Passive Quadrupedal Gait Synchronization for Extra Robotic Legs Using a Dynamically Coupled Double Rimless Wheel Model
United States Military Academy（美国军事学院）；Massachusetts Institute of Technology（麻省理工学院）
额外机器人腿（XRL）系统是由人类操作员佩戴的机器人增强装置，由两条铰接的机器人腿组成，它们与操作员一起行走，并帮助承载沉重的背包有效载荷。对于Human-XRL四足系统来说，理想的是在步态周期的25%中后腿领先于前腿行走，从而最小化足部冲击的能量损失，同时最大化平衡稳定性。与四足机器人不同，XRL不能命令人类的四肢协调四足运动。利用一对无框车轮模型，它表明，系统与弹簧和阻尼器耦合收敛到所需的25%的相位差。利用数值模拟生成庞加莱返回映射，以检查不同耦合器设计参数和初始条件的收敛特性。动力耦合双无框轮系统的物理实现与弹簧和阻尼器从理论上的结果选择，和初步的实验表明，所需的同步性能可以实现在几个步骤内使用这套被动组件单独。
2020-07-02 cs.RO
Parameter Identification and Motion Control for Articulated Rigid Body Robots Using Differentiable Position-based Dynamics
Advanced Robotics and Controls Lab, University of California San Diego（加州大学圣地亚哥分校先进机器人与控制实验室）
机器人、物体和环境的仿真建模是所有基于模型的控制和学习的基础。它广泛应用于动态规划和模型预测控制，以及用于模仿、转移和强化学习的数据生成。除了保真度，这些控制和学习环境中模型的关键特征是速度，稳定性和本地可微性。然而，当今许多流行的机器人仿真平台至少缺乏上述功能之一。最近，基于位置的动力学（PBD）由于其速度和稳定性，已成为一种非常流行的模拟工具，用于建模刚性和非刚性物体相互作用的复杂场景，并开始在机器人中获得显着的兴趣，因为它在基于模型的控制和学习中的潜在用途。因此，在本文中，我们提出了一个数学公式耦合基于位置的动力学（PBD）仿真和最优机器人设计，基于模型的运动控制和系统辨识。我们的框架打破了PBD的定义和衍生的各种类型的关节为基础的铰接刚体。提出了一种基于自动微分的反向传播算法，该算法可以同时集成位置和角度约束。我们的框架可以严格地提供原生梯度信息，并执行基于梯度的优化任务。我们还提出了铰接联合模型表示和模拟工作流程，我们的微分框架。我们证明了该框架在高效的最优机器人设计，准确的轨迹扭矩估计和支持弹簧刚度估计，我们实现了微小的误差的能力。我们还实现了阻抗控制在真正的机器人，以证明我们的微分框架在人在环应用的潜力。
2022-01-15 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
Invariant Kalman filtering for extended pose estimation in multi-IMU articulated rigid-body systems
University of Liège（列日大学）；Mines Paris – PSL（巴黎高科矿业学院 – 巴黎文理研究大学）
针对多IMU铰接刚体系统的扩展位姿估计，提出相对L-扩展位姿的李群表示，将关节约束以不变形式融入迭代不变扩展卡尔曼滤波，实现快速收敛和低误差。
2026-07-30 cs.RO
Quadruped Locomotion on Non-Rigid Terrain using Reinforcement Learning
KAIST（韩国科学技术院）
足式机器人需要能够在各种地形条件下行走。在本文中，我们提出了一种新的强化学习框架学习运动的非刚性动态地形。具体来说，我们的框架可以生成四足动物的运动平坦的弹性地形，由一个矩阵的瓷砖移动向上和向下被动时，由机器人的脚推。一个受过训练的机器人有55厘米的基础长度可以在地形上行走，可以下沉到5厘米。我们提出了一组能够实现这种运动的观察和奖励项;其中我们发现将末端效应器历史和末端效应器速度项纳入观察中至关重要。我们通过训练具有各种地形条件的机器人来展示我们方法的有效性。
2021-07-07 cs.AI cs.RO
Multi-Quadruped Cooperative Object Transport: Learning Decentralized Pinch-Lift-Move
Collaborative Robotics and Intelligent Systems Institute (CoRIS)（协作机器人与智能系统研究所）
本研究提出了一种去中心化方法，通过共享策略参数和隐含同步提示实现多足机器人协同运输，无需通信或集中控制。
2026-03-09 cs.RO
Extended Capture Point and Optimization-based Control for Quadrupedal Robot Walking on Dynamic Rigid Surfaces
University of Massachusetts Lowell（麻省大学洛厄尔分校）
稳定足式机器人在动态刚性表面（DRS）上的运动（即，在惯性系中运动的刚性表面）是复杂的规划和控制问题。由于混合非线性行走动力学的复杂性受到显式时变完整约束所造成的表面运动。这项研究的第一个主要贡献是扩展的捕获点从静态表面上行走的DRS上的运动，以及使用所得到的捕获点在线运动规划。第二个主要贡献是二次规划（QP）的反馈控制器设计，明确考虑DRS运动。通过对四足机器人在具有摇摆运动的DRS上行走的仿真，验证了所提出的控制方法的稳定性和鲁棒性。仿真结果还表明，与我们以前的方法相比，改进的步行性能离线规划和输入输出线性化控制的基础上，不明确保证地面接触约束的可行性。
2021-09-10 cs.RO math.OC
