Technology Graduate University（冲绳科学技术大学院大学）
人机交互正在成为认知科学的一个有趣的研究领域，特别是对于社会认知的研究。互动理论家认为，初级主体间性是一种非精神主义的、前理论的、非概念性的过程，它为某种程度的沟通和理解奠定了基础，并为更高层次的认知技能提供了支持。我们认为，这种低层次的认知互动，控制是共享的二元遭遇，是容易与神经机器人的研究。因此，在这项工作中，我们追求三个主要目标。首先，从主动推理的概念出发，我们研究了初级主体间性作为一种第二人称视角的经验，其特征是预测性参与，其中感知，认知和行动在二元互动中被解释为一个解释学循环。其次，我们提出了一个开放源码的方法命名为\textit{neural robotics library}（NRL）的实验人机交互，并在实时与虚拟笛卡尔机器人（VCBot）进行交互的演示程序。最后，通过一个研究案例，我们讨论了人-机器人（混合）主体间性可以为人类科学研究做出贡献的一些方式，例如发展心理学，教育技术和认知康复领域。
2020-06-29 cs.HC cs.NE cs.RO
RTAB-Map as an Open-Source Lidar and Visual SLAM Library for Large-Scale and Long-Term Online Operation
Interdisciplinary Institute of Technological Innovation (3IT)（跨学科技术创新研究所（3IT））；Université de Sherbrooke（谢布鲁克大学）
本研究扩展了开源库RTAB-Map，使其同时支持视觉与激光雷达SLAM，可在同一工具中实现并对比多类2D/3D方案，并通过多数据集的定量定性分析，总结两类SLAM配置在自主导航场景下的优劣势。
2024-03-10 cs.RO
Optimizing Gait Libraries via a Coverage Metric
University of Michigan（密歇根大学）；Johns Hopkins University Applied Physics Lab（约翰斯·霍普金斯大学应用物理实验室）
许多机器人通过组成运动原语（如步和转弯）在世界上移动。要做到这一点，机器人并不需要具备人类直觉所能理解的基本要素。当机器人损坏，不再按设计移动时，这一点变得至关重要。在这里，我们提出了一个目标函数，我们称之为“覆盖率”，它代表了有用的运动原语库的方式不可知的原语本身的细节。我们展示了在模拟和物理机器人上优化覆盖范围的能力，并表明覆盖范围可以在受伤后迅速恢复。这表明，通过优化覆盖范围，机器人即使在面临重大机械故障的情况下也可以保持在世界上导航的能力。这种方法的好处是增强了采样效率，数据驱动的方法，系统辨识，可以迅速通知原语的优化。我们发现，自由度的数量提高了我们模拟机器人的恢复率，这在步态优化和强化学习领域是一个罕见的结果。我们表明，一个机器人的四肢由树枝（没有CAD模型或第一原理模型）是能够快速找到一个有效的高覆盖率的运动基元库。优化的基元对于人类观察者来说是完全不明显的，因此不太可能通过手动调整来实现。
2021-10-03 cs.RO
Optimal Compositions using Unconventional Modular Library for Customized Manipulators
Indian Institute of Technology Ropar（罗帕尔印度理工学院）；University of Warwick（华威大学）
本文提出一种利用非常规模块化库优化定制机械臂配置的方法，可集成ROS平台，并通过两个案例（含农业垂直农场）验证其有效性。
2023-05-14 cs.RO
Control Lyapunov Functions for Compliant Hybrid Zero Dynamic Walking
California Institute of Technology（加州理工学院）
在动态机器人系统上实现具有形式保证的非线性控制器的能力有可能实现更复杂的机器人行为-然而，实现这些控制器通常具有实际挑战性。为了解决这个问题，本文提出了端到端的实现动态双足运动的欠驱动双足机器人通过混合零动态和控制李雅普诺夫函数。Cassie的顺应性模型被表示为混合系统以设置用于轨迹优化框架的阶段。为了在所有方向上实现各种步行速度，编译了顺应性步行运动库，然后将其参数化，以便在实时控制器中有效使用。控制李雅普诺夫函数，这有很强的理论保证，综合利用步态库，再加上逆动力学，以获得基于优化的控制器框架为二次规划。它被证明，该控制器可证明实现稳定的运动，这是再加上一个理论分析，证明有用的性能的控制器的调整和实施。所提出的理论框架上的Cassie机器人，其中3D步行是通过使用基于优化的扭矩控制实现实际证明。实验突出了机器人行走在不同的速度和地形，说明了端到端的实现理论上合理的非线性控制器的动态欠驱动机器人系统。
2021-07-09 cs.RO
The Control Toolbox - An Open-Source C++ Library for Robotics, Optimal and Model Predictive Control
Agile & Dexterous Robotics Lab, ETH Zürich（苏黎世联邦理工学院敏捷与灵巧机器人实验室）
我们介绍了控制器（CT），一个开源的C++库，用于有效的建模，控制，估计，轨迹优化和模型预测控制。CT适用于广泛的一类动态系统，但功能接口，专门为机器人应用设计的建模工具。本文概述了工具箱的一般概念，其主要组成部分，并突出了选定的应用程序的例子。该库包含几个工具来设计和评估控制器，建模动态系统和解决最优控制问题。CT的目的是直观的建模系统由常微分或差分方程。它支持成本函数和约束的快速原型设计，并为不同的最优控制求解器提供标准接口。到目前为止，我们支持单次射击，迭代线性二次调节器，高斯-牛顿多重射击和经典的直接多重射击。我们提供接口的通用NLP求解器和基于Riccati的线性二次最优控制求解器。CT被设计为有效地解决大规模最优控制和估计问题，并允许动态系统的在线控制。实现快速运行时性能的一些关键特性是与自动微分、派生代码生成和多线程的完全兼容。尽管如此，CT被设计为模块化框架，其构建块也可以用于其他控制和估计应用，例如逆动态控制、扩展卡尔曼滤波器或运动规划。
