Accurate Pose Prediction on Signed Distance Fields for Mobile Ground Robots in Rough Terrain
Technical University of Darmstadt(达姆施塔特工业大学)
本文提出一种基于有符号距离场的迭代几何方法,用于精确预测崎岖地形中带主动鳍板移动机器人的三维位姿,在仿真和真实平台上验证了其高精度与在线规划能力,并优于现有高度图方法。
2024-05-03 cs.RO
Precise but Natural Specification for Robot Tasks
Max Planck Institute for Software Systems, Germany(德国马克斯·普朗克软件研究所)
Flipper通过自然语言接口实现机器人高阶任务规范,结合形式化核心语言与语义解析器,提供可视化反馈并支持自然语言扩展,提升任务描述效率。
2018-09-20 cs.CL cs.RO cs.SY
Manual, Semi or Fully Autonomous Flipper Control? A Framework for Fair Comparison
Czech Technical University in Prague(布拉格捷克技术大学);Faculty of Electrical Engineering(电气工程学院)
针对摆臂式滑移转向机器人,论文通过统一复现与新基准接口比较手动、半自主和全自主控制,提出兼顾通过质量与认知负荷的半自主策略。
2025-03-18 cs.RO
Adaptive Locomotion on Mud through Proprioceptive Sensing of Substrate Properties
Department of Electrical and Computer Engineering University of Southern California(电气与计算机工程系美国南加州大学)
本文提出利用鳍状肢执行器电流与位置信号本体感知泥浆反力并估计其特性,结合机器人运动实现在线识别与步态自适应,从而避免打滑和被困。
2025-06-05 cs.RO
A Reconfigurable Tracked Robot for Enhanced Obstacle Traversal Through Movable Articulation Point and Internal Mass Relocation
Kyushu University(九州大学);The University of Electro-Communications(电气通信大学)
该研究提出可重构履带式机器人TRASER,通过带带状弹簧的铰接结构与质心重定位提升越障能力,实验实现74%、66%、59%机身长度的台阶、悬空平台、壕沟越障,为履带机器人最高越障性能。
2026-08-11 cs.RO
EMMa: End-Effector Stability-Oriented Mobile Manipulation for Tracked Rescue Robots
本文提出了一种面向履带救援机器人的移动操作框架,通过协调路径优化模型和紧凑成本/约束表示,提高末端操作的稳定性和任务成功率。
2026-04-09 cs.RO
Design and Development of a Tracked Inspection Robot
本文给出了三个机会水平的巧妙微分的检验。这是主要的微分,当结果处于波动载荷下时,它将速度和力的差异解释为三个结果,但是当暴露于接近载荷时,它将等效运动和力解释为结果。的运动学和元素的确定,并假设调查下三个不同的负担情况。在三个负担情况下的运动是另外重新创造和集中在。同时介绍了它的优点及其当前和潜在的应用。
2022-09-01 cs.RO
Robot Soccer Kit: Omniwheel Tracked Soccer Robots for Education
LaBRI - DART - Rhoban University of Bordeaux(LaBRI - DART - Rhoban 大学)
本文介绍了一种配备外部追踪系统的教育全向轮机器人套件,解决了现有套件局限于自我中心感知的问题,使学生能够探索坐标和导航等高级机器人学问题。
2025-10-13 cs.RO
Hybrid Trajectory Optimization for Autonomous Terrain Traversal of Articulated Tracked Robots
Harbin Institute of Technology(哈尔滨工业大学);Tsinghua University(清华大学)
提出一种铰接式履带机器人自主地形跨越的混合轨迹优化方法,通过平面接触模型与混合运动模式实现实时规划,在仿真与真实场景中验证了其在时间、能效、稳定性与平滑度上的优势。
2023-11-23 cs.RO
Mathematical model of a remotely controlled skid-slip tracked mobile robot
Universitá degli studi "Mediterranea" di Reggio Calabria(雷焦卡拉布里亚“地中海”大学)
建立了遥控滑移履带式移动机器人的不确定范数有界数学模型。线性状态空间描述的目的是描述的非线性误差动力学的机器人在轨迹跟踪机动的控制通道中的延迟的存在下,考虑到未知的,但有界的滑移系数。
