Realtime Limb Trajectory Optimization for Humanoid Running Through Centroidal Angular Momentum Dynamics
Automation and Control Institute (ACIN), TU Wien(自动化与控制研究所(ACIN),维也纳技术大学);Institute of Robotics and Mechatronics, German Aerospace Center (DLR)(机器人与机电研究所,德国航空航天中心)
针对人形机器人跑步飞行阶段肢体摆动不当易致落地失稳的问题,提出基于质心角动量动力学的实时非线性肢体轨迹优化方法,经两种机器人模型仿真验证有效。
2025-07-24 cs.RO
Variable Inertia Model Predictive Control for Fast Bipedal Maneuvers
The University of Texas at Austin(德克萨斯大学奥斯汀分校);North Carolina State University(北卡罗来纳州立大学)
针对双足机器人降阶模型与全身模型的偏差问题,提出融合可变质心惯性网络的MPC控制框架,结合接触力规划与全身控制器,在DRACO 3仿真中实现了更高速度的稳定行走。
2024-09-14 cs.RO
Learning Humanoid Arm Motion via Centroidal Momentum Regularized Multi-Agent Reinforcement Learning
Department of Mechanical Engineering, Massachusetts Institute of Technology(机械工程系,麻省理工学院)
本文提出肢体级多智能体强化学习框架,通过质心角动量正则化引导手臂运动,实现人形机器人在平地、崎岖地形和楼梯等任务中的鲁棒全身协调控制。
2025-07-05 cs.RO cs.SY eess.SY
Centroidal Aerodynamic Modeling and Control of Flying Multibody Robots
Istituto Italiano di Tecnologia(意大利技术研究院);Politecnico di Milano(米兰理工大学);Univ. of Manchester(曼彻斯特大学)
本文提出了一种多体飞行机器人的建模和控制框架,受到不可忽略的气动力作用在质心动力学。首先,通过计算流体动力学(CFD)分析,计算了机器人在不同操作条件下飞行过程中的气动力。然后,从CFD分析收集的数据集生成空气动力学系数的分析模型。所得到的简化空气动力学模型也被用于改进飞行机器人的控制设计。我们提出了两种控制策略:通过反馈线性化补偿气动效应和增强控制器的鲁棒性与增益调度。在喷气动力人形机器人iRonCub上的仿真结果验证了该方法的有效性。
2022-05-17 cs.RO
Push Recovery of a Position-Controlled Humanoid Robot Based on Capture Point Feedback Control
University of Tehran(德黑兰大学)
本文采用踝关节和髋关节相结合的策略对一个位置控制的人形机器人进行了推力恢复。踝关节策略和髋关节策略分别相当于压力中心(CoP)和质心力矩枢轴(CMP)调节。为了控制CMP和CoP,我们需要扭矩控制机器人,然而大多数传统的人形机器人是位置控制的。在这方面,我们提出了一个有效的方式来实现的髋关节和踝关节的位置控制的人形机器人的战略。我们采用反馈控制器来补偿捕获点误差。使用我们的计划,一个简单而实用的推动恢复控制器的设计,可以实现在大多数传统的人形机器人,而不需要扭矩传感器。通过SURENA-Mini人形机器人在剧烈推力下的推力恢复实验,验证了该方法的有效性。
2017-10-29 cs.RO
Efficient Computation of Whole-Body Control Utilizing Simplified Whole-Body Dynamics via Centroidal Dynamics
Seoul National University(首尔国立大学);Samsung Electronics(三星电子);Korea Institute of Science and Technology(韩国科学技术研究院);Technical University of Munich(慕尼黑工业大学);Advanced Institutes of Convergence Technology(先进融合技术研究院)
本文提出利用质心动力学简化无约束链动力学,将全身控制问题分为两部分求解,从而显著提升人形机器人全身控制的计算效率,并通过仿真验证其随自由度增加而更高效。
2024-12-30 cs.RO
Versatile Telescopic-Wheeled-Legged Locomotion of Tachyon 3 via Full-Centroidal Nonlinear Model Predictive Control
Sony Group Corporation(索尼集团公司);Sony Global Manufacturing & Operations Corporation(索尼全球制造与运营公司)
针对伸缩式轮腿机器人Tachyon 3的硬件结构控制难题,提出带专用约束的全质心NMPC及含内部状态积分器的控制流水线,经仿真与硬件实验验证,可在严苛约束下实现平滑动态运动生成。
2023-12-14 cs.RO
