Learning Whole-Body Control for a Salamander Robot
Biorobotics Laboratory (BIOROB), École polytechnique fédérale de Lausanne (EPFL)(生物机器人实验室(BIOROB),瑞士洛桑联邦理工学院)
本文提出通过强化学习实现蝾螈机器人全身协调控制,解决从仿真到真实环境的迁移问题,并实现陆地与水下运动转换。
2026-03-17 cs.RO
An Amphibious Fully-Soft Miniature Crawling Robot Powered by Electrohydraulic Fluid Kinetic Energy
National University of Singapore(新加坡国立大学)
本文提出一种由电液流体动能直接驱动的全软体微型爬行机器人,通过优化电压与设计参数实现16 mm/s爬行速度,并具备转向、2自由度平移及水下运动能力,兼顾高速度与高鲁棒性。
2023-09-20 cs.RO
Polymander II: an amphibious salamander-inspired robot with contact and flow sensors
Biorobotics Laboratory, EPFL(生物机器人实验室,瑞士联邦理工学院);CREATE Lab, EPFL(CREATE实验室,瑞士联邦理工学院);Innobridge Services Sàrl(Innobridge Services公司)
本文提出一种基于霍尔效应传感器的两栖机器人,用于感知足部接触力和侧向水动力,实现陆水环境感知与反馈控制。
2026-05-26 cs.RO
ARCSnake V2: Mechanical Adaptations For An Amphibious Multi-Domain Screw-Propelled Snake-Like Robot
Mechanical and Aerospace Engineering Department, University of California San Diego(加州大学圣地亚哥分校机械与航空航天工程系);Electrical and Computer Engineering Department, University of California, San Diego(加州大学圣地亚哥分校电气与计算机工程系)
ARCSnake V2是ARCSnake V1的改进型两栖螺旋推进蛇形机器人,结合超冗余蛇形机器人高机动性与阿基米德螺旋推进的地形适应性,经实验验证具备水下作业能力,可作为多领域探索等任务的多功能平台。
2026-07-31 cs.RO
Energy-Efficient Motion Planning for Multi-Modal Hybrid Locomotion
Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology(麻省理工学院计算机科学与人工智能实验室);California Institute of Technology(加州理工学院)
混合运动,它结合了多种形式的运动在一个单一的机器人,使机器人在不同的环境中执行复杂的任务。提出了一种基于近似动态规划的多模态运动轨迹规划方法。我们制定这个问题作为一个最短路径搜索通过状态空间图,其中的边缘成本被分配为最优的运输成本沿每个部分。这一成本是近似从批量离线轨迹优化,这使得车辆欠驱动和动态约束的复杂影响,以一种易于处理的方式近似捕获。我们的方法说明了混合双积分器,两栖机器人,和飞行驾驶无人机,显示该方法的实用性。
2020-08-04 cs.RO
Mobility Analysis of Screw-Based Locomotion and Propulsion in Various Media
University of California San Diego(加州大学圣地亚哥分校)
机器人“在野外”遇到并必须穿越各种各样的地形,从固体地面到沙子等颗粒状材料,再到充满液体的地形。存在许多方法,包括轮式和足式机器人,每种方法都在特定领域表现出色。基于螺旋的运动是一种很有前途的多域移动方法,用于探索性机器人设计,包括两栖车辆和蛇机器人。然而,与其他形式的运动,有一个有限的探索模型,参数的影响,和效率的多地形阿基米德螺旋运动。在这项工作中,我们目前的工作对这一缺失的组件在理解基于螺钉的运动:全面的实验结果和性能分析在不同的媒体。我们设计了一个室内和室外实验的移动测试床来收集这些数据。除了定量显示基于螺旋运动的多域移动性之外,我们设想未来的研究人员和工程师使用所提出的结果来设计有效的基于螺旋的运动系统。
2023-03-07 cs.RO
Development of Implicit-Explicit Control Based Amphibious Centipede-Type Robot and Evaluation of its Mobile Performance
eng.u-hyogo.ac.jp(京都大学)
本研究开发了一种基于隐式-显式控制理念的两栖千足虫型机器人,通过巧妙设计腿部结构,实现水陆环境的高效移动性能评估。
2025-10-29 cs.RO
Bio-inspired tail oscillation enables robot fast crawling on deformable granular terrains
