Separable Tendon-Driven Robotic Manipulator with a Long, Flexible, Passive Proximal Section
Texas A&M University(德州农工大学);Siemens Healthineers(西门子医疗);Brigham and Women’s Hospital(布莱根妇女医院);Harvard Medical School(哈佛医学院)
本文针对医疗场景中长柔性被动近端段腱驱动机器人操作器的驱动与灭菌难题,提出可分离结构设计,并开发冗余控制器及迟滞与张紧补偿方法,实验表明可有效降低远端末端误差。
2023-04-18 cs.RO
Deep Direct Visual Servoing of Tendon-Driven Continuum Robots
Ryerson University(瑞尔森大学)
基于视觉的控制提供了一个显着的潜力下的物理传感限制的连续体机器人的端点定位。传统的视觉伺服需要特征提取和跟踪,然后进行全部或部分姿态估计,限制了控制器的效率。我们假设,采用深度学习模型和实现直接视觉伺服可以通过消除这些中间步骤来有效地解决这个问题,从而在不需要精确系统模型的情况下控制连续体机器人。本文提出了一种单节肌腱驱动连续体机器人的控制,使用修改后的VGG-16深度学习网络和手眼直接视觉伺服方法。该算法首先在Blender软件中开发,仅使用目标的一个输入图像,然后在真实机器人上实现。在正常、阴影和遮挡场景中的收敛性和精度证明了所提出的控制器的有效性和鲁棒性。
2022-03-25 cs.RO
Learning a Resolution-Consistent Jacobian Field for Bio-Inspired Rigid-Soft Finger
National University of Defense Technology(国防科技大学);National Key Laboratory of Equipment State Sensing and Smart Support(装备状态感知与智能保障全国重点实验室)
针对仿生刚柔耦合手指的强非线性和分辨率敏感问题,提出基于条件流匹配的雅可比流匹配框架,学习分辨率一致的雅可比场,通过ODE积分实现跨时间分辨率一致推理,显著降低预测误差并提升长时域轨迹保真度。
2026-10-02 cs.RO
Prescribed-Time Contracting-Boundary Control of a Tendon-Driven Flexible Arm
Hubei University of Economics(湖北经济学院);Ocean University of China(中国海洋大学)
本研究提出一种预定时间收缩边界控制方法,用于腱驱动柔性臂的曲率跟踪,通过双重变换保证边界不变性和预定时间收敛,实验验证了其有效性与性能提升。
2026-09-24 cs.RO
Morphology-Specific Closed-Loop Control of Logarithmic-Spiral Continuum Arms via Online Jacobian Error Compensation
提出首个针对对数螺旋连续体臂的形态特异性闭环任务空间控制框架,通过分段腱驱动模型和在线雅可比误差补偿实现精确鲁棒控制,在轨迹跟踪、姿态调节等任务中优于分段常曲率基线方法。
2026-06-26 cs.RO physics.app-ph
Tendon-based modelling, estimation and control for a simulated high-DoF anthropomorphic hand model
Pázmány Péter Catholic University(帕兹马尼·彼得天主教大学);University of Notre Dame(圣母大学)
本文提出了一种基于肌腱的仿人手估计与控制方法,通过非线性优化和雅可比控制器实现手势跟踪,无需直接关节传感。
2026-01-28 cs.RO
Data-Driven Dynamic Modeling of a Tendon-Actuated Continuum Robot
Department of Engineering Cybernetics, Norwegian University of Science and Technology, NTNU(工程 cybernetics 部,挪威科学与技术大学,NTNU)
本文研究了基于数据的系统辨识方法,用于建模具有滚动关节的tendon-驱动连续机器人,发现仅需两个自由度的动力学模型即可准确捕捉系统动力学,展示了其在实时控制中的可行性。
2026-05-18 cs.RO
A Hybrid Model-based and Data-based Approach Developed for a Prosthetic Hand Wrist
本文提出了一种结合人工神经网络和滑模控制器的混合控制方法,用于提高假手腕部的动态响应和计算效率。