Torque and velocity controllers to perform jumps with a humanoid robot: theory and implementation on the iCub robot
Fondazione Istituto Italiano di Tecnologia(意大利技术研究院)
跳跃可以是一种有效的运动方式,以克服小地形差距或障碍。在本文中,我们提出了两种不同的方法来执行跳跃的人形机器人。具体而言,从一个预定义的CoM轨迹,我们开发的理论为速度控制器和扭矩控制器的基础上的优化技术的关节输入的评估。该控制器已经在仿真和人形机器人iCub上进行了测试。在仿真中,机器人能够使用两个控制器跳跃,而真实系统仅使用速度控制器跳跃。结果突出了控制质心角动量的重要性,他们建议,关节性能,即最大功率,腿和躯干关节,和低水平的控制性能是根本,以达到可接受的结果。
2022-07-05 cs.RO
Adaptive Non-linear Centroidal MPC with Stability Guarantees for Robust Locomotion of Legged Robots
Artificial and Mechanical Intelligence (AMI), Istituto Italiano di Tecnologia (IIT)(人工智能与机械智能(AMI),意大利技术研究院(IIT));Dynamic Legged Systems (DLS), Istituto Italiano di Tecnologia (IIT)(动态腿部系统(DLS),意大利技术研究院(IIT));Frontier Robotics, Innovative Research Excellence(前沿机器人,创新研究卓越;本田研发,日本埼玉);Honda R&D, Saitama, Japan(机器学习与优化,曼彻斯特大学);Machine Learning and Optimisation, The University of Manchester
通过自适应控制和李雅普诺夫函数重新表述质心MPC控制器,为腿式机器人在未知负载和恒定扰动下提供闭环稳定性与鲁棒性保证。
2025-01-13 cs.RO
CDM-MPC: An Integrated Dynamic Planning and Control Framework for Bipedal Robots Jumping
Harbin Institute of Technology(哈尔滨工业大学);Beijing Institute for General Artificial Intelligence (BIGAI)(北京通用人工智能研究院);Soochow University(苏州大学)
提出集成质心动力学 MPC、运动动力学规划、IK 求解与着陆控制的 CDM-MPC 框架,并在 KUAVO 机器人的仿真和实验中验证其动态跳跃性能。
2024-05-20 cs.RO
Dynamic Complementarity Conditions and Whole-Body Trajectory Optimization for Humanoid Robot Locomotion
Italian Institute of Technology(意大利技术研究院);University of Manchester(曼彻斯特大学);University of Genoa(热那亚大学)
提出了一种利用人形机器人的质心动力学和完整运动学生成步行轨迹的规划器。通过新的条件,\emph{Dynamical Complementarity Constraints}的机器人和行走表面之间的相互作用明确建模。该方法不需要预定义的接触序列,并自动生成足迹。我们通过一组任务的机器人控制目标的特点,我们解决它通过解决一个最优控制问题。我们表明,它是可以实现步行运动自动指定一组最小的参考,如一个恒定的所需的质心速度和地面上的参考点。此外,我们分析了接触模型的选择如何影响计算时间。我们通过生成和测试人形机器人iCub的行走轨迹来验证该方法。
2022-07-07 cs.RO
Non-Linear Trajectory Optimization for Large Step-Ups: Application to the Humanoid Robot Atlas
Istituto Italiano di Tecnologia(意大利理工学院);Florida Institute for Human and Machine Cognition(佛罗里达人机认知研究所)
对于人形机器人来说,完成大的步升是一项具有挑战性的任务。它要求机器人在其可到达的工作空间的限制下执行运动,同时在障碍物上用力移动其身体。本文提出了一种产生步进运动的非线性轨迹优化方法。我们采用简化的质心动力学模型来产生可行的质心轨迹,旨在减少步进运动所需的扭矩。明确地考虑双脚处的触点的激活和去激活。规划器的输出是质心轨迹加上每个步行阶段的最佳持续时间。这些期望值通过确定一组期望关节扭矩的全身控制器来稳定。我们的实验表明,通过使用轨迹优化技术,所需的全尺寸人形机器人阿特拉斯的最大扭矩可以减少到20%时,执行步进运动。
2020-04-25 cs.RO
A Whole-Body Motion Imitation Framework from Human Data for Full-Size Humanoid Robot
The State Key Laboratory of Industrial Control and Technology of Zhejiang University(浙江大学工业控制技术状态重点实验室);Zhejiang Humanoid Robot Innovation Center(浙江人形机器人创新中心);Department of Engineering Mechanics of Zhejiang University(浙江大学工程力学系)