2023-03-06 cs.RO math.DS
Design, Modeling and Control of A Novel Amphibious Robot with Dual-swing-legs Propulsion Mechanism
Beijing Institute of Technology(北京理工大学)
介绍了一种新型两栖机器人,它采用双摆腿推进机构,提出了一种新的运动方式。这个机器人被称为FroBot,因为它的结构和运动类似于青蛙。我们的灵感来自青蛙滑板车和蛙泳。基于其摆动腿机制,一个不寻常的万向轮结构被用来在陆地上产生推进力,而一对灵活的尾鳍则像青蛙的脚蹼一样在水下产生类似的推进力。在样机设计和机器人动力学模型的基础上,进行了运动控制仿真和实验,以调整影响机器人推进力的参数。最后,通过一系列水下实验验证了FroBot设计的可行性和控制算法的合理性。
2015-09-21 cs.RO
Language-Guided Terrain-Adaptive Neural MPC for Autonomous Traversal of Articulated Tracked Robots
针对铰接履带机器人在复杂环境中的自主穿越难题,提出结合学习运动学模型、NMPC和LLM调参的ASTRIL-MPC框架,显著提升穿越质量并消除碰撞。
2026-09-17 cs.AI cs.RO
Thrust Direction Control of an Underactuated Oscillating Swimming Robot
Modboat是一种自主的水面机器人,它通过被动鳍状肢将单个电机的振荡转化为受控的划桨运动。在先前的工作中开发的惯性控制方法可以成功地沿着轨迹驱动Modboat,并使其与相邻模块对接,但周期时间不恒定,无法对动态环境做出反应。在这项工作中,我们提出了一种推力方向控制方法的Modboat,显着提高了系统的时间响应,并增加了它可以控制的精度。我们的实验表明,这种方法可以用来执行更紧凑的机动比以前的方法或类似的机器人可以。我们还提出了一个扩展的控制器,解决了反应轮的无界致动器速度的问题,并表明它进一步提高了性能。
2022-02-03 cs.RO
High Precision Control of Tracked Field Robots in the Presence of Unknown Traction Coefficients
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Iowa State University(爱荷华州立大学)
在作物行中精确转向以避免作物损坏是农业机器人在各种田间作业中最重要的任务之一,例如监测,机械除草或喷洒。在实践中,由于未知的牵引系数,不同的土壤条件可能导致偏离轨道导航,从而可能导致农作物受损。为了解决这个问题,本文提出了一个实时滚动时域估计和控制(RHEC)框架应用于一个完全自主的移动机器人平台,以提高其转向精度的开发,应用和实验结果。廉价和快速的微处理器的最新进展,以及非线性优化问题的解决方法的进步,使得非线性滚动时域控制(RHC)和滚动时域估计(RHE)方法适用于需要高频(毫秒)更新的现场机器人。一个实时RHEC框架的开发和应用到一个完全自主的移动机器人平台,作者设计的在现场表型分析应用程序在Sorbestos领域。非线性RHE用于估计约束状态和参数,非线性RHC是基于包含时变参数的自适应系统模型设计的。实验验证了实时RHEC框架的能力,结果表明,在颠簸和潮湿的土壤领域的准确跟踪性能。RHEC框架的欧几里德误差和所需计算时间的平均值分别等于$0.0423$ m和$0.88$毫秒。
2021-03-21 cs.RO
MiniUGV$_2$: A Compact UAV-Deployable Tracked Ground Vehicle with Manipulation Capabilities
institutetext(机构)
miniUGV$_2$ 是一种可由无人机部署的紧凑型履带式地面车辆,具备双关节臂、激光雷达和深度感应等模块化电子设备,能安全地在受限环境中进行探索和物体操控。
2026-03-01 cs.RO
Holonomic Control of Arbitrary Configurations of Docked Modboats
Modboat是一种低成本、欠驱动的模块化机器人,能够在水面游泳,对接到其他模块,并仅使用一个电机和两个被动鳍状肢从它们中脱离。在某些配置中,通过引起相邻模块的尾部之间的故意自碰撞来实现脱离;然而,当希望集体游泳作为一个连接的组件时,这成为一个挑战。先前的工作已经开发出控制器,可以将停靠的Modboats的任意配置变成可操纵的车辆,但它们不能抵消横向力和干扰。在这项工作中,我们提出了一个集中的控制策略,以创建完整的车辆的任意配置的对接Modboats使用迭代势场为基础的搜索。我们的实验表明,我们的控制器表现良好,可以控制浪涌和摇摆速度和偏航角同时。
2022-11-29 cs.RO
Learning Visuo-Motor Behaviours for Robot Locomotion Over Difficult Terrain
The Queensland University of Technology(昆士兰科技大学)
