A novel object slicing based grasp planner for 3D object grasping using underactuated robot gripper
IIT Kharagpur（印度理工学院克勒格布尔分校）
即使在完全已知的环境中，机器人抓取任意物体仍然是一个具有挑战性的问题。大多数以前开发的算法集中在指尖抓取，未能解决问题，即使是完全驱动的手/夹具在自适应/包裹型的把握，其中每个手指与对象在几个点接触。运动学封闭形式的解决方案是不可能的，这样一个铰接的手指，同时达到几个给定的目标点。提出了一种基于物体切片方法的欠驱动机器人手爪最佳抓取计算框架。该方法使用对象切片技术快速找到接触，并使用抓取质量度量从抓取池中找到最佳抓取。为了验证所提出的方法，实施已经做了24个家庭的对象和玩具使用两个手指欠驱动机器人夹持器。与许多其他现有的方法不同，所提出的方法具有以下几个优点：它可以处理具有复杂形状和尺寸的对象;它不需要将对象简化为原始几何形状;最重要的是，它可以应用于使用深度传感器的点云;它考虑到夹具运动学约束，并为自适应/包络和指尖类型的抓握生成可行的抓握。
2019-07-22 cs.CG cs.RO
Kinesthetic Teaching in Robotics: a Mixed Reality Approach
University of Genoa（热那亚大学）
本文提出一种基于混合现实的新型通信接口，用于在任意机器人平台上进行动觉示教，并通过多受试者、双机器人用户研究验证其相比传统物理示教在用户体验和任务指标上的表现。
2024-09-03 cs.RO
Predicting Grasping Compliance in Robotic Hands through Analytical-Model-Informed Neural Networks
Stevens Institute of Technology（史蒂文斯理工学院）
研究旨在开发强力交互时抓握工具行为的预测模型，引入分析模型驱动神经网络（AMINN），结合分析力学层与数据驱动学习，在三指欠驱动机器人手上评估，有强预测能力且实现更好物理一致性，推动了物理可解释学习。
2026-07-21 cs.RO
Advancing Robotic Surgery: Affordable Kinesthetic and Tactile Feedback Solutions for Endotrainers
Columbia University（哥伦比亚大学）；PSG College of Technology（PSG理工学院）
针对手术机器人缺乏触觉反馈的问题，本研究将经济型动觉与触觉反馈系统集成至内窥镜训练器，通过光电传感器实现95%准确率的力检测，提升训练真实性与手术安全性。
2024-06-26 cs.RO
Interactive Open-Ended Object, Affordance and Grasp Learning for Robotic Manipulation
IEETA - University of Aveiro（阿威罗大学电子与电信研究所）；University of Groningen（格罗宁根大学）
服务机器人被期望在以人为中心的环境中自主和高效地工作。对于这种类型的机器人，由于需要准确和实时的响应，物体感知和操纵是具有挑战性的任务。本文提出了一种交互式的开放式学习方法，同时认识到多个对象和他们的把握启示。这是服务机器人领域的一个重要贡献，因为无论用于批量学习的训练数据有多广泛，机器人在以人为中心的环境中操作时可能总是会遇到未知物体。本文介绍了系统的体系结构和学习和识别能力。抓取学习关联抓取配置（即，末端执行器位置和方向）来掌握示能表示类别。分别通过口头和动觉教学来教授抓握示能类别和抓握配置。贝叶斯方法被用于学习和识别的对象类别和基于实例的方法被用于学习和识别的启示类别。已经进行了一组广泛的实验，以评估所提出的方法在具有挑战性的数据集和现实世界的情况下的识别精度，可扩展性和把握成功率的性能。
2019-04-04 cs.RO
Development of Underactuated Geometric Compliant (UGC) Module with Variable Radial for Robotic Applications
School of Engineering, Cardiff University（卡迪夫大学工程学院）
本文开发了一种可变径向的欠驱动几何柔顺（UGC）模块，通过设计多种半刚性关节并利用高斯过程回归建模，实现了半径可动态缩减至80-85%且保持结构完整性的机器人原型。
2024-11-08 cs.RO
Is Image-based Object Pose Estimation Ready to Support Grasping?