生物启发的尾部摆动设计提升了机器人在变形颗粒地形上的运动效率,通过流体化基质减少阻力并提高速度,为农业、救援和环境探索提供新思路。
2026-03-07 cs.RO
Surrogate compliance modeling enables reinforcement learned locomotion gaits for soft robots
Department of Mechanical Engineering, Yale University(耶鲁大学机械工程系)
本研究提出了一种代理合规建模方法,通过刚体模拟器实现软机器人运动步态的强化学习,从而在仿真中获得高保真度的现实迁移性能。
2025-12-08 cs.RO cs.SY eess.SY
TerraSkipper: A Centimeter-Scale Robot for Multi-Terrain Skipping and Crawling
Carnegie Mellon University(卡内基梅隆大学);Edulis Therapeutics
受泥蛙启发,设计了一种厘米级多地形跳跃和爬行机器人,通过侧鳍和旋转弹簧尾实现多种地形移动,实验表明跳跃在黏性及颗粒介质中速度更优。
2026-03-29 cs.RO
Multi-legged matter transport: a framework for locomotion on noisy landscapes
Georgia Institute of Technology(佐治亚理工学院)
借鉴信息传输原理,提出多足物质输运框架,证明串联腿式机器人的空间冗余可在噪声崎岖地形上实现无需感知控制的可靠运动,并展望结合步态编码与反馈控制实现敏捷运动。
2023-05-08 cs.RO physics.app-ph
Reinforcement Learning For Quadrupedal Locomotion: Current Advancements And Future Perspectives
Vellore Institute of Technology(韦洛尔理工学院);Indian Institute of Science(印度科学学院);COEP, Pune(浦那工程学院)
本文全面综述了基于强化学习的四足机器人运动控制器的核心概念、方法与关键进展,涵盖学习算法、训练课程、奖励设计及仿真到现实的迁移技术,并探讨了未来研究方向,旨在提升四足机器人的移动性与适应性。
2024-10-14 cs.RO
Design and Attitude Control of an Underwater Quadruped Robot
Norwegian University of Science and Technology(挪威科技大学)
本文设计并验证了一种可复现的水下四足机器人,通过简化模型和基于SO(3)的闭环姿态控制器,实现了滚转、俯仰和偏航的姿态跟踪。
2026-09-10 cs.RO
Dynamic models for Planar Peristaltic Locomotion of a Metameric Earthworm-like Robot
MOE Engineering Research Center of AI & Robotics(教育部人工智能与机器人工程研究中心);State Key Laboratory of Medical Neurobiology(医学神经生物学国家重点实验室)
能够穿越具有挑战性和不规则环境的多功能机器人的发展在机器人领域越来越受到关注,并且同色异谱机器人由于其细长的可变形机构而被确定为有前途的解决方案。受到蚯蚓有效运动的启发,人们设计并制作了能够直线和平面运动的类蚯蚓机器人原型。虽然许多研究都集中在开发运动学模型来描述蚯蚓式机器人的平面运动,但作者认为,动态模型的开发对于提高这些机器人的精度和效率至关重要。本文提出了一种能够进行平面运动的同色异谱蚯蚓机器人的动力学分析方法。该模型考虑了机器人的可变形身体和作用在它身上的力之间的复杂相互作用,并借鉴了以前用于开发蛇形机器人数学模型的方法。所提出的模型代表了同色异谱机器人领域的一个重大进步,并有可能提高蚯蚓类机器人在各种具有挑战性的环境中的性能,如地下管道和隧道,并作为未来研究的基础到软体机器人的动力学。
2023-03-21 cs.RO physics.app-ph
Deep Reinforcement Learning for Bipedal Locomotion: A Brief Survey
Department of Computer Science, University College London(计算机科学系,伦敦大学学院);School of Mechanical Engineering, University of Leeds(机械工程学院,利兹大学)
本文综述了双足运动中深度强化学习框架的分类、比较和分析,探讨了端到端和分层控制方案的优缺点,并提出了未来研究方向以提升双足运动的集成效率。
2026-01-07 cs.RO
Advanced Skills by Learning Locomotion and Local Navigation End-to-End
ETH Zurich(苏黎世联邦理工学院);NVIDIA(英伟达)
