Rough-Terrain Locomotion and Unilateral Contact Force Regulations With a Multi-Modal Legged Robot
Northeastern University（东北大学）
尽管足式机器人的设计者取得了许多成就，但最先进的双足机器人容易摔倒，不能通过极其粗糙的地形，也不能直接调节单侧接触力。我们的目标是在一个平台上集成腿式和空中机器人的优点。我们将表明，在一个双足足式机器人称为哈比的推进器可以利用稳定的机器人的正面动力学，并允许跳过大的障碍，这是一个不寻常的能力没有报道过。此外，我们将利用Harpy中的推进器动作，并将表明可以通过使用参考调速器（RGs）直接调节接触力来避免使用昂贵的基于优化的方案。我们将解决步态参数，并重新规划他们在步态周期只假设良好的调整监督控制器。然后，我们将专注于基于RG的微调关节所需的轨迹，以满足单边接触力的约束。
2021-03-29 cs.RO cs.SY eess.SY
Thruster-assisted center manifold shaping in bipedal legged locomotion
Northeastern University（东北大学）
本文的工作旨在为足式机器人的设计提供参考。我们的长期目标是开发能够通过协同利用腿和推进器来应对非结构化环境（包括陆地和空中）的机器人。这些机器人可用于广泛的应用，包括搜索和救援行动、太空探索、住宅空间的自动包裹处理和数字农业等。在所有这些例子中，推进器辅助移动的独特能力大大拓宽了这些系统的运动设计可能性。为了证明推进器在双足运动步态的鲁棒化和效率方面的有效性，这项工作探讨了它们对步态极限环的影响，并提出了基于塑造这些具有强叶状中心流形的新设计范例。单向接触力的可行性条件解决的最优控制计划。
2020-06-06 cs.RO cs.SY eess.SY
Soft Surfaced Vision-Based Tactile Sensing for Bipedal Robot Applications
Department of Industrial Engineering, Purdue University（工业工程系，普渡大学）；Department of Computer Science, Purdue University（计算机科学系，普渡大学）
本研究提出了一种基于视觉的柔软表面触觉传感器，用于增强双足机器人在复杂地形中的平衡与环境感知能力。
2026-02-24 cs.RO
Bipedal Balance Control with Whole-body Musculoskeletal Standing and Falling Simulations
Tsinghua University（清华大学）
本研究提出分层控制流程，利用全身肌肉骨骼模拟揭示站立平衡动态、肌肉损伤影响及跌倒模式，并验证髋部外骨骼辅助改善平衡，为平衡干预和人形机器人提供基础。
2025-09-08 cs.AI cs.RO cs.SY
Curved patch mapping and tracking for irregular terrain modeling: Application to bipedal robot foot placement
Instituto Italiano di Technologia（意大利理工学院）；NASA Jet Propulsion Laboratory（美国国家航空航天局喷气推进实验室）；Northeastern University（东北大学）
足式机器人在非结构化的自然地形中工作时，需要与不规则的表面接触。表示和感知这些区域，以推断机器人与周围环境之间的潜在接触，在很大程度上仍然是一个悬而未决的问题。本文介绍了一种新的框架来建模和映射局部粗糙的地形表面，任务，如双足机器人的脚放置。该系统根据来自RGB-D和IMU传感器的数据实时运行。我们介绍了一组参数化的补丁模型和算法，以适应他们的环境。潜在的接触被确定为有界弯曲补丁的大小大致相同的机器人的脚底。这包括稀疏种子点采样、点云邻域搜索以及补丁拟合和验证。我们还提出了一个映射和跟踪系统，补丁被保持在机器人周围的局部空间地图，因为它移动。一个生物启发的采样算法，发现显着的接触。我们包括一个密集的体积融合层的时空跟踪，使用多个深度数据来重建一个局部点云。我们目前的实验结果的一个小型的机器人，执行脚放置在岩石上，实现了3D的立足点感知系统，使用开发的补丁映射和跟踪框架。
2020-04-05 cs.RO
Underactuated Motion Planning and Control for Jumping with Wheeled-Bipedal Robots
Southern University of Science and Technology（南方科技大学）；National University of Singapore（新加坡国立大学）；University of Notre Dame（圣母大学）
本文研究了轮式双足机器人的跳跃运动，充分利用了轮式和腿式混合设计的优点。针对轮式双足机器人跳跃运动的运动规划和控制问题，提出了一种综合的分层规划方法。轮-双足动力学的欠驱动是需要解决的主要困难，特别是在规划问题中。为了解决这个问题，提出了一种新的轮式弹簧加载倒立摆（W-SLIP）模型来描述轮式双足机器人在跳跃过程中的基本动力学。依赖于微分平坦的性质的W-SLIP模型，一个易于处理的二次规划为基础的解决方案，规划跳跃运动的轮式双足机器人。结合考虑飞行相位运动的运动学规划方案，给出了完整的W-SLIP模型规划方案。为了使规划轨迹的准确跟踪，基于线性二次型调节器的车轮控制器和任务空间全身控制器的其他关节混合通过干扰观测器。整体规划和控制方案进行了验证，使用V-REP模拟原型轮式双足机器人。
2020-12-11 cs.RO
Terrain-Adaptive, ALIP-Based Bipedal Locomotion Controller via Model Predictive Control and Virtual Constraints
University of Michigan（密歇根大学）
