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
Control Design for a Rideable Animatronic Two-Wheeled Robot with Quadruped Form
Honda R&D Co., Ltd.（本田研发有限公司）；Honda Motor Co., Ltd.（本田汽车有限公司）
为激发年轻人对摩托车的兴趣，开发可骑行双轮机器人。它用自平衡双轮底座为主移动方式，四肢辅助，解决单纯肢体移动的问题。本文重点研究其在快速肢体运动时保持稳定的控制方法及生成自然四足行为的运动控制策略。
2026-07-21 cs.RO
Learning to Navigate in a VUCA Environment: Hierarchical Multi-expert Approach
Advanced Institute of Information Technology, Peking University（北京大学前沿信息技术研究院）；Peking University（北京大学）
尽管经过几十年的努力，机器人在具有波动性、不确定性、复杂性和模糊性（简称VUCA）的真实场景中的导航仍然是一个具有挑战性的课题。受中枢神经系统（CNS）的启发，我们提出了一个分层的多专家学习框架的自主导航VUCA环境。上层采用启发式探索机制，考虑目标位置、路径成本和安全级别，同时执行地图探索和路径规划，以避免陷入死胡同，类似于CNS中的大脑。下层采用局部自适应模型融合多个不同策略，在避免碰撞和直行策略之间寻求平衡，充当中枢神经系统中的小脑。我们在多个平台上进行模拟和真实世界的实验，包括腿式和轮式机器人。实验结果表明，我们的算法优于现有的方法在任务的实现，时间效率和安全性。
2021-11-16 cs.RO
Terrain-Aware Autonomous Planetary Exploration for Exteroceptive-Proprioceptive Mapping with Quadruped Scouts
Istituto Italiano di Tecnologia (IIT)（意大利理工学院）
本文提出一种结合外感受与本体感受建图的地形感知探索框架，用于四足机器人在月球类似环境中的自主导航，仿真表明该方法能有效扩展地图并降低运输成本。
2026-09-29 cs.RO
Energy-Efficient Omnidirectional Locomotion for Wheeled Quadrupeds via Predictive Energy-Aware Nominal Gait Selection
Department of Automation and BNRist, Tsinghua University（自动化系和BNRist，清华大学）；School of Aerospace Engineering, Tsinghua University（航空航天工程学院，清华大学）
本研究提出一种分层控制框架，通过预测性能量感知和残差强化学习，实现轮式四足机器人全方位运动的节能优化，实验表明能耗降低35%且性能保持稳定。
2025-12-23 cs.RO
Sensor Configuration Matters: A Systematic Evaluation of Multimodal SLAM on Quadruped Robots
Machine Intelligence and Robotics Lab, Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院智能机器人实验室）；Institute for Intelligent Systems, Esslingen University of Applied Sciences（埃森堡应用科学大学智能系统研究所）；Department of Computer Science, University of Freiburg（弗赖堡大学计算机科学系）
针对四足机器人运动中的传感器配置问题，系统评估了视觉、视觉-惯性和LiDAR-视觉-惯性SLAM方法，发现立体相机、全局快门和适当惯性集成能显著提升定位鲁棒性。
2026-06-18 cs.CV cs.RO
Computer-Vision Based Real Time Waypoint Generation for Autonomous Vineyard Navigation with Quadruped Robots
Istituto Italiano di Tecnologia（意大利技术研究院）
本研究针对葡萄园劳动力短缺问题，提出基于计算机视觉的四足机器人导航架构，通过状态机控制实现精准航点生成与葡萄藤修剪作业，实验验证了高可靠性，为果园自动化提供新方案。
2023-05-02 cs.RO
RACER: Residual-Adaptive Closed-Loop Estimation for Sampling-Based Planning in Wheeled-Quadruped Racing
University of California, Berkeley（加州大学伯克利分校）；California Institute of Technology（加州理工学院）
