HyperSurf: Quadruped Robot Leg Capable of Surface Recognition with GRU and Real-to-Sim Transferring
Skolkovo Institute of Science and Technology(斯科尔科沃科学技术学院)
本研究针对四足机器人表面识别需求,提出带机械单腿的数据采集与实到虚迁移系统,改进基于GRU的识别算法以整合多源数据,实现难接触表面数据采集与仿真步态训练,且公开数据集与代码。
2024-08-19 cs.RO
A Chain-Driven, Sandwich-Legged Quadruped Robot: Design and Experimental Analysis
Department of Cyber Physical Systems, Indian Institute of Science(印度科学研究院计算机物理系统系);University of Waterloo(滑铁卢大学);UC Berkeley(伯克利大学)
本文提出了一种低成本、高性能的四足机器人,通过夹层腿结构和双电机配置实现敏捷运动,同时采用低成本制造方法和开源设计,为四足机器人研究提供了一个经济且实用的平台。
2026-03-11 cs.RO
KYON: Semi-Modular Wheel-Legged Quadruped With Agile Bimanual Capability
Humanoids and Human Centered Mechatronics, Fondazione Istituto Italiano di Tecnologia(人机一体化机械系统,意大利理工研究院);Advanced Robotics Facility, Fondazione Istituto Italiano di Tecnologia(先进机器人设施,意大利理工研究院)
提出KYON半模块化轮腿四足机器人,通过基座致动器与传动机构降低远端惯量,结合全身控制与强化学习策略实现动态运动与双臂操作。
2026-07-08 cs.RO
Oncilla robot: a versatile open-source quadruped research robot with compliant pantograph legs
Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所);Maastricht University(马斯特里赫特大学);Ghent University(根特大学);Bielefeld University(比勒费尔德大学)
我们提出了Oncilla机器人,一种新型的移动,四足步行机。这只大猫大小,5.1机器人是一种最近,生物启发足式机器人类设计与无模型运动控制的能力。动物在崎岖地形中的腿运动显然是由传感器反馈系统塑造的。Oncilla机器人的结果表明,在某种程度上没有感觉信号的情况下,敏捷和灵活的运动是可能的,并且当添加反馈控制时,跟踪变得鲁棒(Ajaoolleian 2015)。通过结合来自动物的机械和控制蓝图,并通过观察由此产生的机器人运动特性,我们的目标是了解单个组件的贡献。足式机器人具有广泛的机械和控制设计参数空间,并且作为研究生物力学和腿运动控制原理的研究工具具有独特的潜力。但硬件和控制器设计可能是学术研究的一个陡峭的初始障碍。为了方便足式机器人的启动和开发,Oncilla-robot的蓝图可以通过开源获得。[...]
2018-06-16 cs.RO
An Adaptive Control Algorithm for Quadruped Locomotion with Proprioceptive Linear Legs
Shenzhen Institute of Artificial Intelligence and Robotics for Society (AIRS)(深圳人工智能与机器人研究院);Georgia Institute of Technology(佐治亚理工学院);Hong Kong University of Science and Technology(香港科技大学);Southern University of Science and Technology (SUSTech)(南方科技大学);Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