Stevens Institute of Technology（史蒂文斯理工学院）
本文提出评估基于图像的对象姿态估计器的框架，通过模拟实验验证其在机器人抓取中的可行性。
2025-12-02 cs.RO
3D Underactuated Bipedal Walking via H-LIP based Gait Synthesis and Stepping Stabilization
California Institute of Technology（加州理工学院）
在本文中，我们全面提出了一个混合线性倒立摆（H-LIP）为基础的方法，合成和稳定的3D足欠驱动双足步行，重点是彻底的硬件实现。H-LIP的建议，以捕捉欠驱动和驱动部分的机器人行走的重要组成部分。然后，基于H-LIP直接合成机器人步行步态。我们全面描述的周期轨道的H-LIP和可证明的步进稳定通过其一步到一步（S2 S）的动力学，然后利用近似的S2 S动力学的质心（COM）的水平状态的机器人行走。近似设施的H-LIP为基础的步进控制器，以提供所需的步长，以稳定的机器人行走。通过实现所需的步长，机器人实现动态和稳定的行走。该方法在三维欠驱动双足机器人Cassie的仿真和实验中得到了充分的评价，该机器人具有很高的通用性和鲁棒性。
2021-11-03 cs.RO
Lightweight Learning from Actuation-Space Demonstrations via Flow Matching for Whole-Body Soft Robotic Grasping
Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学）；University of Science and Technology of China (USTC)（中国科学技术大学）；University of Freiburg（弗莱堡大学）；Ludwig Maximilian University of Munich (LMU Munich)（慕尼黑大学）；Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
本文提出一种轻量级动作空间学习框架，通过流匹配模型直接从确定性演示中推断分布控制表示，实现全身软机器人抓取的高效学习，仅需30次演示即可达到97.5%的成功率，并在动态调整时保持稳定性能。
2026-04-03 cs.RO
GEX: Democratizing Dexterity with Fully-Actuated Dexterous Hand and Exoskeleton Glove
Huazhong University of Science and Technology（华中科技大学）
GEX通过全驱动灵巧手与外骨骼手套结合，实现低成本高保真灵巧操作，推动具身AI和机器人技能迁移学习。
2025-12-05 cs.RO
Towards Accessible Robot Control: Comparing Kinesthetic Teaching, SpaceMouse Teleoperation, and a Mixed Reality Interface
Stanford University（斯坦福大学）
本研究比较了三种机器人控制方法，发现空间鼠标和混合现实接口表现相近，但任务复杂度增加时成功率下降，凸显了为非专家用户设计更高效可控的遥控系统的重要性。
2026-01-17 cs.RO
H-PAC Hand: Control-Oriented Modeling and Tendon-Elasticity Compensation for an Underactuated Robotic Hand
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；Southeast University（东南大学）
本文提出模块化欠驱动机械手H-PAC，通过面向控制的建模与肌腱弹性补偿方法，结合分层控制架构，大幅提升关节角度预测精度，实现无传感器下的位姿与抓取控制。
2026-08-18 cs.RO
ARMimic: Learning Robotic Manipulation from Passive Human Demonstrations in Augmented Reality
Technical University of Munich（技术大学慕尼黑）；University of Tokyo（东京大学）；Toyota Motor Corporation（丰田汽车公司）
本文提出 ARMimic 框架，仅用消费级 XR 头显和固定相机采集被动人类演示，并通过统一模仿学习流程训练可跨本体泛化的操作策略，显著降低演示时间并提升成功率。
2025-09-26 cs.RO
Benchmarking Multi-Object Grasping
University of South Florida（南佛罗里达大学）；University of Pisa（比萨大学）；Rutgers University（罗格斯大学）
本文提出一个多物体抓取基准测试，包含三种协议，用于评估机器人在堆叠和表面场景中的抓取与操作能力，并在多种机械手上建立基线，与人类表现对比。
2025-03-29 cs.RO
Learning Generalizable Vision-Tactile Robotic Grasping Strategy for Deformable Objects via Transformer