提出了一种双足机器人步态控制器，在给定局部坡度和摩擦锥信息的情况下，实现在各种地形上的高度敏捷行走。如果没有这些考虑，不合时宜的冲击可能导致机器人绊倒，并且站立脚处的切向反作用力不足可能导致滑动。我们解决这些挑战相结合，以一种新的方式，一个模型的基础上的角动量线性倒立摆（ALIP）和模型预测控制（MPC）的脚放置规划，是由虚拟约束的方法执行。该过程从Cassie 3D双足机器人的完整动力学抽象开始，其质心动力学的精确低维表示，由角动量参数化。在分段平面地形假设和消除机器人质心的角动量项的条件下，接触点的质心动力学成为线性的，并具有4维。重要的是，我们包括在MPC制定的均匀间隔的步内动态，使现实的工作空间限制机器人的演变可以施加从一步到一步。低维MPC控制器的输出通过虚拟约束的方法直接在高维Cassie机器人上实现。在实验中，我们验证了我们的控制策略的机器人在各种不同的倾斜度和纹理的表面上的性能。
2022-07-28 cs.RO cs.SY eess.SY
MOBIUS: A Multi-Modal Bipedal Robot that can Walk, Crawl, Climb, and Roll
Mitsubishi Electric Research Laboratories（三菱电机研究实验室）；Robotic Systems Lab（机器人系统实验室）；Robotics and Mechanisms Laboratory（机器人与机构实验室）；Department of Mechanical and Aerospace Engineering, University of California, Los Angeles（加州大学洛杉矶分校机械与航空航天工程系）
MOBIUS机器人通过四条肢体实现多种运动模式切换，结合强化学习与混合规划架构，实现动态攀爬与负载支撑，拓展了移动操作与抓取能力。
2026-05-11 cs.RO cs.SY eess.SY
Dynamic Walking on Slippery Surfaces: Demonstrating Stable Bipedal Gaits with Planned Ground Slippage
California Institute of Technology（加州理工学院）；Technion - Israel Institute of Technology（以色列理工学院）
动态双足机器人运动已经取得了显着的成功，部分原因是最近的进步轨迹生成和非线性控制的稳定。在理论和实验中使用的一个关键假设是，机器人的站立脚总是与地面无滑动接触，包括在冲击。这种假设在室外地形中经常遇到的光滑的低摩擦表面上会破裂，导致故障和稳定性损失。在这项工作中，我们扩展了理论分析和轨迹优化帐户粘滑过渡点脚接触库仑摩擦定律。以AMBER-3 M平面仿人机器人为实验平台，首次实现了在光滑表面和粗糙无滑表面上均能稳定的滑移行走步态。我们还研究了脚滑移对降低运输机械成本的影响，并在数值模拟和实验测量中比较了能源效率。
2018-12-11 cs.RO
Zero Dynamics, Pendulum Models, and Angular Momentum in Feedback Control of Bipedal Locomotion
University of Michigan（密歇根大学）
低维模型在双足机器人文献中无处不在。一方面是研究人员的社区，反馈控制设计的基础上选择的钟摆模型，以捕捉机器人在行走过程中的质心动力学。另一方面是将反馈控制设计建立在虚拟约束基础上的群体，虚拟约束在闭环系统中引入了精确的低维模型。在第一种情况下，低维模型的价值在于其物理洞察力和分析易处理性。在第二种情况下，低维模型是不可或缺的一个严格的分析，在全维模型的机器人行走步态的稳定性。本文旨在澄清的共性和差异，在这两个角度使用低维模型。在这样做的过程中，我们认为，角动量的接触点是一个更好的指标，机器人状态比线速度。具体地说，我们表明，一个近似的（摆和零动力学）模型参数化的角动量提供了更好的预测脚放置在一个物理机器人（例如，具有质量的腿）比根据线速度参数化的相关近似模型更有效。我们实现了一个相关的角动量为基础的控制器Cassie，一个3D机器人，并在实验中表现出很高的灵活性和鲁棒性。
2022-02-03 cs.RO cs.SY eess.SY
Robust bipedal locomotion on flowable slopes via foot-driven terrain manipulation
Georgia Institute of Technology（佐治亚理工学院）；Northeastern University（东北大学）
研究双足机器人在颗粒斜坡上的运动控制问题，通过研究带防滑钉足部的地面动力学，发现中等防滑钉间距利于行走，据此设计可调整防滑钉深度的足部，应用于大小不同的双足机器人，提出以肢体为中心调节地形相互作用的新控制方法。
2026-07-14 cs.RO
From Human Walking to Bipedal Robot Locomotion: Reflex Inspired Compensation on Planned and Unplanned Downsteps
Delft University of Technology（代尔夫特理工大学）；California Institute of Technology（加州理工学院）
人类能够以非凡的敏捷和轻松来协商降级行为--无论是计划内的还是计划外的。本文的目标是系统地研究这种人类行为的双足步行机器人的翻译，即使形态是固有的不同。具体地说，我们从人类数据开始，其中采取了计划内和计划外的下降步骤。我们从降阶建模的角度来分析这些数据的人，编码的质量中心（CoM）的运动学和接触力，这使得这些行为转化为相应的降阶模型的双足机器人。我们嵌入到全阶动力学的双足机器人通过非线性优化为基础的控制器的行为。最终的结果是演示的计划和计划外的下坡模拟欠驱动步行机器人。
2022-09-07 cs.RO
MILD: Tractable Terrain Modeling for Learning Improved Bipedal Locomotion on Deformable Surfaces
The University of Hong Kong（香港大学）；Beijing Institute of Technology（北京理工大学）；The University of Tokyo（东京大学）