针对人形机器人与人类运动学动力学差异导致的平衡下精准模仿难题,提出含接触感知重定向、非线性质心MPC和全身控制器的框架,经仿真与真机实验验证具备准确性与适应性。
2025-08-01 cs.RO
Moving past point-contacts: Extending the ALIP model to humanoids with non-trivial feet using hierarchical, full-body momentum control
The Ohio State University(俄亥俄州立大学);Sarcos Technology and Robotics Corp.(萨科斯技术与机器人公司)
本文提出结合任务空间全身动量控制器的 ALIP 规划框架,突破点接触与质心角动量可忽略假设,并在 Sarcos Guardian XO 仿真中验证其稳定双足行走能力。
2024-08-09 cs.RO cs.SY eess.SY
The NING Humanoid: The Concurrent Design and Development of a Dynamic and Agile Platform
the Hong Kong University of Science and Technology(香港科技大学);Noetix Robotics company(诺蒂克斯机器人公司)
本文提出NING人形机器人,通过高扭矩执行器、质心动量动力学协同设计与全身模型预测控制,实现行走、推挤恢复和爬楼梯等敏捷运动能力。
2024-08-02 cs.RO
Automatic Gain Tuning of a Momentum Based Balancing Controller for Humanoid Robots
本文提出了一种用于双足机器人基于动量的平衡控制器自动增益调节技术,通过线性化闭环约束关节空间动力学并设计增益矩阵以实现系统稳定性和正定性。
2016-10-21 cs.RO cs.SY eess.SY
Walking Stabilization Using Step Timing and Location Adjustment on the Humanoid Robot, Atlas
Florida Institute for Human and Machine Cognition(佛罗里达人类与机器认知研究所);Virginia Tech(弗吉尼亚理工大学)
虽然人类能够从导致大的跟踪误差的外部干扰和不确定性中恢复过来,但人形机器人还没有可靠地模仿这种水平的鲁棒性。关键是要有能力结合传统的“脚踝战略”平衡与步骤的时间和位置调整技术。这样,机器人就能够快速地走到必要的位置继续行走。在这项工作中,我们提出了一个新的摆动加速算法来调整步骤的时间,允许机器人设置脚更快地从当前捕获点动态方向的错误中恢复,和一个新的算法来调整所需的脚步,扩大基地的支持,利用中心的压力(CoP)基于脚踝的平衡策略。然后,我们利用所需的质心力矩枢轴(CMP)来计算我们的逆动力学为基础的全身控制器的动量变化率。我们目前的模拟和实验结果使用这项工作,并讨论性能限制和潜在的改进。
2017-12-27 cs.RO
Push Recovery of a Humanoid Robot Based on Model Predictive Control and Capture Point
University of Tehran(德黑兰大学);K. N. Toosi University of Technology(K. N. 图什理工大学)
三个生物启发的策略,已被用于平衡恢复的机器人的脚踝,臀部和步进策略。然而,有几种情况下,步进机器人是不可能的,例如。G.当可用的接触表面有限时。在这种情况下,通过调整上半身的角动量(髋部策略)或零力矩点(ZMP)(脚踝策略)来恢复平衡是必不可少的。在本文中,一个单一的模型预测控制(MPC)计划,用于控制捕获点(CP)到一个期望的位置,通过调制ZMP和质心力矩枢轴(CMP)。所提出的控制器的目标是控制CP,当CP在支撑多边形外时采用CMP,和/或当CP在支撑多边形内时采用ZMP。所提出的算法实现的SURENA III人形机器人的抽象模型。所得到的结果表明,所提出的方法的有效性,在存在严重的推动,即使当支持多边形收缩到一个点或一条线。
2016-12-23 cs.RO
A Model Predictive Capture Point Control Framework for Robust Humanoid Balancing via Ankle, Hip, and Stepping Strategies
Department of Intelligence and Information, Seoul National University(智能与信息系,首尔国立大学);Advanced Institutes of Convergence Technology(融合技术高级研究所);ASRI, RICS, Seoul National University(ASRI,RICS,首尔国立大学)
本文提出一种基于模型预测捕获点控制的鲁棒平衡框架,集成踝、髋与迈步策略,并通过可变权重和步态时间优化,在仿真与真实机器人实验中验证了优于现有二次规划CP控制器的平衡性能。
2025-05-05 cs.RO
Toward Autonomous Driving by Musculoskeletal Humanoids: A Study of Developed Hardware and Learning-Based Software