RACER提出结合MPPI规划器、残差动力学模型和RL速度跟踪器的分层框架，通过LoRRA两阶段训练提升轮式四足竞速性能，仿真验证了残差项和低秩约束的有效性。
2026-10-07 cs.RO
Robust Localization, Mapping, and Navigation for Quadruped Robots
École Centrale de Nantes（法国南特中央理工大学）；Technical University of Darmstadt（德累斯顿技术大学）；Poznan University of Technology（波兹南理工大学）；IDEAS NCBR；German Research Center for AI (DFKI)（德国人工智能研究中心）；Università degli Studi di Milano（米兰大学）
本文提出面向低成本四足机器人的鲁棒定位、建图与导航系统，结合接触辅助运动学、视觉惯性里程计与深度稳定视觉，在仿真与真实平台上实现了准确的2D建图、鲁棒自定位与自主导航。
2025-05-28 cs.AI 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
A Factor Graph Approach to Multi-Camera Extrinsic Calibration on Legged Robots
Istituto Italiano di Tecnologia（意大利理工学院）；Gdańsk University of Technology（格但斯克工业大学）；Oxford Robotics Institute, University of Oxford（牛津大学牛津机器人研究所）
足式机器人不仅在研究领域，而且在工业领域都越来越受欢迎，因为它们可以在各种应用中证明它们比轮式机器优越。无论是作为移动机械手还是作为全地形地面车辆，这些机器都需要精确跟踪所需的基础和末端执行器轨迹，执行同时定位与地图构建（SLAM），并在具有挑战性的环境中移动，同时保持平衡。这些任务的一个关键方面是，所有机载传感器必须正确校准和同步，以便为它们提供的所有软件模块提供一致的信号。在本文中，我们专注于一组摄像机和四足机器人的基础链接之间的相对位姿标定问题。这种姿态是成功执行传感器融合、状态估计、映射和任何其他需要视觉反馈的任务的基础。为了解决这个问题，我们提出了一种基于因子图的方法，该方法使用运动学和基准标记来共同优化相机和机器人底座的相互位置。我们还定量比较其性能与其他国家的最先进的方法的液压四足机器人HyQ。所提出的方法是简单的，模块化的，并独立于外部设备以外的基准标记。
2019-01-14 cs.RO
Learning Robust Autonomous Navigation and Locomotion for Wheeled-Legged Robots
Robotic Systems Lab, ETH Zurich（苏黎世联邦理工学院机器人系统实验室）；Neuromeka；Swiss-Mile Robotics AG（Swiss-Mile机器人公司）；The work was carried out during their stay at（该工作是在他们停留期间完成的）
本文提出一个集成自适应运动控制、局部导航规划与大规模路径规划的轮腿式机器人系统，采用无模型强化学习和分层强化学习框架，在苏黎世和塞维利亚完成公里级自主导航验证。
2024-05-03 cs.LG cs.RO cs.SY
Learning Forward Dynamics Model and Informed Trajectory Sampler for Safe Quadruped Navigation
Korea Advanced Institute of Science and Technology (KAIST)（韩国高等科学技术研究院（KAIST））
对于自主四足机器人导航在各种复杂的环境中，一个典型的SOTA系统是由四个主要模块-映射器，全局规划器，本地规划器，和命令跟踪控制器-在一个层次的方式。在本文中，我们建立了一个强大的和安全的本地规划器，其目的是生成一个速度计划，以跟踪一个粗略规划的路径从全球规划器。以前的工作使用基于航路点的方法（例如比例-微分控制和纯追踪），将路径跟踪问题简化为局部点目标导航。然而，他们遭受频繁的碰撞，在几何复杂和狭窄的环境，因为两个原因;全球规划者使用粗糙和不准确的模型和本地规划者是无法跟踪全球计划足够好。目前，深度学习方法是一种有吸引力的替代方法，因为它们可以更准确地从经验中学习安全性和路径可行性。然而，现有的深度学习方法不能够规划长的视野。在这项工作中，我们提出了一个基于学习的全自主导航框架，由三个创新要素组成：学习的前向动力学模型（FDM），基于在线采样的模型预测控制器和知情轨迹采样器（ITS）。使用我们的框架，四足机器人可以自主导航在各种复杂的环境中没有碰撞，并生成一个更平滑的命令计划相比，基线方法。此外，我们的方法可以反应式地处理规划路径上的意外障碍物并避免它们。项目页面https://awesomericky.github.io/projects/FDM_ITS_navigation/。
2022-04-21 cs.LG cs.RO
Autonomous Navigation for Quadrupedal Robots with Optimized Jumping through Constrained Obstacles