Local Region-to-Region Mapping-based Approach to Classify Articulated Objects
University of Birmingham（伯明翰大学）
本文提出一种基于配准的局部区域到区域映射方法，利用点云局部变换，无需约束、模型或学习即可分类铰接或刚性物体，并在两个基准数据集上验证了良好准确率。
2023-05-10 cs.CV cs.RO
PointCast: One World Model for Rigid, Articulated, and Deformable Object Manipulation
University of Minnesota（明尼苏达大学）
PointCast提出一个点集世界模型，用扩散变换器预测物体点轨迹，统一处理刚体、铰接体和可变形物体操作，在模拟和真实数据上均优于基线。
2026-09-24 cs.RO
AirDOS: Dynamic SLAM benefits from Articulated Objects
Carnegie Mellon University（卡内基梅隆大学）；Australian National University（澳大利亚国立大学）
动态对象感知SLAM（DOS）利用对象级信息来实现动态环境中的鲁棒运动估计。现有的方法主要集中在识别和排除动态对象的优化。在本文中，我们表明，基于特征的视觉SLAM系统也可以受益于动态铰接对象的存在，利用两个观察：（1）铰接对象的每个刚性部分的3D结构保持一致，随着时间的推移;（2）在同一刚性部分上的点遵循相同的运动。特别是，我们提出了AirDOS，一个动态的对象感知系统，引入刚性和运动约束模型连接的对象。通过联合优化摄像机姿态、物体运动和物体3D结构，我们可以校正摄像机姿态估计，防止跟踪丢失，并为动态物体和静态场景生成4D时空地图。实验表明，该算法提高了视觉SLAM算法在具有挑战性的拥挤的城市环境中的鲁棒性。据我们所知，AirDOS是第一个动态对象感知SLAM系统，证明可以通过纳入动态铰接对象来改进摄像机姿态估计。
2022-08-24 cs.CV cs.RO
Locomotion analysis of a quadruped interacting with the lunar granular surface
Department of Industrial Engineering, University of Padua（工业工程系，帕多瓦大学）
通过强化学习训练四足机器人在模拟月球颗粒表面运动，对比刚性与软接触环境下的步态和能耗，发现软接触增加训练难度、改变步态并提高能量消耗。
2026-06-09 cs.RO
State Estimation and Environment Recognition for Articulated Structures via Proximity Sensors Distributed over the Whole Body
Kyushu University（九州大学）
本文针对全身接触环境的低刚度机器人，提出利用全身分布式接近传感器同时进行姿态估计与环境建图，并将离散时间模型扩展到空间方向，仿真验证可显著降低估计误差。
2024-09-19 cs.RO
Experimental Characterization of Robot Arm Rigidity in Order to Be Used in Machining Operation
University of Bordeaux（波尔多大学）；University Politehnica of Bucharest（布加勒斯特理工大学）
在多关节机器人手臂末端安装旋转工具的尝试可以追溯到20年前，但这些机器人并不是为此而设计的。实际上，加工需要两个基本特征：给定工作空间内的高刚性和高精度。实验结果是一个多关节机器人配备了集成主轴的动态识别。本研究的目的是突出的机器人手臂的几何配置对系统的整体刚度的影响。主轴被视为机器人KUKA KR_240_2的附加重量和动力激励。通过对机器人加工振动的研究，确定了铣削加工中机器人的运动方向
2012-01-21 cs.RO
Inferring Articulated Rigid Body Dynamics from RGBD Video
NVIDIA（英伟达）；Stanford University（斯坦福大学）；Microsoft Research（微软研究院）；Google Research（谷歌研究院）；University of Southern California（南加州大学）
由于能够再现从光交互到接触力学的物理现象，仿真器在越来越多的难以获得真实世界交互或标记数据的应用领域中变得越来越有用。尽管最近取得了进展，但需要大量的人力来配置模拟器以准确地再现真实世界的行为。我们引入了一个流水线，结合了逆渲染与微分模拟，以创建数字孪生的现实世界的关节机制，从深度或RGB视频。我们的方法自动发现关节类型，并估计其运动参数，而整个机构的动态特性进行调整，以实现物理上准确的模拟。控制策略优化，在我们推导的模拟成功地转移回原来的系统，因为我们证明了一个模拟系统。此外，我们的方法准确地重建由机器人操纵的关节机构的运动树，以及现实世界的耦合摆机构的高度非线性动力学。网址：https://eric-heiden.github.io/video2sim
2022-09-12 cs.AI cs.CV cs.RO
Jade: A Differentiable Physics Engine for Articulated Rigid Bodies with Intersection-Free Frictional Contact
National University of Singapore（新加坡国立大学）；Xi’an Jiaotong University（西安交通大学）
提出用于铰接刚体的可微物理引擎Jade，通过连续碰撞检测与回溯策略实现无交叠摩擦接触，并修改Dantzig算法求解LCP，在富接触任务上验证了有效性。
2023-09-09 cs.AI cs.CV cs.GR