本文提出MILD地形建模方法，结合物理离散元接触求解器与深度强化学习训练地形感知双足运动控制器，可提升机器人在可变形表面的运动适应性。
2026-08-21 cs.RO
Multi-Rate Nonlinear Model Predictive Control for Wall-Supported Bipedal Locomotion of Quadrupedal Robots
Virginia Tech（弗吉尼亚理工大学）；The University of Texas at El Paso（德克萨斯大学埃尔帕索分校）
提出基于多速率非线性模型预测控制的分层框架，实现四足机器人在受限环境中借助墙壁进行混合双足运动，通过接触点与质心轨迹联合优化提升动态稳定性，仿真验证成功率比传统方法高2.9倍。
2026-07-03 cs.RO math.OC
Stable Walking for Bipedal Locomotion under Foot-Slip via Virtual Nonholonomic Constraints
Centre for Automation and Robotics (CSIC-UPM)（自动化与机器人中心（CSIC-UPM））；Comillas Pontifical University（科米利亚斯主教大学）；IE University（IE大学）；University of Michigan（密歇根大学）
本文提出一种控制框架，通过虚拟非holonomic约束将足滑纳入运动模型，以实现双足运动在足滑条件下的稳定性，采用混合动力系统和非线性反馈律生成滑动兼容的混合零动力流形。
2026-09-15 cs.RO cs.SY eess.SY
Mobile Pedipulation for Object Sliding via Hierarchical Control on a Wheeled Bipedal Robot
Department of Robotics, University of Michigan（密歇根大学机器人系）
提出一种分层控制框架，使轮式双足机器人能用腿部滑动平面物体，通过简化三刚体动力学模型和轨迹优化运动规划器，在实验中成功实现1kg物体取回和4kg物体滑动。
2026-06-18 cs.RO
Dynamic Modeling and Attitude Control of a Reaction-Wheel-Based Low-Gravity Bipedal Hopper
本文提出了一种基于反应轮的双足跳跃机器人，通过动态建模和姿态控制技术，在低重力环境下实现稳定跳跃和着陆。
2026-03-11 cs.RO cs.SY eess.SY
A Control Method to Compensate Ground Level Changes for Running Bipedal Robots
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
双足行走是一项很难在机器人中实现的任务，因为躯干是欠驱动的，并且控制受到间歇性地面接触的限制。如果地形不平坦并引起扰动，则稳定躯干变得更具挑战性。实现姿势稳定性的一种生物启发方法是虚拟点（VP）控制，其能够生成自然运动。然而，到目前为止，它只被研究水平运行。在这项工作中，我们调查VP控制方法是否可以适应单步的-下坡和下坡地形。我们提供的模型和控制器参数化处理不同的地形条件的指导方针。接下来，我们证明了VP方法能够稳定高达40 cm的单步的下降扰动，以及对应于2- 5 m/s的运行速度的高达20-10°的下坡坡度。我们的研究结果表明，VP控制是一个很有前途的候选人的地形自适应运行控制的双足机器人。
2020-06-06 cs.RO
Real-time Whole-body Model Predictive Control for Bipedal Locomotion with a Novel Kino-dynamic Model and Warm-start Method
Department of Intelligence and Information, Graduate School of Convergence Science and Technology, Seoul National University（智能信息系，融合科学与技术研究生院，首尔国立大学）；Advanced Institutes of Convergence Technology(AICT)（融合技术先进研究院）
本文提出一种结合线性倒立摆加飞轮与全身运动学的新型运动动力学模型，并采用基于MLP的热启动策略，实现双足机器人实时全身模型预测控制，通过实验验证了其鲁棒性和实时性。
2025-05-26 cs.RO
Right Model, Right Time: Real-Time Cascaded-Fidelity MPC for Bipedal Walking
Robotics Innovation Center at the German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心机器人创新中心）
提出一种多阶段全身模型预测控制方法，结合近视野详细全身模型与远视野简化单刚体模型，降低计算复杂度并保持预测能力，在通用MPC框架acados中求解，无需预设足迹位置，在18自由度双足机器人HyPer-2上验证。
2026-06-03 cs.RO
Reinforcement Learning for Versatile, Dynamic, and Robust Bipedal Locomotion Control
University of California Berkeley（加州大学伯克利分校）；Simon Fraser University（西蒙菲莎大学）；Université de Montréal（蒙特利尔大学）；Mila – Quebec AI Institute（米拉-魁北克人工智能研究所）
本文提出一种基于深度强化学习的双历史架构控制器，使双足机器人能执行从走跑到跳跃的多功能动态技能，并在真实机器人Cassie上验证了其卓越的适应性与鲁棒性。
2024-08-26 cs.AI cs.RO cs.SY