随着移动机器人在复杂的现实环境中执行日常任务变得越来越有用,它们必须能够穿越一系列困难的地形类型,例如楼梯,垫脚石,间隙,跳跃和狭窄的通道。这项工作研究穿越这些类型的环境与双足机器人(模拟实验),和跟踪机器人(现实世界)。开发一个传统的单片控制器穿越所有的地形类型是具有挑战性的,大型物理机器人需要现实的测试设施,必须确保安全。另一种选择是一套简单的行为控制器,可以组合以实现复杂的任务。这项工作有效地训练了复杂的行为,使移动机器人能够穿越困难的地形。随着新行为的出现,通过最大限度地减少再训练,机器人能够穿越越来越复杂的地形,从而导致可扩展行为库的发展。
2023-03-02 cs.RO
Online Dynamic Motion Planning and Control for Wheeled Biped Robots
轮式足式机器人结合了轮式机器人在适当平坦表面上行驶时的效率和足式机器人在跨越或绕过障碍物时的多功能性。本文介绍了一种规划和控制框架,以实现动态移动的轮式机器人。我们提出的车线性倒立摆模型(车LIPM)作为模板模型的滚动运动和欠驱动LIPM的接触变化,而步行。生成的运动然后由一个逆动态全身控制器跟踪,该控制器协调所有关节,包括车轮。该框架具有分层结构,并以模型预测控制(MPC)方式实现。为了验证所提出的混合运动生成方法,在仿真中设计了两种涉及不同类型障碍物的场景。据我们所知,这是第一次,这种在线动态混合运动已被证明对轮式机器人。
2020-03-07 cs.RO
Amplitude Control for Parallel Lattices of Docked Modboats
Modboat是一种低成本、欠驱动的模块化机器人,能够在水面游泳。它能够单独游泳,停靠在其他Modboats上,并仅使用一个电机和两个被动鳍状肢从它们中脱离。通过在相邻模块的尾部之间引起有意的自碰撞来实现不需要额外驱动的出坞;当希望作为一个连接的组件进行组游泳时,这成为一个挑战。在这项工作中,我们开发了一种控制策略,允许Modboats的平行晶格作为一个单一的单元游泳,这通常需要完整的模块。我们表明,控制策略是保证,以避免无意的脱离和晶格内的内力最小化。实验验证表明,该控制器性能良好,对各种尺寸的网格具有一致性。在游泳时保持可控性,但纯偏航控制导致横向运动,不能抵消所提出的框架。
2022-07-22 cs.RO
A Reconfigurable USAR Robot Designed for Traversing Complex 3D Terrain
University of Calgary(卡尔加里大学)
机器人技术在城市搜索和救援(USAR)中的应用从2001年世界贸易中心事件开始稳步增长。尽管多年来取得了进展,但目前用于USAR目的的机器人的核心设计几乎没有偏离,有利于软件和控制开发以及基本机器人模板的优化,以提高性能。这里介绍的是一个新的设计描述的板球,一个先进的机器人具有更广泛的物理能力比传统的USAR机器人。通过将早期机器人的履带结构(因能源效率和鲁棒性而受到赞赏)纳入多肢步行设计,Cricket能够使用先进的运动技术。能够爬过许多倍于机器人高度的障碍物,在没有系绳的帮助下爬上垂直轴,穿越粗糙和接近垂直的地形,提高了Cricket在密闭空间中成功定位受害者的能力。
2015-04-16 cs.RO
Collective Control for Arbitrary Configurations of Docked Modboats
Modboat是一种低成本、欠驱动的模块化机器人,能够在水面游泳,对接到其他模块,并仅使用一个电机和两个被动鳍状肢从它们中脱离。在某些配置中,通过引起相邻模块的尾部之间的故意自碰撞来实现脱离;然而,当希望集体游泳作为一个连接的组件时,这成为一个挑战。在这项工作中,我们开发了一个集中控制策略,使\textit{arbitrary}配置的Modboats游泳作为一个单一的可操纵的车辆,并保证没有意外的出坞。我们还提出了一个简化的模型,船之间的水动力相互作用的配置,是易于处理的实时控制。我们的实验表明,我们的控制器表现良好,是一致的各种尺寸和形状的配置,并可以同时控制浪涌速度和偏航角。在游泳时保持可控性,但纯偏航控制导致横向运动,不能抵消所提出的框架。
2022-09-08 cs.RO
Learning the Right Abstraction: Neural Reduced Dynamics for Complex Robot Control
University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
本文提出神经简化动力学(NRD)框架,学习保留控制相关物理特性的简化状态,训练的策略可迁移至高保真模拟器,在三项控制任务中实现高精度且速度大幅提升的机器人控制。
2026-08-21 cs.RO
Novel Compliant omnicrawler-wheel transforming module
Robotics Research Center, IIIT-Hyderabad(国际信息技术研究所海得拉巴分校机器人研究中心)
提出了一种新型的履带式机器人的设计方案,该机器人通过一种新型的机构将其底盘从全履带式转向大型轮式。转换发生在没有任何额外的致动器的情况下。有趣的是,机器人可以转换成一个大直径和小宽度的车轮,这增强了它的机动性,如小转弯半径和快速/有效的运动。本文的贡献,改善以前开发的混合柔顺omnicrawler机器人CObRaSO的运动模式。除了腿和跟踪机制,CObRaSO现在可以显示大轮模式,这有助于其运动能力。文中详细介绍了机器人的机械设计,并进行了变形实验和力矩分析
2018-07-10 cs.RO
Social Navigation Planning Based on People's Awareness of Robots