Georgia Institute of Technology（佐治亚理工学院）；Purdue University（普渡大学）
针对可变形物体抓取难题，提出融合视觉与触觉的 Transformer 框架，通过探索动作预测安全抓取力度，并在公开与自建水果数据集上验证其准确率、效率及泛化能力。
2023-07-23 cs.RO
Self Supervised Learning from Automatically Generated Demonstrations for Visual Robotic Manipulation
Technological University of Uruguay（乌拉圭技术大学）；Federal University of Santa Maria（圣玛丽亚联邦大学）；Federal University of Rio Grande（里奥格兰德联邦大学）
该研究提出一种基于ROS 2和Isaac Sim的自监督视觉机器人操纵方法，通过自动生成演示训练卷积网络，在仿真和真实UR5e机器人上验证了其抓取成功率，为视觉操纵提供了低部署成本的方案。
2026-08-11 cs.RO
Locomotion Dynamics of an Underactuated Three-Link Robotic Vehicle
Technion – Israel Institute of Technology（以色列理工学院）
该研究提出改进的动态模型以准确描述欠驱动三连杆机器人车辆的运动，考虑轮子打滑和摩擦力的影响。
2026-01-21 cs.RO
SPiralRoll: A Novel Adjustable-Stiffness Underactuated 3-DoF Joint with Torsion Springs for Rolling Robots
Cardiff University（卡迪夫大学）
提出一种基于扭簧的欠驱动柔性机构SPiralRoll，通过弧分布弹性件和双电机输入实现旋转、径向伸缩和轴向自旋三自由度运动，并集成到球形滚动机器人中验证其滚动与转向能力。
2026-06-23 cs.RO
RAMPA: Robotic Augmented Reality for Machine Programming by DemonstrAtion
Bogazici University（博加齐大学）；Adobe Research（奥多比研究院）
本文提出RAMPA，一种集成ML和XR的端到端机器人系统，通过AR头显实现现场数据录制与技能微调，解决PbD的安全、编程障碍及演示收集低效问题，实验显示其在教学效率与用户体验上优于传统方法。
2025-02-18 cs.HC cs.LG cs.RO
Underactuated Robotic Hand with Grasp State Estimation Using Tendon-Based Proprioception
BioRobotics Laboratory (BRL), Soft Robotics Research Center (SRRC), Institute of Advanced Machines and Design (IAMD), Department of Mechanical Engineering, Institute of Engineering, Seoul National University (SNU)（生物机器人实验室（BRL）、软机器人研究中心（SRRC）、先进机械与设计研究所（IAMD）、机械工程系、工程学院、首尔国立大学（SNU））
本研究提出了一种基于肌腱本体感觉的仿人欠驱动机械手，通过紧凑型SEAs实现抓取状态的全面估计，无需额外传感器。
2025-11-28 cs.RO
Exploring the Role of Electro-Tactile and Kinesthetic Feedback in Telemanipulation Task
遥操作机器人系统的精确和微妙的物体抓取需要高保真的触觉反馈，以获得全面的实时信息的把握。在这种情况下，最常见的方法是使用动觉反馈。然而，单个接触点信息不足以检测软物体的动态变化的形状。本文提出了一种新颖的远程操纵系统，该系统向用户的手提供动觉和皮肤刺激，以通过灵巧地操纵可变形物体（即，移液管）。实验结果表明，所提出的方法，为用户提供多模态触觉反馈大大提高了质量的定量与远程移液管。与单纯的视觉反馈相比，多模态触觉界面结合视觉反馈操作可变形移液管，相对给药误差降低了66%，任务执行时间缩短了18%.所提出的技术可能在COVID-19抗体测试、化学实验、有机材料操作和外科手术期间的精密给药程序中实施。
2022-08-30 cs.RO
Design and Kinematic Optimization of a Novel Underactuated Robotic Hand Exoskeleton
Scuola Superiore Sant’Anna（圣安娜高等研究院）
本研究提出了一种新型的，欠驱动的，基于连杆的机器人手外骨骼的设计和运动学优化，以帮助用户执行抓取任务。该器械设计为在手指屈曲/伸展过程中仅向指骨施加法向力，同时为不同尺寸的手指提供自动适应性。因此，确保了与使用者手指的连接的容易性和更好的舒适性。分析了该装置的运动学位姿、静力学和抓取稳定性。这些分析已被用来优化机构的连杆长度，确保满足合理的运动范围，同时最大限度地提高手指关节上的力传递。最后，一个多手指的原型的可用性进行了测试，在不同的物体抓取任务。