Safe Navigation of Bipedal Robots via Koopman Operator-Based Model Predictive Control
School of Interactive Computing at the Georgia Institute of Technology（佐治亚理工学院交互计算学院）
本文提出基于Koopman算子的模型预测控制方法，用于提升双足机器人在复杂环境中的安全导航性能。
2026-03-07 cs.RO
Control of A High Performance Bipedal Robot using Viscoelastic Liquid Cooled Actuators
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Massachusetts Institute of Technology（麻省理工学院）；Apptronik
本文介绍了一种新的人类规模的机器人与液体冷却粘弹性驱动器（VLCA）的控制和评估。基于我们的团队在VLCA [1]上以前工作的经验教训，我们提出了一种新的系统设计，包括反作用力传感系列弹性致动器（RFSEA）和力传感系列弹性致动器（FSEA）。这些设计旨在减少机器人驱动系统的尺寸和重量，同时继承我们设计的优点，如能源效率，扭矩密度，耐冲击性和位置/力可控性。该系统的设计考虑了人类启发的运动学和运动范围（ROM），同时依靠脚的位置来平衡。在执行器控制方面，我们进行了稳定性分析的扰动观测器（DOB）设计的力控制。然后，我们评估各种位置控制算法在时域和频域为我们的VLCA致动器。建立低水平基线后，我们首先使用操作空间控制（OSC）[2]对腿进行控制器评估。最后，我们继续评估完整的双足机器人，通过[3]中出现的算法实现无支撑动态行走。
2019-09-19 cs.RO
Real-Time Safe Bipedal Robot Navigation using Linear Discrete Control Barrier Functions
The Ohio State University（俄亥俄州立大学）
本研究提出一个统一的安全路径与步态规划框架，利用线性倒立摆模型和线性离散控制屏障函数，实现人形机器人在杂乱环境中的实时安全导航，并在仿真中验证了其有效性。
2024-11-06 cs.RO cs.SY eess.SY
Invariant Filtering for Bipedal Walking on Dynamic Rigid Surfaces with Orientation-based Measurement Model
University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）
双足机器人行走的实际应用需要精确、实时的状态估计。动态刚性表面（DRS），如电梯，船舶，公共交通工具和飞机上的运动的状态估计，仍然是探索不足，虽然静态刚性表面的状态估计器的设计已被广泛研究。在状态估计中解决DRS运动是一个具有挑战性的问题，这主要是由于行走动力学的非线性、混合性质、非静止的表面-脚接触点和硬件缺陷（例如，有限的可用性、噪声和机载传感器的漂移）。为了解决这个问题，我们引入了一个不变的扩展卡尔曼滤波器（InEKF），其过程和测量模型显式地考虑DRS运动和混合行走行为，同时分别满足组仿射条件和不变形式。由于这些有吸引力的属性，滤波器的估计误差收敛可证明保证混合DRS运动。滤波器的测量模型还利用与支撑脚和表面取向相关联的完整约束，在该完整约束下，在存在一般DRS运动的情况下，机器人在世界上的偏航角变得可观察。摇摆跑步机上的双足步行实验结果表明，该滤波器确保快速的误差收敛和可观测的基础偏航角。
2021-09-02 cs.RO
Cycloidal Trajectory Realization on Staircase based on Neural Network Temporal Quantized Lagrange Dynamics (NNTQLD) with Ant Colony Optimization for a 9-Link Bipedal Robot
IIT Roorkee（印度理工学院鲁尔基分校）
针对足尖式机器人，提出了一种新的能量优化关节角轨迹跟踪控制方法。针对9连杆机器人爬楼梯的问题，提出了摆动阶段的摆线轨迹，使得摆线变量与楼梯尺寸有关。采用零力矩点（ZMP）准则满足稳定性约束。本文主要分为三个步骤：1）利用无监督的人工神经网络，通过节点移动的方法，规划出初始步和后续步的稳定摆线轨迹，以实现爬楼和逆运动学。2)利用拉格朗日动力学对脚趾脚的运动模型进行动力学建模，并利用弹簧-阻尼器系统进行接触建模，然后开发神经网络时间量化拉格朗日动力学，将神经网络的逆运动学输出作为其输入。3)采用蚁群优化算法对比例微分控制器参数和躯干角进行整定，以关节空间轨迹误差和总能量消耗最小为目标。三种情况下，与可变的楼梯尺寸，并做了简要的比较，以验证我们所提出的工作的有效性，产生的模式已经在MATLAB中进行了模拟。
2021-07-21 cs.NE cs.RO cs.SY
NeRF2Real: Sim2real Transfer of Vision-guided Bipedal Motion Skills using Neural Radiance Fields
DeepMind（深度思维）
我们提出了一个系统，应用sim2real的方法，以“在野外”的场景与逼真的视觉效果，并依赖于主动感知使用RGB相机的政策。给定一个短视频的静态场景收集使用一个通用的手机，我们学习场景的接触几何和新的视图合成使用神经辐射场（NeRF）的功能。我们通过覆盖其他动态对象（例如机器人自己的身体，球）的渲染来增强静态场景的NeRF渲染。然后使用物理模拟器中的渲染引擎创建模拟，该物理模拟器根据静态场景几何形状（根据NeRF体积密度估计）和动态对象的几何形状和物理属性（假设已知）计算接触动态。我们证明，我们可以使用这个模拟来学习基于视觉的全身导航和球推政策的20自由度人形机器人与驱动头戴式RGB摄像头，我们成功地将这些政策，以一个真正的机器人。项目视频可在https://sites.google.com/view/nerf2real/home上获得
2022-10-10 cs.AI cs.CV cs.LG
