Development of a Modular and Submersible Soft Robotic Arm and Corresponding Learned Kinematics Models
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Beckman Institute for Advanced Science and Technology（贝克曼高等科学技术研究所）；University of Michigan（密歇根大学）
自然界中发现的许多软体生物在水下繁殖。类似地，软体机器人可能非常适合水下环境，部分原因是重力、摩擦和谐波振荡的问题影响在水下不那么严重。然而，它仍然是一个挑战，设计，制造，防水，建模和控制水下软机器人系统。此外，潜水机器人通常没有可配置的组件，因为需要密封的电子和机械元件。这项工作介绍了一种由液压致动器驱动的模块化和可潜水软机械臂的开发，该机械臂主要由3D打印部件组成，可以在相对较短的时间内组装或修改。其模块化设计可实现多种形状配置，并可轻松更换软致动器。作为在该系统上探索机器学习控制算法的第一步，我们还提出了使用深度神经网络开发的初步正向和逆运动学模型。
2022-12-06 cs.AI cs.LG cs.RO
Hybrid Paradigm-based Brain-Computer Interface for Robotic Arm Control
Korea University（高丽大学）
脑机接口（BCI）利用大脑信号与外部设备进行通信，而无需实际控制。特别地，BCI是用于控制机器人手臂的接口之一。在这项研究中，我们提出了一个基于知识蒸馏的框架，通过混合范式诱导脑电信号操纵机器人手臂，以供实际使用。教师模型的设计是为了对输入数据进行分层解码，并将知识传递给学生模型。为此，将软标签和蒸馏损失函数应用于学生模型训练。根据实验结果，学生模型取得了最好的性能中的单一架构为基础的方法。它被证实，使用分层模型和知识蒸馏，可以提高一个简单的架构的性能。由于不确定什么是知识转移，因此在未来的研究中澄清这一部分是重要的。
2022-12-14 cs.AI cs.HC cs.RO
Exploring of Discrete and Continuous Input Control for AI-enhanced Assistive Robotic Arms
TU Dortmund University（多特蒙德工业大学）；University of Duisburg-Essen（杜伊斯堡-埃森大学）；Westphalian University of Applied Sciences（威斯特法伦应用科学大学）
本文针对辅助机械臂多自由度控制中传统输入设备模式切换频繁的问题，将三种输入设备集成到XR框架中评估其自适应控制效果，为辅助机器人输入方案设计提供实证依据。
2024-01-13 cs.AI cs.HC cs.RO
Efficient Causal Discovery for Robotics Applications
University of Lincoln（林肯大学）；University of Padua（帕多瓦大学）
本文提出了一种名为F-PCMCI的快速准确的因果分析方法，能够在有限计算资源下实时重构人机交互场景的因果模型，从而提升机器人与人类的交互质量。
2023-10-24 cs.AI cs.RO
Project Jenkins: Turning Monkey Neural Data into Robotic Arm Movement, and Back
MIT（麻省理工学院）
Project Jenkins基于猕猴Jenkins的皮层神经数据，开发神经解码与编码模型，结合Koch v1.1机械臂和交互式网络控制台，实现脑信号与机械臂运动的双向转换，并开源相关工具推动脑机接口研究。
2025-03-19 cs.AI cs.RO eess.SP
SERA: Safe and Efficient Reactive Obstacle Avoidance for Collaborative Robotic Planning in Unstructured Environments
在工业4.0时代，非结构化环境中多个机器人之间的安全高效协作变得越来越重要。然而，实现人类和其他机器人之间的鲁棒和自主协作需要现代机器人系统具有有效的接近感知和反应性避障。在本文中，我们提出了一种新的方法，反应全身避障，确保无冲突的机器人，机器人之间的互动，即使在动态环境中。与现有的基于Jacobian类型、基于采样或几何技术的方法不同，我们的方法利用了最新的深度学习进展和拓扑流形学习，使其能够以高计算效率和快速图遍历技术轻松推广到其他问题设置。我们的方法允许机器人手臂在没有直接接触的情况下主动避开任意3D形状的障碍物，这是对传统工业协作机器人设置的重大改进。为了验证我们的方法，我们在一个机器人平台上实现了它，该平台由具有优化的接近传感器位置的双6自由度机械臂组成，能够在不同程度的干扰下协同工作。具体而言，一只手臂在实现其预定目标的同时执行反应性全身避障，而另一只手臂则模仿具有独立和潜在对抗性运动的人类合作者的存在。我们的方法为非静止环境中的安全人机协作提供了一个强大而有效的解决方案。
2023-03-28 cs.AI cs.RO
That and There: Judging the Intent of Pointing Actions with Robotic Arms
Rutgers University（罗格斯大学）