四足机器人表现出巨大的潜力,以穿越粗糙的地形与有效载荷。许多传统的腿式动态运动控制方法是基于模型的,并表现出高灵敏度的模型不确定性和有效载荷的变化。因此,高性能的模型参数估计变得不可或缺。然而,负载的惯性参数通常是未知的,动态变化时,四足机器人部署在多样化的任务。为了解决这个问题,在线识别的惯性参数和质心(CoM)的位置的负载的四足机器人吸引了越来越多的兴趣。本研究针对高负载容量(负载与机器人自重之比)四足机器人的运动,提出一种基于负载辨识的自适应控制器。我们称之为自适应控制器的四足机器人运动(ACQL),它包括一个递归的更新规律和控制规律。ACQL在线估计由有效载荷引起的外力和扭矩。该估计被纳入基于逆动力学的二次规划(QP)实现小跑步态。因此,机器人的CoM和定向轨迹的跟踪精度得到提高。所提出的方法,ACQL,在一个真正的四足机器人平台进行了验证。实验证明,有效载荷重量从20 $kg$到75 $kg$,并加载在不同的位置的机器人的躯干的估计效率。
2022-02-03 cs.RO
Speech Controlled Quadruped
Xavier Institute of Engineering(泽维尔工程学院)
我们已经执行的项目是基于话音识别,我们希望创建一个四条腿的足式机器人,可以确认通过语音命令给出的给定指令,并执行任务。机器人的主要处理单元将是Arduino Uno。我们正在使用8伺服运动的腿,而两个伺服将需要为每条腿。通过Python编程和Eclipse软件生成人与机器人之间的接口,并使用蓝牙模块HC 06实现。
2015-06-24 cs.RO
A Novel Design and Evaluation of a Dactylus-Equipped Quadruped Robot for Mobile Manipulation
University of Edinburgh(爱丁堡大学)
四足机器人通常配备额外的手臂进行操作,对价格和重量产生负面影响。另一方面,腿运动的要求意味着这种机器人的腿通常具有执行操纵所需的扭矩和精度。在本文中,我们提出了一种新的设计,小型四足机器人配备了两个腿安装机械手的灵感来自甲壳类动物的螯足和关节步行者前肢。通过利用腿中已经存在的致动器,我们可以实现每个肢体仅使用3个额外电机的操纵。该设计使得能够使用相对于腿电机小且便宜的致动器,进一步降低成本和重量。由于采用了集成的电缆/滑轮系统,对腿部的惯性矩影响很小。正如我们在一套远程操作实验中所展示的那样,该机器人能够执行单肢和双肢操作,以及在操作模式之间转换。所提出的设计与额外的手臂类似,同时每个机械手的重量和成本降低5倍,并且能够完成需要2个机械手的任务。
2022-09-16 cs.RO
HyperDog: An Open-Source Quadruped Robot Platform Based on ROS2 and micro-ROS
Skoltech(斯科尔科沃科学技术研究院)
四足步行机器人的设计与开发是目前一个十分活跃的科研领域。事实上,与其他移动机器人相比,足式机器人由于其适应恶劣地形和各种环境条件的能力而变得流行。随着人们对足式机器人实验的需求越来越高,越来越多的研究者和工程师需要一种经济、快速的运动算法开发方法。在本文中,我们提出了一种新的开源四足机器人HyperDog平台,它具有12个RC伺服电机,板载NVIDIA Jetson纳米计算机和STM32 F4 Discovery板。HyperDog是一个用于四足机器人软件开发的开源平台,它基于Robot操作系统2(ROS 2)和micro-ROS。此外,HyperDog是一种完全由3D打印部件和碳纤维制成的四足机器狗,这使得机器人具有较轻的重量和良好的强度。这项工作的想法是展示一个负担得起的和可定制的机器人开发方式,并提供研究和工程师与足式机器人平台,在不同的算法可以在仿真和真实环境中进行测试和验证。已开发的项目和代码可在GitHub(https://github.com/NDHANA94/hyperdog_ros2)上获得。
2022-09-19 cs.RO
MiNI-Q: A Miniature, Wire-Free Quadruped with Unbounded, Independently Actuated Leg Joints
Stanford University(斯坦福大学)
本文提出MiNI-Q^2微型无线四足机器人,通过无界独立驱动腿关节设计实现多种运动模式,速度达0.46 m/s,可折叠至2.5 cm高度,并开源所有设计文件。
2026-05-31 cs.RO
AcL: Action Learner for Fault-Tolerant Quadruped Locomotion Control
National University of Singapore(新加坡国立大学)
本文提出AcL,一种基于教师-学生强化学习的框架,通过风格奖励和策略蒸馏,使四足机器人在多关节故障下自主调整步态,实现稳定行走和容错控制。
2025-03-28 cs.LG cs.RO cs.SY
Two-layer adaptive trajectory tracking controller for quadruped robots on slippery terrains