A Unified Model with Inertia Shaping for Highly Dynamic Jumps of Legged Robots
Imperial College London（伦敦帝国理工学院）；University of Edinburgh（爱丁堡大学）
为了实现足式机器人的高动态跳跃，必须控制机器人的旋转动力学。在本文中，我们的目标是提高跳跃性能，提出了一个统一的模型规划高度动态跳跃，可以近似模型的质心惯性。这个模型抽象的机器人作为一个单一的刚体的基础和点质量的腿。该模型被称为块状腿单刚体模型（LL-SRBM），可用于规划两足和四足机器人的运动。通过考虑腿动力学的影响，LL-SRBM提供了一个计算效率高的方式，运动规划器来改变质心惯性的机器人与各种腿配置。同时，我们提出了一种新的接触检测方法，通过使用平均空间速度的范数。在检测到接触之后，控制器切换到力控制以实现软着陆。两足机器人SLIDER和四足机器人ANYmal的扭转跳跃和前向跳跃实验表明，通过主动改变质心惯性，跳跃性能得到了改善。这些实验也显示了综合规划和控制框架的通用性和鲁棒性。
2021-09-09 cs.RO cs.SY eess.SY
Variable Inertia Model Predictive Control for Fast Bipedal Maneuvers
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；North Carolina State University（北卡罗来纳州立大学）
针对双足机器人降阶模型与全身模型的偏差问题，提出融合可变质心惯性网络的MPC控制框架，结合接触力规划与全身控制器，在DRACO 3仿真中实现了更高速度的稳定行走。
2024-09-14 cs.RO
Contact-Aided Invariant Extended Kalman Filtering for Legged Robot State Estimation
College of Engineering, University of Michigan（密歇根大学工程学院）
本文利用不变观测器设计理论，推导了一种用于3D双足机器人的接触辅助惯性导航观测器。辅助惯性导航基本上是一个非线性观测器设计问题，因此，目前的解决方案是基于近似的系统动态，如扩展的卡尔曼滤波器（EKF），它使用系统的雅可比线性沿其轨迹的当前最佳估计。Barrau和Bonnabel的不变观测器设计理论的基础上，特别是，不变EKF（InEKF），我们表明，点接触惯性系统的误差动力学遵循对数线性自治微分方程，因此，可观测的状态变量可以呈现收敛域的吸引力是独立的系统的轨迹。由于误差动态的对数线性形式，没有必要执行非线性可观测性分析来表明，当使用惯性测量单元（IMU）和接触传感器时，机器人的绝对位置和绕重力矢量（偏航）的旋转是不可观测的。我们进一步增加了IMU偏差的InEKF的状态，因为这些参数的在线估计对系统性能有着至关重要的影响。我们评估了所提出的系统与常用的四元数为基础的EKF观测器使用蒙特卡洛模拟的收敛性。此外，我们的实验评估使用Cassie系列双足机器人表明，接触辅助InEKF提供了更好的性能相比，基于四元数的EKF作为利用对称性存在于系统动力学的结果。
2018-05-26 cs.RO
Whole-Body Control With Terrain Estimation of A 6-DoF Wheeled Bipedal Robot
School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能系统工程学院）；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）
针对轮式双足机器人忽略腿部动力学限制运动潜力及不平坦地形通过挑战，为新型6自由度轮式双足机器人开发完整动力学模型，设计带地形估计的全身控制框架，经仿真和实机实验验证了地形估计算法性能及算法鲁棒性与不平坦地形通过能力。
2025-11-09 cs.RO
Learning Control Policies for Fall prevention and safety in bipedal locomotion
Stanford University（斯坦福大学）；Georgia Institute of Technology（佐治亚理工学院）
从意外的外部干扰中恢复的能力是双足运动的基本运动技能。有效的应对措施不仅包括恢复平衡和保持稳定的能力，还包括在身体无法恢复平衡时以安全的方式摔倒的能力。对于与双足运动相关联的机器人，例如人形机器人和帮助人类行走的辅助机器人设备，设计能够提供这种稳定性和安全性的控制器可以防止对机器人的损坏或防止与伤害相关的医疗费用。这是一项具有挑战性的任务，因为它涉及到为具有接触的高维、非线性和欠驱动系统生成高度动态运动。尽管在使用基于模型的方法和优化方法方面取得了先前的进步，但诸如需要广泛的领域知识、相对较大的计算时间和对动态变化的有限鲁棒性等挑战仍然使其成为一个开放的问题。在这篇论文中，为了解决这些问题，我们开发了基于学习的算法，能够合成两种不同类型的机器人的推恢复控制策略：人形机器人和辅助机器人设备，协助双足运动。我们的工作可以分为两个密切相关的方向：1）学习安全跌倒和跌倒预防策略的人形机器人和2）学习跌倒预防策略的人类使用机器人辅助设备。为了实现这一目标，我们引入了一组深度强化学习（DRL）算法来学习控制策略，从而在使用这些机器人时提高安全性。
2022-01-04 cs.AI cs.RO
Online Bipedal Locomotion Adaptation for Stepping on Obstacles Using a Novel Foot Sensor
University of Tehran（德黑兰大学）；École polytechnique fédérale de Lausanne（洛桑联邦理工学院）
在本文中，我们提出了一种新的控制架构的倾斜障碍物上的双足运动的在线自适应。特别是，我们介绍了一种新颖的，具有成本效益的，多功能的脚传感器来检测机器人的脚到地面（碰撞传感器）的接近度。通过采用这种传感器，反馈控制器的实施，以减少在摆动过渡到站立阶段或倾斜的看不见的障碍物上浸泡的冲击力。与基于接触反作用力的传统传感器相比，该传感器在脚接触障碍物之前检测到地面或障碍物的距离，从而提供预测障碍物的预测信息。所提出的碰撞传感器的控制器与另一个导纳控制器相互作用，以调整腿的长度。步行实验表明，成功的运动在看不见的倾斜障碍物，而不降低运动速度与倾斜角为12。脚的位置误差会导致与地面的硬碰撞，这是由于链接和连接的偏转（由大学工具制造）引起的累积误差造成的。拟议的框架大大减少了脚对地面的影响。