协作机器人需要机器人和人类伙伴之间的有效沟通。这项工作提出了一套解释性的原则，机器人手臂可以使用指向动作，通过扩展现有的模型，从相关文献中的任务信息的人。这些原则进行评估，通过研究，讲英语的人类受试者查看动画的模拟机器人指导拾放任务。评估区分两类指向动作中出现的拾取和放置任务：参考指向（识别对象）和定位指向（识别位置）。该研究表明，人类受试者在解释参考指向的意图时表现出更大的灵活性，而定位指向则需要更加深思熟虑。实验结果还表明了环境和任务背景的变化对指向解释的影响。我们的语料库，实验和设计原则推进模型的上下文，常识推理和沟通体现沟通。
2019-12-13 cs.AI cs.CV cs.HC
Exploring AI-enhanced Shared Control for an Assistive Robotic Arm
TU Dortmund University（多特蒙德工业大学）；University of Duisburg-Essen（杜伊斯堡-埃森大学）；Westphalian University of Applied Sciences（威斯特法伦应用科学大学）
本研究探索将AI集成到辅助机械臂的共享控制中，旨在降低用户认知负担和运动技能需求，同时保持人类控制权，以实现个人自主性。
2024-07-18 cs.AI cs.HC cs.RO
GAMORA: A Gesture Articulated Meta Operative Robotic Arm for Hazardous Material Handling in Containment-Level Environments
Department of Computer Science \& AI Muffakham Jah College of Engineering
针对高风险实验室人员暴露风险与操作精度需求，研究团队提出VR引导的GAMORA机器人系统，整合多硬件与逆运动学等技术，实现危险任务远程精准操作，兼具低功耗与可扩展性。
2025-06-17 cs.AI cs.CV cs.RO
RoboVAD: A Large Cross-Domain Evaluation Benchmark for Anomaly Detection in Robotic Arm Manipulation Videos
ICI Bucharest（布加勒斯特国家信息研究与发展研究所）；University of Bucharest（布加勒斯特大学）
RoboVAD是一个大规模跨域视频异常检测基准，针对机械臂操作视频，包含训练中未见动作和异常类型的挑战性场景；评估显示现有方法性能有限，但新方法优于竞争对手。
2026-09-17 cs.AI cs.CV cs.LG
Survivable Hyper-Redundant Robotic Arm with Bayesian Policy Morphing
在本文中，我们提出了一个贝叶斯强化学习框架，允许机器人机械手自适应地恢复随机机械故障自主，因此是生存。为此，我们制定了贝叶斯策略变形（BPM）的框架，使机器人代理，以自我修改其学习的策略后，减少其机动维数。我们建立在现有的演员-评论家的框架，并扩展它执行策略梯度更新作为后验学习，过去的政策更新作为先验分布。我们发现，政策搜索，在有偏见的方向由先前的经验，显着提高学习效率的抽样要求。我们使用BPM算法在8自由度机器人手臂上展示了我们的结果，同时有意禁用具有不同损伤类型的随机关节，如无响应关节，恒定偏移误差和角度不精确。我们的研究结果表明，即使有物理损伤，机器人手臂仍然可以成功地保持其功能，以准确地定位和抓住给定的目标对象。
2020-10-20 cs.AI cs.RO
Real-life Implementation of Internet of Robotic Things Using 5 DoF Heterogeneous Robotic Arm
BRAC University（BRAC大学）
本文提出将5自由度异构机械臂作为IoRT设备，结合物联网与云端机器人技术实现通信与控制，为机器人领域引入机械智能新视角。
2023-05-22 cs.RO
Intelligent Singularity Avoidance in UR10 Robotic Arm Path Planning Using Hybrid Fuzzy Logic and Reinforcement Learning
National Center for High-Performance Computing（国家高速网络与计算中心）
本文提出一种结合模糊逻辑与强化学习的UR10机械臂路径规划方法，通过实时检测和规避奇异点，实现高成功率的路径规划。
2026-01-09 cs.AI cs.RO
Enhancing Robotic Arm Activity Recognition with Vision Transformers and Wavelet-Transformed Channel State Information
Northeastern University（东北大学）；Mayo Clinic（梅奥诊所）
针对传统视觉式机械臂活动识别依赖视距、存在隐私隐患的问题，提出结合离散小波变换与视觉Transformer的CSI感知识别方法，在多场景多活动实验中准确率优于CNN和LSTM，且视距遮挡下仍有效。
2024-07-08 cs.RO
Design and Engineering of a Chess-Robotic Arm