Institute of Computer Science, Foundation for Research and Technology–Hellas(希腊基础研究与技术基金会计算机科学研究所);Hellenic Mediterranean University(希腊地中海大学);University of Crete(克里特大学)
针对四足机器人在湿滑地形上因腿部不稳定接触导致的控制难题,提出一种包含两层优先适应机制的自适应轨迹跟踪控制器,以避免单腿或多腿滑动,并通过仿真和实验验证了其有效性。
2023-04-03 cs.RO
A Deployable Bio-inspired Compliant Leg Design for Enhanced Leaping in Quadruped Robots
Department of Mechatronics and Robotics, Xi’an Jiaotong-Liverpool University(机电一体化与机器人系,西安交通大学-利物浦大学);Department of Mechanical Science and Engineering, University of Illinois at Urbana-Champaign(机械科学与工程系,伊利诺伊大学厄巴纳-香槟分校)
本文提出了一种生物启发的可部署合规腿部设计,通过模仿蛙跳腿的能量存储机制,显著提升了四足机器人垂直跳跃能力,实验显示跳跃高度提升了17.1%。
2026-03-01 cs.RO
Technical Report on: Tripedal Dynamic Gaits for a Quadruped Robot
University of Pennsylvania(宾夕法尼亚大学)
本文针对四足机器人单肢缺失问题,实证研究了一种容错三足动态步态,通过将平面单足跳跃模板组合应用于三足空间机器,为受损四足机器人的恢复步态开发提供了可推广的指导。
2023-09-22 cs.RO
Multi-Modal Legged Locomotion Framework with Automated Residual Reinforcement Learning
ShanghaiTech University(上海科技大学)
虽然四足机器人通常具有良好的稳定性和负载能力,但双足机器人对不同的任务和环境提供了更高水平的灵活性/适应性。多模态足式机器人可以两全其美。在本文中,我们提出了一个多模态运动框架,该框架由手工制作的过渡运动和基于学习的双足控制器组成-通过一种称为自动残差强化学习的新算法学习。该框架旨在赋予任意四足机器人两足行走的能力。特别是,我们1)设计了一个额外的支撑结构的四足机器人和顺序多模态转换策略; 2)提出了一种新的类强化学习算法的双足控制和评估其性能在仿真和现实世界。实验结果表明,我们提出的算法具有最好的性能在仿真和保持良好的性能在现实世界的机器人。总的来说,我们的多模态机器人可以成功地在四足和四足之间切换,并在两种模式下行走。实验视频和代码可在https://chenaah.github.io/multimodal/上获得。
2022-02-24 cs.RO
QLAUN: A Research-Oriented, Robust, Agile, Modular, and Affordable Torque-Controlled Quadruped Robot
Lebanese American University(黎巴嫩美国大学)
QLAUN是一款面向研究的低成本力矩控制四足机器人,采用模块化3D打印设计,具备高扭矩输出与灵活关节,为科研提供新型腿式机器人研究平台。
2026-09-04 cs.RO
Stable Stair-Climbing of a Quadruped Robot
K. N. Toosi Univ. of Technology(K.N.图西理工大学)
本文的研究重点是设计一种能使四足机器人爬楼梯的稳定步态。为此,首先基于最小步数和最大限度地使用腿部工作空间来进行从初始配置到期望配置的稳定过渡,以使机器人为运动做好准备。下一步,摆动腿和身体的轨迹规划一个成功的爬楼梯步态.之后,提出了一种稳定的旋转步态来改变身体的方向。我们模拟我们的步态规划算法的四足机器人模型。仿真结果表明,机器人能够在保证稳定性的前提下完成爬楼梯、绕偏航轴旋转和爬楼梯的动作。
2018-09-08 cs.RO
Stable and Robust SLIP Model Control via Energy Conservation-Based Feedback Cancellation for Quadrupedal Applications
Department of Mechanical Engineering(机械工程系)
本文提出基于能量守恒的SLIP控制架构,通过支撑阶段跟踪抛物线样条实现四足机器人稳定弹跳,并在Ghost Robotics Minitaur仿真中验证了其对10%传感器误差的鲁棒性。
2025-11-07 cs.RO