The University of Tokyo(东京大学)
本文研究肌肉骨骼人形机器人Musashi在自动驾驶中的应用,利用其冗余传感器和柔性身体结构完成座椅乘坐、踏板踩踏和方向盘操作,并验证了硬件与学习型软件协同实现自动驾驶的可行性。
2024-06-08 cs.RO
Momentum Control of an Underactuated Flying Humanoid Robot
Istituto Italiano di Tecnologia(意大利理工学院)
本文采取的第一步,欠驱动飞行人形机器人的控制框架的定义。因此,这些机器人可能具有飞行、接触运动和操纵的能力,并受益于为全身控制和空中操纵开发的技术和方法。在四旋翼的情况下,我们认为,人形机器人是由四个推力。为了方便起见,这些力被放置在机器人的手和脚上。控制目标被定义为机器人质心动量的渐近稳定。这个目标使我们能够跟踪机器人质心的期望轨迹,并保持参考方向和机器人基架之间的小误差。机器人动量的稳定性和收敛性证明是在李雅普诺夫意义上的。在人形机器人iCub模型上进行的仿真验证了所提出方法的合理性。
2017-06-03 cs.RO math.DS
Tello Leg: The Study of Design Principles and Metrics for Dynamic Humanoid Robots
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文介绍 TELLO 机器人腿部,提出协同驱动与近端驱动两项设计原则,并用 CII 指标量化电机布置对动态性能的影响。
2022-03-01 cs.RO
Adaptive Whole-Body MPC with Optimal Posture Planning for Humanoid Robots under Unknown Payloads
VinRobotics;Vingroup;Center for AI Research (CAIR), VinUniversity(VinUniversity人工智能研究中心(CAIR))
本文针对人形机器人未知负载下的平衡问题,提出整合质心MPC、自适应模糊平衡控制器与最优姿态规划器的自适应全身控制架构,经实验验证可提升平衡鲁棒性并降低跟踪退化。
2026-10-12 cs.RO
Dynamic Whole-Body Dancing with Humanoid Robots -- A Model-Based Control Approach
University of Science and Technology of China(中国科学技术大学);Tsinghua University(清华大学);Beijing Institute for General Artificial Intelligence (BIGAI)(北京通用人工智能研究院);Xidian University(西安电子科技大学);Harbin Institute of Technology(哈尔滨工业大学)
本文提出了一种基于模型的框架,用于生成和执行人形机器人上的动态全身体舞动作。框架分为离线动作生成和在线动作执行两个阶段,利用未来状态预测实现鲁棒且动态的舞动动作。
2026-04-05 cs.RO
Design of conversational humanoid robot based on hardware independent gesture generation
随着老年人和残疾人护理需求的不断增长,智能和移动设备(如机器人)提供护理和支持解决方案的机会越来越多。为了自然地协助人类并与人类互动,机器人必须具备有效的对话能力。伴随口语句子的手势是人与人之间会话交流中的一个重要因素。人形机器人也必须使用手势,如果他们能够丰富的互动暗示和提供他们的人形外观。然而,用于姿势生成的当前系统不动态地提供人类自然理解的真实物理姿势。本文提出了一种用于人形机器人生成手势以及说出的句子的方法。我们强调,我们的手势生成架构可以应用于任何类型的人形机器人通过使用labanotation,这是一个现有的系统,用于记录人类的舞蹈动作。Labanotation的手势符号可以通过计算转换,以兼容一系列具有蹒跚物理特征的机器人。本文介绍了一种解决方案,作为一个综合系统的对话机器人的语音和手势可以相互补充,在人机交互。
2019-05-21 cs.RO
Demonstrating Berkeley Humanoid Lite: An Open-source, Accessible, and Customizable 3D-printed Humanoid Robot
University of California, Berkeley(加州大学伯克利分校)
本文展示开源人形机器人 Berkeley Humanoid Lite,采用模块化 3D 打印齿轮箱和摆线设计,成本低于 5000 美元,并通过强化学习实现仿真到硬件的零样本策略迁移,推动人形机器人民主化。
2025-04-24 cs.RO
Online DNN-driven Nonlinear MPC for Stylistic Humanoid Robot Walking with Step Adjustment
Istituto Italiano di Tecnologia(意大利技术研究院);University of Manchester(曼彻斯特大学)
本文提出一种结合自回归DNN与非线性MPC的三层架构,通过在线接触位置调整实现风格化人形机器人行走,能有效防跌倒并承受68牛顿干扰。
2024-10-10 cs.RO
Cost-Matching Model Predictive Control for Efficient Reinforcement Learning in Humanoid Locomotion