在“Chess-Bot”项目的范围内，这项研究的目标是为“Chess-Bot”将用于将棋子从一个单元移动到另一个单元的机器人手臂选择正确的模型。本文介绍了机器人手臂的定义和结构，并详细介绍了机器人及其组成部分的工程学和运动学原理。此外，不同结构的机器人手臂将根据不同的标准进行介绍和比较。最后，一个模型的“象棋机器人”的手臂将合成精确的算法和方程的基础上。
2012-04-07 cs.RO math.AG
RGB-D Robotic Pose Estimation For a Servicing Robotic Arm
Embry-Riddle Aeronautical University（安柏瑞德航空大学）
预计将有大量的机器人和人类辅助的月球和火星任务。美国宇航局了解这些天体的地质和构成的努力在很大程度上依赖于机械臂的使用。当人类与机器人探险者一起工作时，安全和冗余方面将是至关重要的。此外，机械臂对于卫星维修和计划的轨道碎片减缓任务至关重要。这项工作的目标是创建一个基于人工神经网络（ANN）的自定义计算机视觉（CV），该网络能够从单个（RGB-D）图像中快速识别7自由度（DoF）机器人手臂的姿势-就像人类可以轻松识别手臂是否指向某个大致方向一样。Sawyer机器人手臂用于开发和训练这种智能算法。由于Sawyer的关节空间跨越7维，因此覆盖整个关节配置空间是一项不可逾越的任务。在这项工作中，使用正交表，类似于田口方法，有效地跨越联合空间与最小数量的训练图像。这个"最优“生成的数据库用于训练定制ANN，其准确度平均等于用于数据库生成的最小关节位移步长的两倍。一个预先训练的人工神经网络将是有用的估计姿态的机器人操作器上使用的空间站，航天器和漫游车作为一种辅助工具或应急计划。
2022-07-23 cs.RO
TARA: A Low-Cost 3D-Printed Robotic Arm for Accessible Robotics Education
Department of Computer Science, Data Science and Engineering（计算机科学与数据科学系）；New York University Shanghai（纽约大学上海校区）
针对机器人平台成本高限制学生实践的问题，本文提出低成本3D打印机械臂TARA，配套开源资源，约200美元即可搭建，在基础操作中表现精准，主打教育可复现性，助力普惠机器人教育。
2025-09-01 cs.RO
Generating and Customizing Robotic Arm Trajectories using Neural Networks
Faculty of Mathematics, Physics and Informatics（数学、物理与信息学系）；Comenius University Bratislava（布拉迪斯拉发康门尼大学）；DIBRIS（迪布里斯）；University of Genoa（热那亚大学）；Italian Institute of Technology（意大利理工学院）
本文提出一种生成和定制机械臂轨迹的神经网络方法，通过计算正向运动学与关节角度生成器集成，在人工数据集上训练网络以计算角速度，成功实现了可定制且高精度的轨迹生成，并在NICO机器人上验证了其有效性。
2025-06-30 cs.AI cs.RO
Deep Causal Learning for Robotic Intelligence
Rochester Institute of Technology（罗切斯特理工学院）
这篇特邀评论讨论了机器人智能背景下的因果学习。本文首先介绍了人类认知中因果学习的心理学研究成果，然后介绍了因果发现和因果推理的传统统计方法。本文回顾了最近的深度因果学习算法，重点介绍了它们的架构和使用深度网络的好处，并讨论了深度因果学习与机器人智能需求之间的差距。
2022-12-23 cs.RO
Development of a Voice Controlled Robotic Arm
Chittagong University of Engineering & Technology（吉大港工程与技术大学）
本文介绍了一个机器人手臂与5度的自由度（DOF），这是由人的声音控制，并已在机电一体化实验室，CUET开发。该机械臂通过串行通信（RS-232）与PC连接。用户的语音命令由麦克风捕获，并由Microsoft Visual Studio制作的软件处理。然后将特定信号（通过信号处理获得）发送到控制单元。机械臂中使用的主控制单元是型号为PIC 18f 452的微控制器。然后控制单元根据信号驱动执行器（Hitec HS-422，HS-81），以给出机械臂所需的运动。目前，机械臂可以执行一个设定的动作，如拾取和拉动，抓取，保持和释放，以及其他一些额外的功能，如舞蹈般的运动，并可以根据语音命令转动。
2023-03-16 cs.RO cs.SD eess.AS
Automating the Learning of Inverse Kinematics for Robotic Arms with Redundant DoFs
National Tsing Hua University（国立清华大学）