UC Berkeley（加州大学伯克利分校）
四足动物是导航具有挑战性的环境，因为他们的敏捷和动态的设计强有力的候选人。本文提出了一种方法，通过创建一个端到端的导航框架，利用步行和跳跃模式，扩展四足机器人的探索范围。为了获得一个动态的跳跃动作，同时避免障碍物，动态可行的轨迹优化离线通过基于配置的优化，其中施加安全约束。这样的优化示意图允许机器人通过考虑空中和地面上的障碍物来跳过窗口形障碍物。由此产生的跳跃模式中使用的自主导航管道，利用基于搜索的全局规划器和本地规划器，使机器人通过步行到达目标位置。状态机与决策策略一起允许系统在绕过障碍物或跳过障碍物之间切换行为。所提出的框架进行了实验部署和验证的四足机器人，迷你猎豹，使机器人能够自主导航通过环境，同时避免障碍物和跳跃的最大高度为13厘米，通过一个窗口形的开口，以达到其目标。
2021-07-01 cs.AI cs.RO cs.SY
Learning to Sequence Robot Behaviors for Visual Navigation
Carnegie Mellon University（卡内基梅隆大学）；Chinese Academy of Sciences（中国科学院）；Lebanese University（黎巴嫩大学）
机器人社区最近的文献集中在学习机器人行为，抽象出机器人控制的低层次细节。为了充分利用这些行为的功效，有必要选择和排序它们以完成给定的任务。在本文中，我们提出了一种方法来学习和序列机器人的行为，应用于移动机器人的视觉导航问题。我们构造了一个由底层行为和元级策略组成的控制策略的分层表示。低级行为使机器人能够在特定环境中移动，同时避开障碍物，元级策略纯粹基于视觉反馈主动选择最适合当前情况的低级行为。我们证明了我们的方法对三个模拟机器人导航任务的有效性：腿六足机器人，必须成功地穿越不同的地形，轮式机器人，必须导航迷宫般的过程中，同时避免障碍物，最后一个轮式机器人导航中存在的动态障碍。我们表明，通过分层学习控制策略，我们能够成功地遍历由不同子环境组成的新复合环境，并在各自的子环境中超越低级行为，以及手工选择这些复合环境中的低级策略。
2018-03-26 cs.RO
AgniNav: Configuration-Driven Cross-Embodiment Local Planning for Robot Navigation
Eastern Institute of Technology, Ningbo, China（东方理工（宁波））；University of Nottingham, Nottingham, UK（诺丁汉大学）；University of Science and Technology of China, Hefei, China（中国科学技术大学）
提出AgniNav框架，通过可配置的四参数安全包络实现单目视觉导航在轮式、四足和人形机器人间的零重训练迁移，联合调节感知与规划。
2026-06-09 cs.RO
Virtual Traffic Lights for Multi-Robot Navigation: Decentralized Planning with Centralized Conflict Resolution
Deakin University（德金大学）；National Transport Research Organisation (NTRO)（国家交通研究组织）
该研究提出结合去中心化路径规划与中心化冲突解决的混合多机器人协调框架，通过虚拟交通灯式的停止指令减少死锁，在仿真及真实四足机器人、Duckiebots实验中提升了导航成功率。
2025-11-11 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
Open-Architecture End-to-End System for Real-World Autonomous Robot Navigation
Control/Robotics Research Laboratory (CRRL), Department of Electrical and Computer Engineering, NYU Tandon School of Engineering（控制/机器人研究实验室（CRRL），电气与计算机工程系，NYU塔恩顿工程学院）
本文提出一种轻量级开架端到端系统，通过整合多组件实现四足机器人实时导航，利用自然语言任务和语义信息构建场景图，基于LLM生成动态计划，实现在多个室内环境中的零样本自主导航。
2026-04-21 cs.RO
NeuroSwarm: Multi-Agent Neural 3D Scene Reconstruction and Segmentation with UAV for Optimal Navigation of Quadruped Robot
Skoltech（斯科尔科沃科学技术研究院）
提出多智能体系统NeuroSwarm，结合3D神经重建与自适应神经场最优运动规划器（ANFOMP），实现四足机器人环境感知与高度自适应导航，使路径长度减少33.3%，导航时间减少70%。
2023-08-03 cs.RO
Can Quadruped Navigation Robots be Used as Guide Dogs?
Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR））
本文通过室内外实验评估四足导盲机器人的优缺点，发现其步态和噪音限制引导效果且仿生形态共情不足，为未来面向盲人和低视力用户的导盲机器人设计提供了启示。
2023-06-24 cs.HC cs.RO
FlashNav: Training Deployable Robot Navigation Policies in Seconds
Eastern Institute of Technology, Ningbo（宁波东方理工大学）；The Hong Kong Polytechnic University（香港理工大学）；National University of Singapore（新加坡国立大学）；University of Science and Technology of China（中国科学技术大学）；Shanghai Jiao Tong University（上海交通大学）
提出FlashNav框架，通过GPU加速和MDP对齐实现20秒内训练可部署的导航策略，在TurtleBot2和Unitree Go2上验证成功。
2026-10-02 cs.RO
SARO: Space-Aware Robot System for Terrain Crossing via Vision-Language Model
Shanghai Qi Zhi Institute（上海期智研究院）；Tsinghua University（清华大学）；Shanghai Jiao Tong University（上海交通大学）；Zhejiang University（浙江大学）；University of Pennsylvania（宾夕法尼亚大学）
本文提出SARO系统，结合VLM任务分解与闭环执行、PAS强化学习运动控制，实现四足机器人在三维室内外地形中的鲁棒穿越导航。
2025-03-17 cs.RO
Design, Manufacturing, and Controls of a Prismatic Quadruped Robot: PRISMA
Indian Institute of Technology, Roorkee（印度理工学院鲁尔基分校）
大多数的四足发展是高度致动，因此，他们的控制是相当繁琐。它们需要先进的电子设备来连续求解复杂的逆运动学方程。此外，它们需要特殊且昂贵的传感器来自主地在环境中导航，因为传统的距离传感器通常会因为机器人运动引起的连续扰动而失效。另一个挑战是在行走时保持机器人的连续动态稳定性，这需要复杂和最先进的控制算法。本文全面描述了我们的内部棱镜关节四足机器人PRISMA的硬件设计和控制架构。我们的目标是打造一个强大的和运动学稳定的四足机器人，可以使用基本的控制算法，并利用传统的传感器来导航未知的环境。我们讨论了机器人在其运动，不同的脚轨迹，可制造性和控制方面的优点和局限性。
2021-12-27 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
Autonomous Navigation System for Library Service Robot Based on Unitree Go2 Edu
Unitree Go2 Edu
针对图书馆狭窄通道和动态障碍物环境，提出基于 ROS 2 的四足机器人导航系统，融合 RTAB-Map、AMCL/EKF 和 Nav2 实现高成功率定位与避障，地图误差 3.7 cm。
2026-06-02 cs.RO
Learning to Navigate Sidewalks in Outdoor Environments
Georgia Institute of Technology（佐治亚理工学院）；Google（谷歌）；Stanford University（斯坦福大学）
城市环境中人行道上的户外导航是重要的人类辅助应用背后的关键技术，例如最后一英里交付或社区巡逻。本文旨在开发一种四足机器人，它遵循公共地图服务生成的路线计划，同时保持在人行道上，避免与障碍物和行人碰撞。我们设计了一个两阶段的学习框架，首先训练教师代理在一个抽象的世界与特权地面真理信息，然后应用行为克隆教的技能，学生代理谁只能访问现实的传感器。本文的主要研究工作集中在克服挑战时，部署在现实世界中的四足机器人的学生政策。我们提出了设计传感模式，网络架构和培训程序的方法，使zero-shot政策转移到非结构化和动态的真实户外环境。我们评估我们的学习框架上的四足机器人导航在美国亚特兰大市的人行道。使用学习的导航策略及其机载传感器，机器人能够在有限的人类干预下行走3.2公里。
2021-09-12 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
ArUco Maker based localization and Node graph approach to mapping