2026-01-13 cs.RO
An Adaptive Neuro-Controller Developed for a Prosthetic Hand Wrist
Department of Information Technology and Electrical Engineering(信息科技与电气工程系)
本文提出了一种针对假手腱驱动软连续腕的自适应神经控制器,通过Timoshenko梁理论建模并结合神经网络预测电机电流,提升腕部操控精度与系统性能。
2026-01-13 cs.RO cs.SY eess.SY
Multi-segmented Adaptive Feet for Versatile Legged Locomotion in Natural Terrain
Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所);KU Leuven(鲁汶大学)
大多数足式机器人都是由串联安装的连杆和致动器构成的腿结构,并通过复杂的控制器和传感器反馈进行控制。相比之下,动物发展出多节腿,关节之间的机械耦合和多节足。它们在所有地形上都跑得很敏捷,可以说是用更简单的运动控制。在这里,我们专注于开发脚的机制,防止滑动和下沉,也在自然地形。我们提出了第一个结果的多段脚安装到一个鸟的启发机器人腿与多关节机械肌腱耦合。我们的单段和双段机械自适应脚在开始滑动之前在多个软硬基底上显示出增加的可行水平力。我们还观察到,分段脚减少下沉软基板相比,球脚和圆柱脚。我们报告如何多段脚提供了一个大范围的可行的压力点中心非常适合双足机器人,但也为四足机器人在斜坡和自然地形。我们的研究结果也提供了一个功能的理解分节脚的动物,如平胸鸟。
2023-02-08 cs.RO
A Tendon-Driven Robotic Jellyfish with Constrained Soft Actuation and Depth Control via Reinforcement Learning
Hong Kong Embodied AI Lab(香港具身智能实验室);The Chinese University of Hong Kong(香港中文大学);The Hong Kong University of Science and Technology(香港科技大学)
提出一种腱驱动仿生水母机器人,通过约束软驱动实现大变形和线性驱动,并利用强化学习实现闭环深度控制,提升软体机器人的可控性与自主性。
2026-10-19 cs.RO
Learning-based Control for Tendon-Driven Continuum Robotic Arms
K. N. Toosi University of Technology(柯尼托西理工大学);Center of Excellence in Robotics and Control(机器人与控制卓越中心);Advanced Robotics and Automated Systems (ARAS)(高级机器人与自动化系统(ARAS))
本文针对腱驱动连续体机器人提出一种基于深度强化学习的无模型控制方法,通过DDPG最优整定修正转置雅可比控制参数,实现任务无关的高性能轨迹跟踪。
2025-03-09 cs.RO cs.SY eess.SY
Self-organized control for musculoskeletal robots
Max Planck Institute for Mathematics in the Science(马克斯·普朗克科学数学研究所);IST Austria(奥地利科学技术研究所)
本文提出了一种自组织控制方法,通过无功能控制器实现机器人与环境的动态交互,展示了其在肌肉驱动臂肩系统中的自组织行为及与物体动态的共振效应。
2016-06-15 cs.LG cs.RO cs.SY
Design and Evaluation of a Bioinspired Tendon-Driven 3D-Printed Robotic Eye with Active Vision Capabilities
University of Massachusetts Lowell(马萨诸塞大学洛厄尔分校);University of Kashan(卡尚大学)
提出一种具备逼真外观与自然运动的仿生腱驱动3D打印机器人眼设计方案,通过最少舵机实现高效驱动,并利用基于视觉的控制器验证了其有效性。
2023-05-01 cs.RO
Toward smart composites: small-scale, untethered prediction and control for soft sensor/actuator systems
Cornell University(康奈尔大学)