逆运动学解决了从笛卡尔空间到机器人手臂关节位形空间的映射问题，在计算机图形学、蛋白质结构预测、机器人学等领域有着广泛的应用。随着人工神经网络（NN）的巨大进步，许多研究人员最近转向数据驱动的方法来解决IK问题。不幸的是，NN对于具有冗余自由度（DoF）的机器人手臂变得不足够。这是因为这样的手臂可能有多个角度的解决方案，以达到相同的期望姿态，而典型的神经网络只实现一对一的映射函数，它只关联一个一致的输出为一个给定的输入。为了训练可用的神经网络来解决IK问题，大多数现有的工作采用定制的训练数据集，其中每个期望的姿势只有一个角度的解决方案。这不可避免地限制了所提出的方法的推广和自动化。本文在两个方面有所突破：（1）采用系统化、机械化的方法进行训练数据采集，覆盖整个机械臂的工作空间，在机械臂研制完成后，可以实现全自动化、一次性完成;（2）一种新的NN-的框架，可以利用冗余自由度，以产生多个角度的解决方案，任何给定的期望姿态的机器人手臂。可用于机器人应用，例如避障和姿势模仿。
2022-08-29 cs.RO
Robotic Arm Control and Task Training through Deep Reinforcement Learning
University of Padova（帕多瓦大学）
本文提出了信任域策略优化和具有归一化优势函数的DeepQ网络与其他最先进的算法（即深度确定性策略梯度和Vanilla策略梯度）的详细和广泛的比较。比较表明，前者有更好的性能比后者要求机械臂完成操作任务，如达到一个随机的目标位姿和拾取和放置一个对象。提供了模拟和真实世界的实验。仿真让我们展示了我们采用的精确估计算法超参数和正确设计良好策略的过程。真实世界的实验表明，我们的策略，如果正确的模拟训练，可以在真实环境中传输和执行，几乎没有变化。
2020-05-06 cs.AI cs.RO
Causal versus Marginal Shapley Values for Robotic Lever Manipulation Controlled using Deep Reinforcement Learning
Norwegian University of Science and Technology (NTNU)（挪威科技大学 (NTNU)）
我们调查的影响，包括领域知识的机器人系统的因果关系时产生的解释。为此，我们比较了可解释人工智能的两种方法，流行的KernelSHAP和最近的因果SHAP，在使用深度强化学习训练的深度神经网络上使用机器人操纵器控制杠杆的任务。KernelSHAP的一个主要缺点是它的解释只表示特征对模型输出的直接影响，而不考虑特征通过影响其他特征对输出的间接影响。因果SHAP使用部分因果排序来改变KernelSHAP的抽样程序，以纳入这些间接影响。这种部分因果排序定义了特征之间的因果关系，我们使用关于杠杆控制任务的领域知识来指定这一点。我们表明，使解释方法来解释间接影响，并结合一些领域的知识，可以导致更好地符合人类直觉的解释。这对于现实世界的机器人任务特别有利，其中有相当大的因果关系在起作用，此外，所需的领域知识通常是方便可用的。
2021-11-04 cs.LG cs.RO
Automatic Design of Task-specific Robotic Arms
Carnegie Mellon University（卡内基梅隆大学）；National Robotics Engineering Center（国家机器人工程中心）；ETH Zurich（苏黎世联邦理工学院）
我们提出了一个交互式的，计算设计系统，用于创建定制的机器人手臂高层次的任务描述和环境约束。各种任务要求可以被编码为机器人臂的末端执行器的期望运动轨迹。鉴于这样的末端执行器的轨迹，我们的系统使定制的机器人手臂的按需设计使用的模块化和可重构的部件，如致动器和连接链接库。通过搜索这些部件的可能布置的组合集合，我们的方法生成能够跟踪所需轨迹的功能性的、尽可能简单的机器人臂。我们展示了我们的系统的能力，通过创建机器人手臂的设计模拟，为各种轨迹以下的情况。
2018-06-19 cs.RO
D3-ARM: High-Dynamic, Dexterous and Fully Decoupled Cable-driven Robotic Arm
Center for Artificial Intelligence and Robotics, Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院人工智能与机器人中心）；School of Advanced Manufacturing, Sun Yat-sen University（中山大学先进制造学院）
本文提出低摩擦运动解耦与绳索预紧机构，研制出六自由度、轻量化的完全解耦绳驱动机械臂 D3-Arm，并通过测试验证其高精度定位与负载能力。
2025-02-18 cs.RO
Unified Kinematic and Dynamical Modeling of a Soft Robotic Arm by a Piecewise Universal Joint Model
软机器人手臂的顺应性使得精确的运动学和动力学模型的开发特别具有挑战性。软机器人运动学中最广泛使用的模型假定分段常曲率（PCC）。然而，PCC无法有效地处理外力，甚至重力的影响，因为机器人在这些条件下不会以恒定曲率变形。在本文中，我们建立了三维（3D）建模的多段软机器人手臂的限制性较低的假设下，每段的手臂是在一个平面上变形没有扭曲。我们设计了一个运动学和动力学模型的软臂推导等价于一个串行万向关节机器人。在真实机器人平台上的大量实验以及模拟证明了我们的方法在负载的3D运动中的建模精度。所提出的模型的最大位置/旋转误差被验证为比考虑重力和外力的PCC模型低6.7倍/4.6倍。
2022-03-15 cs.RO
Recognising Known Configurations of Garments For Dual-Arm Robotic Flattening
