LQR-Assisted Whole-Body Control of a Wheeled Bipedal Robot with Kinematic Loops
ETH Zürich(苏黎世联邦理工学院)
我们提出了一个层次化的全身控制器,充分利用轮式双足机器人Ascento的全刚体动力学。我们推导出封闭形式的表达式,其运动学循环的动力学的方式,很容易推广到更复杂的系统。滚动约束采用基于旋转矩阵的紧凑解析解。非最小相位平衡动态占包括一个线性二次调节器作为一个运动任务。通过调整作为零力矩点函数的倾斜角,提高了行驶曲线时的鲁棒性。所提出的控制器是计算轻量级的,并显着扩展了粗糙地形的能力和系统的鲁棒性,我们在几个实验中证明。
2020-05-23 cs.RO
Dynamic Locomotion Teleoperation of a Wheeled Humanoid Robot Reduced Model with a Whole-Body Human-Machine Interface
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Carnegie Mellon University(卡内基梅隆大学)
双边遥操作为人形机器人提供了人类规划智能,同时使人类能够感受到机器人的感受。它有可能将具有物理能力的人形机器人转变为动态智能机器人。然而,动态双边运动遥操作仍然是一个挑战,由于它涉及到复杂的动力学。这项工作提出了我们的第一步,以应对这一挑战,通过概念的轮式人形机器人运动的身体倾斜遥操作。具体来说,我们开发了一个力反馈功能的全身人机界面(HMI),并设计了力反馈映射和两个遥操作映射,映射人体的倾斜机器人的速度或加速度。我们比较了这两个映射,并通过实验研究了力反馈的效果,其中七个人类受试者遥操作一个模拟机器人与HMI执行动态目标跟踪任务。实验结果表明,所有被试在练习后都完成了两种映射的任务,并且力反馈提高了他们的成绩。然而,受试者表现出两种不同的遥操作风格,这得益于不同的力反馈。此外,力反馈影响了被试对遥操作映射的偏好,尽管大多数被试在速度映射方面表现更好。
2021-09-08 cs.RO
Online Learning-Based Inertial Parameter Identification of Unknown Object for Model-Based Control of Wheeled Humanoids
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
提出一种基于在线学习的惯性参数估计框架,利用端到端学习仅凭机器人本体感觉快速辨识未知物体参数,并通过真实到仿真适配和高斯过程处理建模误差,在约0.1秒内实现高精度估计,提升轮式人形机器人模型控制性能。
2024-08-21 cs.RO
Heavy lifting tasks via haptic teleoperation of a wheeled humanoid
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文提出一种用于轮式人形机器人重物搬运的触觉遥操作框架,通过全身运动重定向和实时力反馈实现动态移动操作,实验验证了最大2.5公斤载荷的协调控制。
2025-05-26 cs.RO
Rolling in the Deep -- Hybrid Locomotion for Wheeled-Legged Robots using Online Trajectory Optimization
ETH Zürich(苏黎世联邦理工学院);Delft University of Technology(代尔夫特理工大学);Boston Dynamics(波士顿动力公司)
轮式足式机器人具有高度敏捷和多功能运动的潜力。腿和轮子的组合可能是任何需要在具有挑战性的地形上快速和长距离移动技能的现实世界应用的解决方案。在本文中,我们提出了一个在线轨迹优化框架轮式四足机器人能够执行混合步行驱动运动策略。通过将优化问题分解为轮和基座轨迹规划,高维轮足式机器人的运动规划变得更加易于处理,可以以模型预测控制的方式实时在线求解,并且对于不可预测的干扰变得鲁棒。参考运动由分层全身控制器跟踪,该控制器向机器人发送扭矩命令。我们的方法是验证四足机器人与非转向轮连接到它的腿。该机器人执行混合运动的各种步态序列在粗糙的地形。此外,我们在美国国防高级研究计划局(DARPA)地下挑战赛中验证了机器人平台,机器人在那里快速绘制地图,导航和探索动态地下环境。
2020-02-06 cs.RO cs.SY eess.SY
Modeling and Control of a Hybrid Wheeled Jumping Robot
School of Informatics, The University of Edinburgh(爱丁堡大学信息学院);Shenzhen Institute for Artificial Intelligence and Robotics for Society (AIRS)(深圳市人工智能与机器人研究院);Oxford Robotics Institute, University of Oxford(牛津大学牛津机器人研究所)