University of Texas at Austin(德克萨斯大学奥斯汀分校)
当移动机器人在人类附近移动时,它们会冒着粗暴地挡住人类道路的风险;但并非所有人在机器人周围的行为都是一样的。没有注意到机器人的人是最难预测的。本文研究了移动机器人如何在动态环境中通过预测人类行为来生成可接受的路径。在这里,人的行为可能包括身体行为和心理行为,我们侧重于后者。我们引入了一个简单的安全交互模型:当人类似乎不知道机器人时,它应该避免走得太近。在这项研究中,机器人周围的人检测和跟踪使用传感器融合和过滤技术。为了处理动态环境中的不确定性,部分可观测马尔可夫决策过程模型(POMDP)被用来制定在共享环境中的导航规划问题。在POMDP中,人们对机器人的意识被推断并包括为状态和奖励模型。所提出的计划,使机器人改变其导航计划的基础上,其感知每个人的机器人意识。据我们所知,这是一种新的能力。我们进行模拟和实验,使用丰田人类支持机器人(HSR),以验证我们的方法。我们证明了所提出的框架是能够实时运行。
2018-09-24 cs.RO
Curved Trajectory Detection : A Novel Neurocognitive Perception Approach for Autonomous Smart Robots
K. N. Toosi University of Technology(K. N. 图西理工大学)
Braitenberg车辆可以被称为机器人领域认知研究的开创性元素,特别是神经机器人,以发明更多智能机器人。动态物体的运动检测可以被认为是最鼓舞人心的能力之一,可以导致发展更智能的Braitenberg车辆。在本文中,建立了一个新的神经元电路,以检测周围的Braitenberg车辆徘徊的对象的曲线运动。新电路的模块化结构提供了将模型扩展到巨大的感觉生物系统的机会。此外,电路对癫痫发作的稳健性能取决于在电路构造中同时利用兴奋性和抑制性刺激。此外,可以跟踪直线运动,作为曲线运动的特殊情况。PIONEER,适当注意其合适的神经传感器,被用作Braitenberg车辆的经验评估。将仿真结果和实际试验应用于该飞行器,以验证曲线轨迹检测器的新成果。
2014-07-06 cs.RO
Design, analysis and control of the series-parallel hybrid RH5 humanoid robot
DFKI GmbH(德国人工智能研究中心);University of Edinburgh(爱丁堡大学);Alan Turing Institute(艾伦·图灵研究所);LAAS-CNRS(法国国家科学研究中心系统分析与架构实验室)
近几十年来的人形机器人研究表明,为获得高动态性能而开发的人形机器人需要刚性结构和最佳质量分布-惯性特性。用纯树型架构构建的人形机器人往往体积庞大,并且通常受到速度和力/扭矩的限制。本文提出了一种新型的串并联混合人形机器人RH 5,它高2米,重量只有62.5公斤,能够执行重型动态任务,每只手5公斤的有效载荷。采用基于微分动态规划(DDP)的全身轨迹优化技术对该仿人机器人进行分析和控制。此外,我们提出了一种改进的接触稳定性软约束DDP算法,该算法能够生成物理上一致的步行轨迹的人形,可以通过一个简单的PD位置控制在物理模拟器跟踪。最后,我们展示了RH 5人形机器人的初步实验结果。
2021-01-26 cs.RO
Keep Rollin' - Whole-Body Motion Control and Planning for Wheeled Quadrupedal Robots
ETH Zürich(苏黎世联邦理工学院)
我们展示了轮式四足机器人的动态运动策略,它结合了步行和驾驶的优点。所开发的优化框架紧密集成了由车轮引入的额外自由度。我们的方法依赖于基于零矩点的运动优化,不断更新参考轨迹。参考运动由一个分层的全身控制器来跟踪,该控制器通过求解包括非完整滚动约束在内的一系列优先任务来计算最佳广义加速度和接触力。我们的方法已经在ANYmal上进行了测试,ANYmal是一种四足机器人,它是完全扭矩控制的,包括连接到腿上的非转向轮。我们在平坦和倾斜的地形以及台阶上进行了实验,由此我们表明,将车轮集成到运动控制和规划框架中会产生直观的运动轨迹,与其他轮式足式机器人相比,这使得运动更加稳健和动态。此外,以4 m/s的速度和降低83%的运输成本,我们证明了轮式足式机器人与腿式机器人相比的优越性。
2019-02-07 cs.RO
Real-Time Kinodynamic Motion Planning for Omnidirectional Mobile Robot Soccer using Rapidly-Exploring Random Tree in Dynamic Environment with Moving Obstacles
Universitas Gadjah Mada(加札马达大学)
RoboCup中型组联赛(RoboCup MSL)通过机器人足球比赛为研究移动机器人导航、多机器人协作、通信和集成提供了一个标准化的实验平台,在这种高度动态和对抗性的环境中,机器人足球比赛是一种非常重要的比赛。运动动力学运动规划是机器人运动学领域的一个重要研究课题,它是指机器人在避障的同时,遵循其动力学规律进行运动轨迹规划。提出了一种基于Kinodynamic-RRT* 方法的全向机器人运动动力学运动规划。在这项工作中还考虑了轨迹跟踪控制执行规划轨迹。对机器人平移和旋转方向的运动规划进行解耦。然后,我们实现了kinodynamic-RRT* 与双积分器模型规划的平移轨迹。利用满足速度和加速度约束的最小时间轨迹发生器生成旋转轨迹。然后使用PI控制跟踪计划轨迹。为适应环境的变化,开发了运动规划和轨迹跟踪的并发软件模块。使用基于机器人操作系统(ROS)的RoboCup仿真系统对所产生的系统进行了应用和测试。仿真结果表明,运动规划系统能够生成无碰撞轨迹,轨迹跟踪系统能够跟踪生成的轨迹。在高度动态的环境中,在线方案能够重新规划轨迹。