我们提出了制定和开源工具,以实现材料模型预测控制的传感器/执行器系统使用学习正运动学和设备上的计算。微控制器单元(MCU)在与传感器和致动器共处的同时计算预测和控制任务,从而实现材料内不受限制的行为。在这种方法中,小参数大小的神经网络模型离线学习正运动学。我们的开源编译器nn 4 mc生成代码,将这些预测卸载到MCU上。然后,牛顿-拉夫森解算器实时的计算控制输入。我们首先基准这种非线性控制方法对PID控制器的质量弹簧阻尼器模拟。然后,我们研究了两个具有不同传感,驱动和计算硬件的实验装置的实验结果:一个基于肌腱的平台,嵌入式LightLace传感器和一个基于HASEL的平台,带有磁性传感器。实验结果表明,有效的高带宽跟踪的参考路径(大于或等于120 Hz)与一个小的内存占用(小于或等于6.4%的闪存)。在基于腱的平台中,测量的路径跟随误差不超过2 mm。在基于HASEL的平台上,仿真路径跟踪误差不超过1 mm。这种方法在ARM Cortex-M4 f设备中的平均功耗为45.4 mW。这种控制方法也与Tensorflow Lite模型和等效的设备上代码兼容。材料内智能使一类新的复合材料成为可能,这些复合材料通过精细的人工本体感受将自主性注入结构和系统。
2022-08-23 cs.LG cs.RO
Reference-Augmented Learning for Precise Tracking Policy of Tendon-Driven Continuum Robots
Department of Control Science and Engineering, Zhejiang University(控制科学与工程系,浙江大学)
本文提出一种参考增强的离线学习框架,用于腱驱动连续机器人的精确六自由度跟踪控制,通过可微RNN动态替代模型优化控制策略,有效减少位置误差。
2026-07-08 cs.RO
Control and Trajectory Optimization for Soft Aerial Manipulation
Massachusetts Institute of Technology(麻省理工学院)
利用无人驾驶飞行器(UAV)的操纵和抓取目前需要精确定位,并且通常以降低的速度执行以确保成功抓取。这是因为典型的UAV只能容纳具有很少自由度的刚性操纵器,这限制了它们补偿由飞行器定位误差引起的干扰的能力。此外,UAV必须最小化外部接触力以保持稳定性。另一方面,生物系统利用柔软性来克服类似的限制,并利用顺应性来实现积极的抓握。针对一种由四旋翼和柔性夹持器组成的柔性空中机械手,研究其控制和轨迹优化问题,充分发挥柔性的优势。据我们所知,这是第一个在软操纵和无人机控制之间的交叉点的工作。我们提出了一种解耦的方法,四旋翼和软夹持器,结合(i)的几何控制器和最小的捕捉轨迹优化的四旋翼(刚性)基地,与(ii)准静态有限元模型和控制空间插值的软夹持器。我们证明了几何控制器渐近稳定的四旋翼的速度和姿态,尽管增加了软负载。最后,我们评估所提出的系统在一个现实的软动力学模拟器,并表明:(i)的几何控制器是相当不敏感的软有效载荷,(ii)的平台可以可靠地抓住未知的对象,尽管不准确的定位和初始条件,和(iii)解耦控制器是适合实时执行。
2021-11-23 cs.RO cs.SY eess.SY
Non-linear Hysteresis Compensation of a Tendon-sheath-driven Robotic Manipulator using Motor Current
Korea Advanced Institute of Science and Technology(韩国科学技术院);Siemens Healthineers(西门子医疗)
腱鞘驱动操纵器(TSM)由于其细长的形状、灵活性和顺应性,使其在狭窄或曲折的环境中易于操纵,因此广泛用于微创手术系统。许多商业的基于TSM的医疗设备具有由其组成导致的非线性现象,诸如反冲滞后和死区,这导致实现末端执行器姿态的精确控制的相当大的挑战。然而,最近文献中的许多工作没有考虑这些现象的综合影响和补偿,也较少关注在现实条件下识别模型参数的实用方法。本文提出了一种简化的分段线性模型,同时构建间隙滞后和死区补偿器。此外,介绍了一种实用的方法来识别模型参数,使用电机电流从机器人控制器的TSM。我们所提出的方法进行了验证与多个心内超声心动图(ICE)导管,这是典型的商业例子的TSM,周期性和非周期性运动。结果表明,该方法可以有效地减小齿隙滞后和死区误差,提高机器人控制精度。
2021-01-29 cs.RO
Performance Control of Tendon-Driven Endoscopic Surgical Robots With Friction and Hysteresis
在这项研究中,一种新的位置控制方案的腱鞘机构(TSM),这是用于柔性医疗设备。TSM被广泛用于灵巧机器人应用中,因为它可以在有限的空间中、在受限的环境中灵活地工作,并且提供从外部致动器到远端关节的高效动力传输。然而,肌腱和护套之间的摩擦和反冲滞后的非线性对实现末端执行器的精确位置控制提出了挑战。以往的研究只针对已知的腱鞘结构和模型参数的反冲滞后非线性的假设下的TSM的控制问题。这些方法可能对整个系统性能和实际实现具有不利影响和限制。本文提出了一种新的方法来建模和控制的TSM驱动的柔性机器人系统。所设计的控制器不需要精确的非线性摩擦和间隙滞后参数的知识,只有他们的界限在线估计。仿真和实验验证结果表明,该控制方案在不需要知道模型参数和鞘层结构的情况下,能够显著提高系统的跟踪性能。