Phase-Aware Policy Learning for Skateboard Riding of Quadruped Robots via Feature-wise Linear Modulation
本文提出相位感知策略学习框架,通过特征级线性调制层提升四足机器人滑板骑行的相位依赖行为捕捉与跨相位知识共享,验证了在仿真中的指令跟踪精度和效率。
2026-04-21 cs.RO
WaveForward: An Omnidirectional Passive Wheeled Quadruped Robot with Casters
提出一种低成本被动轮式四足机器人,通过非对称演员-评论家结构和基于速度指令的脚轮姿态调整策略实现万向移动,相比纯腿式运动运输成本降低89.1%。
2026-06-25 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
Foothold Evaluation Criterion for Dynamic Transition Feasibility for Quadruped Robots
Istituto Italiano di Tecnologia(意大利技术研究院);Politecnico di Torino(都灵理工大学);University of Verona(维罗纳大学)
为了可靠地穿越复杂场景,足式机器人需要在地面反作用力的帮助下移动其基座,地面反作用力只能由与地面瞬间接触的腿产生。正确选择立足点对保持平衡至关重要。在本文中,我们提出了一个立足点的评估标准,认为过渡的可行性,线性和角动力学,以克服复杂的情况。我们设计的凸和非线性配方作为一个直接扩展的连续凸分辨率的质心动态轨迹(C-CROC)在一个滚动的地平线时尚授予动态可行性为未来的行为。该标准集成了基于视觉的立足点适应(VFA)的战略,考虑到机器人运动学,腿碰撞和地形形态。我们验证的有效性所选择的立足点和生成的轨迹在仿真和实验中与90公斤的四足机器人HyQ。
2022-03-08 cs.RO
On the Benefits of GPU Sample-Based Stochastic Predictive Controllers for Legged Locomotion
Istituto Italiano di Tecnologia (IIT)(意大利技术研究院);University College London(伦敦大学学院)
本文提出一种基于GPU加速的样本随机控制策略用于四足机器人,以实现步态频率适应。实验表明,该方法在中等干扰下与传统MPC相当,并在持续外部干扰下显著优于基于梯度的方法。
2025-01-29 cs.RO
Design, Simulation, and Testing of a Flexible Actuated Spine for Quadruped Robots
University of California Berkeley(加州大学伯克利分校)
步行四足机器人面临的挑战,在定位他们的脚和抬起他们的腿在步态周期不平坦的地形。机器人莱卡正在开发中,它是一种四足动物,具有灵活的驱动脊柱,旨在帮助足部运动和步态平衡。本文介绍了第一套硬件设计的脊椎莱卡,这些设计的物理原型,并在硬件和模拟测试,显示原型的能力。莱卡的脊柱是一个张拉整体结构,用于其重量和力分布的优势,并代表了四足机器人张拉整体脊柱的第一个工作原型。脊柱通过调整分开其椎骨的线缆的长度而弯曲,并且使用其中心处的致动旋转椎骨而扭转。莱卡目前的原型有刚性腿连接到脊柱,并被用作脊柱本身的评估测试设置。这项工作显示了莱卡的脊椎的优势,通过展示脊椎抬起机器人的四只脚,既作为一种平衡形式,也作为行走步态的前兆。这些脚的运动,使用特定的组合的弯曲和旋转运动的脊柱,在模拟和硬件实验中测量。硬件数据用于校准模拟,使得模拟可以用于将来的平衡或步态周期的控制。未来的工作将连接驱动腿莱卡的脊柱,并检查平衡和步态周期时,结合腿部运动。
2018-09-11 cs.RO
AIMS: An Adaptive Integration of Multi-Sensor Measurements for Quadrupedal Robot Localization
College of Automation Chongqing University of Posts
AIMS通过自适应融合LiDAR、IMU和腿里程计,提升四足机器人在退化环境中的定位精度和鲁棒性。
2026-01-04 cs.RO
Reinforcement Learning with Adaptive Curriculum Dynamics Randomization for Fault-Tolerant Robot Control
Graduate School of Science and Engineering, Chiba University(千叶大学理工学研究科);Graduate School of Engineering, Chiba University(千叶大学工学研究科)