2020-05-07 cs.HC cs.RO
Robust Trajectory Tracking Control for Underactuated Autonomous Underwater Vehicles
KTH Royal Institute of Technology（瑞典皇家理工学院）
水下机器人的运动控制是一项艰巨的任务，具有很大的挑战性的外部干扰，模型的不确定性和操作工作空间的约束。因此，鲁棒运动控制仍然是水下机器人界的一个悬而未决的问题。在这个意义上说，本文解决了跟踪控制问题或三维轨迹欠驱动水下机器人机器人在一个受约束的工作空间，包括障碍物。特别地，针对欠驱动自主水下航行器（AUV）（即，仅在纵荡、升沉和偏航时驱动的车辆）。控制器的目的是在部分已知和动态的环境中将欠驱动AUV引导到具有保证的输入和状态约束的期望轨迹，其中操作工作空间的知识通过车辆的车载传感器不断在线更新。特别是，通过考虑一个球，覆盖系统的体积，避障与任何检测到的障碍物是有保证的，尽管模型的动态不确定性和存在的外部干扰，代表洋流和波浪。建议的反馈控制法由两部分组成：一个在线的法律，这是有限时域最优控制问题（FHOCP）解决标称动态的结果;和状态反馈法，离线调整，并保证实际的轨迹保持约束在一个超管沿标称轨迹为中心的所有时间。最后，仿真研究验证了所提出的方法的性能和效率。
2019-09-03 cs.RO
Shear-based Grasp Control for Multi-fingered Underactuated Tactile Robotic Hands
University of Bristol（布里斯托尔大学）；University of Pisa（比萨大学）；Istituto Italiano di Tecnologia (IIT)（意大利技术研究院）
该研究针对欠驱动触觉机械手的易碎物体抓取操控问题，提出基于microTac触觉传感器反馈的剪切力控制框架，结合深度学习与迁移学习构建接触模型，实现了抗干扰的类人灵巧操控。
2025-03-21 cs.RO
Design and stability analysis of an underactuated hand with passively rotating fingers
研究具有空间移动性的欠驱动机器人手指，通过创新设计简化运动复杂性，引入稳定性标准和差动机构，经实验验证理论结果，降低了机械复杂性等，推动了柔顺机器人手发展，为未来自主操作研究奠定基础。
2026-07-22 cs.RO
On Policy Learning Robust to Irreversible Events: An Application to Robotic In-Hand Manipulation
Technical University of Munich（慕尼黑工业大学）；ABB Corporate Research（ABB企业研究院）；German Aerospace Center (DLR)（德国航空航天中心）
在这封信中，我们提出了一种方法来学习手操作技能与低成本，欠驱动假肢手的存在下，不可逆的事件。我们的方法结合了基于视觉感知的强化学习和基于触觉感知的低级反应控制，旨在避免滑倒。强化学习层的目标不仅在于实现手内操纵目标，而且在于最小化触觉反应控制的干预。这样，在学习过程中，我们认为是不可逆事件的物体滑动的发生率显着降低。当不可逆事件发生时，学习过程被认为失败。我们在两个任务中展示了性能，其中包括仅使用手指重新定位杯子和瓶子。实验结果表明，所提出的架构允许在笛卡尔空间中达到目标，并显着减少在学习过程中的对象滑动的发生。此外，如果没有反应控制和强化学习之间的协同作用，就不可能避免不可逆的事件，因此也不可能学习任务。
2019-11-20 cs.AI cs.LG cs.RO
Quasi-static analysis of passive stability in a novel underactuated multi-finger hand
Nantes Université（南特大学）；Ecole Centrale de Nantes（南特中央理工学院）；CNRS（法国国家科学研究中心）；Université Rennes（雷恩大学）；INSA Rennes（雷恩国立应用科学学院）
本文提出一种准静态分析方法，用于评估欠驱动多指手的被动稳定性，并介绍了一种集成差动弹簧加载滑块机构的新型三指手架构，分析了物体尺寸对圆柱形和球形抓取稳定平衡构型的影响。
2026-09-11 cs.RO
CarbonFish -- A Bistable Underactuated Compliant Fish Robot capable of High Frequency Undulation
Columbia University（哥伦比亚大学）
本研究提出基于碳纤维增强塑料和发夹机构的欠驱动双稳态鱼形机器人CarbonFish，通过数学设计实现接近10 Hz的高频波动，为加速水生运动奠定基础。
2024-10-13 cs.RO
A Data-Driven Approach to Synthesizing Dynamics-Aware Trajectories for Underactuated Robotic Systems
University of Pennsylvania（宾夕法尼亚大学）