2017-02-06 cs.RO math.DS
A Task-Space Receding Horizon Controller for Fast Collision Avoidance
Biorobotics Institute and the Department of Excellence in Robotics and AI, Scuola Superiore Sant’Anna(生物机器人研究所和机器人与人工智能卓越系,圣安娜高等学校)
研究机器人操纵器实时避碰问题,提出任务空间滚动时域控制器,通过短接触一致展开生成终端参考并计算首个输入,经迭代动力学求解器塑造参考,仿真与实验验证该方法在动态杂波中平衡多方面性能且提升成功率。
2026-07-20 cs.RO
Shape-Aware Whole-Body Control for Continuum Robots with Application in Endoluminal Surgical Robotics
School of Informatics, University of Edinburgh(信息学院,爱丁堡大学);Playground Robotics
本文提出一种面向肌腱驱动连续体机器人的形状感知全身控制框架,结合物理信息骨干模型与增强神经ODE实现形状估计,并利用MPPI控制器联合优化尖端跟踪、骨干顺应性与避障,在支气管镜体模实验中验证了其提升导航精度与安全性。
2025-10-14 cs.RO
AI-Enabled Image-Based Hybrid Vision/Force Control of Tendon-Driven Aerial Continuum Manipulators
Department of Mechanical, Industrial, and Mechatronics Engineering, Toronto Metropolitan University(机械、工业与机电工程系,多伦多 Metropolitan 大学);Department of Mechanical, Industrial, and Aerospace Engineering (MIAE), Concordia University(机械、工业与航空航天工程系(MIAE),康科迪亚大学)
本文提出一种基于常应变建模的AI增强混合视觉/力控框架,用于腱驱动空中连续机械臂,结合快速固定时间滑模控制与径向基函数神经网络,实现快速在线学习视觉和力的不确定性,提升环境交互稳定性。
2026-04-21 cs.CV cs.RO
An Open MuJoCo Simulation Framework for a Quadrotor Carrying a Tendon-Driven Soft Continuum Arm
Egypt-Japan University of Science and Technology (E-JUST)(埃及-日本科学技术大学)
本文提出一种基于MuJoCo的开源仿真框架,用于研究搭载肌腱驱动软连续体机械臂的四旋翼无人机,经多场景仿真验证其可高效完成任务,运行速度达实时的15倍,相关代码已公开。
2026-10-14 cs.RO cs.SY eess.SY
Getting the Ball Rolling: Learning a Dexterous Policy for a Biomimetic Tendon-Driven Hand with Rolling Contact Joints
ETH Zurich(苏黎世联邦理工学院);Max Planck ETH Center for Learning Systems(马克斯·普朗克-苏黎世联邦理工学院学习系统中心)
本文提出仿生肌腱驱动Faive Hand及其GPU并行仿真RL训练架构,实现高自由度灵巧手的掌内转球策略零样本迁移到实物。
2024-01-22 cs.RO
Embodied Snap: Octopus-Inspired Distributed Reach-and-Attach with a Speed-Limited Soft Arm
National University of Singapore(新加坡国立大学);City University of Hong Kong(香港城市大学)
本文提出具身快照控制器,通过分离慢速预加载与快速弹性释放,使软体臂超越腱驱动速度限制,实现高效触达与附着,实验验证了其有效性与实用性。
2026-09-24 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
Learning Optimal Strategies for Temporal Tasks in Stochastic Games
Duke University(杜克大学);University of Florida(佛罗里达大学)