A Novel Lockable Spring-loaded Prismatic Spine to Support Agile Quadrupedal Locomotion
University of California, Riverside（加州大学河滨分校）
本文提出一种新型弹簧加载可锁定脊柱模块及SCIQ四足机器人平台，通过测试验证了该柔性脊柱在保持跳跃性能的同时，能有效吸收冲击并以猫伸展方式耗散能量以缓解着陆冲击。
2023-08-02 cs.RO
Fast and Feature-Complete Differentiable Physics for Articulated Rigid Bodies with Contact
Stanford University（斯坦福大学）；Amazon（亚马逊）
我们提供了一个快速且功能完整的可微物理引擎Nimble（nimblephysics.org），它支持拉格朗日动力学和用于铰接刚体模拟的硬接触约束。我们的可微物理引擎提供了一套完整的功能，这些功能通常仅适用于机器人应用中常用的不可微物理模拟器。我们使用线性互补问题（LCP）精确地解决接触约束。我们提出了有效的和新的分析梯度通过LCP制定的非弹性接触，利用LCP解决方案的稀疏性。我们支持复杂的接触几何，和梯度近似连续时间的弹性碰撞。我们还介绍了一种新的方法来计算互补感知梯度，帮助下游优化任务避免在鞍点停滞。我们表明，在现有的物理引擎（DART）中实现这种组合能够在单个时间步计算分析雅可比矩阵时实现87倍的单核加速比，同时保留原始DART的所有表现力。
2021-06-22 cs.AI cs.LG 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
Whole-Body Nonlinear Model Predictive Control Through Contacts for Quadrupeds
Agile & Dexterous Robotics Lab, ETH Zürich（敏捷灵巧机器人实验室，苏黎世联邦理工学院）；Robotic Systems Lab, ETH Zürich（机器人系统实验室，苏黎世联邦理工学院）；ETH Zürich（苏黎世联邦理工学院（注：此处ETH Zürich是机构名，与前面实验室同属苏黎世联邦理工学院））
在这项工作中，我们提出了一个整体的非线性模型预测控制的方法，刚体系统的接触。我们使用一个完整的动态系统模型，其中还包括明确的接触动力学。因此，接触位置、顺序和定时不是预先指定的，而是由求解器优化的。然而，彻底的数值和软件工程允许在半秒的时间范围内在四足动物上以高达190 Hz的速率运行非线性最优控制求解器。这比现有技术至少好一个数量级。硬件实验的形式，周期性和非周期性的任务，适用于两个四足机器人与不同的驱动系统。所得到的结果强调的性能，可转移性和鲁棒性的方法。
2017-12-07 cs.RO
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
Dynamic Modeling and MPC for Locomotion of Tendon-Driven Soft Quadruped
Department of Electrical Engineering, IIT Gandhinagar（电子工程系，印度加尔各直辖区理工学院）；Department of Electronics and Computer Engineering, Sreenidhi Institute of Science and Technology（电子与计算机工程系，斯里尼迪学院科学与技术研究所）；Department of Mechanical Engineering, IIT Gandhinagar（机械工程系，印度加尔各直辖区理工学院）
SLOT机器人通过物理信息建模和MPC控制实现柔顺腿部运动学的高效控制与高精度轨迹跟踪。
2026-02-18 cs.RO
Bridge the Gap: Enhancing Quadruped Locomotion with Vertical Ground Perturbations
Technical University of Darmstadt（德累斯顿技术大学）；Institute of Sports Science and Centre of Cognitive Science（体育科学学院和认知科学中心）；Intelligent Autonomous Systems group（智能自主系统小组）；Department of Computer Science（计算机科学系）；Measurement and Sensor Technology Group（测量与传感器技术小组）；Department of Electrical Engineering and Information Technology（电气工程与信息科技系）；Institute of Structural Mechanics and Design（结构力学与设计研究所）；German Research Center for AI (DFKI)（德国人工智能研究中心）
本研究通过 MuJoCo 模拟中 PPO 算法训练 Unitree Go2 在振荡桥上运动，提出增强四足机器人垂直扰动鲁棒性的方法，实验证明振荡桥训练策略更稳定，实现零样本迁移。
2025-10-15 cs.RO
Real-time Trajectory Optimization and Control for Ball Bumping with Quadruped Robots
Southern University of Science and Technology（南方科技大学）；Guangdong University of Technology（广东工业大学）