New York University Abu Dhabi (NYUAD)(纽约大学阿布扎比分校);Georgia Institute of Technology(佐治亚理工学院);Norwegian University of Science and Technology (NTNU)(挪威科技大学)
本文提出一种基于模型预测控制的强化学习框架中的成本匹配方法,通过参数化MPC和中心动力学来近似高保真闭环数据获得的动作价值函数,提升人形机器人运动性能和鲁棒性。
2026-03-30 cs.RO cs.SY eess.SY
Momentum-Aware Trajectory Optimization and Control for Agile Quadrupedal Locomotion
Institute for Robotics and Intelligent Machines, Georgia Institute of Technology(佐治亚理工学院机器人与智能机器研究所);MIT Biomimetic Robotics Lab(麻省理工学院仿生机器人实验室);NAVER LABS(NAVER实验室)
在这封信中,我们提出了一个多功能的分层离线规划算法,以及敏捷四足运动的在线控制管道。我们的离线规划器在优化降阶模型的质心动力学和全身轨迹优化之间交替,目的是实现动力学共识。我们的新的动量惯性感知质心优化,它使用了一个等动量椭球参数化,能够通过“惯性整形”产生高度杂技运动。我们的全身优化方法通过迭代利用质心水平的反馈,显着提高了标准DDP为基础的方法的质量。对于在线控制,我们已经开发了一种新的凸模型预测控制计划,通过线性变换的完整的质心动态。我们的控制器可以在单一优化中有效地优化接触力和关节加速度,与现有的四足MPC控制器相比,能够更直接地跟踪动量丰富的运动。我们证明了我们的轨迹规划的能力和通用性,对四种不同的动态机动。然后,我们提出了一个硬件实验上的麻省理工学院迷你猎豹平台上演示的性能,整个规划和控制管道上的扭转跳跃机动。
2022-06-19 cs.RO
Optimization of Humanoid Robot Designs for Human-Robot Ergonomic Payload Lifting
Istituto Italiano di Tecnologia(意大利理工学院);The University of Manchester(曼彻斯特大学)
当人类和人形机器人进行物理协作时,人机工程学是需要考虑的关键因素。假设一个给定的人形机器人,几个控制架构存在现今解决人体工程学物理人机协作。本文进一步考虑机器人的硬件参数作为优化变量的问题的合作有效载荷升降。机器人的运动学和动力学参数化变量保证了它们的物理一致性,并且在优化问题中考虑了人体模型。通过利用所提出的建模框架,交互的人机工程学被最大化,这里由代理的能量消耗给出。机器人运动学,动力学,硬件约束和人类的几何形状时,考虑解决相关的优化问题。所提出的方法是用来确定最佳的硬件参数的ergoCub机器人,人形拥有一定程度的具身智能与人类的人机交互的设计。对于优化问题,起点是iCub人形机器人。所获得的机器人设计达到负载的高度范围为0.8-1.5米的iCub机器人,其范围被限制在0.8-1.2米。机器人的能量消耗减少了约33%,同时,人类的人机工程学得到了保留,从而改善了整体交互。
2022-11-24 cs.RO
Embedding Classical Balance Control Principles in Reinforcement Learning for Humanoid Recovery
Florida Institute for Human and Machine Cognition(佛罗里达人类与机器认知研究所);University of West Florida(韦斯特佛瑞斯特大学)
本文提出一种将经典平衡指标嵌入强化学习的人形机器人恢复策略,通过直接塑造奖励提升恢复效率,并在多种环境中验证了其有效性。
2026-03-09 cs.RO
PhoneBot: A Low-Cost Open Humanoid Robot Platform Reusing Smartphones
University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
PhoneBot利用智能手机作为感知和计算核心,结合13个低成本执行器,构建了低成本开源人形机器人平台,实现稳定行走、视觉跟随和交互,适用于教育和研究。
2026-10-07 cs.RO
Unified Multi-Rate Model Predictive Control for a Jet-Powered Humanoid Robot
Artificial and Mechanical Intelligence, Istituto Italiano di Tecnologia(人工智能与机械智能研究所);School of Computer Science, University of Manchester(曼彻斯特大学计算机科学学院)
提出一种基于线性化质心动量模型和二阶非线性喷气动力学的多速率MPC框架,用于喷气动力人形机器人,仿真验证了其抗扰和稳定飞行能力。
2025-08-08 cs.RO cs.SY eess.SY
Dynamic Balancing of Humanoid Robot Walker3 with Proprioceptive Actuation: Systematic Design of Algorithm, Software and Hardware
Beijing Research Institute of UBTECH Robotics(优必选机器人北京研究院);Tsinghua University(清华大学)