在本文中,我们研究了一个轮式机器人与棱柱延伸关节。这允许机器人建立动量来执行跳过障碍物,并在失去平衡后摆动到直立位置。我们提出了一个模板模型,这样的两轮跳跃机器人的类。该模型可以看作是最简单的轮腿系统。我们提供了一个分析推导的系统动力学,我们使用内部的模型预测控制器(MPC)。我们研究了模型的行为,并展示了高度动态的运动,如摆动和跳跃。此外,这些运动是通过第一原理优化发现的。我们评估控制器在各种任务和不平坦的地形在模拟器。
2020-08-03 cs.RO cs.SY eess.SY
Adaptive Model Predictive Control of Wheeled Mobile Robots
University of California at Berkeley(加州大学伯克利分校)
本文提出了一种基于自适应模型预测控制(AMPC)框架的控制算法,用于引导具有未知惯量的两轮移动机器人到达期望点和方向。将两轮移动机器人建模为具有非完整运动学约束的刀刃或冰鞋,并采用拉格朗日方法推导了其动力学方程。在每个时刻的输入是从模型预测控制(MPC)获得的,其中具有使用递归最小二乘算法更新的一组标称参数。最后通过数值仿真验证了算法的有效性。
2022-01-03 cs.AI cs.RO cs.SY
Combined Sampling and Optimization Based Planning for Legged-Wheeled Robots
ETH Zurich(苏黎世联邦理工学院)
由于有许多自由度,腿轮机器的规划通常使用轨迹优化来完成,从而使腿轮规划者容易陷入糟糕的局部最小值。我们提出了一种结合采样和优化的规划方法,可以应对具有挑战性的地形。基于采样的阶段计算全身配置和接触时间表,这加快了优化收敛。基于优化的阶段确保满足所有系统约束,例如非完整滚动约束。评价表明,良好的初始猜测优化的重要性。此外,他们认为,地形/碰撞(避免)的限制比机器人模型的限制更具挑战性。最后,我们扩展了优化处理一般地形表示的高程图的形式。
2021-04-09 cs.RO cs.SY eess.SY
POA: Passable Obstacles Aware Path-planning Algorithm for Navigation of a Two-wheeled Robot in Highly Cluttered Environments
Skolkovo Institute of Science and Technology(斯科尔科沃科学技术学院)
提出可嵌入的 POA 规划器,通过识别可通行与不可通行障碍物,让两轮机器人在高度杂乱环境中穿越可通行障碍,并较 GVD、A*、RRT* 最多缩短路径 43%、时间 39%。
2023-07-16 cs.AI cs.RO
Wheeled Humanoid Bilateral Teleoperation with Position-Force Control Modes for Dynamic Loco-Manipulation
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文提出一种基于位置-力控制模式切换的双边遥操作框架,实现轮式人形机器人的动态移动操控,并通过插箱与人机协作搬运实验验证了方法的有效性。
2024-07-16 cs.RO
Energy-Time Optimal Control of Wheeled Mobile Robots
University at Buffalo (SUNY)(纽约州立大学布法罗分校)
研究了轮式移动机器人在无障碍空间中进行点到点过渡的能量-时间最优控制。两个可互换的模型是用来达到最优性的必要条件。第一个公式利用了哈密顿量,而第二个公式考虑了增广成本的第一个变化,以推导出最优性的必要条件。Jacobi椭圆函数参数化的状态,控制和costates的封闭形式的解决方案。分析的最优控制揭示,他们被限制躺在一个圆柱体的圆形横截面是一个函数的重量惩罚的时间和能量的相对成本。第二个配方的不断发展的最佳costates躺在两个圆柱体的交叉点。本文还研究了轮式移动机器人点到点运动的最优控制,其中线速度被约束为时不变。结果表明,肋约束躺在一个圆柱和一个挤压抛物线的交点。各种点到点机动的数值结果来说明的最佳轨迹的结构作为终端和初始状态的相对位置的函数的变化。
2022-06-06 cs.RO math.OC
A Study of Shared-Control with Force Feedback for Obstacle Avoidance in Whole-body Telelocomotion of a Wheeled Humanoid
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
远程操作已经成为完全自主系统的替代解决方案,用于在类人机器人上实现人类水平的能力。具体来说,具有全身控制的遥操作是一种很有前途的免提策略来命令类人机器人,但需要更多的体力和脑力。为了缓解这一限制,研究人员提出了共享控制方法,将机器人决策纳入其中,以帮助人类完成低级任务,进一步减少操作工作量。然而,共享控制方法的轮式人形telelocomotion在全身水平上还有待探索。在这项工作中,我们研究了全身反馈如何影响不同的共享控制方法在不同环境中避障的性能。提出了一种基于时间导数的S形函数(TDSF),以产生更直观的障碍物力反馈。进行了全面的人体实验,结果得出结论,力反馈增强了在陌生环境中的全身远程运动性能,但可能会降低在熟悉环境中的性能。通过触觉传达机器人的意图显示了进一步的改进,因为操作员可以利用力反馈进行短距离规划,并利用视觉反馈进行长距离规划。