University of Glasgow（格拉斯哥大学）
机器人可变形物体的操纵是机器人工业中的一个挑战，因为可变形物体具有复杂和多样的物体状态。预测这些对象的状态和更新操作规划是耗时和计算昂贵的。在本文中，我们提出学习已知的服装配置，让机器人识别服装状态，并选择一个预先设计的服装平整的操作计划。
2022-06-17 cs.CV cs.RO
Kinematic Optimization of a Robotic Arm for Automation Tasks with Human Demonstration
Tel-Aviv University（特拉维夫大学）；The Institute of Agricultural Engineering, Volcani Institute（沃尔卡尼研究所农业工程研究所）
针对机械臂任务适配性差、定制设计成本高的问题，提出基于人类示教、用改进粒子群优化算法生成最优机械臂设计与任务路径的方法，可缩短上市时间、降低计算量，助力模块化标准化。
2024-01-30 cs.RO
Control of a Soft Robotic Arm Using a Piecewise Universal Joint Model
软机器人手臂的“无限”被动自由度使得它们的控制特别具有挑战性。在本文中，我们利用以前开发的模型，画等效的软臂一系列的万向节，设计两个闭环控制器：一个配置空间控制器的轨迹跟踪和任务空间控制器的位置控制的末端执行器。广泛的实验和模拟四段软臂证明了实质性的改善方面：a）优越的跟踪精度的配置空间控制器和b）减少建立时间和稳态误差的任务空间控制器。任务空间控制器也被验证是有效的，在软臂和环境之间的相互作用的存在。
2022-03-15 cs.RO
Harnessing The Multi-Stability Of Kresling Origami For Reconfigurable Articulation In Soft Robotic Arms
Clemson University（克莱姆森大学）
本研究探讨了一种生物学启发的方法，使用可重构关节，以减少对软机器人手臂的控制要求。我们构建了一个机器人手臂组装Kresling折纸模块，表现出可预测的双稳态。通过在两个稳定状态之间切换，这些折纸模块可以表现得像具有低弯曲刚度的柔性关节或具有高刚度的刚性链接，而不需要任何连续的电源。以这种方式，机器人臂可以表现出伪连杆运动学，具有较低的控制要求和提高的运动精度。使用折纸作为机器人手臂骨架的一个独特优点是，其稳定状态之间的弯曲刚度比与基础的Kresling设计直接相关。因此，我们进行了广泛的参数分析和实验验证，以确定优化的克雷斯林模式的清晰度。结果表明，较大的角度比，较小的静止长度在收缩稳定状态，和大量的多边形边可以提供更显着和鲁棒的弯曲刚度调谐。基于这一见解，我们构建了一个概念验证，肌腱驱动的机器人手臂由三个模块组成，并表明它可以表现出所需的可重构关节的行为。此外，该机械手的变形与运动学模型预测一致，这验证了使用简单的控制器的可能性，这样的顺应性机器人系统。
2020-08-17 cs.RO physics.app-ph
Dynamic Parameter Identification of a Curtain Wall Installation Robotic Arm
Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）
针对液压驱动幕墙安装机械臂，提出融合 D-H 模型、液压缸动力学与 Stribeck 摩擦的分层递进参数辨识方法，实验将关节力矩残差标准差控制在 0.4 Nm 以下。
2025-07-23 cs.RO
Configuration-Aware Safe Control for Mobile Robotic Arm with Control Barrier Functions
Shanghai Jiao Tong University（上海交通大学）；University of Oxford（牛津大学）；Tencent（腾讯）
碰撞避免是机器人应用中广泛研究的课题。在将避碰技术应用于移动机器人时，如何处理机器人的空间结构仍然是一个挑战。在本文中，我们设计了一个配置感知的安全控制律，通过求解二次规划（QP）与设计的控制障碍函数（CBFs）的约束，它可以安全地导航移动机械臂到所需的区域，同时避免与环境障碍物碰撞。我们的方法的优点是，它正确地，并在一个优雅的方式结合了移动机器人手臂的空间结构。这是通过合并移动机器人手臂链接到CBF约束之间的几何限制。通过对刚性杆和移动机械臂的仿真，验证了该方法的可行性和时间效率。对不同自由度的计算结果表明，该方法具有很好的维数伸缩性。
2022-05-08 cs.RO cs.SY eess.SY
Efficiency Optimization of a Two-link Planar Robotic Arm
Cleveland State University（克利夫兰州立大学）
本文基于动力系统框架下的热力学新表述，通过循环平均能量与连杆间能量传递速率分类，研究两连杆平面机械臂在抵抗外力运动时的效率优化。
2024-10-28 cs.RO cs.SY eess.SY
An experimental mechatronic design and control of a 5 DOF Robotic arm for identification and sorting of different sized objects