足式机器人在具有挑战性的环境中进行局部导航的常用方法需要路径规划、路径跟随和运动,这通常需要精确跟踪命令速度的运动控制策略。然而,通过将导航问题分解为这些子任务,我们限制了机器人的能力,因为单个任务不考虑完整的解决方案空间。在这项工作中,我们提出通过使用深度强化学习训练端到端策略来解决完整的问题。机器人需要在规定的时间内到达目标位置,而不是连续跟踪预先计算的路径。任务的成功仅在事件结束时进行评估,这意味着策略不需要尽可能快地达到目标。它可以自由选择自己的路径和运动步态。以这种方式训练策略会打开一个更大的可能解决方案集,这允许机器人学习更复杂的行为。我们比较了我们的速度跟踪方法,并表明任务奖励的时间依赖性对于成功学习这些新行为至关重要。最后,我们展示了一个真正的四足机器人的政策的成功部署。该机器人能够穿越具有挑战性的地形,这在以前是不可能的,同时使用更节能的步态并实现更高的成功率。
2022-09-26 cs.LG cs.RO
Minimizing Acoustic Noise: Enhancing Quiet Locomotion for Quadruped Robots in Indoor Applications
Department of Computer Science and Engineering, Shanghai Jiao Tong University(计算机科学与工程系,上海交通大学);Department of Automation, Shanghai Jiao Tong University(自动化系,上海交通大学);MoE Key Lab of Artificial Intelligence and AI Institute, Shanghai Jiao Tong University(人工智能与AI研究所,上海交通大学)
针对四足机器人在噪声敏感室内环境中移动噪声易被忽视的问题,提出结合优化步态设计与定制控制策略的新方法,实现约8 dBA的平均降噪,提升了其室内安静运行的适用性。
2025-06-29 cs.RO
Learning-based legged locomotion; state of the art and future perspectives
本文回顾了基于学习的腿足运动发展历程,总结了四足机器人运动技能学习方法,并展望了人形机器人双足运动方法的兴起及未来挑战。
2024-11-22 cs.RO
Dynamic Multimodal Locomotion: A Quick Overview of Hardware and Control
Northeastern University(东北大学)
针对双足机器人易受地形、障碍等影响的问题,本文研究带6关节2推进器的Harpy双足机器人的硬件制造、推进器辅助行走仿真及固件通信开发,以实现多模态动态运动。
2023-08-31 cs.RO cs.SY eess.SY
Effective Locomotion at Multiple Stride Frequencies Using Proprioceptive Feedback on a Legged Microrobot
Wyss Institute for Biologically Inspired Engineering(怀斯生物启发工程研究所)
驱动、传感和计算的限制迫使小型足式机器人依赖于仔细调整的、机械介导的腿轨迹来进行有效的运动。然而,制造业的最新进展使得能够开发能够使用多自由度腿轨迹以多个步幅频率操作的小型足式机器人。本体感知和控制是将这些机器人的能力扩展到广泛的操作条件的关键。在这项工作中,我们使用伴随传感压电驱动与计算效率的框架,估计和控制腿轨迹的四足微型机器人。我们展示了在运动过程中在宽范围的步频(10-50 Hz)内的准确位置估计(< 16%的均方根误差)和控制(16%的均方根跟踪误差)。这种能力使得能够探索被设计为减少腿部滑动并增加运动性能的两个生物启发参数腿部轨迹(例如,速度、运输成本等)。使用这种方法,我们展示了高性能的运动在步幅频率(10-30赫兹)的机器人的自然动力学导致开环运动差。此外,我们验证了启发我们轨迹的生物学假设,并确定了高动态运动,低运输成本(3.33)和最小腿部滑动(< 10%)的区域。
2019-06-03 cs.RO
Constrained Reinforcement Learning for Unstable Point-Feet Bipedal Locomotion Applied to the Bolt Robot
LAAS-CNRS, Université de Toulouse(LAAS-CNRS,图卢兹大学);Artificial and Natural Intelligence Toulouse Institute(图卢兹人工智能与自然智能研究院)
针对点足双足机器人Bolt的不稳定问题,提出基于约束强化学习与域随机化的控制方法,实现平衡、速度及抗扰动,并提升鲁棒性。
2025-08-04 cs.RO
H-Zero: Cross-Humanoid Locomotion Pretraining Enables Few-shot Novel Embodiment Transfer
ByteDance Seed(字节跳动种子)
H-Zero通过跨人形机器人预训练实现少样本新躯干转移,提升机器人运动控制的通用性和效率。
2025-11-30 cs.RO
Supervised Autonomous Locomotion and Manipulation for Disaster Response with a Centaur-like Robot
University of Bonn(波恩大学)