2022-09-12 cs.RO
Modeling and Design of Longitudinal and Lateral Control System with a FeedForward Controller for a 4 Wheeled Robot
Advanced Systems Engineering Laboratory, National School of Applied Sciences, Kenitra, Morocco(先进系统工程实验室,国家应用科学学院,凯尼特拉,摩洛哥)
本文中的工作表明,通过一系列基于物理的增保真度模型,用于设计尊重机器人能力限制的机器人控制器,开发适用于大子集跟踪条件的参考简单控制器,其中大部分是非侵入性或高度动态的运动,并根据控制问题定义路径几何形状,并开发简单的几何控制和动态模型预测控制方法在本文中,我们提出了一个非线性模型与干扰的影响,纵向和横向运动的数学模型,使用PID与前馈控制器。本研究提出一前馈控制器以消除干扰影响。
2023-01-23 cs.RO cs.SY eess.SY
Robust Fall Recovery for Armless Bipedal-Wheeled Robots Via Force-Guided Learning
Beijing Institute of Technology(北京理工大学)
针对无臂双轮足机器人无法借助外部支撑恢复站立的问题,提出力引导教师-学生框架FTSR,通过约束强化学习逐步减少外力依赖,实现从摔倒到稳定行走的鲁棒恢复。
2026-06-15 cs.AI cs.RO
Online Center of Mass Estimation for a Humanoid Wheeled Inverted Pendulum Robot
本文提出了一种新颖的鲁棒控制与在线学习结合的方法,用于平衡具有n自由度的轮式反重力摆人形机器人,通过在线学习更新质量模型以获得更准确的质心估计,实验表明该方法提升了整体控制效率。
2019-05-14 cs.LG cs.RO cs.SY
Equilibrium Adaptation-Based Control for Track Stand of Single-Track Two-Wheeled Robots
Tsinghua University(清华大学);Beijing Institute of Technology(北京理工大学)
针对单轨两轮机器人静止平衡难题,借鉴骑行者轨道驻车策略,提出基于平衡自适应的控制方案,结合非线性MPC,统一处理匹配与不匹配扰动,实现零稳态误差跟踪,实验验证误差降低几个数量级。
2024-11-07 cs.RO cs.SY eess.SY
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
Optimization-Based Quadrupedal Hybrid Wheeled-Legged Locomotion
Politecnico di Milano(米兰理工大学);Istituto Italiano di Tecnologia(意大利技术研究院)
混合轮腿运动是一种导航范式,最近才由新型机器人设计开辟,例如半人马型人形CENTAURO [1]或四足动物ANYmal [2],其配置具有非转向轮。术语“混合运动”在下文中用于表示一种特定类型的运动,通过同时协调使用腿和轮子来实现,参见图1。这样的选择源于双腿运动和更简单的轮式导航之间的交叉点,以便从两种技术中获得最佳效果:敏捷性和穿越不平坦地形的能力来自第一种,速度和稳定性来自第二种。因此,为混合机器人规划可行轨迹的问题与腿运动问题有许多相似之处:同样在混合情况下,考虑到带轮的脚只能推地面而不能拉地面,基座的运动是通过脚与环境的接触实现的。必须考虑与摩擦锥体相容的力,而触点可以正好沿着由轮的定向所规定的方向滑动。
2021-07-15 cs.RO cs.SY eess.SY
Morphology-Aware Human Motion Retargeting for Wheeled-Humanoid Loco-Manipulation
Harbin Institute of Technology(哈尔滨工业大学)
提出一种形态感知的流水线,将SMPLX人体运动重定向为轮式人形机器人R1 Pro的可执行移动操作行为,结合逆运动学与强化学习策略,实现从数据到物理跟踪的完整桥梁。
2026-11-19 cs.RO
A Generic Trajectory Planning Method for Constrained All-Wheel-Steering Robots
The Hong Kong University of Science and Technology(香港科技大学);The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
针对带转向角约束的全轮转向机器人模式切换效率低、直接全向移动易失效、控制复杂的问题,提出融合二阶离散搜索与预测控制的C-AWS规划方法,可生成满足约束的可行平滑轨迹。
2024-09-18 cs.RO
Humanoid Rickshaw Pulling: Whole-Body Locomotion under Coupled Wheeled Loads