University of Glasgow（格拉斯哥大学）；KLE Technological University（KLE科技大学）
本文探讨了一种基于基准标记的地标节点图的室内移动机器人定位和导航方法。使用ArUco标记及其相对于机器人摄像机的2D取向以及从摄像机到标记的距离来计算机器人的相对位置以及其他标记的相对位置。所提出的方法结合了基于信标的导航和基于同时定位与地图构建的导航。该方法的实现使用深度相机来获得到标记的距离。在计算标记的所需取向之后，其依赖于测距计算以用于在相对于标记定位之后跟踪位置。使用里程计和一个标记的相对位置，然后相对于另一个标记定位机器人。然后计算两个标记的相对位置和方向。标记被表示为节点，并且相对距离和取向被表示为连接节点的边，并且可以生成表示机器人的地图的节点图。该方法在轮式人形机器人上进行了测试，目的是让它自主导航到房间内的充电站。这一目标已成功实现，并简要讨论了局限性和未来的改进。
2022-08-19 cs.RO
Relationship-Aware Hierarchical 3D Scene Graph for Task Reasoning
本文提出了一种关系感知的层次3D场景图，结合视觉语言模型和大型语言模型，用于任务推理和环境交互。
2026-02-02 cs.RO
Quantum deep reinforcement learning for humanoid robot navigation task
Carnegie Mellon University Africa（卡内基梅隆大学非洲分校）
本研究首次将量子深度强化学习（QDRL）应用于人形机器人导航，利用参数化量子电路构建混合量子-经典模型直接处理高维状态空间，实验表明量子SAC算法在减少92%步数下平均回报比经典SAC高8%。
2025-09-14 cs.RO
Autonomous Mobile Robot Navigation in Uneven and Unstructured Indoor Environments
The Chinese University of Hong Kong（香港中文大学）；The University of British Columbia（不列颠哥伦比亚大学）；National Institute of Advanced Industrial Science and Technology（产业技术综合研究所）
机器人越来越多地在为人类设计并与人类共享的室内环境中工作。然而，在不均匀和非结构化环境中安全自主工作的机器人仍然面临巨大挑战。许多现代室内环境的设计都考虑到了轮椅无障碍性。这为轮式机器人提供了一个机会，可以在避开楼梯的同时通过倾斜的区域。在本文中，我们提出了一个集成软件和硬件系统的自主移动机器人导航在不均匀和非结构化的室内环境。这种模块化和可重用的软件框架集成了感知和导航功能。我们的机器人首先使用车轮里程计，2D激光和RGB-D数据为不平坦的环境构建3D地图表示。然后，我们将多层2D占用图从XNUMX Map投影，以生成基于层差异的可遍历图。安全可穿越地图用作高效自主导航的输入。此外，我们采用了可变步长快速探索随机树，可以自动调整步长，消除调整步长根据环境。我们在模拟和现实世界中进行了广泛的实验，证明了我们的系统的有效性和效率。
2017-10-28 cs.RO
Borrowed Eyes: Markerless Nano-UAV Flight with an Active Quadruped Observer
IT University of Copenhagen（哥本哈根信息技术大学）；Helix Lab（Helix实验室）；Novo Nordisk A/S（诺和诺德公司）
本研究提出一种由四足机器人臂载摄像头外部定位纳米无人机的视觉系统，采用感知感知NMPC保持跟踪，实现中位误差59毫米的自主飞行，并具备遮挡鲁棒性。
2026-10-08 cs.RO
FSUNav: A Cerebrum-Cerebellum Architecture for Fast, Safe, and Universal Zero-Shot Goal-Oriented Navigation
School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院）；College of Information Science and Technology, Eastern Institute of Technology（东方理工学院信息科学与技术学院）
本文提出FSUNav架构，通过整合视觉语言模型与小脑-脑皮层模块，实现跨异构平台的零样本目标导航，提升效率与安全性。
2026-04-03 cs.RO
Splatblox: Traversability-Aware Gaussian Splatting for Outdoor Robot Navigation