2022-12-27 cs.RO
Rigid vs compliant contact: An experimental study on biped walking
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；University of Tehran（德黑兰大学）；Tarbiat Modares University（塔比阿特莫达勒斯大学）；Hakim Sabzevari University（哈基姆萨卜泽瓦尔大学）；Sharif University of Technology（谢里夫理工大学）
由于腿的运动是通过接触实现的，接触建模在足式机器人的运动规划、仿真和控制中起着核心作用。两个流行的方法来模拟接触考虑刚性和柔性的前提下，在相互作用的端口。与具有刚性接触（无冲击）的腿系统的动力学模型相反，该模型易于开发，研究人员之间没有共识采用标准的柔顺接触模型。本文的主要目的是研究具有刚性接触和\textit{novel}柔性接触模型的双足步行系统的动力学模型结构，并对两种模型进行实验验证。对于刚性接触的模型，在开发的关节机构在飞行阶段没有任何接触的环境中的模型后，我们应用完整约束的接触点，并开发在单，双支撑阶段的机器人的约束动力学模型。对于柔性接触的机器人模型，提出了一种新的非线性接触模型，并利用该模型对机器人的运动进行了仿真。为了显示所开发的模型的性能，我们比较从这些模型中获得的结果，从两足步行的人类大小的人形机器人SURENA III，它已被设计和制造的CAST，德黑兰大学的经验测量。分析表明，这两种模型在估计机器人在半刚性表面上行走的动态行为的优点。刚性接触模型复杂度较低，与接触物体的物理特性无关，可用于基于模型的运动优化、分析和控制，而柔性接触模型复杂度较高，适用于更真实的仿真场景。
2018-12-13 cs.RO
A Reactive and Efficient Walking Pattern Generator for Robust Bipedal Locomotion
University of Tehran（德黑兰大学）；K. N. Toosi University of Technology（图西理工大学）
现有的可能性，以防止跌倒的机器人在存在严重的干扰，主要是压力中心（CoP）调制，步骤的位置和定时调整，和角动量调节。在本文中，我们的目标是设计一个步行模式发生器，采用这些工具的最佳组合，以产生强大的步态。在该方法中，首先，与命令的行走速度一致地并且基于运动的发散分量（DCM）测量来决定下一个步骤位置和定时。这个阶段是由一个非常小的二次规划（QP）使用线性倒立摆模型（LIPM）的动态，以适应开关触点的位置和时间。然后，与第一阶段一致，使用具有飞轮动力学的LIPM在每个控制周期再生DCM和角动量轨迹。这是通过调制CoP和质心动量枢轴（CMP）来完成的，以在当前步骤结束时实现期望的DCM。仿真结果表明，这种反应式方法的优点，在产生强大的和动态一致的步行模式。
2017-10-24 cs.RO
Preferenced Oracle Guided Multi-mode Policies for Dynamic Bipedal Loco-Manipulation
Dynamic Robotics and Control Laboratory, University of Southern California（动态机器人与控制实验室，南加州大学）
提出偏好引导预言机多模式策略（OGMP），通过混合自动机预言机和偏好奖励，学习单一策略实现动态双足移动操作，在足球和搬箱任务中验证了跨形态的全身控制能力。
2025-10-08 cs.RO
Contact-Consistent Interaction Dynamics Normalization for Predictive Physical Human--Robot Interaction
Voryx Robotics
提出三层架构的全身阻抗MPC，通过质心MPC规划接触力、优先级WBC层平衡关节力矩、再ceding-horizon QP预测并抑制人机交互扰动，实现浮基机器人零稳态误差安全交互。
2026-09-02 cs.RO cs.SY eess.SY
Asymptotically Stable Walking of a Five-Link Underactuated 3D Bipedal Robot
CNRS（法国国家科学研究中心）；IRCCyN（南特中央理工学院机器人研究中心）；Nantes Atlantic University（南特大西洋大学）；University of Michigan（密歇根大学）；National Taiwan University of Science and Technology（台湾科技大学）
本文提出了三个反馈控制器，实现了一个渐进稳定的，周期性的，快速行走步态的3D（空间）双足机器人组成的躯干，两条腿，和被动（未驱动）点脚。机器人和行走表面之间的接触被假定为抑制偏航旋转。所研究的机器人在单支撑阶段有8个自由度和6个驱动器。研究具有点足的机器人的兴趣在于，必须明确地考虑机器人的自然动力学以在行走时实现平衡。我们使用虚拟约束和混合零动态的方法的扩展，为了同时计算周期轨道和实现轨道的自主反馈控制器。该方法允许在8自由度机器人模型的2自由度子系统上进行计算。通过对混合零动态约束Poincaré映射的线性化，分析了步态在闭环控制下的稳定性。探讨了三种策略。第一种策略包括在通过优化搜索周期性步态的过程中施加稳定性条件。第二种策略使用基于事件的控制器。在第三种方法中，输出选择的效果进行了讨论，并提出了一个相关的输出选择，导致稳定，而不使用一个补充的基于事件的控制器。
2010-02-17 cs.RO
Brain-Body-Task Co-Adaptation can Improve Autonomous Learning and Speed of Bipedal Walking