本文提出一种无需环境模型的强化学习方法,通过确定性奇数自动机构建产品博弈,利用折扣奖励优化策略以满足LTL规范,解决大规模颜色问题并验证方法有效性。
2023-08-31 cs.AI cs.LG cs.LO
Simultaneous Position-and-Stiffness Control of Underactuated Antagonistic Tendon-Driven Continuum Robots
Polytechnique Montreal(蒙特利尔理工学院);University of Technology Sydney(悉尼科技大学);ITAM(墨西哥自动技术学院)
针对拮抗式腱驱动欠驱动连续体机器人的位置与刚度同步控制难题,提出基于刚性连杆动力学模型、满足非负张力约束的无源性位置-刚度控制器,经实验验证了其有效性与精确性。
2024-09-16 cs.RO cs.SY eess.SY
Control the Soft Robot Arm with its Physical Twin
EPFL(洛桑联邦理工学院);School of Engineering STI(工程学院(STI))
针对软体机械臂需考虑全构型的遥操作需求,提出基于物理孪生样机的腱长映射控制方法,支持复杂环境交互与跨尺寸推广,且刚度可调降低使用门槛。
2025-03-21 cs.RO
Autonomous Control of a Tendon-driven Robotic Limb with Elastic Elements Reveals that Added Elasticity can Enhance Learning
University of Southern California(南加利福尼亚大学);Google Brain(谷歌大脑)
被动弹性元件可以有助于生物和机器人系统的稳定性、能量效率和冲击吸收。它们还增加了动态复杂性,这使得它们对建模和控制更具挑战性。这种增加的复杂性对自主学习的影响还没有得到彻底的探讨。这一点对于肌腱驱动的肢体尤其重要,因为它们的缆索和肌腱不可避免地是弹性的。在这里,我们探讨了在不同的肌腱刚度值的模拟生物合理的肌腱驱动腿的自主学习和控制的功效。我们证明,增加模拟肌肉的刚度可能需要更多的迭代来使逆映射收敛,但可以更准确地执行,特别是在离散任务中。此外,该系统对肌肉硬度的后续变化具有鲁棒性,并且可以在5次尝试内适应。最后,我们测试了该系统的功能任务的运动,并发现类似的肌肉刚度的学习和性能的影响。考虑到一系列刚度值可以改善学习和最大化性能,我们得出结论,机器人身体和自主控制器-至少对于肌腱驱动系统-可以共同开发,以利用弹性元件。重要的是,这也打开了发展努力的大门,概括了脊椎动物大脑和身体共同进化的有益方面。
2019-09-26 cs.RO cs.SY eess.SY
Optimal Gait Design for a Soft Quadruped Robot via Multi-fidelity Bayesian Optimization
KTH Royal Institute of Technology(瑞典皇家理工学院)
本文针对腱驱动软体四足机器人,提出结合中枢模式发生器与多保真贝叶斯优化的在线自适应步态设计方法,并通过边缘计算卸载降低机载开销,实现从仿真到实机的高效步态优化部署。
2024-06-11 cs.RO cs.SY eess.SY
Multi-gait Locomotion Planning and Tracking for Tendon-actuated Terrestrial Soft Robot (TerreSoRo)
University of Alabama(阿拉巴马大学);Georgia Institute of Technology(佐治亚理工学院);University of Strathclyde Glasgow(格拉斯哥斯特拉斯克莱德大学)
本文针对TerreSoRo提出一种基于位姿反馈的闭环路径规划框架,采用数据驱动优化合成步态与贪婪广度优先搜索策略生成无碰撞轨迹,实现了非气动软体机器人实时闭环路径规划与导航。
2023-07-31 cs.RO
Optimal Gait Control for a Tendon-driven Soft Quadruped Robot by Model-based Reinforcement Learning
Department of Engineering Design, KTH Royal Institute of Technology, Stockholm 10044, Sweden(工程设计系,皇家理工学院,斯德哥尔摩)
本文提出一种基于模型强化学习的软四足机器人最优步态控制方法,通过多阶段方法提升步态控制器性能,实现快速稳定运动。
2024-06-11 cs.RO cs.SY eess.SY
Ruka-v2: Tendon Driven Open-Source Dexterous Hand with Wrist and Abduction for Robot Learning