针对欠驱动机器人系统分层控制中简化模型依赖经验的问题，提出基于增广拉格朗日重构的数据驱动动力学感知轨迹生成框架，通过学习跟踪惩罚正则化器提升计算效率与动态可行性，并有效弥合仿真到现实的差距。
2023-07-25 cs.RO
GelLink: A Compact Multi-phalanx Finger with Vision-based Tactile Sensing and Proprioception
Massachusetts Institute of Technology（麻省理工学院）
本文提出了GelLink，一种紧凑型欠驱动连杆驱动机械手指，通过优化连杆传动与平面反射模拟器，仅需单电机和单摄像头即可实现高分辨率视觉触觉与本体感知，显著提升了欠驱动手指的抓取适应性与鲁棒性。
2024-03-25 cs.RO
Feedback Control of the Pusher-Slider System: A Story of Hybrid and Underactuated Contact Dynamics
Massachussetts Institute of Technology（麻省理工学院）
本文研究涉及摩擦接触相互作用的动力系统的实时控制策略。混杂和欠驱动是这些系统的关键特性，使反馈控制器的设计复杂化。在这项研究中，我们研究和测试一种新的反馈控制器设计的平面推动系统，其目的是控制一个滑动的物体在平面上使用点机器人推杆的运动。推杆滑块是一个简单的动力系统，保留了许多典型的机器人操作任务的挑战。我们的研究结果表明，一个模型预测控制方法与整数规划串联使用提供了一个强大的解决方案，以捕捉与摩擦锥以及混合性质的接触的动态约束。为了实现实时控制，简化提出了加快整数规划。引入模式族（FOM）的概念，通过选择一组接触模式时间表来解决在线凸优化问题，该时间表跨越了预测范围内可能发生的大量动态行为。控制器的设计应用于稳定的运动的滑动对象的名义轨迹，并重新规划其轨迹实时跟踪移动目标。我们验证控制器的设计，通过数值模拟和实验结果的工业ABB IRB 120机械臂。
2016-11-24 cs.RO
Unified Structural-Hydrodynamic Modeling of Underwater Underactuated Mechanisms and Soft Robots
Department of Mechanical Engineering and Advanced Robotics Centre, National University of Singapore（新加坡国立大学机械工程系与先进机器人中心）；Singapore-MIT Alliance for Research and Technology (SMART) Centre（新加坡-麻省理工学院研究与技术联盟中心）
提出一种轨迹驱动的全局优化框架，基于CMA-ES同时识别弹性、阻尼和分布式水动力学参数，实现水下欠驱动机构和软体机器人的高保真建模，仅需单段视频。
2026-07-01 cs.RO physics.flu-dyn
Dexterous Manipulation from Images: Autonomous Real-World RL via Substep Guidance
UC Berkeley（加州大学伯克利分校）；Meta AI Research（Meta人工智能研究院）；University of Washington（华盛顿大学）
复杂和接触丰富的机器人操作任务，特别是那些涉及多指手和欠驱动的对象操作，提出了一个重大的挑战，任何控制方法。基于强化学习的方法为这种设置提供了一个有吸引力的选择，因为它们可以使机器人学习微妙地平衡接触力并灵巧地重新定位物体，而无需强有力的建模假设。然而，在现实世界的灵巧操作系统上运行强化学习通常需要大量的人工工程。这否定了强化学习原则上应该提供的自主数据汇集和易用性的好处。在本文中，我们描述了一个基于视觉的灵巧操作系统，提供了一个“无编程”的方法，为用户定义新的任务，并使机器人与复杂的多指手，通过互动来学习执行它们。我们系统的核心原则是，在基于视觉的环境中，用户应该能够提供高水平的中间监督，以规避遥操作或动觉教学中的挑战，使机器人不仅能够有效地学习任务，而且能够自主练习。我们的系统包括一个框架，让用户定义一个最终的任务和中间的子任务与图像的例子，一个强化学习过程，学习任务自主没有干预，和实验结果与四指机器人手学习多阶段的对象操作任务直接在现实世界中，没有模拟，手动建模，或奖励工程。
2022-12-19 cs.AI cs.CV cs.LG
Grasp Like Humans: Learning Generalizable Multi-Fingered Grasping from Human Proprioceptive Sensorimotor Integration
College of Intelligence Science and Technology, National University of Defense Technology（智能科学与技术学院，国防科技大学）
本文提出一种基于手套的触觉-运动学感知-预测框架，通过模仿学习将人类抓取技能迁移至机器人手，利用图结构和时空图网络实现泛化抓取。
2025-09-10 cs.AI cs.RO
Learning thin deformable object manipulation with a multi-sensory integrated soft hand