2019-05-12 cs.RO
Learning Ground Traversability from Simulations
Dalle Molle Institute for Artificial Intelligence (IDSIA), USI-SUPSI(达勒·莫勒人工智能研究所(IDSIA),瑞士意大利语区大学-南方应用科技大学)
在非结构化地形上运行的移动地面机器人必须预测它们能够通过环境的哪些区域,以便规划可行的路径。我们将遍历性估计作为高度图分类问题:我们构建了一个卷积神经网络,该网络在给定表示地形块的高度图的图像的情况下,预测机器人是否能够从左到右遍历这样的块。使用程序生成的训练地形上的仿真数据,针对特定的机器人模型(轮式,履带式,腿式,蛇形)训练分类器;训练的分类器可以应用于看不见的大高度图,以产生定向可通行性图,然后规划可通行路径。我们在六个真实世界的海拔数据集上进行了广泛的模拟评估,并在一个室内和一个室外环境中进行了真实的机器人验证。
2019-02-18 cs.RO
Towards an immersive user interface for waypoint navigation of a mobile robot
Bristol Robotics Laboratory(布里斯托尔机器人实验室);University of the West of England(西英格兰大学)
在本文中,我们探讨了实用的盔装显示器(HMD)接口的移动机器人导航。我们专注于机器人的航路点位置的选择,同时保持一个以自我为中心的机器人的环境。受虚拟现实(VR)游戏的启发,我们提出了一种目标选择方法,该方法使用商业VR头显的6自由度跟踪控制器。这允许操作者指向机器人附近的期望目标位置,然后机器人自主地朝向该期望目标位置导航。进行了用户研究(37名参与者),以检查这种控制策略的有效性相比,直接控制,有和没有通信延迟。实验结果表明,参与者能够快速学习如何使用新系统,大多数参与者报告了对路点控制的偏好。在所有记录的指标(任务性能,操作员的工作量和可用性),建议的航路点控制界面没有显着影响的通信延迟,与直接控制。模拟实验表明,在现实世界中实现所提出的界面可能是有效的,但也强调了管理HMD负面影响的必要性-特别是VR疾病。
2020-03-28 cs.RO
Achieving Stable High-Speed Locomotion for Humanoid Robots with Deep Reinforcement Learning
School of Computer Science and Technology, University of Science and Technology of China(中国科学技术大学计算机科学与技术学院);Ningbo Institute of Digital Twin, Eastern Institute of Technology(浙大宁波理工学院宁波数字孪生研究院)
本文提出结合深度强化学习与运动动力学先验的 KSLC 方法,通过协调手臂运动提升人形机器人高速运动稳定性,在仿真中实现 3.5 m/s 速度跟踪并验证了泛化能力。
2024-09-25 cs.RO
Semantic Co-Speech Gesture Synthesis and Real-Time Control for Humanoid Robots
China Mobile HangZhou(中国移动杭州)
本文提出了一种基于语义的手势生成与实时控制框架,通过整合生成检索机制和模仿学习策略,实现人形机器人自然流畅的非语言交流。
2025-12-19 cs.RO
Proprioception and reaction for walking among entanglements
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Carnegie Mellon University(卡内基梅隆大学)
本文提出一种针对腿式机器人腿部缠绕的本体感知方法和在摆动相解开腿部的反应策略,使机器人能穿越多种刚度和几何形状的缠绕物,在实验室16次试验中成功14次并适用于户外环境。
2023-09-10 cs.RO
Image-Based Roadmaps for Vision-Only Planning and Control of Robotic Manipulators
Robotics Engineering Department of Worcester Polytechnic Institute(沃斯特理工学院机器人工程系)
本文提出一种纯图像空间的机器人机械臂运动规划框架,通过视觉特征构建路线图并生成无碰撞路径,实验证明学习距离路线图可实现100%的控制收敛成功率。
2025-07-02 cs.RO
Improved ICNN-LSTM Model Classification Based on Attitude Sensor Data for Hazardous State Assessment of Magnetic Adhesion Climbing Wall Robots