Western Macedonia Univ. of Applied Sciences（西马其顿应用科学大学）
本文的目的是提出的建设和编程的五个自由度的机器人手臂与红外传感器的识别和分类不同大小的对象相互作用。建筑设计的主轴将是构成机电一体化的三个主要科学分支：机械工程，电子电气工程和计算机工程。已被用于建设的方法，以及与传感器合作的手臂的编程方法。其目的是提出手动和自动控制的手臂识别和安装的对象通过一个简单的（在操作中）和低成本的传感器，如本文所使用的。此外，本文介绍了这种机械臂设计的意义及其在当代工业生产形式中的进一步应用。
2017-11-10 cs.RO
Design and Modeling of a Single-Port Three-Arm Robotic Tool for Minimally Invasive Neurosurgery
University of Nevada, Las Vegas（内华达大学拉斯维加斯分校）
本文提出一种含主管鞘和三个可转向副管鞘的单端口三臂机器人工具，集成12自由度与7自由度臂，通过肌腱驱动实现多臂操作，并验证了其静态与运动学模型。
2026-09-24 cs.RO
DML-RAM: Deep Multimodal Learning Framework for Robotic Arm Manipulation using Pre-trained Models
Cleveland State University（克利夫兰州立大学）；Florida International University（佛罗里达国际大学）；Argonne National Laboratory（阿贡国家实验室）
本文提出DML-RAM框架，通过后期融合预训练模型与机器学习处理多模态输入预测机械臂连续动作，在BridgeData V2和Kuka上表现优异且支持模块化与实时决策。
2025-04-04 cs.LG cs.RO
Innovative Integration of Visual Foundation Model with a Robotic Arm on a Mobile Platform
Shanghai Hrstek Co., Ltd（上海赫斯克机器人有限公司）
本文提出将Segment Anything model (SAM)视觉基础模型与移动平台机械臂集成，通过深度相机实现动态物体分割、跟踪与抓取，并支持多模态用户交互，在仿真和真实环境中验证了其有效性与广泛应用潜力。
2024-04-29 cs.RO
Optimizing Deep Reinforcement Learning for Adaptive Robotic Arm Control
School of Computer Science, University of Galway（计算机科学学院，Galway大学）
本文通过TPE优化SAC和PPO算法的超参数，显著提升了七自由度机械臂控制任务的算法性能和训练效率。
2024-06-12 cs.AI cs.RO
Design And Control of A Robotic Arm For Industrial Applications
CMR Technical Campus（CMR技术学院）；JNTUH University College of Engineering, Science & Technology Hyderabad（贾瓦哈拉尔·尼赫鲁科技大学海得拉巴工程科学与技术学院）；Holy Mary Institute of Technology（圣玛丽技术学院）
本文提出了一种六自由度工业机器人臂，通过伺服电机和微控制器接口设计，并结合逆运动学算法和PID控制器，实现高精度和高重复性的自动化任务。
2025-11-10 cs.RO
POMDPs for Robotic Arm Search and Reach to Known Objects
Florida Institute of Technology（佛罗里达理工学院）
我们提出了一种基于概率模型的方法，特别是POMDPs，计划优化搜索过程中的已知对象的智能眼手机械臂。在办公室里寻找和伸手去拿一个已知的物体（一支笔、一本书或一把锤子）是人类在日常活动中经常执行的一项操作。智能机器人手臂在其预期服务的各种应用中没有理由不会经常遇到这个问题。这个问题遭受来自两个缺乏信息的对象的位置，从嘈杂的传感器，不完美的模型的目标对象，不完美的环境模型，并从近似计算的不确定性。概率模型的使用帮助我们至少减轻了其中的一些挑战，接近这一重要任务的最优状态。
2017-04-26 cs.RO
Development of a Tendon Driven Variable Stiffness Continuum Robot with Layer Jamming
The Ohio State University（俄亥俄州立大学）
本研究的目的是设计，制造和测试肌腱驱动的连续体软体机器人与三个模块化的部分，其中每一个具有可调刚度层干扰技术。与以往的研究相比，该项目的机械臂设计具有模块化结构，这意味着可以通过在现有机器人原型上添加额外的臂模块/段来调整机械臂的长度。此外，新的手臂原型支持三维空间内的运动。为实现这一目标，完成了具有柔性主体结构和层压机构的变刚度机械臂的设计与制造。连接器的设计和制造也已经完成，以将多个连杆模块集成到一个具有多个节段的机械臂中。位于臂的基部的致动器已经被设计和测试。最后，对变刚度机械臂的一段臂段进行了刚度试验，验证了变刚度机械臂的承载能力，并计算了层塞结构的刚度比，分析了变刚度机械臂相对于非加筋软体机器人的刚度改善情况。