针对四足机器人执行器故障容错问题,提出带动力学随机化的自适应课程强化学习算法ACDR,通过hard2easy课程训练单一鲁棒策略,无需故障检测与策略切换模块,并在平均奖励和行走距离上优于传统算法。
2021-11-19 cs.AI 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
ViT-A*: Legged Robot Path Planning using Vision Transformer A*
University College London(伦敦大学学院)
针对四足机器人在复杂环境中的导航问题,提出利用可微分规划器结合视觉Transformer(ViT)进行地图预处理,实现端到端全局路径规划,并在Spot和Go1机器人上验证了其有效性。
2023-10-11 cs.RO
Scoop-and-Toss: Dynamic Object Collection for Quadrupedal Systems
Department of Computer Science Hanyang University(计算机科学系翰阳大学)
本文提出Scoop-and-Toss框架,通过腿部铲状附件、背部托盘及分层专家-元策略,使四足机器人无需额外执行器即可动态铲抛并收集多个物体。
2025-06-11 cs.LG cs.RO
ARMP: Autoregressive Motion Planning for Quadruped Locomotion and Navigation in Complex Indoor Environments
Georgia Institute of Technology(佐治亚理工学院)
由于足式机器人复杂的动力学特性,使其产生自然的、物理上可行的运动一直是一个具有挑战性的问题。在这项工作中,我们介绍了一种新的基于学习的框架自回归运动规划器(ARMP)的四足动物的运动和导航。我们的方法可以生成运动计划与任意长度的自回归的方式,不像大多数离线轨迹优化算法的固定轨迹长度。为此,我们首先通过解决各种场景和参数设置的密集轨迹优化问题来构建运动库。然后,我们从数据集学习的运动流形在监督学习的方式。我们表明,建议的ARMP可以产生物理上合理的各种任务和情况下的运动。我们还展示了我们的方法可以成功地集成到最近的机器人导航框架作为一个低级别的控制器,并释放复杂的室内导航的足式机器人的全部能力。
2023-03-28 cs.RO
Learning-Based Fault Detection for Legged Robots in Remote Dynamic Environments
Massachusetts Institute of Technology(麻省理工学院);University of Pennsylvania(宾夕法尼亚大学)
本文提出一种基于学习的离线方法,用于从腿部机器人本体传感器数据中检测单肢故障,以帮助控制器选择合适的三足步态。
2026-04-03 cs.RO
Design and Attitude Control of an Underwater Quadruped Robot
Norwegian University of Science and Technology(挪威科技大学)
本文设计并验证了一种可复现的水下四足机器人,通过简化模型和基于SO(3)的闭环姿态控制器,实现了滚转、俯仰和偏航的姿态跟踪。
2026-09-10 cs.RO
CEAR: Comprehensive Event Camera Dataset for Rapid Perception of Agile Quadruped Robots
针对敏捷四足机器人快速感知场景缺乏事件相机数据集的问题,研究团队推出包含多传感器数据、覆盖多场景多运动模式的CEAR数据集,为相关研究提供支撑。
2024-07-12 cs.RO
Modeling and In-flight Torso Attitude Stabilization of a Jumping Quadruped
National Technical University of Athens(雅典国立技术大学);Norwegian University of Science and Technology(挪威科技大学)
本文研究了低重力环境下跳跃四足机器人的建模与姿态控制,提出基于NMPC的分层控制架构及力矩分配策略,实现飞行中躯干姿态稳定,仿真与实验验证了其有效性。
2024-10-12 cs.RO
DogTouch: CNN-based Recognition of Surface Textures by Quadruped Robot with High Density Tactile Sensors
Skoltech(斯科尔科沃科学技术研究院)