University of Southern California（南加州大学）；Division of Biokinesiology and Physical Therapy, University of Southern California（南加州大学生物运动学与物理治疗系（此处按要求提取到大学级别，实际机构为南加州大学））
本研究提出一种肌腱驱动双足机器人，通过脑-体-任务协同适应，利用可反向驱动特性和简单神经网络，在2分钟自然探索后实现自主行走，无需显式轨迹误差控制。
2024-02-04 cs.LG cs.RO
A Modal-Space Formulation for Momentum Observer Contact Estimation and Effects of Uncertainty for Continuum Robots
Department of Mechanical Engineering, Vanderbilt University（机械工程系，范德比尔特大学）
本文提出基于模态空间表示的广义动量观测器接触估计方法，结合实时形状感知和约束优化辨识接触力螺旋，并通过仿真实验验证其在连续体机器人动态接触检测中的有效性。
2025-05-05 cs.RO
CoCo-InEKF: State Estimation with Learned Contact Covariances in Dynamic, Contact-Rich Scenarios
ETH Zurich（苏黎世联邦理工学院）；Disney Research（迪士尼研究）
本文提出CoCo-InEKF，利用学习的连续接触速度协方差进行状态估计，提升动态腿部机器人在复杂接触场景中的鲁棒性与效率。
2026-05-14 cs.LG cs.RO cs.SY
Emulating Human Kinematic Behavior on Lower-Limb Prostheses via Multi-Contact Models and Force-Based Nonlinear Control
California Institute of Technology（加州理工学院）
踝关节蹬离在很大程度上有助于人类行走中的肢体能量产生，从而导致更平稳和更有效的运动。为截肢者提供这种净正功需要主动假肢，但有可能实现更自然的辅助运动。为此，本文使用多接触模型的运动与力为基础的非线性优化为基础的控制器，以实现类似人类的运动学行为，包括踝关节推出，动力经股骨假体2科目。特别是，我们利用基于模型的控制方法的动态双足机器人行走，开发一个系统的方法来实现类似人类的行走的动力假肢，不需要特定的主题调整。我们首先合成一个优化问题，产生步态，类似于人类关节轨迹的运动学水平，并实现这些步态的假肢通过控制李雅普诺夫函数为基础的非线性控制器，响应实时地面反作用力和相互作用力与人类。所提出的控制器上实现的假体为两个主题之间没有调整的主题，模仿特定主题的人体运动学趋势的假肢关节。这些实验结果表明，我们的基于力的非线性控制方法实现了更好的跟踪人体运动轨迹比传统的方法。
2022-09-27 cs.RO cs.SY eess.SY
LIKO: LiDAR, Inertial, and Kinematic Odometry for Bipedal Robots
School of Mechatronical Engineering, Beijing Institute of Technology (BIT)（北京理工大学机电工程学院）；Qiyuan Lab（启元实验室）
本文提出基于迭代扩展卡尔曼滤波的紧耦合LiDAR-惯性-运动学里程计（LIKO），通过建模足部接触位置实现高频状态估计，并发布双足机器人数据集验证其优越性。
2024-04-28 cs.RO
Bipedal Locomotion Optimization by Exploitation of the Full Dynamics in DCM Trajectory Planning
University of Tehran（德黑兰大学）
基于发散运动分量（DCM）和线性倒立摆模型（LIPM）的步行运动规划是实现人形机器人在线步态轨迹生成的一种方法。该算法需要调整不同的参数。在这里，我们开发了一个框架，以获得最佳的参数，以实现一个稳定的和节能的轨迹，真正的机器人的步态。为了找到最优的轨迹，四个成本函数代表的能量消耗，关节速度和施加在每个下肢关节的机器人，和成本函数的基础上的零力矩点（ZMP）的稳定性标准。在该框架中采用遗传算法来优化每个成本函数。虽然轨迹规划是在简化模型的帮助下进行的，但每个代价函数的值是通过考虑Bullet物理发动机模拟器中的全动力学模型和脚-地面接触模型来获得的。优化结果表明，最稳定的行走和最有效的行走方式是相互对比的。因此，在另一尝试中，在三个不同速度下执行ZMP和能量成本函数的多目标优化。最后，我们比较了设计的轨迹，这是使用最佳参数生成的，在舞蹈模拟器的仿真结果。
2022-07-30 cs.RO
Whleaper: A 10-DOF Flexible Bipedal Wheeled Robot
Whleaper是一种具有10自由度的双足轮式机器人，通过增加髋部自由度提升稳定性与灵活性，实现复杂地形中的稳定运动和障碍避让能力。
2026-03-12 cs.RO
Embrace Collisions: Humanoid Shadowing for Deployable Contact-Agnostics Motions
IIIS, Tsinghua University（清华大学信息科学技术学院）；Shanghai Qi Zhi Institute（上海期智研究院）
针对人形机器人全身复杂接触控制的挑战，提出一种通用运动框架，利用GPU加速模拟器训练全身控制策略，使机器人能在随机接触和极端躯干旋转下实时执行运动指令，实现接触无关的部署。
2025-02-03 cs.RO cs.SY eess.SY
Towards Human-Robot Collaboration with Parallel Robots by Kinetostatic Analysis, Impedance Control and Contact Detection
Leibniz University Hannover（汉诺威莱布尼茨大学）