University of Maryland, College Park（马里兰大学帕克分校）
Splatblox通过融合RGB图像和LiDAR点云，构建了具有几何和语义信息的可通行性感知ESDF，实现户外复杂环境下的实时自主导航，实验表明其在可通行性判断和路径规划方面优于现有方法。
2026-04-08 cs.CV cs.RO
TAIL: A Terrain-Aware Multi-Modal SLAM Dataset for Robot Locomotion in Deformable Granular Environments
Southern University of Science and Technology (SUSTech)（南方科技大学）；Shenzhen Key Laboratory of Biomimetic Robotics and Intelligent Systems（深圳市仿生机器人与智能系统重点实验室）；Guangdong Provincial Key Laboratory of Human-Augmentation and Rehabilitation Robotics in Universities（广东省高校人机增强与康复机器人重点实验室）
本文提出了专为可变形沙地地形定制的TAIL多模态SLAM数据集，结合轮式与四足移动收集多传感器数据，并基准测试了多种最先进SLAM方法以验证性能。
2024-03-25 cs.RO
Feasibility Assessment of a Cost-Effective Two-Wheel Kian-I Mobile Robot for Autonomous Navigation
Murdoch University（莫道克大学）；Deakin University（迪肯大学）；Jiangxi University of Science and Technology（江西理工大学）
本研究设计并制作了一台两轮移动机器人Kian-I。Kian-I在尺寸规格、安装的传感器和性能方面与Khepera-IV相当，可用于教育目的和具有成本效益的实验测试。在这项研究中，为Kian-I设计了一种运动控制架构，以便于机器人在沉浸式环境中精确导航。实现的控制结构由两个主要组成部分的路径推荐系统和轨迹跟踪控制器。该路径推荐系统在已知操作区域的部分知识的情况下，采用B样条曲线和粒子群优化算法（PSO）确定具有平移速度约束的无碰撞路径曲线。所提供的最佳参考路径馈送到轨迹跟踪控制器中，使Kian-I能够在手术区域中自主导航。轨迹跟踪模块通过控制车轮的运动速度来消除期望轨迹与跟踪轨迹之间的误差。为了评估所提出的控制体系结构的可行性，性能的Kian-I机器人在自主导航从任何任意初始姿态感兴趣的目标进行评估，通过大量的仿真和实验研究。实验结果表明，原型机器人的功能能力和性能被用作基准的各种移动机器人算法在实验室环境中的调查和验证。
2020-12-10 cs.RO
Whole-Body MPC and Online Gait Sequence Generation for Wheeled-Legged Robots
ETH Zürich（苏黎世联邦理工学院）
我们的论文提出了一个模型预测控制器作为一个单一的任务制定，同时优化车轮和躯干运动。这种在线关节速度和地面反作用力优化集成了轮式四足机器人的kinodynamic模型。它定义了单刚体动力学以及机器人的运动学，同时将车轮视为移动的地面接触。通过这种方法，我们可以准确地捕捉机器人的滚动约束和动力学，使自动发现的混合机动没有不必要的运动学。该配方的通用性，通过同时优化机器人的全身变量允许一组参数，并使在线步态序列适应可能。非周期性步态序列是通过腿部运动工具自动发现的，而不需要预定义的接触和抬离时间，从而降低高达85%的运输成本。我们的实验演示了在具有挑战性的室内和室外环境中的四足机器人与非转向轮的动态运动。该论文的研究结果有助于评估一个分解的，即，轮和躯干运动的顺序优化，以及单任务运动规划器与一个新的数量，预测误差，它描述了如何以及滚动时域规划器可以预测机器人的未来状态。为此，我们报告了高达71%的改进，使用我们提出的单任务的方法，使快速运动可行，并揭示轮式足式机器人的全部潜力。
2021-07-06 cs.RO cs.SY eess.SY
Situation Aware Frontier Prioritization for Quadruped Search and Rescue
Technological University of Uruguay（乌拉圭理工大学）
本文提出情境感知前沿优先方法，在Gazebo仿真的两类室内救援场景中，该方法较其他方法实现最高完成率与幸存者回收率，适用于复杂救援场景的平衡决策。
2026-08-04 cs.RO
Friction-Aware Safety Locomotion for Wheeled-legged Robots using Vision Language Models and Reinforcement Learning