移动操作任务是搜救机器人领域的关键挑战之一,要求机器人具有灵活的移动和操作能力。由于任务大多是事先未知的,因此机器人在执行任务期间必须适应各种地形和工作空间。类似半人马座的机器人Centauro有一个混合的腿轮底座和一个拟人化的上身,可以在对人类来说太危险的环境中执行复杂的任务。由于机器人具有大量的自由度,用直接遥操作方法控制机器人是具有挑战性的和令人疲惫的。监督自治方法有望提高控制的质量和速度,同时保持解决未知任务的灵活性。我们开发了一套具有不同自主水平的操作员辅助功能,以控制机器人完成具有挑战性的运动和操作任务。综合系统在灾害应对情景中进行了评估,表现出良好的性能。
2019-03-06 cs.RO
Whole-body Humanoid Robot Locomotion with Human Reference
PNDbotics
本文提出了一种基于对抗运动先验的模仿学习框架,应用于全尺寸人形机器人Adam,使其在复杂运动任务中达到与人类相当的性能,首次实现了人类运动数据在全尺寸人形机器人上的模仿学习。
2024-08-26 cs.RO
LocoVLM: Grounding Vision and Language for Adapting Versatile Legged Locomotion Policies
School of Electrical Engineering, Korea Advanced Institute of Science and Technology (KAIST)(电气工程学院,韩国科学技术院)
LocoVLM通过整合高层常识推理和视觉语言模型,实现了基于指令的实时腿式运动策略适应,准确率达87%。
2026-02-11 cs.RO
VOCALoco: Viability-Optimized Cost-aware Adaptive Locomotion
School of Computer Science, McGill University(计算机科学系,麦吉尔大学);Department of Electrical and Computer Engineering, McGill University(电气与计算机工程系,麦吉尔大学)
针对足式机器人端到端DRL运动方法安全性与可解释性不足的问题,提出模块化技能选择框架VOCALoco,通过联合评估策略安全性与能耗选择最优策略,在四足机器人楼梯运动任务中表现更优。
2025-10-28 cs.RO
Stance Control Inspired by Cerebellum Stabilizes Reflex-Based Locomotion on HyQ Robot
Ghent University(根特大学);imec;Istituto Italiano di Tecnologia(意大利理工学院)
腿式机器人的进步深深植根于动物观察。这一主张的一个清楚的例证是中央模式发生器(CPG)的推广,首先在猫的脊髓中发现,以产生机器人运动中的周期运动。尽管这种模型得到了全球的认可,但哺乳动物的生理和功能实验也表明存在来自小脑的下行信号,以及来自下肢感觉细胞的反射反馈,它们与CPG密切相互作用。直到今天,这些相互作用还没有被完全理解。在一些研究中,已经证明,在没有振荡信号的情况下,可以在真实的肌肉骨骼仿真模型或小型顺应性四足机器人中实现纯反射运动。与此同时,生物学证据已经证明了小脑在哺乳动物中预测控制平衡和姿态的功能作用。在本文中,我们促进这两种方法,并成功地应用反射为基础的动态运动,再加上平衡和重力补偿机制,对国家的最先进的HyQ机器人。我们讨论了这个稳定模块的重要性,以确保正确的脚抬离和保持可靠的步态。机器人平台进一步用于测试两个不同的架构假设的灵感来自小脑。实验结果的分析表明,最生物合理的替代方案也导致更好的结果,强大的运动。
2020-03-20 cs.RO
X-Loco: Towards Generalist Humanoid Locomotion Control via Synergetic Policy Distillation
University of Science and Technology of China(中国科学技术大学);Tsinghua University(清华大学)
提出X-Loco框架,通过协同策略蒸馏和案例自适应专家选择,训练视觉通用人形运动策略,整合直立行走、全身协调和跌倒恢复,仅基于速度指令,无需参考运动。
2026-06-15 cs.RO
Infer and Adapt: Bipedal Locomotion Reward Learning from Demonstrations via Inverse Reinforcement Learning
Georgia Institute of Technology(佐治亚理工学院)
本文研究复杂地形双足运动中的专家奖励学习问题,提出基于逆强化学习的奖励函数推断与分析算法,并证明所学奖励能提升策略在未知地形上的行走适应性。
2023-09-28 cs.LG cs.RO
Adaptive Force-Based Control of Dynamic Legged Locomotion over Uneven Terrain
University of Southern California(南加州大学)
本文提出一种将自适应控制融入基于力控制器的四足机器人方法,以应对模型不确定性与未知地形冲击,使Unitree A1能承载高达自重50%的负载并在崎岖地形上动态小跑、跳跃。
2024-04-07 cs.RO