Harbin Engineering University(哈尔滨工程大学)
本文针对磁吸附爬壁机器人因倾覆力矩导致磁板脱离的安全问题,提出基于MEMS姿态传感器微小振动数据的改进ICNN-LSTM分类方法,实现危险状态实时评估并验证了其高准确率。
2024-12-30 cs.RO eess.SP physics.ins-det
Planar Bipedal Locomotion with Nonlinear Model Predictive Control: Online Gait Generation using Whole-Body Dynamics
ETH Zürich(苏黎世联邦理工学院);California Institute of Technology(加州理工学院)
具有输入约束和欠驱动的双足机器人实时生成动态行走的能力具有在动态、复杂和非结构化环境中实现运动的潜力。然而,双足机器人的高维特性限制了全阶刚体动力学的使用,离线合成,然后在线跟踪步态。在这项工作中,我们开发了一个在线的非线性模型预测控制的方法,利用全阶动力学实现不同的步行行为。此外,这种方法可以通过期望的参考与离线合成的步态相结合,以实现更短的预测范围和快速的在线重新规划,弥合在线反应控制和离线步态规划之间的差距。我们证明了所提出的方法,无论有和没有离线步态,在模拟和硬件上的平面机器人琥珀-3M。
2022-11-03 cs.RO
Universal Trajectory Optimization Framework for Differential Drive Robot Class
The State Key Laboratory of Industrial Control Technology, College of Control Science and Engineering, Zhejiang University(工业控制技术国家重点实验室,控制科学与工程学院,浙江大学);Huzhou Institute, Zhejiang University(湖州研究院,浙江大学);China Tobacco Zhejiang Industrial Co., Ltd.(中国烟草浙江工业公司)
针对各类差速驱动机器人轨迹优化难题,提出基于多项式参数化的通用轨迹优化框架,并构建全栈规划控制系统,在拥挤环境中验证了其高效性与鲁棒性。
2025-05-29 cs.RO
Learning Autonomous Mobility Using Real Demonstration Data
University of Edinburgh(爱丁堡大学);School of Informatics(信息学院);Institute for Perception, Action, and Behaviour(感知、行动与行为研究所)
提出了一种有效的基于学习的框架,从人的遥操作演示中学习反馈控制策略,实现了履带式机器人的越障、楼梯穿越、打滑控制和包裹投递。由于现实世界中的不确定性,如障碍物和滑移,闭环反馈控制在提高鲁棒性和弹性方面发挥着重要作用,但控制律难以手动编程以实现自主行为。我们制定了一个基于长短期记忆(LSTM)神经网络的架构,它可以有效地从人类演示中学习反应式控制策略。使用来自一些真实演示的数据集,我们的算法可以直接学习成功的策略,包括障碍物谈判,爬楼梯和交付,跌倒恢复和滑动的纠正控制。我们提出了复杂机器人动作的分解,以减少学习的长期依赖关系的难度。此外,我们提出了一种方法来有效地处理非最佳演示和学习新技能,因为收集足够的演示可能是耗时的,有时在一个真正的机器人系统上是非常困难的。
2021-08-10 cs.RO
Design and Dimensional Optimization of Legged Structures for Construction Robots
Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences(中国科学院深圳先进技术研究院);School of Transportation and Logistics Engineering, Wuhan University of Technology(武汉理工大学交通运输与物流工程学院);University of Chinese Academy of Sciences(中国科学院大学)
本文受蚂蚁启发,针对建筑机器人提出腿式结构设计与尺寸优化方法,通过改进工作空间、平均可操纵性和ADAMS仿真获得最佳腿节比例,为复杂地形自主移动提供设计基础。
2025-07-22 cs.RO
Multiple Object Detection, Tracking and Long-Term Dynamics Learning in Large 3D Maps
Robotics, Perception and Learning Lab Royal Institute of Technology (KTH)(皇家理工学院(KTH)机器人、感知与学习实验室)
在这项工作中,我们提出了一种方法,用于跟踪和学习的所有对象的动态在一个大规模的机器人环境。移动机器人在环境中巡逻,并逐一访问不同的位置。可移动对象通过变化检测来发现,并在整个机器人部署过程中进行跟踪。对于跟踪,我们扩展了Rao-Blackwellized粒子滤波器的出生和死亡过程,使该方法能够处理任意数量的对象。目标出生和协会使用吉布斯抽样。系统的参数,然后学习使用期望最大化算法在一个无监督的方式。因此,该系统能够学习一个特定环境及其对象的动态。该算法进行评估的数据自主收集的移动机器人在办公室环境中,在现实世界的部署。我们表明,该算法可以自动识别和跟踪3D地图中的移动对象,并推断出合理的动力学模型,从而显着降低了我们之前工作的建模偏差。所提出的方法是对以前的环境动态学习方法的改进,因为它允许细粒度的过程的学习。