Legged AI Lab, Shanghai Innovation Institute(上海创新研究院足式人工智能实验室)
本文提出一种人形机器人拉黄包车的全身控制框架,通过教师-学生蒸馏和强化学习实现重载运输,在Unitree G1上验证了稳定性和低运输成本。
2026-10-08 cs.LG cs.RO
Universal Trajectory Optimization Framework for Differential Drive Robot Class
The State Key Laboratory of Industrial Control Technology, College of Control Science and Engineering, Zhejiang University(工业控制技术国家重点实验室,控制科学与工程学院,浙江大学);Huzhou Institute, Zhejiang University(湖州研究院,浙江大学);China Tobacco Zhejiang Industrial Co., Ltd.(中国烟草浙江工业公司)
针对各类差速驱动机器人轨迹优化难题,提出基于多项式参数化的通用轨迹优化框架,并构建全栈规划控制系统,在拥挤环境中验证了其高效性与鲁棒性。
2025-05-29 cs.RO
Relative velocity-based reward functions for crowd navigation of robots
四轮麦克纳姆机器人因其机动性和较强的负载能力而被广泛应用于各个行业,适合在狭窄的环境中执行精确的运输任务,但麦克纳姆轮机器人在具有移动性的同时,也比普通机器人消耗更多的能量。麦克纳姆轮移动机器人的功率消耗根据其工作状态和环境的不同而有很大的差异。因此,只有了解机器人的工作环境和准确的功耗模型,才能准确预测机器人的功耗。为了增加麦克纳姆轮式机器人能耗建模的应用场景,提高能耗建模的准确性,本文重点研究了影响麦克纳姆轮式机器人能耗的各种因素,如电机温度、地形、重心位置该模型是在运动学和动力学模型的基础上,结合电工学和能量流原理建立的。该模型在MATLAB中进行了仿真,并在实验室的四轮麦克纳姆机器人平台上进行了实验验证。实验结果表明,该模型的准确率为90%。能耗建模的结果可以帮助机器人进行合理的路径规划和任务规划,从而达到节能的目的。
2022-01-14 cs.AI cs.RO
The need for and feasibility of alternative ground robots to traverse sandy and rocky extraterrestrial terrain
Johns Hopkins University(约翰斯·霍普金斯大学)
针对轮式机器人在极端地外地形上的局限,本文论证了基于terradynamics原理的多足及无肢仿生机器人的必要性与可行性,以扩展行星探测能力。
2025-09-26 cs.RO cs.SY eess.SY
ARC Nav -- A 3D Navigation Stack for Autonomous Robots
PES University(PES大学)
流行的导航栈在开源框架之上实现,如ROS(机器人操作系统)和ROS 2使用离散化的2D占用网格表示机器人工作空间。这种方法,虽然需要较少的计算,限制了使用这样的导航栈轮式机器人在平面上导航。在本文中,我们提出了一个导航堆栈,使用体积表示的机器人工作空间,因此可以扩展到空中和足式机器人通过不平坦的地形导航。此外,我们提出了一种新的基于采样的运动规划算法,该算法引入了一个双向的方法,批量通知树(BIT*)运动规划算法,同时包装它与策略切换的方法,以减少初始时间,找到一条路径,除了所需的时间,找到最短路径。
2021-11-12 cs.RO
Racing a Wheeled Quadruped: Active Load Transfer Mitigation via Model Predictive Control
University of California, Berkeley(加州大学伯克利分校);Politecnico di Milano(米兰理工大学)
提出一种结合模型预测控制与强化学习的层次控制框架,通过主动侧倾控制减少轮式四足机器人自主竞速中的横向载荷转移,实现最高44%的LTR降低、8.7%的圈速提升和21.3%的侧向加速度增强。
2026-06-26 cs.RO cs.SY eess.SY
Analysis of Model-Free Reinforcement Learning Control Schemes on self-balancing Wheeled Extendible System
Delhi Technological University(德里理工大学)
传统的线性控制策略已被广泛研究和应用在许多机器人和工业应用,但他们不响应系统的总动态。为了避免H ∞控制和预测控制等非线性控制方案的繁琐计算,强化学习(RL)的应用可以提供替代解决方案。针对移动自平衡可伸缩轮式倒立摆系统,提出了基于深度确定性策略梯度和近端策略优化的RL控制方法,并给出了系统的状态历史,以达到改进的控制效果。这样的RL模型使得找到满意的控制方案的任务更容易,并有效地响应动态,同时自调整参数,以提供更好的控制。在这篇文章中,基于RL的控制器对MPC控制器进行了比较,以评估性能的基础上的状态变量和轨迹误差的E-ESTA系统,同时遵循一个特定的期望轨迹。