School of Artificial Intelligence, Jilin University（吉林大学人工智能学院）；Hong Kong University of Science and Technology（香港理工大学）
针对机器人操作薄型可变形物体的难题，提出集成被动顺应性软手与多感官反馈的无模型强化学习方案，实现无需精确控制的灵巧操作，并在真实机器人上完成展示布料和翻乐谱等任务。
2025-07-08 cs.RO
Electrostatic Brakes Enable Individual Joint Control of Underactuated, Highly Articulated Robots
University of Washington（华盛顿大学）
本文提出一种可堆叠静电制动器，将其集成到机器人关节中，在保持相似扭矩的同时实现重量减轻四倍、功率效率提高一千倍，使单电机十自由度机器人可同时操纵多物体，并显著提升双指机器人手中重定位的速度与精度。
2023-10-30 cs.RO
The Impact of Evolutionary Computation on Robotic Design: A Case Study with an Underactuated Hand Exoskeleton
Kadir Has University（卡迪尔哈斯大学）
本研究以欠驱动手部外骨骼（U-HEx）为案例，通过集成遗传算法和大爆炸-大坍缩算法等演化计算技术，替代朴素暴力破解方法，在更短时间内实现了更精确的机器人设计优化，显著提升了设备传递给用户的扭矩幅值和整体效率。
2024-03-23 cs.AI cs.HC cs.RO
A Supervisory Learning Control Framework for Autonomous & Real-time Task Planning for an Underactuated Cooperative Robotic task
Department of Electromechanical, Systems and Metal Engineering, Ghent University（根特大学机电、系统与金属工程系）；Core Lab MIRO, Flanders Make Strategic Research Centre for the Manufacturing Industry（弗拉芒制造战略研究中心MIRO核心实验室）
我们介绍了一个框架，合作操作，应用在欠驱动操作问题。两个固定的机器人机械手需要合作，以重新定位在其共享的工作空间内的对象。控制多智能体系统的操纵任务不能依赖于单独的控制策略，通过群集服务于共同目标的智能体之间几乎没有通信。相反，需要一个协调策略，将子任务查询到各个代理。我们制定的任务和运动规划（TAMP）设置的问题，同时考虑分解策略，使我们能够单独对待的任务和运动规划问题。我们解决了监督规划问题离线使用深度强化学习技术，从而成为一个监督政策，能够协调两个机械手到一个成功的执行拾取和放置任务。此外，离线解决任务规划问题的好处是实时的【形】（重新）规划的可能性，在子任务执行失败或动态任务更改的情况下表现出鲁棒性。该框架实现了zero-shot部署在真实的设置与成功率高于90%。
2023-02-22 cs.RO cs.SY eess.SY
DFL-TORO: A One-Shot Demonstration Framework for Learning Time-Optimal Robotic Manufacturing Tasks
University of Luxembourg（卢森堡大学）；Interdisciplinary Centre for Security, Reliability, and Trust (SnT)（安全、可靠性与跨学科信任中心（SnT））；Faculty of Science, Technology, and Medicine（科学、技术与医学学院）
本文提出 DFL-TORO 单次动觉演示框架，结合基于优化的时间最优、加加速度受限平滑算法，在 FR3 与 ABB YuMi 上验证了其提升制造机器人 LfD 效率和效果的能力。
2024-08-09 cs.RO
Tactile SoftHand-A: 3D-Printed, Tactile, Highly-underactuated, Anthropomorphic Robot Hand with an Antagonistic Tendon Mechanism
School of Engineering Mathematics and Technology（工程数学与技术学院）；Bristol Robotics Laboratory（布里斯托尔机器人实验室）；University of Bristol（布里斯托尔大学）；School of Robotics（机器人学院）；Xi'an Jiaotong-Liverpool University（西安交通大学利物浦大学）；Department of Information Engineering（信息工程系）；Research Center "E.Piaggio"（E.Piaggio研究中心）；University of Pisa（比萨大学）；Soft Robotics for Human Cooperation and Rehabilitation（人机合作与康复软机器人）；Istituto Italiano di Tecnologia（意大利技术研究院）