人形机器人在不确定干扰下的动力学平衡是一个重要的问题,它要求机器人具有良好的协调全身冗余度执行多任务的能力。基于递阶优化的全身控制(WBC)已被普遍接受并应用于力矩控制机器人。良好的层次结构是WBC的先决条件,并且可以根据先验知识预定义。然而,考虑到WBC的计算复杂性,在物理应用中实时计算将是有问题的。对于本体感受驱动的机器人,减速器中的关节摩擦也会降低其力矩跟踪性能。在本文中,一个合理的层次结构的任务和约束是第一次定制的机器人动平衡。然后通过计算效率高的WBC软件实现实时WBC。该方法在具有实时通信和强大计算能力的模块化主控系统UBTMaster上得以实现。关节摩擦被很好地覆盖的模型识别后,各种平衡的情况下进行了广泛的实验上的人形步行者3与本体感受驱动。该机器人即使在外部冲击以及机器人的两个脚独立地遭受倾斜和移位干扰的情况下也显示出出色的平衡性能。结果表明,通过严格的层次结构、实时计算和关节摩擦的谨慎处理,本体感受驱动机器人能够很好地管理与非结构化环境的动态物理交互。
2021-08-09 cs.RO
Modeling and Numerical Analysis of Kangaroo Lower Body based on Constrained Dynamics of Hybrid Serial-Parallel Floating-Base Systems
PAL Robotics(PAL机器人公司)
本文针对PAL Robotics开发的袋鼠双足机器人下肢,提出基于约束动力学的浮动基座建模方法,并通过与TALOS对比及仿真和实物测试验证其在足部惯量和质心角动量方面的改进。
2024-02-22 cs.RO
Quori: A Community-Informed Design of a Socially Interactive Humanoid Robot
University of Pennsylvania(宾夕法尼亚大学);Semio AI, Inc.(Semio AI公司);USC(南加州大学)
社交互动机器人的硬件平台可能会受到成本或功能缺乏的限制。本文介绍了整体系统-设计,硬件和软件-Quori,一种新颖的,负担得起的,社会互动的人形机器人平台,促进非接触式人机交互(HRI)的研究。该系统的设计是由HRI研究社区的反馈抽样的动机。整体设计保持了可负担性和功能性的平衡。介绍了Quori的初始测试和为期六个月的部署。10个Quori平台已授予来自美国各地的不同研究人员,以促进HRI研究,从一个共同的平台建立一个社区数据库。
2021-09-02 cs.RO
Towards Shared Embodied Intelligence in Humanoid Robots through Optimization Development and Testing of the Human Aware ergoCub Robot
GenerativeBionics(生成生物技术);Artificial and Mechanical Intelligence(人工与机械智能);School of Computer Science, University of Manchester(曼彻斯特大学计算机科学学院);Humanoid Sensing and Perception(人形感知与感知);iCub Tech Facility(iCub技术设施);DiMEILA, Istituto Nazionale Assicurazione Infortuni sul Lavoro (INAIL)(DiMEILA,意大利国家职业伤害保险机构(INAIL))
提出一种融合共享智能与具身认知的架构,通过优化机器人硬件与控制以符合人体工学指标,实现人机物理协作,并以ergoCub人形机器人为具体实现。
2026-05-26 cs.RO
Contact-UAN: Unsupervised Actuator Networks as a Residual World Model for Humanoid Control
MIT(麻省理工学院)
Contact-UAN是保留仿真物理先验并校正执行器动力学的残差世界模型,基于6.5分钟真实行走数据训练的UAN,可使人形机器人策略无缝迁移至现实,降低运行扭矩与力跟踪误差,实现柔顺阻抗控制及鲁棒跳跃。
2026-10-15 cs.RO
Evolutionary Continuous Adaptive RL-Powered Co-Design for Humanoid Chin-Up Performance
Robotics Innovation Center, DFKI GmbH(DFKI机器人创新中心);Computational Robotics Lab, ETH Zurich(苏黎世联邦理工学院计算机器人实验室);AG Robotik University of Bremen(不莱梅大学机器人技术研究所);RWTH Aachen University(亚琛工业大学)
针对人形机器人传统串行设计限制硬件潜能的问题,提出结合进化策略与强化学习的EA-CoRL协同设计框架,通过设计进化与策略连续自适应,在RH5人形机器人引体向上任务中实现了更优性能与更广设计空间探索。
2025-09-30 cs.RO
Accelerating and Scaling MPC-Guided Reinforcement Learning for Humanoid Locomotion and Manipulation
California Institute of Technology(加州理工学院);Johns Hopkins University(约翰霍普金斯大学)
本文提出了一种基于质心动力学MPC奖励的MPC-RL框架,并开发了并行批处理GPU求解器π^nMPC,以高效实现类人机器人的行走与操作技能。