2022-03-14 cs.RO cs.SY eess.SY
Toward Wheeled Mobility on Vertically Challenging Terrain: Platforms, Datasets, and Algorithms
George Mason University(乔治梅森大学)
针对传统轮式机器人难以通过垂直挑战性崎岖地形的问题,该研究提出两款硬件改动极小的轮式平台,采集相关地形穿越数据集并研发算法,验证了传统轮式机器人的越野移动潜力,且公开了相关资源以推动领域研究。
2024-03-09 cs.RO
Jumping Control for a Quadrupedal Wheeled-Legged Robot via NMPC and DE Optimization
Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong(机械与自动化工程系,香港中文大学)
本文提出了一种结合NMPC和DE优化的四足轮腿机器人跳跃控制方法,实现了多种跳跃动作并验证了其有效性。
2026-02-25 cs.RO
DIABLO: A 6-DoF Wheeled Bipedal Robot Composed Entirely of Direct-Drive Joints
School of Intelligent Systems Engineering, Sun Yat-sen University(中山大学智能工程学院);Direct Drive Technology Limited(直驱技术有限公司)
针对现有带齿轮箱的轮式双足机器人存在的机械复杂、效率低等问题,研发了全直驱的6自由度轮式双足机器人DIABLO,设计基于LQR的平衡及多维度运动控制器,经仿真与实物实验验证性能良好。
2024-09-11 cs.RO
SWheg: A Wheel-Leg Transformable Robot With Minimalist Actuator Realization
Southern University of Science and Technology(南方科技大学)
本文介绍了设计,实现,和性能评估的SWeg,一种新的模块化轮腿可变形机器人家庭与最低限度的执行器实现。SWheg通过将轮式和腿式运动无缝集成在单个平台上,充分利用了这两种运动方式。与其他使用多个致动器的设计不同,SWheg仅使用一个致动器来同步驱动所有轮腿模块的转换。这意味着N腿SWeg机器人只需要N+1个执行器,这可以显着降低平台的成本和故障率。基于四连杆机构的肌腱驱动轮腿转换机构可以实现轮腿之间的快速形态转换。我们验证了设计原理与四个和六个轮腿模块分别SWeg机器人,即四足SWeg和六足SWeg。讨论了两种平台的设计过程、机电一体化基础设施和步态行为发展。机器人的性能进行了评估,在各种情况下,包括驾驶和转向轮式模式,步跨越,不规则地形通过,并在腿模式爬楼梯。并对这两种平台进行了比较。
2022-10-27 cs.RO cs.SY eess.SY
Structure-Preserving Constrained Optimal Trajectory Planning of a Wheeled Inverted Pendulum
Systems and Control Engineering(系统与控制工程)
本文研究了轮式倒置摆的约束最优轨迹规划问题,通过离散力学推导了离散时间模型,并利用离散时间约束最优控制问题生成最优轨迹,同时设计了非线性连续时间模型和闭环LQ控制器,通过实验验证了非线性模型和控制方案的有效性。
2019-10-02 cs.RO cs.SY eess.SY
Comparison of Different Control Theories on a Two Wheeled Self Balancing Robot
Bangladesh University of Engineering and Technology(孟加拉国工程技术大学);Auburn University(奥本大学)
.本文旨在讨论和比较两轮自平衡机器人的三种最著名的控制理论,使用机器人操作系统(ROS)和露台仿真。两轮自平衡机器人是倒立摆系统最具吸引力的应用之一。本文讨论了PID、LQR和模糊逻辑控制器。并对机器人仿真的建模和算法进行了讨论.本文的主要目的是讨论在ROS和Gazebo中建立机器人模型,并对不同的控制理论进行实验,记录整个过程,分析机器人并比较不同的控制理论在系统上的应用。
2018-07-22 cs.RO
Omni Differential Drive for Simultaneous Reconfiguration and Omnidirectional Mobility of Wheeled Robots
Southern University of Science and Technology(南方科技大学);The Chinese University of Hong Kong(香港中文大学);University of Alberta(阿尔伯塔大学)
本文提出全向差速驱动模型,利用横向差速调整轮距,使轮式机器人同时实现重构与全向移动,并通过原型和实验验证其可行性与控制有效性。
2024-12-14 cs.RO