2019-12-10 cs.RO
Development of a Feeding Assistive Robot Using a Six Degree of Freedom Robotic Arm
Northern Arizona University（北亚利桑那大学）
本文开发了一款基于Arduino Braccio六自由度机械臂的语音控制喂食辅助机器人，集成距离传感器和蓝牙模块，帮助身体残障人士在餐桌或床上自主选择和进食三种食物，提升其生活质量和日常活动自主性。
2023-09-20 cs.RO
Robotic Arm for Remote Surgery
University of Witwatersrand（威特沃特斯兰德大学）
电信技术的最新进展使外科医生能够使用机器人技术对患者进行远程手术。研究和测试的远程手术，使用机器人手臂。机械臂设计为具有四个自由度，可跟踪外科医生的x、y、z位置和前臂的旋转角度θ。该系统包括两个主要子系统，即检测系统和致动系统。该检测系统使用红外发光二极管、反光手镯和两个红外摄像机，它们作为一个整体确定外科医生前臂的坐标。致动系统或机械臂基于导螺杆机构，该机构可以获得0.28 m/s的最大速度，末端执行器为1.5度/步。红外探测和编码器分辨率分别低于0.6 mm/pixel和0.4 mm，确保了机械臂的精确操作。外科医生能够使用显示计算机上的图形用户界面来监测患者。丝杠系统的建模和实验结果进行比较。该系统使用简单的比例积分器（PI）控制方案进行控制，该方案在dSpace控制单元上实现。控制设计的结果在小于0.5秒的上升时间，小于1毫米的稳态误差和小于1.4秒的建立时间。该系统积累，在一段较长的时间内，约4毫米的误差，由于机械臂的惯性效应。结果显示出有前途的系统性能特性的一个相对便宜的解决方案，一个相对先进的应用。
2013-07-22 cs.RO
RoboFiSense: Attention-Based Robotic Arm Activity Recognition with WiFi Sensing
Northeastern University（东北大学）；Mayo Clinic（梅奥诊所）
本文提出利用WiFi CSI和注意力网络BiVTC识别机械臂活动，研究嗅探器位置影响，并发布八种活动的RoboFiSense基准数据集。
2024-05-06 cs.RO eess.SP
A Vision-Based Shared-Control Teleoperation Scheme for Controlling the Robotic Arm of a Four-Legged Robot
Department of Mechanical Engineering, University of São Paulo（机械工程系，圣保罗大学）；Instituto Israelita de Ensino e Pesquisa Albert Einstein, Hospital Israelita Albert Einstein（艾利哈德研究所，以色列医院）
本文提出了一种基于视觉的姿态估计方法，通过检测操作员手腕位置来实现四足机器人机械臂的直观远程控制，提高了安全性和易用性。
2025-10-11 cs.CV cs.LG cs.RO
Augmented Body Communicator: Enhancing daily body expression for people with upper limb limitations through LLM and a robotic arm
Keio University Graduate School of Media Design（庆应大学媒体设计研究生院）
本文提出增强身体交流器系统，结合机械臂与大语言模型及动觉记忆，帮助上肢受限用户设计并选择社交动作，经六名参与者测试证明可提升其身体表达能力。
2025-05-09 cs.HC cs.RO
Control of a Lightweight Flexible Robotic Arm Using Sliding Modes
本文提出了一种鲁棒控制方案的柔性连杆机器人，这是基于考虑的柔性机械结构作为一个系统的慢（刚性）和快（柔性）模式，可以分开控制。刚性动力学控制的鲁棒滑模方法与wellestablished稳定性能，而LQR优化设计是通过柔性动力学。实验结果表明，这种复合方法实现了良好的闭环跟踪性能的刚性和柔性动力学。
2006-01-14 cs.RO
Vision-based Obstacle Removal System for Autonomous Ground Vehicles Using a Robotic Arm
North Carolina State University（北卡罗来纳州立大学）；Indian Institute of Technology Patna（印度理工学院巴特那分校）；Zhejiang University（浙江大学）
在过去的几年里，用于数据汇集和视觉监控应用的配备摄像头的机器人平台的使用呈指数级增长。有许多物体的杂乱建筑工地（例如，砖、管道等）地面上的环境对于移动无人驾驶地面车辆（UGV）导航是具有挑战性的环境。为了解决这个问题，本研究提出了一种移动UGV配备了一个立体摄像机和一个机械臂，可以清除沿UGV的路径障碍物。为了实现这一目标，周围的环境是由立体摄像机捕获和障碍物检测。通过机器人操作系统（ROS）将障碍物相对于UGV的位置发送到机械臂模块。然后，机械臂拾起并移除障碍物。该方法将大大提高施工监测的自动化程度和数据汇集频率。该系统通过两个案例进行了验证。结果成功地证明了障碍物的检测和清除，作为开发具有各种施工操作应用的自主UGV的有利因素之一。