2026-06-04 cs.RO cs.SY eess.SY
Bipedal Humanoid Hardware Design: A Technology Review
Rheinische Friedrich-Wilhelms-Universität Bonn(波恩莱茵弗里德里希-威廉大学)
综述目的:随着新技术的进步,正在设计和制造利用它们的人形机器人。为了选择最佳的设计,有必要对现有技术的优缺点进行全面的概述。本文旨在对现有的方法进行分析,并将其与新兴方法进行对比。最近的发现:一个明显的转变,在最近的设计特点的人形机器人正在发展,这是支持文献。由于人形机器人要离开实验室,穿越世界,因此必须遵守和更有效的运动。不同的研究小组正在以独特的方式解决高刚性驱动的局限性。有些侧重于修改运动学结构,而另一些则改变致动方案。随着新的制造能力,以前不可能的设计变得可行。摘要:对两足人形机器人的关键技术进行了全面的综述。讨论了不同的机械概念,以及驱动、传感和制造方面的进步。本文还补充了最近开发的平台列表及其规格。
2021-03-08 cs.AR cs.RO
Learning Skateboarding for Humanoid Robots through Massively Parallel Reinforcement Learning
University of Waterloo(滑铁卢大学);Karlsruhe Institute of Technology (KIT)(卡尔斯鲁厄理工学院)
本研究将人形机器人运动的周期性奖励强化学习方法拓展至滑板任务,用Brax/MJX实现大规模并行训练以提升效率,已取得仿真初步结果,硬件实验正在推进。
2024-09-12 cs.RO
Integrative Wrapping System for a Dual-Arm Humanoid Robot
The University of Tokyo(东京大学)
针对双臂人形机器人连续多步柔性材料操作难题,提出集成包裹系统,通过编码物体信息、泛化硬件与识别系统,并采用导纳控制与点云评估,实现了对不同形状物体的通用有效包裹。
2024-11-13 cs.RO
The MIT Humanoid Robot: Design, Motion Planning, and Control For Acrobatic Behaviors
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校);Massachusetts Institute of Technology(麻省理工学院)
演示人形机器人的杂技行为,如翻转和旋转跳跃,需要硬件设计,运动规划和控制的系统方法。在本文中,我们提出了一种新的人形机器人设计,致动器感知的kino-dynamic运动规划器,和着陆控制器的一部分,一个实用的系统设计的高度动态运动控制的人形机器人。为了实现脉冲运动,我们开发了两种新的本体感受致动器,并使用我们定制设计的测力计实验评估其性能。驱动器的扭矩,速度和功率限制反映在我们的kino-dynamic运动规划器通过近似配置相关的反作用力限制,并在我们的动力学模拟器,包括驱动器动态与机器人的全身动态。对于着陆控制,我们有效地集成了模型预测控制和全身脉冲控制,通过将它们以动态一致的方式连接起来,以实现长时间范围的最优控制和高带宽的基于全身动力学的反馈。基于速度-转矩模型,包括电池电压下降和反电动势电压,在整个运动过程中执行机构的转矩输出进行了验证。通过精心设计的硬件和控制框架,我们成功地演示了动态行为,如后空翻,前空翻,并在我们的现实动力学模拟旋转跳跃。
2021-04-19 cs.RO
HumanoidUMI: Bridging Robot-Free Demonstrations and Humanoid Whole-Body Manipulation
Beijing Academy of Artificial Intelligence(北京人工智能研究院)
提出HumanoidUMI,一种便携无机器人的框架,利用VR设备和UMI夹爪收集人类关键点轨迹、腕部观察和夹爪动作,训练高层策略预测未来关键点并映射到机器人全身参考,实现人形全身技能学习。
2026-07-08 cs.RO
NimbRo Robots Winning RoboCup 2018 Humanoid AdultSize Soccer Competitions
Univ. of Bonn(波恩大学);Autonomous Intelligent Systems(自主智能系统研究所)
在过去的几年里,人形联盟的规则已经朝着更现实和更具挑战性的比赛环境转变,这鼓励球队提高他们的机器人足球表现。在本文中,我们介绍了导致我们的团队NimbRo赢得AdultSize联赛比赛的软件和硬件设计-包括足球锦标赛,drop in游戏以及2018年蒙特利尔RoboCup的技术挑战。总而言之,这导致NimbRo赢得了最佳人形机器人奖。特别是,我们描述了我们用于视觉感知的深度学习方法和我们新的全3D打印机器人NimbRo-OP 2X。
2019-09-05 cs.RO
Continue, Abort, or Fall: Viability-Aware Policy Selection (VAPS) for Safe Humanoid Acrobatics
Technical University of Darmstadt(达姆施塔特工业大学);Robotics Institute Germany (RIG)(德国机器人研究所);LimX Dynamics;German Research Center for AI (DFKI)(德国人工智能研究中心)
VAPS通过策略条件化滚动时域决策,在跟踪、中止和摔倒策略间动态选择,显著减少人形机器人翻跟头时的硬件损坏风险。