NightOwl: Robotic Platform for Wheeled Service Robot
Universitas Gadjah Mada(加札马达大学)
NightOwl是专为轮式服务机器人设计的机器人平台。机器人以全方位的方式自主导航,并配备了激光雷达来感知周围区域。该平台本身是使用机器人操作系统(ROS)构建的,并使用两种不同的程序设计语言(C++和Python)编写。NightOwl由几个模块化程序组成,即硬件控制器、光探测和测距(LIDAR)、同时定位与地图构建(SLAM)、世界模型、路径规划、机器人控制、通信和行为。这些程序并行运行并相互通信以共享各种信息。本文从输入、处理和输出三个方面阐述了模块化程序的作用。此外,NightOwl还提供Gazebo和RViz中的可视化模拟。Gazebo将其环境中的机器人可视化。来自LIDAR的传感器数据和来自SLAM的结果将通过RViz可视化。
2020-11-18 cs.RO
MUJICA: Multi-skill Unified Joint Integration of Control Architecture for Wheeled-Legged Robots
College of Intelligent Robotics and Advanced Manufacturing, Fudan University(智能机器人与先进制造学院,复旦大学);Power China Huadong Engineering Corporation Limited(中国电力工程顾问集团华东分公司)
本文提出MUJICA框架,通过整合多种低级技能,实现轮腿机器人在复杂环境中的自适应移动。
2026-05-13 cs.RO
Long-Distance Real-World Navigation of the Legged-Wheeled Robot Go2-W Using Deep Reinforcement Learning
Future Robotics Technology Center (fuRo)(未来机器人技术中心(fuRo));Chiba Institute of Technology(千叶工科大学)
针对腿轮机器人长距离自主导航问题,提出基于深度强化学习的运动控制器与导航系统,通过负载分配策略解决轮式运动导致髋关节过热问题,在筑波挑战赛中实现约2.8公里无中断自主导航。
2026-11-16 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
On Time-optimal Trajectories for a Car-like Robot with One Trailer
Wayne State University(韦恩州立大学)
除了具有挑战性的最优控制问题的理论价值外,自主车辆的最新进展要求进一步研究轮式车辆的最优运动规划。由于目前的数值最优控制技术要么受到维数灾难(如Hamilton-Jacobi-Bellman方程)的影响,要么受到复杂性灾难(如伪谱最优控制和最大加方法)的影响,轮式车辆测地线的解析表征不仅从理论上而且从实践上都变得重要。这样的分析表征提供了可以在鲁棒反馈回路中使用的快速运动规划算法。在这项工作中,我们使用庞特里亚金最大值原理来表征极值轨迹,即候选测地线,一辆拖车的汽车般的机器人。我们使用时间作为距离函数。尽管取得了部分进展,但这一问题在过去20年中仍然存在。除了直线运动和以最大允许曲率转弯外,我们将平面弹性运动确定为沿着我们的外肌发生的第三种运动。我们给出了这样的曲线,一个特殊的情况下,称为\emph{merging curve},连接最大曲率转向直线段的详细表征。在我们的情况下,通过系统和伴随方程的解析积分的极值的结构。
2013-01-28 cs.RO math.OC
Keep Rollin' - Whole-Body Motion Control and Planning for Wheeled Quadrupedal Robots
ETH Zürich(苏黎世联邦理工学院)
我们展示了轮式四足机器人的动态运动策略,它结合了步行和驾驶的优点。所开发的优化框架紧密集成了由车轮引入的额外自由度。我们的方法依赖于基于零矩点的运动优化,不断更新参考轨迹。参考运动由一个分层的全身控制器来跟踪,该控制器通过求解包括非完整滚动约束在内的一系列优先任务来计算最佳广义加速度和接触力。我们的方法已经在ANYmal上进行了测试,ANYmal是一种四足机器人,它是完全扭矩控制的,包括连接到腿上的非转向轮。我们在平坦和倾斜的地形以及台阶上进行了实验,由此我们表明,将车轮集成到运动控制和规划框架中会产生直观的运动轨迹,与其他轮式足式机器人相比,这使得运动更加稳健和动态。此外,以4 m/s的速度和降低83%的运输成本,我们证明了轮式足式机器人与腿式机器人相比的优越性。
2019-02-07 cs.RO
Head Stabilization for Wheeled Bipedal Robots via Force-Estimation-Based Admittance Control
School of Intelligent Systems Engineering, Sun Yat-sen University(中山大学智能系统工程学院);GAC R&D Center(GAC研发中心);Direct Drive Technology Limited(直接驱动技术有限公司);Suzhou Nuclear Power Research Institute Co., Ltd(苏州核电研究所有限公司)