DPL: Depth-only Perceptive Humanoid Locomotion via Realistic Depth Synthesis and Cross-Attention Terrain Reconstruction
该研究提出整合地形感知运动策略、多模态交叉注意力Transformer及真实深度图像合成方法的DPL框架,在人形机器人上实现高效训练与多样地形下的自适应运动。
2026-08-04 cs.RO
Design and Fabrication of Soft Locomotion Robots based on Spatial Compliant Mechanisms
LUT University(拉普兰塔理工大学);University of Oslo(奥斯陆大学)
针对软体机器人设计复杂、制造困难的问题,提出基于弹性梁、空间柔顺机构与进化算法的设计方法,并用3D打印实现高速、负载及水下移动机器人。
2024-08-09 cs.RO
Beyond Robustness: Learning Unknown Dynamic Load Adaptation for Quadruped Locomotion on Rough Terrain
Zhejiang University(浙江大学)
针对四足机器人未知动态负载承载的三大挑战,提出负载特性建模方法并结合强化学习,使机器人在无外部传感下推断并稳定负载,仿真与真实实验证明其在突加负载抵抗及重载运动上优于其他方法。
2025-07-10 cs.RO
State Estimation Transformers for Agile Legged Locomotion
Xiaomi Robotics Lab(小米机器人实验室);Center for Robotics and Biosystems, Northwestern University(西北大学机器人与生物系统中心)
本文提出State Estimation Transformers(SET),将状态估计建模为条件序列建模,利用因果掩码Transformer预测四足机器人身体高度和速度等特权状态,在Cyberdog2上验证了其在跳跃、后空翻和侧滑任务中的估计精度、可迁移性及真实环境成功率优势。
2024-10-17 cs.RO
KLEIYN : A Quadruped Robot with an Active Waist for Both Locomotion and Wall Climbing
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)
本研究开发了具备腰部关节的四足机器人KLEIYN,通过引入接触引导课程学习(CGCL)实现基于RL的烟囱攀爬,其攀爬速度达150 mm/s,较传统机器人快50倍,并验证了腰部关节对狭窄墙壁跟踪能力的提升。
2025-07-10 cs.RO
SKATER: Synthesized Kinematics for Advanced Traversing Efficiency on a Humanoid Robot via Roller Skate Swizzles
Institute of Humanoid Robots, Department of Precision Machinery and Precision Instrumentation, University of Science and Technology of China(人形机器人研究所,精密机械与精密仪器系,中国科学技术大学)
SKATER通过在人形机器人脚部安装滚轮实现滑冰步态,利用深度强化学习提升移动效率,显著降低冲击力和能量消耗。
2026-10-15 cs.RO
Contact-Rich and Deformable Foot Modeling for Locomotion Control of the Human Musculoskeletal System
Tsinghua University(清华大学)
本文提出接触丰富且可变形的人体足部模型并集成于肌肉骨骼系统,采用两阶段策略训练学习自然行走,在运动学、动力学和步态稳定性上优于刚性模型,并可推广至人形机器人足-地交互控制。
2025-08-16 cs.RO
Advanced turning maneuver of a multi-legged robot using pitchfork bifurcation
Kyoto University(京都大学);Dokkyo Medical University(独协医科大学)
足式机器人具有良好的地面移动性,可以穿越不同的环境,因此具有广泛应用的潜力。然而,他们在运动过程中容易摔倒和腿部功能障碍。虽然使用大量的腿可以克服这些问题,但它使身体变长,并导致许多腿被限制与地面接触以支撑长身体,这阻碍了机动性。为了提高这种机器人的运动机动性,本研究的重点是动态不稳定性,这会导致快速和大的运动变化,并使用一个12-足式机器人与柔性体轴。我们以前的工作发现,直线行走的机器人变得不稳定时,身体轴的灵活性的变化,导致身体波动通过Hopf分岔。此外,我们开发了一个简单的控制器的基础上的霍普夫分岔,并表明,不稳定性有利于转向的机器人。在这项研究中,我们新发现,直线步行成为不稳定的干草叉分叉时,身体轴的灵活性改变的方式不同于我们以前的工作。此外,干草叉分叉诱导过渡到弯曲的步行,其曲率可以控制的身体轴的灵活性。我们开发了一个简单的控制器的基础上的干草叉分岔特性,并证明了机器人可以执行转弯机动优于以前的控制器。本研究提供一种利用内禀动力学特性的多足式机器人并联运动的新设计原理。