本研究针对肌腱驱动欠驱动机器人手的抓取适应性难题，提出带拮抗肌腱机构的3D打印触觉五指手Tactile SoftHand-A，集成新型3D打印视觉触觉传感器与触觉反馈控制方案，性能优于无拮抗机构的同类手，设计已开源。
2025-09-02 cs.RO
RUKA: Rethinking the Design of Humanoid Hands with Learning
New York University（纽约大学）
针对机器人灵巧操作受硬件权衡限制的问题，本研究提出腱驱动仿人机械手RUKA，基于学习方法优化控制，实现紧凑经济且类人抓取能力，开源设计可提升相关研究可及性。
2025-04-17 cs.AI 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
Effects of Different Hand-Grounding Locations on Haptic Performance With a Wearable Kinesthetic Haptic Device
Stanford University（斯坦福大学）；Kyoto University（京都大学）
将动觉反馈接地到用户的手可以增加触觉设备的便携性和可穿戴性。然而，不同的手接地位置对用户的触觉感知的影响是未知的。在这封信中，我们调查了三个不同的手接地位置的手，食指近节指骨，食指中节指骨上的触觉感知使用一种新设计的可穿戴触觉设备的影响。该新型装置可以在两个方向上向用户的食指提供动觉反馈：沿着手指轴和手指的屈伸运动方向。我们测量用户的触觉感知每个接地位置通过心理物理实验的两个反馈方向。结果表明，在所研究的位置，接地在近节指骨有一个较小的平均只是明显的差异，两个反馈方向，表明更敏感的触觉感知。基于用户评级的触觉反馈的真实性是最高的，其中在中节指骨处接地用于沿着手指轴的反馈，并且在近节指骨处接地用于在屈曲-伸展方向上的反馈。用户将触觉反馈识别为最舒适的，其中在手背处接地以用于沿着手指轴的反馈，并且在近端指骨处接地以用于在屈曲-伸展方向上的反馈。这些研究结果表明，接地位置的选择对用户的触觉感知和定性体验有显着的影响。研究结果为设计下一代可穿戴手接地动觉设备提供了见解，以实现更好的触觉性能和用户体验在虚拟现实和遥控机器人应用。
2019-06-02 cs.RO physics.app-ph
A Quasi-Direct-Drive Underactuated Asymmetric Hand for Dexterous and Efficient Grasping and Manipulation
University of California Berkeley（加州大学伯克利分校）；General Motors（通用汽车公司）
本文提出伯克利QUAD手，一种四指11自由度准直驱欠驱动非对称拟人手，通过桡侧手指灵巧驱动与尺侧手指欠驱动耦合，实现33种抓取中的29种，反向驱动力低至50克，持续负载发热量减少96倍。
2026-09-24 cs.RO
Underactuated Waypoint Trajectory Optimization for Light Painting Photography
Technische Universität Darmstadt（达姆施塔特工业大学）
尽管它们在机器人和自然界中非常丰富，但欠驱动系统仍然是控制工程的一个挑战。轨迹优化提供了一种普遍适用的解决方案，然而，其效率在很大程度上取决于工程师以优化器友好的方式构建问题的技能。本文提出了一种程序，自动化的一类任务，其中所需的轨迹指定的一系列航点的问题重新制定。该方法是基于引入辅助优化变量，代表航点激活。为了验证所提出的方法，一个字母绘制任务，其中使用长曝光摄影可视化的形状跟踪的尖端的旋转倒立摆。
2020-03-03 cs.RO cs.SY eess.SY
UniFucGrasp: Human-Hand-Inspired Unified Functional Grasp Annotation Strategy and Dataset for Diverse Dexterous Hands
School of Artificial Intelligence and Robotics, Hunan University, China（人工智能与机器人学院，湖南大学）；National Engineering Research Center of Robot Visual Perception and Control Technology, Hunan University, China（机器人视觉感知与控制技术国家工程研究中心，湖南大学）；College of Mechanical and Vehicle Engineering, Hunan University, China（机械与车辆工程学院，湖南大学）
UniFucGrasp提出了一种基于人类手启发的统一功能抓取标注策略与数据集，支持低成本高效收集多样化高质量功能抓取，提升多机器人手的抓取稳定性和适应性。
2025-12-01 cs.CV cs.RO eess.IV
SoftHand Model-W: A 3D-Printed, Anthropomorphic, Underactuated Robot Hand with Integrated Wrist and Carpal Tunnel