2018-01-28 cs.RO
Reinforcement Learning Meets Hybrid Zero Dynamics: A Case Study for RABBIT
Ohio State University(俄亥俄州立大学);University of Michigan(密歇根大学)
双足机器人的反馈控制器的设计是具有挑战性的,由于其动力学的混合性质和高维双足模型的复杂性。在本文中,我们提出了一种新的方法设计的反馈控制器使用强化学习(RL)和混合零动态(HZD)。现有的用于双足行走的RL方法效率低下,因为它们不考虑底层物理,通常需要大量的训练,并且由此产生的控制器可能不适用于真实的机器人。HZD是一个强大的工具,用于双足控制与步行极限环的局部稳定性保证。在本文中,我们提出了一个非传统的RL结构,嵌入到策略学习的HZD框架。更具体地说,我们建议使用RL找到一个控制策略,从机器人的降阶状态映射到一组参数,通过虚拟约束定义机器人关节的期望轨迹。然后,这些轨迹跟踪使用自适应PD控制器。该方法的结果是在一个稳定的和鲁棒的控制策略,能够在连续的时间间隔内跟踪可变的速度。通过对机器人躯干施加外力来评估该策略的鲁棒性。建议的RL框架在OpenAI Gym中实现并演示,其中MuJoCo物理引擎基于著名的RABBIT机器人模型。
2018-10-03 cs.RO
EmbodiedRAG: Dynamic 3D Scene Graph Retrieval for Efficient and Scalable Robot Task Planning
Johns Hopkins University(约翰斯·霍普金斯大学)
针对大语言模型机器人规划中3D场景图输入规模超限的问题,提出动态3D场景子图检索框架EmbodiedRAG,可随环境和任务动态检索子图,显著降低token消耗与规划时间并提升任务成功率,适配模拟及真实边缘机器人部署。
2024-10-31 cs.RO
DTAA: A Detect, Track and Avoid Architecture for navigation in spaces with Multiple Velocity Objects
本文提出创新的DTAA架构,通过集成YOLOv8检测、Ultralytics跟踪和卡尔曼滤波状态估计,结合启发式聚类与NMPC控制器,实现了机器人在动态环境中的多物体主动规避与安全导航。
2025-11-03 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
Pseudo-Kinematic Trajectory Control and Planning of Tracked Vehicles
Dipartimento di Ingegneria and Scienza dell'Informazione (DISI), University of Trento(信息工程系(DISI),特伦托大学);Dipartimento di Ingegneria Industriale (DII), University of Trento(工业工程系(DII),特伦托大学)
本文提出一个基于三大支柱(仿真与面向控制模型、李雅普诺夫反馈控制器、运动规划方案组合)的履带车辆导航框架,以解决建模复杂性和导航设计难题,并通过仿真与实验验证。
2025-10-17 cs.RO cs.SY eess.SY
Koopman-Accelerated Model-Based Diffusion for Real-Time Robot Control
Kyung Hee University(庆熙大学)
本文提出双线性Koopman基于模型的扩散(BK-MBD),通过高维提升和双线性动力学加速滚动预测,实现实时轨迹优化,在仿真和物理机械臂上均达到高成功率与实时性。
2026-09-25 cs.RO
Hector UI: A Flexible Human-Robot User Interface for (Semi-)Autonomous Rescue and Inspection Robots
Technical University of Darmstadt(德累斯顿技术大学)
本文提出开源且可灵活配置的Hector UI,基于既定准则设计并适配多种机器人,在多次竞赛与评估中验证了其高效性与灵活性。
2025-04-28 cs.HC cs.RO
Enhancing Continuous Control of Mobile Robots for End-to-End Visual Active Tracking
University of Perugia(佩鲁贾大学)
在过去的几十年里,视觉目标跟踪一直是机器人研究界的主要研究兴趣之一。深度学习技术的最新进展使视觉跟踪方法的开发在从汽车到监控和人类辅助的各种应用中变得有效和可行。然而,大多数现有的工作仅仅集中在被动视觉跟踪上,即,通过假设不能采取任何动作来使摄像机位置适应被跟踪实体的运动来跟踪图像序列中的元素。相反,在这项工作中,我们解决视觉主动跟踪,其中跟踪器必须主动搜索和跟踪一个指定的目标。当前最先进的方法使用深度强化学习(DRL)技术来以端到端的方式解决问题。然而,出现了两个主要问题:i)大多数贡献仅关注离散动作空间,而考虑连续控制的贡献没有达到相同的性能水平; ii)如果没有适当调整,DRL模型可能具有训练的挑战性,导致学习进度相当缓慢,最终性能较差。为了解决这些挑战,我们提出了一种新的基于DRL的视觉主动跟踪系统,提供连续的行动政策。为了加速训练和提高整体性能,我们引入了额外的目标函数和启发式轨迹生成器(HTG)来促进学习。通过大量的实验,我们证明了我们的方法可以达到并超过其他最先进的方法的性能,并证明,即使只在模拟中训练,它也可以成功地在真实场景中进行视觉主动跟踪。