2018-03-26 cs.RO math.OC
DQ Robotics: a Library for Robot Modeling and Control
Federal University of Minas Gerais (UFMG)（米纳斯吉拉斯联邦大学）；University of Tokyo (UTokyo)（东京大学）
对偶四元数代数及其在机器人学中的应用在过去的二十年里引起了人们极大的兴趣。对偶四元数有很大的几何吸引力，很容易捕捉的代数框架内的物理现象，是有用的机器人建模和控制。数学对象，如点、直线、平面、无限圆柱、球体、坐标系、扭曲和扳手都被很好地定义为对偶四元数。因此，简单的运营商被用来表示这些对象在不同的框架和操作，如内积和叉产品被用来提取有用的几何关系之间。尽管如此，对偶四元数代数并不像它可能的那样广泛，主要是因为高效和易于使用的计算工具并不丰富，并且通常仅限于特定的四元数代数。为了弥合理论和实现之间的差距，本文介绍了DQ Robotics，这是一个使用双四元数代数进行机器人建模和控制的库，它易于使用，足够直观，可用于自学和教育，同时在实际应用中部署时具有计算效率。
2020-07-24 cs.RO cs.SY eess.SY
Differentiable and Learnable Robot Models
Facebook AI Research（脸书人工智能研究院）；Intrinsic Innovation LLC.（Intrinsic创新有限责任公司）；Oxford Robotics Institute（牛津机器人研究所）
建立物理过程的可微模拟最近受到越来越多的关注。具体而言，一些努力开发可微分机器人物理引擎，其动机是将刚体模拟与现代可微分机器学习库合并的计算益处。在这里，我们提出了一个库，重点是数据驱动的方法与分析刚体计算相结合的能力。更具体地说，我们的库\emph{Differentiable Robot Models}在Pytorch中实现了机器人运动学和动力学的\emph{differentiable}和\emph{learnable}模型。源代码可从\url{https://github.com/facebookresearch/differentiable-robot-model}获得
2022-02-22 cs.LG cs.RO
Automatic Design of Task-specific Robotic Arms
Carnegie Mellon University（卡内基梅隆大学）；National Robotics Engineering Center（国家机器人工程中心）；ETH Zurich（苏黎世联邦理工学院）
我们提出了一个交互式的，计算设计系统，用于创建定制的机器人手臂高层次的任务描述和环境约束。各种任务要求可以被编码为机器人臂的末端执行器的期望运动轨迹。鉴于这样的末端执行器的轨迹，我们的系统使定制的机器人手臂的按需设计使用的模块化和可重构的部件，如致动器和连接链接库。通过搜索这些部件的可能布置的组合集合，我们的方法生成能够跟踪所需轨迹的功能性的、尽可能简单的机器人臂。我们展示了我们的系统的能力，通过创建机器人手臂的设计模拟，为各种轨迹以下的情况。
2018-06-19 cs.RO
On the Implementation of Behavior Trees in Robotics
Istituto Italiano di Tecnologia（意大利技术研究院）
行为树作为一种描述和实现机器人行为的工具越来越受到人们的关注。BT是在视频游戏行业中设计的，它们在机器人技术中的采用导致了ad-hoc库的开发，以设计和执行适合复杂机器人软件架构的BT。虽然对BT的工作方式存在广泛的共识，但某些特性依赖于在所使用的特定软件库中完成的实现选择。在这封信中，我们概述了采用BT的实际方面，以及机器人社区为充分利用BT在真实机器人中的优势而设计的解决方案。我们还概述了在机器人技术中使用的开源库中提出的解决方案，我们展示了BT如何适应机器人软件架构，并给出了一个用例示例。
2021-06-29 cs.RO
3D Cal: An Open-Source Software Library for Depth Reconstruction on Vision-Based Tactile Sensors
McCormick School of Engineering, Center for Robotics and Biosystems, Northwestern University（麦科姆ick工程学院，机器人与生物系统中心，西北大学）
介绍3D Cal开源库，将低成本3D打印机变为自动探测设备，为校准基于视觉的触觉传感器生成大量标记训练数据，还提供端到端管道训练自定义卷积网络进行深度重建，给出校准准则并展示良好性能。
2026-07-07 cs.RO
Primitive-Swarm: An Ultra-lightweight and Scalable Planner for Large-scale Aerial Swarms
Academy for Engineering and Technology, Fudan University（复旦大学工程与技术学院）；Huzhou Institute of Zhejiang University（浙江大学湖州研究院）；Institute of Cyber-Systems and Control, Zhejiang University（浙江大学网络系统与控制研究所）；School of Aeronautic Science and Engineering, Beihang University（北京航空航天大学航空科学与工程学院）