2019-01-24 cs.RO
Configuration Tracking Control of a Multi-Segment Soft Robotic Arm Using a Cosserat Rod Model
Arizona State University（亚利桑那州立大学）
控制软连续体机器人手臂是具有挑战性的，因为它们的超冗余和灵活性。在本文中，我们证明，第一次，闭环控制的软机械臂的配置空间变量，由独立可控的部分，使用Cosserat棒模型的机器人和分布式传感和驱动能力的部分。我们的控制器解决了逆动力学问题，通过模拟Cosserat杆模型在MATLAB中使用一个计算效率高的数值求解方案，并将计算出的控制输出实时的应用到实际的机器人。实时的测量每个节段的尖端的位置和方向，同时在仿真中估计求解逆动力学所需的其余未知变量。我们实现控制器上的多段硅胶机械臂气动驱动，使用运动捕捉系统来测量段的位置和方向。控制器用于将手臂重塑为通过3D空间中的弯曲和延伸变形的不同组合实现的配置。由此产生的跟踪性能表明控制器的有效性和精度的模拟Cosserat棒模型，用于估计未测量的变量。
2022-10-01 cs.RO
Robotic-assisted Ultrasound for Fetal Imaging: Evolution from Single-arm to Dual-arm System
King’s College London（伦敦国王学院）；Xtronics Ltd.（Xtronics有限公司）；Guy’s & St Thomas’ NHS Foundation Trust（盖伊和圣托马斯NHS基金会信托）；Evelina Children’s Hospital（伊芙琳娜儿童医院）；Queen Mary University of London（伦敦玛丽女王大学）
机器人辅助体外超声系统的开发有着悠久的历史，自20世纪90年代以来，已经提出了许多项目，侧重于不同的技术方面。这些旨在解决手持式超声探头现场手动操作的不足。本文介绍了最近正在进行的一系列定制机器人系统的开发，包括单臂和双臂版本，用于一个名为智能胎儿成像和诊断（iFIND）的项目。在简要回顾了用于胎儿和腹部检查的体外超声机器人系统的发展历史之后，介绍了iFIND机器人的具体目标、设计演变、每个版本的实施细节以及iFIND机器人系列的初步临床反馈。基于42名志愿者对这些新提出的机器人进行的初步测试，验证了机电一体化系统的成功和可靠的工作。参与者问卷的分析表明，一个舒适的扫描体验的志愿者和良好的接受率被扫描的机器人。
2019-04-10 cs.RO
Towards vision-based dual arm robotic fruit harvesting
LIRMM；Univ. Montpellier（蒙彼利埃大学）；CNRS（法国国家科学研究中心）；Monash University（莫纳什大学）；Deakin University（迪肯大学）
针对非结构化环境下农业机器人采摘难题，提出双臂采摘方案，设计基于层次二次规划的控制策略满足多类硬约束，结合深度学习与图像处理实现水果和树干检测跟踪，通过真实图像和仿真实验验证了方法有效性。
2023-06-16 cs.RO
Design and Control of a Novel Six-Degree-of-Freedom Hybrid Robotic Arm
Intelligent Equipment Research Center, Beijing Academy of Agriculture and Forestry Sciences（北京农林科学院智能装备研究中心）；School of Mechanical Electrical Engineering and Automation, Shanghai University（上海大学机电工程与自动化学院）
本研究提出一种结合串并联机构优点的新型六自由度混联机械臂，通过双滑块设计实现劈叉避障，具有比传统机械臂更大的工作空间和足够的操作精度，适用于温室水果采摘。
2024-07-29 cs.RO
PAPRAS: Plug-And-Play Robotic Arm System
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出 PAPRAS 即插即用机械臂系统，通过轻量化高负载硬件、可便捷对接的结构和低时延多智能体分布式控制软件，支持多种家庭与移动操作任务。
2023-02-19 cs.RO
Offset-free Model Predictive Control: A Ball Catching Application with a Spherical Soft Robotic Arm
Institute for Dynamic Systems and Control, ETH Zürich（苏黎世联邦理工学院动态系统与控制研究所）
提出了一种用于球形柔性机械臂快速精确控制的无偏置模型预测控制器，该控制器将线性模型与在线扰动估计技术相结合，系统地补偿模型偏差。动态效应，如软材料的使用导致的材料松弛，可以解决实现无偏移跟踪。与没有干扰补偿方案的标准模型预测控制器相比，跟踪误差可以减少35%。改进的跟踪性能使得能够实现接球应用，其中球形软机器人臂可以接住由人投掷的球。
2021-03-12 cs.RO cs.SY eess.SY