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Department of Electrical and Computer Engineering（电气与计算机工程系）；Department of Mechanical Science Engineering（机械科学与工程系）；School of Software（软件学院）
针对轮腿机器人在湿滑表面易打滑失稳的问题，提出融合VLM与RL的摩擦感知安全运动框架，通过RAG估计摩擦系数并纳入策略实现主动调速，仿真与实物实验验证其在湿滑面轨迹跟踪任务中优于仅靠本体感受的基线方法。
2025-08-04 cs.RO
Reinforcement Learning for Blind Stair Climbing with Legged and Wheeled-Legged Robots
École Polytechnique de Montréal（蒙特利尔理工学院）；ETH Zurich（苏黎世联邦理工学院）；Ascento Robotics（阿森托机器人公司）
本研究提出基于位置公式化强化学习和非对称演员-评论家结构的通用控制器，使腿式和轮腿式机器人实现盲攀爬楼梯，并成功让Ascento在现实世界攀爬15厘米楼梯。
2024-02-09 cs.RO
Towards An Adaptive Locomotion Strategy For Quadruped Rovers: Quantifying When To Slide Or Walk On Planetary Slopes
Dynamic Legged Systems Lab, Istituto Italiano di Tecnologia (IIT)（动态腿系统实验室，意大利技术研究院）；Dipartimento di Ingegneria Elettrica Elettronica e Informatica, Università di Catania（电气电子与信息工程系，卡塔尼亚大学）
针对行星松散倾斜地形上传统足式漫游车运动能效低、有风险的问题，研究对比四足机器人行走与躯干滑行的运输成本，结合仿真与颗粒验证确定策略切换阈值，为行星漫游车自适应运动策略奠定基础。
2025-10-21 cs.RO
Autonomous UAV-Quadruped Docking in Complex Terrains via Active Posture Alignment and Constraint-Aware Control
College of Electronics and Information Engineering, Tongji University（同济大学电子与信息工程学院）；Frontiers Science Center for Intelligent Autonomous Systems, Shanghai（上海智能自主系统前沿科学中心）；School of Logistics Engineering, Shanghai Maritime University（上海 Maritime University物流工程学院）；State Key Laboratory of Autonomous Intelligent Unmanned Systems, Shanghai（上海自主智能无人系统国家重点实验室）
提出一种自主无人机-四足机器人对接框架，通过主动姿态对齐和约束感知控制实现复杂地形中的稳定对接。
2026-03-09 cs.RO
SCAN-Planner: Spatial Collision-Aware Local Planning for Route-Guided Long-Range Quadruped Navigation
Shanghai Jiao Tong University（上海交通大学）
提出SCAN-Planner框架，通过偏航感知双圆柱足迹和投影A*搜索实现空间碰撞感知的局部规划，在密集杂乱、3D非结构化环境和远程导航中生成安全平滑轨迹。
2026-06-19 cs.RO
Deep Visual Navigation under Partial Observability
机器人如何在丰富多样的环境中成功导航，室内或室外，沿着办公室走廊或草地上的小径，在平地或楼梯上？为此，这项工作的目的是解决三个挑战：（i）复杂的视觉观察，（ii）局部视觉传感的部分可观察性，以及（iii）多模态机器人行为的本地环境和全球导航目标的条件。我们提出了训练一个神经网络（NN）控制器的本地导航通过模仿学习。为了解决复杂的视觉观察，我们通过CNN提取多尺度空间表示。为了解决部分可观测性，我们随着时间的推移聚合多尺度空间信息，并将其编码在LSTM中。为了学习多模态行为，我们为每个行为模式使用单独的记忆模块。重要的是，我们将多个神经网络模块集成到一个统一的控制器中，该控制器可以在复杂的部分可观察环境中实现强大的视觉导航性能。我们实现了控制器的四足机器人现场和三个具有挑战性的任务进行评估：对抗性的行人回避，盲点避障，电梯乘坐。实验结果表明，该神经网络结构显著提高了导航性能。