2020-09-28 cs.RO
DeepTerramechanics: Terrain Classification and Slip Estimation for Ground Robots via Deep Learning
Massachusetts Institute of Technology(麻省理工学院);robonity: worldwide tech consulting(robonity:全球技术咨询)
地面力学在地面车辆和地面移动机器人领域起着至关重要的作用,因为理解和估计影响车辆-地面相互作用的变量可能意味着整个任务的成功或失败。这项研究将深度学习中最先进的算法应用于两个关键问题:估计车轮打滑和对地面机器人穿越的地形进行分类。采用地面机器人平台(MIT单轮测试台,MSL Currency Rover和履带式机器人Fitorobot)收集的三个数据集,以比较传统机器学习方法(即支持向量机(SVM)和多层感知器(MLP))对深度神经网络(DNN)和卷积神经网络(CNN)的性能。这项工作还显示了某些调整参数和网络架构(MLP,DNN和CNN)对这些方法性能的影响。本文还深入讨论了DNN和CNN实施过程中的经验教训,以及如何将这些方法扩展到解决其他问题。
2018-06-12 cs.CV cs.RO
Feature Selection Based on Reinforcement Learning and Hazard State Classification for Magnetic Adhesion Wall-Climbing Robots
College of Mechanical and Electrical Engineering, Harbin Engineering University(哈尔滨工程大学机电工程学院)
针对磁吸附壁面机器人高空作业倾覆风险,提出结合PPO强化学习动态特征选择与CNN-LSTM分类的危险状态识别方法,有效提升多场景下危险状态评估准确率,为机器人安全监控提供技术支持。
2025-03-22 cs.RO physics.ins-det
Layered Safety: Enhancing Autonomous Collision Avoidance via Multistage CBF Safety Filters
Caltech(卡内基梅隆大学)
本文提出一种多阶段CBF安全过滤器,通过预测和实时安全过滤提升机器人动态避障的鲁棒性和安全性。
2026-09-14 cs.RO
DeepVL: Dynamics and Inertial Measurements-based Deep Velocity Learning for Underwater Odometry
Norwegian University of Science and Technology (NTNU)(挪威科技大学)
本文提出DeepVL模型,通过融合动力学感知的本体感受数据与循环神经网络集成方法预测水下机器人速度及不确定性,结合扩展卡尔曼滤波实现无外感受的长期里程计,提升视觉惯性里程计的韧性与精度。
2025-02-11 cs.RO
Rollover Prevention for Mobile Robots with Control Barrier Functions: Differentiator-Based Adaptation and Projection-to-State Safety
California Institute of Technology(加州理工学院)
本文针对移动机器人在陡坡上的侧翻问题,提出一种结合ISS微分器与CBF的安全关键控制器,并利用时变PSSf处理扰动,最终在履带式机器人上实验验证了防侧翻保证的有效性。
2024-06-16 cs.RO cs.SY eess.SY
Rolling in the Deep -- Hybrid Locomotion for Wheeled-Legged Robots using Online Trajectory Optimization
ETH Zürich(苏黎世联邦理工学院);Delft University of Technology(代尔夫特理工大学);Boston Dynamics(波士顿动力公司)
轮式足式机器人具有高度敏捷和多功能运动的潜力。腿和轮子的组合可能是任何需要在具有挑战性的地形上快速和长距离移动技能的现实世界应用的解决方案。在本文中,我们提出了一个在线轨迹优化框架轮式四足机器人能够执行混合步行驱动运动策略。通过将优化问题分解为轮和基座轨迹规划,高维轮足式机器人的运动规划变得更加易于处理,可以以模型预测控制的方式实时在线求解,并且对于不可预测的干扰变得鲁棒。参考运动由分层全身控制器跟踪,该控制器向机器人发送扭矩命令。我们的方法是验证四足机器人与非转向轮连接到它的腿。该机器人执行混合运动的各种步态序列在粗糙的地形。此外,我们在美国国防高级研究计划局(DARPA)地下挑战赛中验证了机器人平台,机器人在那里快速绘制地图,导航和探索动态地下环境。
2020-02-06 cs.RO cs.SY eess.SY