研究了四足机器人撞球运动的实时的运动规划与控制问题。为了使四足动物碰撞飞行球与不同的初始化，我们开发了一个非线性的轨迹优化为基础的规划方案，共同识别起飞时间和状态，以实现准确的击球在飞行阶段。这样的规划方案采用二维单刚体模型，该模型对于高度时间敏感的任务在精度和效率之间实现了令人满意的平衡。为了精确地执行计划的运动，跟踪控制器需要将严格的时间状态约束施加在起飞和击球事件上。为此，我们开发了一种改进的模型预测控制器，尊重关键的时间状态约束。建议的规划和控制框架进行了验证与一个真正的Aliengo机器人。实验表明，该问题规划方法平均计算时间约为60 ms，能够实时的成功完成各种初始化的撞球运动。
2022-10-11 cs.RO
SoftMAC: Differentiable Soft Body Simulation with Forecast-based Contact Model and Two-way Coupling with Articulated Rigid Bodies and Clothes
Carnegie Mellon University（卡内基梅隆大学）；National University of Singapore（新加坡国立大学）
SoftMAC是一个可微仿真框架，通过基于预测的MPM接触模型和穿透追踪算法，实现软体、铰接刚体与衣物的双向耦合，有效支持更广泛的机器人操作交互。
2025-04-05 cs.AI cs.GR cs.RO
The Effect of Tail Stiffness on a Sprawling Quadruped Locomotion
University of Galway（高威大学）；University of Notre Dame（圣母大学）
本研究通过在欠驱动匍匐式四足机器人上添加由单个伺服电机控制刚度的多节段缆绳驱动柔性尾巴，证明了可变刚度尾巴相比刚性尾巴或无尾巴能显著提升机器人在崎岖地形上的稳定性和攀爬能力。
2023-04-09 cs.RO
Energetic Analysis on the Optimal Bounding Gaits of Quadrupedal Robots
Syracuse University（雪城大学）
机器人专家在为腿式机器设计运动控制器时经常忽略，能量消耗在选择高速或长距离运动的最佳步态中起着重要作用。本研究的目的是探讨四个类似的不对称四足步态，经常观察到在自然界中的腿动物。为了了解特定的脚步模式如何改变腿系统的能量，我们首先开发了一个名为A1的四足机器人的全身模型。对于每一种步态，我们都创建了一个混合系统，具有所需的脚步顺序和刚性冲击。为了找到最节能的步态，我们使用最优控制方法，制定了一个轨迹优化问题与适当的约束条件和目标函数的问题。这个问题是在一个名为FROST的非线性规划框架中实现和解决的。基于每个步态的优化轨迹，我们研究了运输成本和所有关节所做的工作的值。此外，我们还分析了在整个步幅周期内系统各组成部分的角动量交换。根据模拟结果，在很宽的速度范围内，两个飞行阶段的跳跃可能是A1最节能的步态。
2023-03-08 cs.RO
In-Hand Manipulation of Articulated Tools with Dexterous Robot Hands with Sim-to-Real Transfer
Electrical and Computer Engineering Department, University of California, San Diego（加州大学圣地亚哥分校电气与计算机工程系）
本文提出了一种通过传感器驱动改进和交叉注意机制，实现灵活机器人手在现实中的关节工具操作，提高了仿真到现实迁移的鲁棒性和泛化能力。
2026-03-05 cs.RO
Robot Squid Game: Quadrupedal Locomotion for Traversing Narrow Tunnels
Department of Computer Science, George Mason University（乔治·马歇尔大学计算机科学系）
本文提出一种结合环境生成与策略蒸馏的强化学习框架，使四足机器人能稳健地在各种隧道配置中移动，克服传统方法在复杂地形适应性差的问题。
2026-05-13 cs.RO
Mechanical Precision Weeding with a Quadruped Robot
Eindhoven University of Technology（埃因霍温理工大学）；ETH Zürich（苏黎世联邦理工学院）
针对除草剂抗性和环境问题，提出用配备铣削工具的Spot四足机器人进行机械除草，减少土壤压实，简化自动化，并分析其准确性与效率。
2026-09-18 cs.RO
Optimisation of Body-ground Contact for Augmenting Whole-Body Loco-manipulation of Quadruped Robots
University of Edinburgh（爱丁堡大学）
足式机器人具有很大的潜力来执行本地操作任务，但它是具有挑战性的，以保持平衡的机器人，而它与环境的互动。在本文中，我们研究了使用额外的接触点，最大限度地提高鲁棒性的本地操作运动。具体而言，身体-地面接触的研究，以提高四足机器人的鲁棒性和操作能力。我们建议为机器人配备尖头：刚性连接到身体的小腿，以确保身体与地面的接触发生在可控的点接触。这些尖头对鲁棒性的影响通过计算最小不可拒绝力（SUF）来量化，SUF是与可行扳手多边形相关的鲁棒性度量。我们应用SUF评估系统的鲁棒性，并提出了一个有效的近似SUF，可以计算在近实时的速度。我们设计了一个基于分层二次规划的全身控制器，当尖头与地面接触时，控制稳定的相互作用。这种使用尖头的新概念和由此产生的控制框架都在硬件上实现，以验证增强的鲁棒性和新启用的本地操作任务的有效性，例如障碍物清除和大型物体的操作。
2020-02-24 cs.RO
Role-Adaptive Collaborative Formation Planning for Team of Quadruped Robots in Cluttered Environments
Robotics and Artificial Intelligence Group, Department of Computer, Electrical and Space Engineering, Lulea University of Technology（机器人与人工智能小组，计算机、电气与航天工程系，卢莱亚理工大学）