针对并联机器人腿链意外接触风险，本文结合运动静力学建模、广义动量扰动观测与笛卡尔阻抗控制，实现全结构低力接触的快速检测和安全反应。
2023-08-18 cs.RO cs.SY eess.SY
The Kinetics Observer: A Tightly Coupled Estimator for Legged Robots
CNRS-AIST JRL (Joint Robotics Laboratory)（法国国家科学研究中心-日本产业技术综合研究所联合机器人实验室）；National Institute of Advanced Industrial Science and Technology (AIST)（日本产业技术综合研究所）；Université Paris-Saclay（巴黎萨克雷大学）；Laboratoire d’Ingénierie des Systèmes de Versailles（凡尔赛系统工程实验室）；CNRS-University of Montpellier（法国国家科学研究中心-蒙彼利埃大学）
针对足式机器人本体感受状态估计难题，提出基于乘法扩展卡尔曼滤波的Kinetics Observer紧耦合估计器，通过接触粘弹性模型实现运动学与动力学紧耦合，提升估计鲁棒性与精度，已在两台人形机器人的行走与多接触运动场景中验证。
2026-10-09 cs.RO
Computationally-Robust and Efficient Prioritized Whole-Body Controller with Contact Constraints
University of Texas at Austin（得克萨斯大学奥斯汀分校）
在本文中，我们设计的多目标控制方法的人形机器人，又名。优先级的全身控制器，在算法计算中实现效率和鲁棒性。我们使用一种全身控制器，通过结合质心动量动力学、操作任务优先级、接触反作用力和内力约束，这种控制器非常通用。首先，我们通过求解只涉及浮基动力学和反作用力的二次规划来实现效率。其次，我们实现计算的鲁棒性放松任务加速度，使他们遵守摩擦锥约束。最后，我们将平滑的接触过渡的方法，以提高动态运动行为的控制。所提出的方法都证明了在模拟和实际实验中使用被动踝关节双足机器人。
2018-07-03 cs.RO
Humanoid Loco-Manipulations Pattern Generation and Stabilization Control
CNRS-AIST JRL (Joint Robotics Laboratory)（法国国家科学研究中心-日本产业技术综合研究所联合机器人实验室）
针对人形机器人在行走移动物体时受外部接触力影响的问题，提出一种基于线性倒立摆和运动发散分量的双足控制策略，通过规划质心轨迹并补偿操作力误差，在仿真和真实机器人实验中验证了其有效性。
2025-05-30 cs.RO cs.SY eess.SY
Fast Contact Detection via Fusion of Joint and Inertial Sensors for Parallel Robots in Human-Robot Collaboration
Institute of Mechatronic Systems, Leibniz University Hannover（机电系统研究所，汉诺威莱布尼茨大学）
针对人机协作场景下并联机器人接触检测延迟问题，提出融合编码器与单台低成本消费级IMU、通过扩展卡尔曼滤波估计末端加速度并结合动力学计算外力的方法，实验显示较动量观测器最多缩短50%检测时长，3-39ms内可检测碰撞与夹持。
2025-06-17 cs.RO cs.SY eess.SY
Zero Wrench Control via Wrench Disturbance Observer for Learning-free Peg-in-hole Assembly
Department of Robotics and Mechatronics Engineering, DGIST (Daegu Gyeongbuk Institute of Science and Technology)（机器人与机电工程系，DGIST（大邱庆北科学技术院））
本文提出动态力扰动观测器，通过嵌入任务空间惯量实现高灵敏度零力控制，实验验证其在高精度铆钉孔装配中的有效性。
2026-01-08 cs.RO
Contact-conditioned learning of multi-gait locomotion policies
Munich Institute of Robotics and Machine Intelligence, Technical University of Munich（慕尼黑机器人与机器智能研究所，慕尼黑工业大学）；University of Trento（特伦托大学）
本文提出以未来接触切换作为目标表示来条件化学习多步态运动策略，并在双足和四足机器人仿真中验证其能显著提升分布外泛化能力。
2025-03-07 cs.RO
Probabilistic Contact State Estimation for Legged Robots using Inertial Information
Institute of Computer Science, Foundation for Research and Technology - Hellas (FORTH)（希腊基础研究与技术基金会计算机科学研究所）；Ownage Dynamics L.P.（Ownage Dynamics有限合伙企业）
足式机器人在非结构化和光滑地形中的导航在很大程度上取决于准确识别机器人的脚与地面之间的接触质量的能力。接触状态估计被认为是一个具有挑战性的问题，通常通过利用力测量，关节编码器和/或机器人运动学和动力学来解决。与大多数现有技术的方法相比，目前的工作引入了一种新的概率方法，用于仅基于本体感受感测来估计接触状态，因为它很容易通过安装在机器人的末端执行器上的惯性测量单元（IMU）获得。利用IMU测量的不确定性，我们的方法估计稳定接触的概率。这是通过用核密度估计在IMU的每个轴的一批数据点上近似多模态概率密度函数来实现的。所提出的方法已被广泛评估对真实和模拟的情况下，两足和四足机器人平台，如ATLAS，TALOS和Unitree的GO 1。
2023-03-04 cs.RO