Bristol Robotics Laboratory, University of Bristol（布里斯托大学布里斯托机器人实验室）
SoftHand Model-W通过集成腕关节和腕管机制，实现了五指主动屈伸及掌部主动屈伸和桡侧/尺侧偏移，展示了近端自由度在现实机器人应用中实现多样化、类人操作的关键作用。
2026-04-01 cs.RO
The Hydra Hand: A Mode-Switching Underactuated Gripper with Precision and Power Grasping Modes
Imperial College London（帝国理工学院）
本文提出四指双执行器欠驱动夹爪Hydra Hand，用单电机切换强力与精确抓取模式、单液压执行器实现自适应抓取，并在刚性物和衣物基准及葡萄操作任务中验证其多功能性。
2023-09-26 cs.RO
BRL/Pisa/IIT SoftHand: A Low-cost, 3D-Printed, Underactuated, Tendon-Driven Hand with Soft and Adaptive Synergies
University of Bristol（布里斯托尔大学）；Bristol Robotics Laboratory（布里斯托尔机器人实验室）；University of Pisa（比萨大学）；Istituto Italiano di Tecnologia (IIT)（意大利技术研究院）
本研究推出低成本3D打印的单致动器欠驱动腱驱动BPI SoftHand，通过新型关节与腱索设计融合软协同及自适应协同，平衡耐用性、成本与抓取性能，验证了多场景抓取能力并计划开源设计。
2022-06-25 cs.RO
Simple Kinesthetic Haptics for Object Recognition
Tel-Aviv University（特拉维夫大学）
本文提出一种基于动觉的物体识别方法，利用多指机器人手的抓取参数化生成训练数据，无需触觉传感器或真实物体交互，并通过两种迭代算法实现准确且可扩展的物体分类。
2022-06-11 cs.RO eess.SP
CLASH WRIST -- A hardware to increase the capability of CLASH fruit gripper to use environment constraints exploration
人类在操作中使用环境约束（EC）来补偿其世界模型中的不确定性。同样的原理最近被应用于机器人技术，因此软欠驱动手通过使用环境约束利用（ECE）来提高其抓取能力[1]。由于机器人手的方向，例如在EC墙抓取中，如果从盒子中抓取物体，则机器人手腕的长度加上手的长度变得非常重要[2]。大多数现代协作机器人都有相当长的手腕，所以我们为CLASH [3]构建了一个两自由度手腕，以解决这个问题（图1）。
2020-04-02 cs.RO
Vibration Damping in Underactuated Cable-suspended Artwork -- Flying Belt Motion Control
NTIS Research Center, University of West Bohemia, Pilsen, Czechia（NTIS研究所以西波西米亚大学，普日辛，捷克）；Antimodular Research Inc., Montreal, Canada（Antimodular研究公司，蒙特利尔，加拿大）；Department of Mechanics, Faculty of Applied Sciences, University of West Bohemia, Pilsen, Czechia（力学部门，应用科学学院，西波西米亚大学，普日辛，捷克）
本文改进了Rafael Lozano-Hemmer的交互式机器人艺术装置Standards and Double Standards，通过硬件升级和控制算法优化，解决了振动问题，提升了互动性能。
2026-05-07 cs.RO cs.SY eess.SY
A Passively Bendable, Compliant Tactile Palm with RObotic Modular Endoskeleton Optical (ROMEO) Fingers
Massachusetts Institute of Technology（麻省理工学院）
本研究针对现有机器人手多忽视手掌作用的问题，开发了带高分辨率触觉传感的结构柔性软手掌与欠驱动ROMEO软手指，集成出略大于棒球的软硬结合触觉机器人手，为后续相关设计提供参考。
2024-04-12 cs.RO
Enhanced Optimization Strategies to Design an Underactuated Hand Exoskeleton
Istanbul Technical University（伊斯坦布尔技术大学）；Kadir Has University（卡迪尔哈斯大学）
本研究针对欠驱动手部外骨骼（U-HEx）设计，提出从单目标（最大化力传递）扩展到多目标（最小化扭矩方差和执行器位移）的优化策略，采用遗传算法与大爆炸-大坍缩算法，发现后者在最优性和收敛速度上表现更优，为外骨骼设计提供了权衡方案与性能改进。
2025-03-03 cs.HC cs.NE cs.RO