本文提出了一种适用于 cluttered 环境的四足机器人团队角色自适应协作形成规划方法，通过动态角色分配和 FM2 算法实现灵活导航与稳定形成。
2026-02-20 cs.RO
Distributed Inverse Dynamics Control for Quadruped Robots using Geometric Optimization
IIT Kanpur（印度理工学院坎普尔分校）；New York University（纽约大学）
针对现有四足机器人反应式控制器的模型简化、摩擦约束处理不足及全身控制器算力需求高的问题，提出基于几何优化的分布式逆动力学控制器，采用完整刚体动力学与精确摩擦锥约束，实验验证其在打滑、跟踪、收敛速度及功耗上均更优，可高效运行于嵌入式平台。
2024-12-13 cs.RO
The Quadruped Soft Tail: Compliant Grasping and Swabbing for Contamination Surveys in Harsh Environments
Mechatronics, Robotics and Operation Section, European Organization for Nuclear Research (CERN)（欧洲核子研究中心（CERN）机电一体化、机器人与操作部门）；Department of Engineering Cybernetics, Norwegian University of Science and Technology (NTNU)（挪威科技大学（NTNU）工程控制论系）
提出一种安装在四足机器人上的轻量、柔软、肌腱驱动的尾巴，通过空心柔性骨架和软体夹爪实现污染拭子的抓取、擦拭和回收，结合运动学模型和任务空间控制器实现遥操作，验证了抓取对形状影响小且共模驱动可调节刚度。
2026-07-02 cs.RO
V-MAO: Generative Modeling for Multi-Arm Manipulation of Articulated Objects
Carnegie Mellon University（卡内基梅隆大学）
操纵关节式物体通常需要多个机器人手臂。使多个机器人手臂能够协作地完成对铰接对象的操作任务是具有挑战性的。在本文中，我们提出了$\textbf{V-MAO}$，一个框架，用于学习多臂操作的铰接对象。我们的框架包括一个变分生成模型，学习接触点分布的对象刚性部件为每个机器人arm.The训练信号是从与仿真环境，这是通过规划和一个新的制定对象为中心的控制铰接对象的互动。我们部署我们的框架在一个定制的MuJoCo仿真环境中，并证明我们的框架实现了六个不同的对象和两个不同的机器人的高成功率。我们还表明，生成式建模可以有效地学习关节对象上的接触点分布。
2021-11-07 cs.AI cs.CV cs.LG
Learning Articulated Motions From Visual Demonstration
Massachusetts Institute of Technology（麻省理工学院）
人类家庭和工作场所的许多功能元件由通过一个或多个滑动或旋转连杆连接的刚性部件组成。例子包括橱柜和电器的门和抽屉;笔记本电脑;和旋转办公椅。机器人移动机械手将受益于从观察中获取此类物体的运动学模型的能力。本文介绍了一种方法，通过该方法，机器人可以获得一个对象模型，通过捕捉深度图像的对象作为一个人移动它通过其运动范围。我们设想，在未来，新引入到环境中的机器可以由其人类用户显示特定于该环境的铰接对象，从这些“视觉演示”中推断出足够的信息来独立于用户驱动每个对象。我们的方法采用稀疏（无标记）特征跟踪，运动分割，组件姿态估计，和清晰度学习，它不需要事先对象模型。使用该方法，机器人可以观察正在锻炼的对象，推断出包含刚性，棱柱和旋转关节的运动学模型，然后使用该模型从一个新的有利位置预测对象的运动。我们评估该方法的性能，并将其与先前公布的技术进行比较，用于各种家用物品。
2015-02-05 cs.CV cs.RO
Real-Time Walking Pattern Generation of Quadrupedal Dynamic-Surface Locomotion based on a Linear Time-Varying Pendulum Model
University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）；NVIDIA Research（英伟达研究院）；Princeton University（普林斯顿大学）；Purdue University（普渡大学）
本文提出了一种易于分析和计算效率高的足式机器人在动态刚性表面（DRS）上运动的动力学模型，并基于该模型及其解析解开发了一个实时的【形】运动规划器。本研究首先从理论上扩展了经典的线性倒立摆（LIP）模型从腿运动在静态表面上的DRS运动，放松LIP的基本假设，表面是静态的。由此产生的模型，我们称之为“DRS-LIP”，是显式时变的。在将DRS-LIP转换为Mathieu方程之后，获得了DRS-LIP的近似解析解，该近似解析解具有合理的精度和较低的计算成本。此外，为了说明分析结果的实际用途，它们被用来开发一个分层的运动规划器，有效地生成物理上可行的DRS运动轨迹。最后，所提出的理论结果和运动规划的有效性证明了通过PyBullet模拟和实验上的Laikago四足机器人，走在摇摆跑步机。模拟和硬件实验的视频可在https://youtu.be/u2Q_u2pR99c上获得。
2023-01-08 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
The RBO Dataset of Articulated Objects and Interactions
Biology Laboratory, Technische Universit\" a t Berlin, Germany. denotes equal contribution.