Ruka-v2 是一种开放式源代码的 tendon 驱动人形手,具备腕关节和手指的关节活动能力,通过用户研究验证其在机器人学习中的有效性,包括双臂和单臂遥控任务及自主策略学习。
2026-03-30 cs.AI cs.RO
A Closed-Form CLF-CBF Controller for Whole-Body Continuum Soft Robot Collision Avoidance
Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology(计算机科学与人工智能实验室,麻省理工学院);Robotics Engineering Department, Worcester Polytechnic Institute(机器人工程系,沃斯堡理工学院)
本文提出闭式CLF-CBF控制器,用于软连续机器人的实时3D障碍物避障,通过分析嵌入安全约束确保稳定性和安全性,比传统方法快10至100倍。
2026-03-19 cs.RO
Model-Free Reinforcement Learning for Stochastic Games with Linear Temporal Logic Objectives
Duke University(杜克大学)
本文研究了在未知环境中合成满足线性时序逻辑(LTL)目标的控制策略问题,提出了一种无模型强化学习方法,通过确定性拉宾自动机(DRA)的接受条件来最大化满足LTL规范的概率,并在两个运动规划案例中验证了方法的适用性。
2020-10-02 cs.LO cs.RO
Stochastic Finite State Control of POMDPs with LTL Specifications
California Institute of Technology(加州理工学院)
部分可观测马尔可夫决策过程(POMDPs)为不确定性和不完美感知下的自主决策提供了一个建模框架,例如机器人操作和自动驾驶汽车。然而,POMDPs的最优控制是众所周知的棘手。本文考虑了POMDP的次优随机有限状态控制器(sFSC)的定量合成问题,使得满足线性时序逻辑(LTL)公式的一组高级规范的概率最大化。我们开始铸造后一个问题的优化和使用松弛的泊松方程和麦考密克信封的基础上。然后,我们提出了一个随机有界的政策迭代算法,导致sFSC的大小和任何时间的算法,其中控制器的性能提高与连续迭代的控制增长,但可以停止由用户基于时间或内存的考虑。我们说明了所提出的方法的机器人导航的案例研究。
2020-01-21 cs.AI cs.FL cs.RO
Robust Helicopter Ship Deck Landing With Guaranteed Timing Using Shrinking-Horizon Model Predictive Control
German Aerospace Center (DLR)(德国航空航天中心(DLR));Leuphana University of Lueneburg(吕讷堡莱普哈纳大学)
本文提出了一种基于SHMPC的高效算法,实现鲁棒直升机在移动舰船甲板上的着陆,确保时间约束和高精度着陆性能。
2026-02-26 cs.RO cs.SY eess.SY
Learning Control Policies for Imitating Human Gaits
Indian Institute of Technology Roorkee(印度理工学院鲁尔基分校)
本报告中提出的工作介绍了一个旨在学习模仿人类步态的框架。人类以最有效的方式展示行走,跑步和跳跃等运动,这是该项目的动力来源。骨骼和肌肉骨骼的人体模型被认为是在矢状面的运动,并从两者的结果进行了详尽的比较。虽然骨骼模型是由电机驱动,肌肉骨骼模型通过肌肉肌腱驱动。无模型强化学习算法用于优化逆动力学控制动作,以满足模仿参考运动的目标以及最小化电机消耗的功率和肌肉消耗的代谢能量方面的努力的次要目标。一方面,电机驱动模型的控制动作是通过比例-微分控制器将目标关节角度转换为关节力矩。另一方面,肌肉-肌腱驱动模型的控制动作是肌肉激励隐式地转换为肌肉激活,然后转换为施加在关节上的力矩的肌肉力。发现肌肉肌腱驱动模型优于电机驱动,因为它们由于肌肉激活动力学而固有地平滑,并且不需要任何外部正则化器。最后,讨论了在该框架中获得重要决策变量最优配置的策略。所有的结果和分析都是以说明性的、定性的和定量的方式提出的。支持视频链接在附录中提供。
2021-05-15 cs.AI cs.RO
All You Need Is Low Fidelity: Zero-Shot Sim-to-Real of Learned Robotic Fish Control
Soft Robotics Lab, ETH Zurich(苏黎世联邦理工学院软体机器人实验室);ETH AI Center, ETH Zurich(苏黎世联邦理工学院人工智能中心)
本文证明低保真无状态流体仿真器足以零样本训练软体机器鱼闭环控制器,无需调参即可迁移至硬件,实现目标到达、扰动抑制和分布外跟踪,并提出物理可驻留于控制器的观点。