2026-10-02 cs.RO
A Hierarchical, Model-Based System for High-Performance Humanoid Soccer
Department of Mechanical and Aerospace Engineering, UCLA(加州大学洛杉矶分校机械与航空航天工程系)
本文提出了一种分层模型系统,通过硬件和软件创新实现了高性能人形足球机器人在RoboCup 2024比赛中的胜利。
2025-12-10 cs.RO
RoMoCo: Robotic Motion Control Toolbox for Reduced-Order Model-Based Locomotion on Bipedal and Humanoid Robots
Department of Mechanical and Civil Engineering, California Institute of Technology(机械与土木工程系,加州理工学院)
RoMoCo是一个开源C++工具箱,通过统一的API集成降阶模型规划器与全身控制器,支持双足和仿人机器人快速原型与可复现基准测试,并在多种机器人上经仿真和硬件验证。
2025-09-23 cs.RO
Computationally-Robust and Efficient Prioritized Whole-Body Controller with Contact Constraints
University of Texas at Austin(得克萨斯大学奥斯汀分校)
在本文中,我们设计的多目标控制方法的人形机器人,又名。优先级的全身控制器,在算法计算中实现效率和鲁棒性。我们使用一种全身控制器,通过结合质心动量动力学、操作任务优先级、接触反作用力和内力约束,这种控制器非常通用。首先,我们通过求解只涉及浮基动力学和反作用力的二次规划来实现效率。其次,我们实现计算的鲁棒性放松任务加速度,使他们遵守摩擦锥约束。最后,我们将平滑的接触过渡的方法,以提高动态运动行为的控制。所提出的方法都证明了在模拟和实际实验中使用被动踝关节双足机器人。
2018-07-03 cs.RO
CHILD (Controller for Humanoid Imitation and Live Demonstration): a Whole-Body Humanoid Teleoperation System
KIMLAB (Kinetic Intelligent Machine LAB), University of Illinois Urbana-Champaign(KIMLAB(运动智能机器实验室),伊利诺伊大学厄巴纳-香槟分校)
提出CHILD全身人形遥操作系统,实现关节级控制,支持全身控制与移动操作,集成力反馈,并通过实验验证,开源硬件设计。
2025-09-24 cs.RO
Exploiting Hierarchical Controller Structure in Contextual Parameter Learning for Humanoid Loco-Manipulation
TU Darmstadt(达姆施塔特工业大学);German Research Center for AI (DFKI)(德国人工智能研究中心);Hessian Centre for Artificial Intelligence(黑森州人工智能中心)
本文提出一种情境贝叶斯优化框架,利用层级控制器结构联合学习参数,在人形推箱任务中实现最低平均遗憾。
2026-10-06 cs.LG cs.RO
Reactive Stepping for Humanoid Robots using Reinforcement Learning: Application to Standing Push Recovery on the Exoskeleton Atalante
Wandercraft;Sorbonne Université(索邦大学);CNRS(法国国家科学研究中心);Université Paris-Dauphine, PSL(巴黎多芬大学,巴黎文理研究大学)
最先进的强化学习现在能够在模拟中学习双足机器人的多功能运动,平衡和推动恢复能力。然而,现实的差距大多被忽视,模拟结果很难转移到真正的硬件。要么是由于物理学过于简化和忽略了硬件限制而在实践中不成功,要么是规则性得不到保证,可能会发生意外的危险运动。本文提出了一种强化学习框架,能够学习强大的站立推恢复的双足机器人,顺利地转移到现实中,只提供瞬时本体感受的意见。通过结合初始终止条件和策略平滑条件,我们实现了稳定的学习,仿真到现实迁移和安全使用的策略没有记忆,也没有显式的历史。然后,奖励工程被用来提供如何保持平衡的见解。我们展示了它的性能在现实中的下肢医疗外骨骼Atalante。
2022-07-31 cs.RO
A ROS-based Software Framework for the NimbRo-OP Humanoid Open Platform
University of Bonn(波恩大学)
在过去的几年里,已经开发了许多成功的人形平台,包括Nao和DARwIn-OP,这两个平台都被许多研究小组用于研究双足行走,全身运动和人机交互。NimbRo-OP是一个开放的人形平台,由波恩大学的NimbRo团队开发。这个平台比前面提到的两个人形机器人大得多,有可能与更人性化的环境进行交互。本文介绍了一种基于机器人操作系统(ROS)中间件的NimbRo-OP软件框架。该软件提供了硬件抽象、视觉感知和行为生成的功能,并已用于实现基本的足球技能。这些机器人在2013年机器人世界杯上展示,作为人形联盟比赛获胜队的一部分。
2018-09-28 cs.RO