我们提出了一个数据集，其中包含人类环境中常见的14个铰接对象的模型，以及记录人类与它们交互的RGB-D视频序列和扳手。358个交互序列在不同的实验条件下（交互类型、照明、视角和背景），总共进行了67分钟的人工操作。与对象的每个交互都用其刚性部分的地面真实姿态和由运动捕获系统获得的运动状态来注释。对于78个序列（25分钟）的子集，我们还测量了相互作用扳手。对象模型包含每个链接及其运动约束的纹理三维三角形网格。我们提供Python脚本来下载和可视化数据。这些数据可在https://tu-rbo.github.io/articulated-objects/上查阅，并在https://zenodo.org/record/1036660/上托管。
2018-06-17 cs.CV cs.RO
Simulating Safe Bite Transfer in Robot-Assisted Feeding with a Soft Head and Articulated Jaw
School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航天工程学院）；Singapore-ETH Centre（新加坡-ETH中心）
本文提出在MuJoCo模拟器中利用软体动力学建模人机交互，评估咬合传递参数，发现直进直出策略可最小化作用力并提升舒适度，为机器人辅助喂食提供安全可控的仿真验证方法。
2025-02-26 cs.RO
Whole-body model predictive control with rigid contacts via online switching time optimization
Kyoto University（京都大学）
针对具有刚性接触的机器人系统，提出了一种基于在线切换时间优化的整体模型预测控制（MPC）方法。我们把机器人动力学与刚性接触作为一个切换系统，制定切换系统的最优控制问题，以实现MPC。我们利用一个有效的解决方案算法的MPC问题，同时优化切换时间和轨迹。本高效的算法，不像现有的低效的方法，使在线优化以及切换时间。通过对四足机器人动态跳跃运动的数值模拟，将在线STO的MPC与传统的固定切换时间的MPC进行了比较。在仿真比较中，所提出的MPC成功地控制了动态跳跃运动的两倍的情况下，传统的MPC，这表明所提出的方法扩展了整体MPC的能力。我们进一步进行硬件实验的四足机器人Unitree A1和证明所提出的方法实现了真实机器人的动态运动。
2022-10-24 cs.RO math.OC
Nothing But Geometric Constraints: A Model-Free Method for Articulated Object Pose Estimation
Johns Hopkins University（约翰斯·霍普金斯大学）
我们提出了一个无监督的基于视觉的系统来估计从RGB或RGB-D图像序列的机器人手臂的关节配置，而无需事先知道模型，然后将其适应于类别独立的铰接对象姿态估计的任务。我们将经典的几何公式与深度学习相结合，并将极线约束的使用扩展到多刚体系统来解决这个任务。给定一个视频序列，通过估计光流得到像素级的稠密对应。在此之后，6D位姿是由一个修改的Pestrian算法计算。关键思想是利用几何约束和多帧之间的约束。此外，我们建立了一个综合的数据集与不同类型的机器人和多关节关节的关节对象的研究基于视觉的机器人控制和机器人视觉。我们证明了我们的方法在三个基准数据集上的有效性，并表明我们的方法在估计机器人手臂和铰接对象的关节角度方面比最先进的监督方法具有更高的准确性。
2020-11-30 cs.CV cs.RO
HapFIC: An Adaptive Force/Position Controller for Safe Environment Interaction in Articulated Systems
University of Edinburgh（爱丁堡大学）；University of Oxford（牛津大学）
触觉交互对于动物的动态灵活性是必不可少的，动物使用来自其本体感受的力反馈从阻抗无缝切换到导纳行为。然而，这种能力在机器人中重现是极具挑战性的，特别是在处理复杂的交互动态，分布式接触和接触切换时。当前基于模型的控制器需要精确的交互建模来考虑接触并稳定交互。在这篇手稿中，我们提出了一个自适应力/位置控制器，利用分形阻抗控制器的无源性和非线性执行有限搜索算法，使用从传感器的力反馈信号在末端执行器。该方法是计算成本低，开放的可能性，在未来处理分布式接触。我们在物理仿真中评估了该体系结构，并表明该控制器可以鲁棒地控制与不同动力学对象的相互作用，而不会违反最大允许目标力或导致数值不稳定，即使是非常刚性的对象。所提出的控制器也可以自主处理接触切换，并可能会发现在多个领域，如腿运动，康复和辅助机器人的应用。
2021-07-20 cs.RO
mc-mujoco: Simulating Articulated Robots with FSM Controllers in MuJoCo
CNRS-AIST JRL (Joint Robotics Laboratory) IRL（法国国家科学研究中心-产业技术综合研究所联合机器人实验室国际联合研究室）；National Institute of Advanced Industrial Science and Technology (AIST)（产业技术综合研究所）；University of Tsukuba（筑波大学）