2021-10-29 cs.RO
Neuromuscular Modeling for Locomotion with Wearable Assistive Robots -- A primer
University of Twente(特文特大学);McGill University(麦吉尔大学);Jewish Rehabilitation Hospital(犹太康复医院)
本文为可穿戴辅助机器人的神经肌肉建模提供入门指南,涵盖运动神经力学、模型及控制器,旨在促进神经生理学与生物机电工程协作,实现直观控制。
2024-07-19 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
Booster Gym: An End-to-End Reinforcement Learning Framework for Humanoid Robot Locomotion
Department of Automation, Tsinghua University(自动化系,清华大学);Booster Robotics Technology Co., Ltd(Booster机器人技术有限公司)
提出Booster Gym框架,覆盖人形机器人运动策略从训练到部署的完整流程,在Booster T1上验证了策略无缝迁移,实现全向行走、抗扰动和地形适应。
2025-06-18 cs.RO
Dexterous Legged Locomotion in Confined 3D Spaces with Reinforcement Learning
The University of Texas at Austin(德克萨斯大学奥斯汀分校);George Mason University(乔治梅森大学);Sony AI(索尼人工智能)
针对受限三维空间中腿式机器人导航难题,提出结合经典规划器与强化学习策略的分层运动控制器,在仿真中性能优于现有方法,且成功实现真机部署。
2024-03-06 cs.LG cs.RO
Think on your feet: Seamless Transition between Human-like Locomotion in Response to Changing Commands
Noetix Robotics(诺蒂克斯机器人公司);Tsinghua University(清华大学)
提出一种结合类人运动迁移与精确速度跟踪的方法,通过WGAN-div、混合内部模型和好奇心奖励,实现人形机器人对变化指令的类人运动无缝切换,并支持零样本迁移。
2025-02-26 cs.RO
Overconstrained Locomotion
Southern University of Science and Technology(南方科技大学);The University of Hong Kong(香港大学);School of Design(设计学院);ZJU-University of Illinois Urbana-Champaign Institute(浙江大学-伊利诺伊大学厄巴纳-香槟分校联合研究所);Zhejiang University(浙江大学);System Design and Intelligent Manufacturing(系统设计与智能制造学院);Design & Learning Research Group(设计与学习研究组)
本文提出一种基于 Bennett linkage 的过约束机械肢(ORLs),能在单个四足机器人内参数化重构为爬行或哺乳动物形态。通过 MPC 和 RL 验证其在能效上优于平面肢体,为进化启发的机器人肢体设计提供了首个实例。
2024-07-30 cs.RO
Locomotion of an Elastic Snake Robot via Natural Dynamics
German Aerospace Center (DLR), Robotics and Mechatronics Center (RMC)(德国航空航天中心(DLR)机器人与机电中心);Technical University of Munich (TUM), Department of Computer Engineering(慕尼黑技术大学(TUM)计算机工程系)
本文研究了利用非线性自然动力学设计高效步态的方法,比较了两种基于自然动力学的步态与现有方法,发现非制动周期轨迹步态在能量节约情况下更高效。
2026-04-20 cs.RO
DreamFLEX: Learning Fault-Aware Quadrupedal Locomotion Controller for Anomaly Situation in Rough Terrains
School of Electrical Engineering, KAIST (Korea Advanced Institute of Science and Technology)(韩国科学技术院电气工程学院)
针对四足机器人在复杂地形因硬件故障导致运动失败的问题,提出集成显式故障估计与调制网络的DreamFLEX控制器,实现故障下复杂环境穿越,在仿真和真实场景中性能优于现有方法。
2025-02-09 cs.RO cs.SY eess.SY
VB-Com: Learning Vision-Blind Composite Humanoid Locomotion Against Deficient Perception