本文提出了一种基于力估计的阻抗控制方法,用于提高轮式双足机器人在不平地形中的头部稳定性,通过仿真验证了方法的有效性。
2025-11-24 cs.RO
Toward Control of Wheeled Humanoid Robots with Unknown Payloads: Equilibrium Point Estimation via Real-to-Sim Adaptation
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文提出一种通过实到仿真自适应估计未知载荷下轮式人形机器人新平衡点的框架,利用优化参数的非线性模型缩小仿真与现实的差距,提升模型控制器效率。
2024-08-21 cs.RO
Ascento: A Two-Wheeled Jumping Robot
ETH Zurich(苏黎世联邦理工学院)
地面移动机器人在复杂的室内环境中的应用要求其具有较高的速度和灵活性。这些都是移动机器人领域的一个持续挑战。具有这些规格的系统将非常适合各种室内检测任务。本文介绍了Ascento,一个紧凑的轮式双足机器人,能够在平坦的地形上快速移动,并通过跳跃克服障碍。介绍了系统的机械设计和总体架构,以及针对不同场景开发的各种控制器。最终原型系统的一系列实验验证了这些行为在现实场景中。
2020-05-23 cs.RO
Modeling and Experimental Validation of the Mechanics of a Wheeled Non-Holonomic Robot Capable of Enabling Homeostasis
Georgia Institute of Technology(佐治亚理工学院)
仿生机器人领域旨在创建模仿生物系统使用的设计和概念的机械系统。在机械系统中模仿的更具挑战性的生物学概念之一是通过使用类似于皮肤的膜来创造可以促进稳态的内部环境的能力。具有这种能力的机器人将能够调节内部参数,使用内部子环境进行自我修复,并保护其内部部件免受周围环境的影响。本文介绍了一种非完整轮式系统的内部结构,通过一个完全连接的内部,保护从外部环境的柔性膜,使稳态。本文的三个目标是:1)探索自然创造高阶生命形式的想法与轮式四肢给予正确的中间步骤。2)描述一个使用内稳态驱动轮的机器人。3)确定使用内稳态使能轮作为运动模式的可行性。
2019-09-25 cs.RO
Optimizing Control Strategies for Wheeled Mobile Robots Using Fuzzy Type I and II Controllers and Parallel Distributed Compensation
Fordham University(福特汉姆大学)
本研究基于模糊I型和II型控制器及并行分布补偿,为轮式移动机器人设计鲁棒控制器,结合LMI分析稳定性并管理运动学不确定性,实验证明II型模糊控制器优于PID和I型。
2024-09-11 cs.RO
Rendezvous and Docking of Mobile Ground Robots for Efficient Transportation Systems
FZI Research Center for Information Technology(FZI信息技术研究中心);Institute of Control Systems Karlsruhe Institute of Technology(控制系统研究所卡尔斯鲁厄大学)
本文提出了一种基于MPC的方法,使移动机器人在任意初始位置实现运动中物理耦合,提升物流效率。
2026-02-23 cs.RO cs.SY eess.SY
Model Free Calibration of Wheeled Robots Using Gaussian Process
Indian Institute of Technology Kanpur(印度理工学院坎普尔分校)
机器人校准允许融合来自多个传感器(例如里程计、相机等)的数据,通过在相应的参考帧之间提供适当的关系。对于配备有相机/激光雷达以及车轮编码器的轮式机器人,校准需要根据来自编码器的数据学习传感器或机器人的运动模型,并且通常在执行诸如同时定位与地图构建(SLAM)的任务之前执行。本文提出了一种基于高斯过程的非参数方法,用于标定具有任意或未知驱动配置的轮式机器人。该过程是更一般的,因为它学习整个传感器/机器人运动模型的里程测量。与现有的非参数方法不同,我们的方法依赖于来自机载传感器的测量,因此不需要来自外部运动捕捉系统的地面真实信息。或者,我们提出了一种计算效率高的方法,依赖于传感器运动模型的线性近似。最后,我们进行实验来校准机器人与未建模的影响,以证明所提出的方法的准确性,实用性和灵活性。
2019-10-25 cs.RO
Fault Tolerant Control of Mecanum Wheeled Mobile Robots
Xuehui Ma ⋆ Shiliang Zhang † Zhiyong Sun ‡(作者)
本文提出一种针对机械轮移动机器人同时处理完全和部分执行器故障的容错控制策略,通过概率加权控制律提升系统鲁棒性和安全性。
2025-12-06 cs.RO