为了在真实的硬件平台上安全可靠地部署任何机器人控制器，通常需要预先在真实的仿真环境中全面评估控制器与特定机器人的性能。虽然存在可以为此目的提供核心物理引擎的若干软件解决方案，但是将仿真环境与被评估的机器人控制器进行接口通常是繁琐且容易出错的工作。控制器可以具有由有限状态机（FSM）内的多个状态和转换组成的复杂结构，并且甚至可能需要通过GUI输入。在这项工作中，我们提出了mc-mujoco -一个开源的软件框架，形成了一个接口之间的MuJoCo物理模拟器和mc-RTC机器人控制框架。我们提供了实现细节，并描述了基本上为任何新机器人添加支持的过程。我们还演示并发布了一个样本FSM控制器的HRP-5 P人形机器人在MuJoCo的双足运动和稳定的刚性物体的把握。mc-mujoco、已开发的机器人模块和FSM控制器的代码和使用说明可在线获取。
2022-09-01 cs.RO
Quadrupedal Robot Skateboard Mounting via Reverse Curriculum Learning
Skolkovo Inst. of Sci. and Tech.（斯克洛夫诺研究所）
提出逆向课程强化学习方法，让四足机器人从固定滑板正上方逐步学习上板，并成功迁移到位置、朝向变化及可移动滑板场景。
2025-05-10 cs.AI cs.RO math.OC
DRS-LIP: Linear Inverted Pendulum Model for Legged Locomotion on Dynamic Rigid Surfaces
University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）；NVIDIA Research（英伟达研究）；Princeton University（普林斯顿大学）；Department of Mechanical Engineering, University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校机械工程系）
足式机器人在动态刚性表面上的运动（即，在惯性系中运动的刚性表面）涉及高维、非线性和时变的复杂全阶动力学。为了得到一个易于分析的动力学模型，本研究从理论上扩展了降阶线性倒立摆（LIP）模型，从腿运动在一个固定的表面上的运动的动态刚性表面（DRS）。所得到的模型在本文中被称为DRS-LIP。此外，本研究介绍了一个近似的解析解的建议DRS-LIP，计算效率高，精度高。为了说明分析结果的实际用途，它们被用来开发一个层次规划框架，有效地生成物理上可行的DRS运动轨迹。所提出的理论结果和运动规划的有效性证明了通过模拟和实验上的Laikago四足机器人，走在摇摆跑步机。
2022-01-31 cs.RO
Automatic Differentiation of Rigid Body Dynamics for Optimal Control and Estimation
Istituto Italiano di Tecnologia（意大利理工学院）
机器人中的许多控制、优化和估计算法都依赖于底层系统动力学的导数，例如计算线性化、灵敏度或梯度方向。然而，我们表明，当处理刚体动力学，这些衍生物是很难得到分析和有效地实施。为了克服这个问题，我们扩展了建模工具“RobCoGen”与自动微分兼容。此外，我们提出了如何自动获得的衍生物，并产生高效的源代码。我们强调的灵活性和性能的方法在两个应用程序的例子。首先，我们展示了四足机器人HyQ的轨迹优化示例，该示例在包括接触模型的动力学上采用自动微分。其次，我们提出了一个硬件实验中，一个6自由度的机器人手臂避免了一个随机移动的障碍，在一个去到任务的快速，动态重新规划。
2018-01-16 cs.RO
PhysX-Omni: Unified Simulation-Ready Physical 3D Generation for Rigid, Deformable, and Articulated Objects
S-Lab, Nanyang Technological University（南洋理工大学S实验室）
本文提出PhysX-Omni，一种统一的模拟准备物理3D生成框架，通过开发针对视觉-语言模型的高效几何表示和首个通用模拟准备3D数据集PhysXVerse，以及评估生成和理解能力的PhysX-Bench，显著提升了生成和理解性能，推动下游应用如具身AI和物理模拟的发展。
2026-05-20 cs.CV cs.RO
A Lobster-inspired Hybrid Actuator With Rigid and Soft Components
Monash University（莫纳什大学）
软致动器已经引起了研究人员的极大关注，其固有的顺应性设计可以解决物理人机交互中的安全问题。然而，由于其固有的材料柔软性，它们也是脆弱的，并在设计，制造和分析中提出了新的挑战。在本文中，提出了一种新的混合驱动器的设计与生物的灵感，从龙虾，或甲壳类动物在更广泛的角度。我们封闭一个软腔与矩形横截面使用一系列的铰接刚性壳产生弯曲下的气动输入。通过模仿龙虾腹部的外壳图案，可折叠的刚性外壳被设计为在整个运动范围内为软致动器提供全面保护。刚性壳体的铰接预先定义了致动器的弯曲运动。其结果是，所提出的设计，使一个分析这种混合致动器与简化的准静态模型和刚体运动学，这是进一步验证了机械试验。本文表明，所提出的混合驱动器的设计是能够桥接的主要设计缺陷的完全刚性和软体机器人，同时保持其工程性能的优点。
2020-03-01 cs.RO
Energy-Efficient Quadruped Locomotion with Compliant Feet