2022-05-30 cs.CV cs.LG 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
DogSurf: Quadruped Robot Capable of GRU-based Surface Recognition for Blind Person Navigation
Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究院）
DogSurf提出一种基于GRU的四足机器人表面识别方法，平均准确率99.925%，通过音频和触觉反馈帮助盲人导航，检测湿滑表面并提示停止。
2024-02-05 cs.CV cs.LG cs.RO
Fast Traversability Estimation for Wild Visual Navigation
ETH Zurich（苏黎世联邦理工学院）；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；University of Oxford（牛津大学）
提出仅依赖视觉的在线自监督系统WVN，通过实时监督生成和视觉Transformer特征，在5分钟内实现地形分割，解决野外复杂环境机器人导航问题。
2023-05-16 cs.CV cs.LG cs.RO
Kinematically-Decoupled Impedance Control for Fast Object Visual Servoing and Grasping on Quadruped Manipulators
Istituto Italiano di Tecnologia (IIT)（意大利技术研究院）；Università di Genova（热那亚大学）
本文提出一种结合运动学解耦与阻抗控制的SAG控制流程，集成IBVS，在140 kg HyQReal四足机械臂上实现了动态运动、抗干扰和快速目标跟踪抓取。
2023-07-10 cs.CV cs.RO cs.SY
LQR-ArUco Fusion: Robust Hierarchical Control for Navigation and Asymmetric Manipulation in Two-Wheeled Robots
针对两轮倒立摆机器人非对称操作中的动态不稳定与导航漂移，提出分层控制框架，结合ArUco视觉全局导航与低延迟惯性/编码器局部控制，实验验证了精确导航、抗冲击与稳定负载能力。
2026-10-06 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
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
Learning Navigation Skills for Legged Robots with Learned Robot Embeddings
Georgia Institute of Technology（佐治亚理工学院）；Facebook AI Research（Facebook人工智能研究院）
最近的工作已经显示出在模拟中学习理想化圆柱体代理的导航策略并将其转移到真正的轮式机器人上的结果。在足式机器人上部署这样的导航策略可能是具有挑战性的，因为它们的复杂动力学，以及圆柱代理和腿式系统之间的大的动力学差异。在这项工作中，我们学习分层导航政策，占低层次的动态足式机器人，如最大速度，滑动，接触，并学会成功地导航杂乱的室内环境。为了将在模拟中学习的策略转移到新的足式机器人和硬件上，我们学习了具有机器人特定嵌入的多个机器人之间的动态感知导航策略。学习的嵌入在新机器人上进行优化，而策略的其余部分保持固定，允许快速适应。我们在模拟中对三个足式机器人进行策略训练--两个四足机器人（A1，AlienGo）和一个六足机器人（Daisy）。在测试时，我们研究了我们的学习策略的性能在两个新的足式机器人在模拟（莱卡戈，4腿雏菊），和一个现实世界的四足机器人（A1）。我们的实验表明，我们的学习策略可以样本有效地推广到以前看不见的机器人，并使足式机器人的导航策略的仿真到现实迁移。
2021-09-13 cs.RO
DR-VLA: Learning Human-Like Quadruped Navigation from Egocentric Web Videos via Domain-Invariant Scene Representations
本文提出DR-VLA框架，通过域不变场景表示迁移人类导航经验，结合EgoLynx数据集与QNS指标，在四足机器人导航任务上提升性能，且可适配自动驾驶场景。
2026-10-14 cs.RO