2026-09-30 cs.RO
Robust STL Control Synthesis under Maximal Disturbance Sets
KTH Royal Institute of Technology(瑞典皇家理工学院);University of Southern California(南加州大学)
针对未知扰动下的非线性系统,本文利用 Hamilton-Jacobi 可达性扩展 STL 扰动鲁棒语义,提出可综合最大可允许扰动集及对应鲁棒控制器的算法,并通过 AUV 仿真验证。
2024-04-08 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
Control Lyapunov Functions for Underactuated Soft Robots
Mechanical and Aerospace Engineering, Case Western Reserve University(机械与航空航天工程,凯斯西储大学)
本文提出了一种适用于欠驱动软机器人的控制框架,通过快速指数稳定控制李雅普诺夫函数和凸不等式约束,实现了在有界输入下的任务空间调节与跟踪,提高了精度和稳定性。
2026-03-05 cs.RO
Model-Free Learning of Safe yet Effective Controllers
Duke University(杜克大学)
本文研究学习安全且有效的控制策略,通过强化学习算法优先保证安全,再满足LTL规范,最后优化控制性能奖励。
2021-09-26 cs.FL cs.LG cs.LO
Hierarchical Adaptive Control for Collaborative Manipulation of a Rigid Object by Quadrupedal Robots
University of Southern California(南加州大学)
本文提出一种用于四足机器人协作操作刚性物体的分层控制系统,包含自适应力计算、基于QP的力分配与接触点优化、以及分散式移动操作控制器,成功在仿真中实现不同地形下操作18kg未知物体并保持稳定。
2023-07-28 cs.RO
Toward a Framework for Adaptive Impedance Control of an Upper-limb Prosthesis
University of Birmingham(伯明翰大学);Technology Innovation Institute(技术创新研究院);Imperial College London(伦敦帝国理工学院)
调整上肢阻抗(即,刚度、阻尼、惯性)对于人类与动态环境交互以执行抓取或操纵任务是必不可少的。另一方面,为最先进的上肢假肢设计的控制方法根据关节运动学从表面肌电图(sEMG)信号推断运动意图,但它们未能推断和使用肢体的潜在阻抗特性。我们提出了一个框架,允许人类用户同时控制的运动学,刚度和阻尼的模拟机器人通过手腕的屈伸。该框架包括肌肉肌腱单元和一个前向动力学块,用于从sEMG信号估计电机意图,以及一个可变阻抗控制器,用于在机器人上实现估计的意图,允许用户在线调整机器人的运动学和动力学。我们评估我们的框架与8个健全的主体和截肢者在自由空间中执行的任务达到,并在存在意想不到的外部扰动,需要适应的手腕阻抗,以确保稳定的互动与环境。我们通过实验证明,我们的方法在适应外部扰动、整体可控性和参与者反馈的能力方面优于数据驱动的基线。
2022-12-17 cs.RO
A Continual Learning Framework for Adaptive Control of Modular Soft Robots
The BioRobotics Institute, Scuola Superiore Sant’Anna(生物机器人研究所,圣安娜高等学校);Department of Excellence in Robotics and AI, Scuola Superiore Sant’Anna(机器人与人工智能卓越系,圣安娜高等学校);Department of Mechanical Engineering, National University of Singapore(新加坡国立大学机械工程系);ETIS Lab UMR8051 CY Cergy Paris University - ENSEA - CNRS(ETIS实验室UMR8051,CY赛尔吉 - 巴黎大学 - ENSEA - 法国国家科学研究中心)
针对模块化软机器人设计控制器的挑战,提出持续学习启发的控制框架,能顺序学习新配置不忘旧知识,可分布式学习特定模块动力学,经实验验证其能适应形态变化并减少计算开销。
2026-07-09 cs.AI cs.RO
Safe Reinforcement Learning with Probabilistic Guarantees Satisfying Temporal Logic Specifications in Continuous Action Spaces