对于足式机器人来说,在各种地形中进行运动的能力是至关重要的。然而,机器人必须更好地了解它正在行走的表面,以便在不同的地形上进行稳健的运动。动物和人类能够在脚的触觉的帮助下识别表面。然而,对于足式机器人的足部触觉还没有进行过多的研究。研究了一种新型的具有触觉感知足的四足机器人DogTouch。TSF允许利用触觉传感器和卷积神经网络(CNN)来识别不同的表面纹理。实验结果表明,我们训练的基于CNN的模型具有足够的验证准确率为74.37%,最高识别率为90%的线模式。未来,我们计划通过呈现具有不同深度图案的表面样本并应用先进的深度学习和浅层学习模型进行表面识别来改进预测模型。此外,我们提出了一种新的方法来导航的四足和足式机器人。我们可以安排触觉铺路纹理表面(类似于用于盲人或视障人士)。因此,DogTouch将能够在未知的环境中运动,只需识别特定的触觉模式,这些模式将指示直线路径,左转或右转,人行横道,道路等,这将允许鲁棒的导航,无论照明条件如何。未来配备视觉和触觉感知系统的四足机器人将能够在非结构化的室内和室外环境中安全、智能地导航和交互。
2022-06-09 cs.RO
Pretraining-finetuning Framework for Efficient Co-design: A Case Study on Quadruped Robot Parkour
Zhejiang University(浙江大学);DeepRobotics Company(深度机器人公司);University of Science and Technology of China(中国科学技术大学)
受自然界前后腿不对称动物的启发,本研究提出预训练-微调框架实现四足机器人机械结构与控制策略的协同优化,结合空间域随机化与正则化提升网络泛化性,以更低时间成本显著提升机器人极限跑酷能力。
2024-09-14 cs.RO
Highly Dynamic Quadruped Locomotion via Whole-Body Impulse Control and Model Predictive Control
Massachusetts Institute of Technology(麻省理工学院)
动态腿部运动是一个具有挑战性的课题,因为缺乏既定的控制方案,可以处理空中阶段,短的站立时间,和高速腿摆动。在本文中,我们提出了一种结合全身控制(WBC)和模型预测控制(MPC)的控制器。在我们的框架中,MPC用一个简单的模型在较长的时间范围内找到一个最佳的反作用力曲线,WBC根据MPC计算的反作用力计算关节扭矩、位置和速度命令。与现有的WBC不同,它试图跟踪命令的身体轨迹,我们的控制器更侧重于反作用力命令,这使得它能够完成高速动态运动与空中阶段。新设计的WBC与MPC集成,并在Mini-Cheetah四足机器人上进行测试。为了证明鲁棒性和通用性,控制器在许多不同的环境中进行了六种不同的步态测试,包括户外和跑步机,最高速度达到3.7 m/s。
2019-09-14 cs.RO
Robust Ladder Climbing with a Quadrupedal Robot
ETH Zurich, Robotics Systems Lab(苏黎世联邦理工学院机器人系统实验室)
本文提出基于强化学习控制策略与钩状末端执行器的四足机器人爬梯方法,在仿真和硬件上验证了其鲁棒性,实现了70°至90°梯角下90%成功率及比现有方法快232倍的攀爬速度,拓展了工业四足机器人的应用范围。
2025-07-22 cs.RO
Proprioceptive State Estimation for Quadruped Robots using Invariant Kalman Filtering and Scale-Variant Robust Cost Functions
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);University of Genoa(热那亚大学)
针对崎岖湿滑地形下足式机器人状态估计难的问题,提出结合鲁棒代价函数、仅用本体感知传感器的新型不变扩展卡尔曼滤波器,在450米以上轨迹中位姿漂移较现有最优方法最多降低40%。
2024-10-07 cs.RO
Enhancing Navigation Efficiency of Quadruped Robots via Leveraging Personal Transportation Platforms
School of Computing at the Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院计算机学院)
本文提出基于强化学习的主动运输者骑行方法,通过利用个人运输工具提升四足机器人导航效率与能耗表现。
2026-02-09 cs.RO
Autonomous Locomotion Mode Transition in Quadruped Track-Legged Robots: A Simulation-Based Analysis for Step Negotiation