Shanghai AI Laboratory(上海人工智能实验室);The University of Hong Kong(香港大学);Shanghai Jiao Tong University(上海交通大学);Zhejiang University(浙江大学);The Chinese University of Hong Kong(香港中文大学)
针对拟人机器人因感知缺陷易摔倒的问题,提出复合框架VB-Com,在视觉与盲策略间动态切换,有效提升了机器人在感知缺陷下穿越复杂地形的鲁棒性。
2025-06-01 cs.RO
ULT-model: Towards a one-legged unified locomotion template model for forward hopping with an upright trunk
Technical University of Munich(慕尼黑工业大学)
本文提出ULT模型,通过在躯干SLIP模型上增加点足质量和并联腿致动器,实现直立躯干前向跳跃的统一运动模板,并验证其能产生稳定极限环,为高效鲁棒的步态控制奠定基础。
2024-01-16 cs.RO cs.SY eess.SY
Learn to Teach: Sample-Efficient Privileged Learning for Humanoid Locomotion over Diverse Terrains
Georgia Institute of Technology(佐治亚理工学院)
本文提出单阶段训练框架Learn to Teach (L2T),统一教师与学生策略学习,通过共享动力学回收仿真样本以降低样本复杂度,在Digit机器人上实现零样本sim-to-real迁移并在12+种地形稳健运动。
2025-08-09 cs.LG cs.RO
Terrain-Aware Quadrupedal Locomotion via Reinforcement Learning
Tencent Robotics X(腾讯Robotics X);The Chinese University of Hong Kong(香港中文大学);Southern University of Science and Technology(南方科技大学);University of Alberta(阿尔伯塔大学)
提出一种基于强化学习的地形感知四足运动方法,通过DNN策略调整轨迹生成器参数并设计奖励函数,使机器人安全高效地穿越粗糙地形,仿真和实物实验验证了其有效性。
2023-10-11 cs.RO
MASH: Cooperative-Heterogeneous Multi-Agent Reinforcement Learning for Single Humanoid Robot Locomotion
Faculty of Robot Science and Engineering, Northeastern University(机器人科学与工程学院,东北大学);Guangdong Key Laboratory of Intelligent Morphing Mechanisms and Adaptive Robotics and School of Intelligence Science and Engineering, the Harbin Institute of Technology Shenzhen(智能变形机制与适应机器人重点实验室和智能科学与工程学院,哈尔滨工业大学深圳)
本文提出MASH方法,将单个人形机器人的四肢视为独立智能体并共享全局评论家进行协作-异构多智能体强化学习,有效加速了训练收敛并提升了全身协作能力,优于传统单智能体方法。
2025-08-14 cs.AI cs.RO cs.SY
Enhancing Efficiency of Quadrupedal Locomotion over Challenging Terrains with Extensible Feet
TCS Research(塔塔咨询服务公司研究院)
针对四足机器人复杂地形通行问题,提出配备膝足间移动关节的可延展足部方案,用深度强化学习训练运动策略,仿真验证显示其能提升通行可行性与效率。
2023-05-03 cs.RO cs.SY eess.SY
A Unified and General Humanoid Whole-Body Controller for Versatile Locomotion
Shanghai Jiao Tong University(上海交通大学);Shanghai AI Lab(上海人工智能实验室)
针对现有研究限制人形机器人运动学能力的问题,本文提出统一通用的全身控制器HugWBC,通过通用命令空间与先进训练技术实现多步态自定义及运动-操作结合,实验验证其高精度与鲁棒性,为首个该类控制器。
2025-04-12 cs.AI cs.RO
Achieving Precise and Reliable Locomotion with Differentiable Simulation-Based System Identification
Moscow Institute of Physics and Technology(莫斯科物理技术学院)
本文提出一种基于可微仿真MuJoCo-XLA的系统辨识框架,将其集成到强化学习训练中,仅用轨迹数据估计参数,显著改善双足运动轨迹跟踪。
2025-08-06 cs.RO