Technical University of Munich(慕尼黑工业大学);California Institute of Technology(加州理工学院)
针对连续动作空间中RL缺乏安全保证的问题,提出“概率验证—RL性能优化—再验证”的三步安全RL流程,并在动态障碍规避任务中验证其可兼顾高效学习与时序逻辑概率安全。
2023-09-28 cs.RO cs.SY eess.SY
A Support-Enhanced Granular-Jamming Gripper for RL-based Grasping with Continuum Manipulators
针对连续体机械臂刚性抓取精度不足的问题,提出支持增强型颗粒阻塞夹爪,结合强化学习控制器,实现模块化抓取任务,融合物理与具身智能。
2026-09-28 cs.RO
Model-less Active Compliance for Continuum Robots using Recurrent Neural Networks
Queensland University of Technology(昆士兰科技大学);Nvidia AI technology centre(英伟达人工智能技术中心);Airdoc Research(Airdoc研究院);Monash University(莫纳什大学);University of New South Wales(新南威尔士大学)
针对连续体机器人与人体交互的柔顺性需求,提出基于RNN的无模型主动柔顺控制方法,可捕捉难建模的非线性因素,实现快速外力响应与柔顺环境交互。
2024-01-25 cs.RO
Real-Time Projected Adaptive Control for Closed-Chain Co-Manipulative Continuum Robots
Toronto Metropolitan University(多伦多都会大学);Concordia University(康考迪亚大学)
本文提出一种针对连续协同机器人闭环耦合动态的自适应控制框架,通过几何变量应变表示建立有限维模型,并利用正交投影实现约束一致运动子空间,以补偿不确定的动态参数。
2026-04-05 cs.RO
Control Barrier Functions for Mechanical Systems: Theory and Application to Robotic Grasping
University of Melbourne(墨尔本大学);St. Vincent’s Hospital(圣文森特医院)
控制障碍函数已被证明是一个有用的方法,确保约束满足的控制器的广泛类别,但现有的结果大多限于连续时间系统的相对度1。机械系统,包括机器人,通常是二阶系统,其中控制发生在力/扭矩水平。这些系统具有对于安全和/或任务执行至关重要的速度和位置约束(即相对度2)。此外,机械系统通常作为采样数据系统进行数字控制。这项工作的贡献是双重的。首先,是开发新型、鲁棒的控制障碍函数,以确保在存在模型不确定性的情况下相对二阶采样数据系统的约束满足。第二,是所提出的方法的应用程序的机器人抓取的挑战性问题,其中机器人手必须确保一个对象保持在把握,同时操纵它到所需的参考轨迹。一个把握约束满足控制器的建议,可以承认现有的名义操纵控制器从文献中,同时确保没有滑动,没有过度延伸(如奇异配置),没有滚动的指尖。仿真和实验结果验证了所提出的控制机器人手的应用。
2019-03-23 cs.RO
Model Predictive Robot-Environment Interaction Control for Mobile Manipulation Tasks
ETH Zurich(苏黎世联邦理工学院)
现代的扭矩控制服务机器人在与环境交互时可以调节接触力。模型预测控制(MPC)是一种解决底层控制问题的强大方法,它允许规划全身运动,同时包括由机器人动力学或其环境施加的不同约束。然而,需要一个精确的模型的机器人环境,以实现令人满意的闭环性能。目前,这种必要性破坏了MPC在操纵任务中的性能和通用性。在这项工作中,我们结合了基于MPC的全身控制器与两个自适应计划,来自在线系统辨识和自适应控制。因此,我们使一般的移动机械手与未知的环境进行交互,而不需要重新调整参数或预先建模的相互作用的对象。结合MPC控制器,这两种自适应方法进行了验证和基准与球平衡机械手在开门和物体升降任务。
2021-06-08 cs.RO
Trajectory Optimization for In-Hand Manipulation with Tactile Force Control
Maersk Mc-Kinney Moller Institute(马士基麦金尼摩勒研究所);University of Southern Denmark(丹麦南部大学)
本文提出了一种基于优化的框架,通过引入力控和状态估计器,提升机械手在手操作中滚动物体的准确性和鲁棒性。
2025-11-28 cs.RO