Department of Mechanical Engineering, Indian Institute of Science（印度科学研究院机械工程系）；Robert Bosch Centre for Cyber Physical Systems, Indian Institute of Science（印度科学研究院网络物理系统研究中心）；School of Engineering and Applied Science, Ahmedabad University（阿亨布尔大学工程与应用科学学院）
研究通过强化学习控制器集成柔性足部，探索其对四足机器人行走效率的提升作用，发现适中刚度的足部可降低能耗17%。
2026-05-14 cs.AI cs.RO
A Propagation Perspective on Recursive Forward Dynamics for Systems with Kinematic Loops
Massachusetts Institute of Technology (MIT)（麻省理工学院）；University of Notre Dame（圣母大学）
本文从传播视角推广约束嵌入与广义关节模型，推导含运动学回路刚体系统的递归前向及逆动力学算法，并通过 C++ 开源实现验证其在局部回路中优于非递归方法。
2024-10-22 cs.RO
Analytical Second-Order Partial Derivatives of Rigid-Body Inverse Dynamics
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of Notre Dame（圣母大学）
基于优化的机器人控制策略通常依赖于一阶动力学近似方法，如iLQR。使用二阶近似的动态是昂贵的，由于昂贵的二阶偏导数的动态相对于状态和控制。当前用于计算这些导数的方法通常使用自动微分（AD）和链式规则累积或有限差分。在本文中，我们首次提出了二阶偏导数的解析表达式的逆动力学的开链刚体系统的浮动基础和多自由度关节。提出了一种新的扩展空间向量代数，使分析。还提供了一种复杂度为$\mathcal{O}(Nd^2)$的递归算法，其中$N$是物体的数量，$d$是运动树的深度。与CasADi中的AD相比，使用$N> 5$的串行运动树的加速比为1.5-3 $\times$，C++实现显示四足动物的运行时间为$\approx$ 51 $μs$。
2022-08-14 cs.RO
Layered Control for Cooperative Locomotion of Two Quadrupedal Robots: Centralized and Distributed Approaches
Virginia Tech（弗吉尼亚理工大学）；California Institute of Technology（加州理工学院）
针对两个完整约束四足机器人的鲁棒协作运动，提出了一种实时轨迹规划和控制的分层控制方法。提出了一种基于单刚体动力学的新型互联网络降阶模型，用于轨迹规划。在更高层次的控制架构，两个不同的模型预测控制（MPC）算法，提出了解决最优控制问题的互联SRB动态：集中式和分布式MPC。分布式MPC假设两个局部二次规划，根据一步通信延迟和协议共享其最优解。在较低层次的控制方案，分布式非线性控制器的开发，施加全阶动态跟踪规定的降低了由MPC产生的轨迹。控制方法的有效性进行了验证与广泛的数值模拟和实验的鲁棒性和合作运动的两个holonomically约束A1机器人与不同的有效载荷在可变的地形和干扰的存在下。结果表明，分布式MPC具有类似的集中式MPC的性能，而计算时间显着减少。
2022-11-13 cs.RO math.OC
Inverse, forward and other dynamic computations computationally optimized with sparse matrix factorizations
Istituto Italiano di Tecnologia（意大利技术研究院）
我们提出了一种算法来计算不同的传感器分布的铰接刚体的动力学。在线计算之前，所提出的算法执行离线优化步骤，以简化底层解决方案的计算复杂性。该优化步骤包括将动态计算公式化为线性方程组。通过利用离线优化排列执行排列LU因式分解来降低计算相关联的解的计算复杂性。我们应用我们的算法来解决经典的动力学问题：逆动力学和正动力学。所提出的解决方案的计算复杂性相比，“黄金标准”算法：递归牛顿-欧拉和铰接机构算法。结果表明，我们的算法减少了浮点运算的数量相对于以前的方法。我们还评估了我们的算法的数值复杂性进行测试的动态计算，没有黄金标准。
2017-05-12 cs.RO
Shared Object Manipulation with a Team of Collaborative Quadrupeds
Department of Mechanical and Automation Engineering at The Chinese University of Hong Kong（香港中文大学机械与自动化工程系）；Technology and Innovation Center (TIC), KUKA Deutschland GmbH（KUKA德国技术与创新中心）
针对多机械臂系统工作空间受限的问题，将经典混合运动-力控制器扩展到腿式机械臂团队，实现力封闭抓取下刚性物体的高效稳定协同操作与运输，经仿真与实物实验验证有效。
2025-10-01 cs.MA cs.RO cs.SY