针对大规模空中集群的规划难题，提出超轻量级可扩展规划器Primitive-Swarm，采用离线预计算原语库与线性复杂度选择，实现毫秒级规划，支持千机实时仿真。
2025-02-24 cs.RO
Semantic-Geometric-Physical-Driven Robot Manipulation Skill Transfer via Skill Library and Tactile Representation
Research Center for Intelligent Robotics, School of Astronautics, Northwestern Polytechnical University（智能机器人研究中心，航天学院，西北工业大学）
提出基于知识图谱技能库与触觉表征的分层框架，通过任务、运动、物理三层机制实现机器人操作技能跨场景迁移。
2025-06-18 cs.AI cs.RO
Offline Skill Generalization via Task and Motion Planning
University of Oslo（奥斯陆大学）
本文提出结合基于采样的任务与运动规划器与离线强化学习算法，通过自主生成演示数据集提取策略来泛化机器人操作技能，减少训练数据需求并实现无碰撞交互，适用于持久机器人学习。
2023-11-24 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
SRSA: Skill Retrieval and Adaptation for Robotic Assembly Tasks
NVIDIA Corporation（英伟达公司）；University of Southern California（南加州大学）；University of Washington（华盛顿大学）
针对机器人富接触装配任务的数据高效学习问题，提出 SRSA 框架，通过预测技能库中各技能在新任务上的零样本迁移成功率来指导技能检索与微调，显著提升了成功率、稳定性和样本效率，并在真实世界部署中达到 90% 平均成功率。
2025-03-06 cs.RO
APReL: A Library for Active Preference-based Reward Learning Algorithms
Stanford University（斯坦福大学）
奖励学习是人机交互中的一个基本问题，让机器人按照人类用户的需求进行操作。许多基于偏好的学习算法和主动查询技术被提出来作为这个问题的解决方案。在本文中，我们提出了APReL，一个基于主动偏好的奖励学习算法库，它使研究人员和从业者能够实验现有的技术，并很容易地开发自己的算法的各个模块的问题。APReL可在https://github.com/Stanford-ILIAD/APReL上获得。
2022-01-04 cs.AI cs.LG cs.RO
ManiDreams: An Open-Source Library for Robust Object Manipulation via Uncertainty-aware Task-specific Intuitive Physics
Department of Computer Science, Rice University, Houston, TX 77005, USA（计算机科学系，里士大学，德克萨斯州休斯敦，77005，美国）；Robotics and AI Institute, Cambridge, MA 02142, USA（机器人与人工智能研究所，马萨诸塞州剑桥，02142，美国）
ManiDreams通过整合不确定性表示、传播和约束，提升机器人操作的鲁棒性，实验表明其在多种扰动下表现优于传统RL方法。
2026-03-24 cs.RO
A C++ Implementation of a Cartesian Impedance Controller for Robotic Manipulators
Lund University（隆德大学）
笛卡尔阻抗控制是一种用于机器人的运动控制策略，其通过实现机器人相对于其外力的顺应行为来提高在部分未知环境中的安全性。这种顺从的机器人行为具有允许机器人的物理人类引导的附加益处。在本文中，我们提出了一个C++实现的遵守控制有效的任何扭矩命令的机器人机械手。所提出的控制器实现笛卡尔阻抗控制跟踪所需的末端执行器姿态。此外，关节阻抗投影在笛卡尔机器人运动的零空间中，以跟踪期望的机器人关节配置，而不干扰机器人的笛卡尔运动。所提出的实施方案还允许机器人向其环境施加所需的力和扭矩。几个安全功能，如过滤，速率限制，饱和度包括在拟议的实施。核心功能在一个可重用的基础库中，并在此基础上提供了一个机器人操作系统（ROS）ros_control集成。KUKA LBR iiwa机器人和Franka Replika机器人（Panda）在仿真和物理机器人中对该实现进行了测试。
2022-12-21 cs.RO
pomdp_py: A Framework to Build and Solve POMDP Problems
Brown University（布朗大学）
在本文中，我们介绍了pomdp_py，一个通用的部分可观察马尔可夫决策过程（POMDP）库编写的Python和Cython。由于底层程序设计语言或接口，现有POMDP库通常阻碍可访问性和有效的原型设计，并且需要软件工具链的额外复杂性来与机器人系统集成。pomdp_py具有简单而全面的接口，能够描述大型离散或连续（PO）MDP问题。在这里，我们总结了设计原则，并详细描述了pomdp_py中的编程模型和接口。我们还描述了这个库与ROS（机器人操作系统）的直观集成，这使得我们的躯干驱动机器人在3D中执行对象搜索。最后，我们指出了改进和扩展POMDP规划及以后的库的方向。
2020-04-21 cs.AI cs.RO