WiXus: A Wheeled-Legged Robot with Wire-Driven Environmental Utilizing to Integrate Mobility and Manipulation
Department of Mechano-Informatics, Graduate School of Information Science and Technology, The University of Tokyo(机械信息学系,信息科学和技术研究生院,东京大学)
本文提出了一种新型轮腿机器人WiXus,通过利用外部环境的线驱动机制,使机器人能够实现平面移动和三维移动,并将腿部重新用于物体操作和工具使用。
2026-05-20 cs.RO
Reactive Task Allocation and Planning for Quadrupedal and Wheeled Robot Teaming
Georgia Institute of Technology(佐治亚理工学院);Georgia Tech Research Institute(佐治亚理工研究院);UBTECH North America Research and Development Center Corporation(优必选北美研发中心有限公司)
本文采取的第一步,反应,分层多机器人任务分配和规划框架给出了一个全球性的线性时序逻辑规范。四足机器人和轮式机器人的能力通过异构团队来实现各种导航和交付任务。然而,当部署在现实世界中时,所有机器人都容易受到不同类型的干扰,包括但不限于运动故障,人为干预和环境障碍。为了解决这些干扰,我们提出了任务级的局部和全局重新分配策略,以有效地在线生成更新的动作状态序列,同时保证完成原始任务。这些任务重新分配方法消除了重建整个计划或重新合成新任务的过程。为了将任务规划器与低层输入相结合,行为树执行层监视不同类型的干扰,并采用重新分配方法来制定相应的恢复策略。为了评估这个规划框架,动态仿真进行了一个现实的医院环境中的异构机器人团队组成的四足和轮式机器人交付任务。
2022-06-21 cs.RO
Hierarchical Optimization for Whole-Body Control of Wheeled Inverted Pendulum Humanoids
Institute of Robotics and Intelligent Machines(机器人与智能机构研究所)
本文提出了一种用于轮式倒立摆人形机器人的全身控制框架,通过分层优化方法实现多任务的同时执行,同时考虑关节角度和扭矩限制,以提高整体性能。
2018-10-07 cs.RO cs.SY eess.SY
Implementation of Torque Controller for Brushless Motors on the Omni-directional Wheeled Mobile Robot
Kasetsart University(泰国农业大学)
轮式移动机器人的主要问题是低级别控制器增益的调整,特别是在机器人比赛。在比赛过程中,机器人车轮可能会损坏地板表面,因此表面系数可能会随着时间的推移而变化。PI增益必须在每场比赛之前进行调整。在本研究中,转矩控制器的定义和实现,以解决这个问题。转矩控制器由机器人轮角速度PI控制器和无刷电机的动力学方程组成。电动机动力学可以从能量守恒定律导出。在实验中使用了三种不同的地毯,它们具有不同的摩擦系数。机器人轮的角速度分布是从机器人运动学与不同的初始条件。机器人与转矩控制器的输出路径进行了比较与常规PI控制器的机器人的输出路径时,相同的车轮角速度配置文件被应用。结果表明,力矩控制器可以提供一个更好的机器人路径比普通的PI控制器。
2017-08-04 cs.RO
Universal Navigation Interface: Robot-Free Data for Wheeled Robot Navigation
Northeastern University(东北大学);Institute for Experiential Robotics(体验机器人研究所)
提出无机器人的数据收集范式UNI,利用助行器和手机收集物理约束演示,训练轮式导航模型,降低轨迹误差并实现闭环迁移。
2026-09-29 cs.RO
IC-GVINS: A Robust, Real-time, INS-Centric GNSS-Visual-Inertial Navigation System for Wheeled Robot
Wuhan University(武汉大学)
本文提出了一种鲁棒的、实时的【形】惯性导航系统(INS)--以INS为中心的GNSS视觉惯性导航系统(IC-GVINS),该系统充分利用了精确的INS进行状态估计和视觉处理。为了提高系统的鲁棒性,在整个基于关键帧的视觉处理过程中充分利用惯导信息,并采用严格的离群点剔除策略。采用GNSS对IC-GVINS进行精确、方便的初始化,并进一步用于实现大范围环境下的绝对定位。IMU、视觉和GNSS测量在因子图优化的框架内紧密融合。专门的实验进行了评估的鲁棒性和准确性的IC-GVINS上的轮式机器人。IC-GVINS在各种具有移动物体的视觉退化场景中表现出卓越的鲁棒性。相对于最先进的视觉惯性导航系统,所提出的方法在各种环境下产生更好的鲁棒性和精度。我们在GitHub上开源了我们的代码和数据集
2022-06-09 cs.RO