University of Cambridge(剑桥大学);ClearPath AI
本文提出了一种用于四足混合机器人自主切换运动模式的方法,特别是在跨越不同高度台阶时,通过能量效率评估机制实现平稳过渡。
2024-04-02 cs.RO cs.SY eess.SY
Stanford Doggo: An Open-Source, Quasi-Direct-Drive Quadruped
本文介绍了斯坦福狗,一个准直接驱动的四足动物能够动态运动。该机器人匹配或超过最先进的足式机器人的常见性能指标。在垂直跳跃敏捷性方面,一个衡量平均垂直速度的指标,斯坦福狗狗与表现最好的动物相匹配,并超过之前最好的机器人22%。一个整体的设计架构,重点放在我们的准直接驱动的设计方法。复制这个机器人的硬件和软件是开源的,只需要手工工具来制造和组装,成本不到3000美元。
2019-05-10 cs.RO
Safe Motion Planning for Quadruped Robots Using Density Functions
Clemson University(克莱姆森大学)
本研究针对四足机器人运动规划问题,提出基于密度函数的分层规划框架,结合高层反馈密度规划器、MPC轨迹优化与低层PID控制,通过仿真验证了方法的有效性并开源了代码。
2023-12-14 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
Evolved embodied phase coordination enables robust quadruped robot locomotion
University of Oslo(奥斯陆大学)
克服现实世界中的机器人挑战需要能够处理多种环境和不可预见事件的弹性控制系统。使用仿真的进化优化是自动设计此类控制系统的一种很有前途的方法,然而,如果仿真与现实世界之间的差距变得太大,优化过程可能导致功能失调的现实世界行为。在本文中,我们解决这一挑战,考虑体现阶段协调的进化优化的四足机器人控制器的基础上,中央模式发生器。通过比较两个非常相似的控制系统,我们深入了解了感觉反馈方法如何影响控制系统的演化参数,以及在仿真中,在转移到现实世界中,以及不同的现实世界环境中的性能如何不同。我们表明,进化使设计的控制系统与体现相协调,这是比以前看到的方法更复杂,并且该系统是能够控制现实世界中的多关节四足机器人。该方法减少了仿真和现实世界之间的性能差异,并显示对新环境的鲁棒性。
2019-04-11 cs.RO
ForEnt: A Multi-Modal Dataset for Characterizing Quadruped Robot Entrapments in Forest Environments
University of Southampton(南安普顿大学)
针对四足机器人在森林中因植被缠绕而倾覆的问题,提出多模态数据集ForEnt,包含RGB-D、LiDAR、本体感知和第三人称视频,记录69次被困事件,支持可重复的基准测试。
2026-06-19 cs.RO
Learning Highly Dynamic Skills Transition for Quadruped Jumping Through Constrained Space
University of Hong Kong(香港大学);University of Oxford(牛津大学)
该研究提出分层强化学习框架,结合模仿学习训练低级技能、高级控制器视觉感知规划轨迹,实现四足机器人自主敏捷穿越狭窄门,还可扩展至其他高动态任务。
2026-08-21 cs.RO
Adaptive Model-Base Control of Quadrupeds via Online System Identification using Kalman Filter
Robotics Innovation Center, German Research Center for Artificial Intelligence (DFKI GmbH)(机器人创新中心,德国人工智能研究中心(DFKI GmbH));AG Robotik, University of Bremen(机器人技术研究所,不莱梅大学);Dynamics Division, Department of Mechanics & Maritime Sciences, Chalmers University of Technology(动力学研究所,机械与海洋科学系,查尔姆斯理工大学)
针对足式机器人模型基控制依赖固定模型、难以适配可变负载的问题,提出基于卡尔曼滤波器的在线质量与质心辨识方法,提升了强噪声下的鲁棒性与变负载时的控制跟踪性能。
2025-06-16 cs.RO
A Learning Framework for Diverse Legged Robot Locomotion Using Barrier-Based Style Rewards
本文提出一种基于障碍风格奖励的无模型强化学习框架,使 KAIST HOUND 机器人无需外部感知即可实现四足、三足、双足运动及越障、疾驰、负重、上楼梯等多样化任务。
2025-05-09 cs.RO
Hierarchical Adaptive Loco-manipulation Control for Quadruped Robots
University of Southern California(南加州大学)
足式机器人在不平坦地形的导航中显示出显著的优势。然而,在四足机器人上实现有效的运动和操纵任务仍然具有挑战性。此外,对象和地形参数通常是未知的机器人在这些问题。因此,本文提出了一种分层自适应控制框架,使足式机器人执行本地操作任务,而无需任何给定的假设对象的质量,摩擦系数,或地形的坡度。在我们的方法中,我们首先提出了一个自适应操纵控制来调节接触力,以操纵未知地形上的未知物体。然后,我们介绍了一个统一的模型预测控制(MPC)的本地操作,考虑到我们的机器人动力学的操纵力。因此,建议MPC框架可以有效地调节机器人和物体之间的相互作用力,同时保持机器人的平衡。我们所提出的方法的实验验证成功地进行了Unitree A1机器人,允许它操纵一个未知的时变负载$7$ $kg$($60\%$的机器人的重量)。此外,我们的框架能够快速适应未知的斜率(高达$20^\circ$)或具有不同摩擦系数的不同表面。
2023-03-11 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
Stanford Pupper: A Low-Cost Agile Quadruped Robot for Benchmarking and Education
Stanford University(斯坦福大学)
我们介绍了斯坦福大学的Pupper,一个易于复制的开源四足机器人专门设计为腿机器人研究的基准平台。该机器人具有高比功率的扭矩可控无刷电机,可以测试阻抗和基于扭矩的机器学习和优化控制方法。Pupper可以在8小时内从头开始建造,总成本低于2000美元,所有组件都可以轻松购买或3D打印。为了严格比较控制方法,我们引入了两个基准测试,Sprint和Scramble,并由斯坦福大学学生机器人技术公司维护。这些基准测试高速动态运动能力,以及对非结构化地形的鲁棒性。我们提供了一个参考控制器与动态,全向步态,作为比较的基线。多个机构通过独立制造的机器人展示了生殖能力。所有材料都可以在https://stanfordstudentrobotics.org/quadruped-benchmark上找到。
2022-02-03 cs.RO
Pedipulate: Enabling Manipulation Skills using a Quadruped Robot's Leg
ETH Zurich(苏黎世联邦理工学院);NVIDIA(英伟达)
本研究提出Pedipulate方法,通过训练强化学习策略控制四足机器人单腿进行操作,无需额外机械臂即可实现开门、采集样本等任务,并具备大工作空间、步态涌现及高鲁棒性。
2024-02-16 cs.AI cs.RO cs.SY
Learning Multiple Gaits within Latent Space for Quadruped Robots
Shanghai Jiao Tong University(上海交通大学)
本文提出一种端到端训练框架,通过步态编码器与生成器构建潜空间,并结合步态相关奖励和条件对抗运动先验,使四足机器人Go1仅凭本体感知即可学习并切换多种自适应步态。
2023-08-06 cs.RO
RoboDuet: Learning a Cooperative Policy for Whole-body Legged Loco-Manipulation
Tsinghua University(清华大学);University of San Diego(圣地亚哥大学);Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);Institute for Interdisciplinary Information Sciences, Tsinghua University(清华大学交叉信息研究院);Shanghai Qi Zhi Institute(上海期智研究院);Tsinghua Shenzhen International Graduate School(清华大学深圳国际研究生院);Jianghuai Advance Technology Center(江淮先进技术中心)
针对四足机械臂机器人全身移动操作需协调所有自由度的难题,提出双协作策略框架RoboDuet,实现大范围6D位姿跟踪与跨相似机器人零样本迁移,较基线成功率提升23%并开源相关资源。
2025-02-08 cs.RO