Web Based Teleoperation of a Humanoid Robot
基于云的先进机器人实验室（CARL）集成了全身控制器和基于Web的远程操作，使任何具有Web浏览器的设备都可以访问和控制人形机器人。通过将人形机器人与云集成，可以从任何连接互联网的设备访问它们。增加可访问性很重要，因为很少有人能够访问最先进的人形机器人，限制了它们的发展速度。CARL的实现基于现代软件库、框架和中间件，包括Node.js、Socket.IO、ZMQ、ROS、Robot Web Tools和ControlIt！可行性证明，有经验的人类操作员使用智能手机的网络浏览器来控制梦想家，一个扭矩控制的人形机器人的基础上系列弹性执行器，并使其执行双臂操作任务。该实现可作为许多先进的人形机器人技术的研究和开发的概念验证和基础。
2016-07-19 cs.RO
Exploiting Friction in Torque Controlled Humanoid Robots
Italian Institute of Technology（意大利理工学院）
扭矩控制的人形机器人的一种常见架构包括两个嵌套的回路。外环产生所需的关节/电机扭矩，内环稳定这些所需的值。在这样做时，内环通常补偿关节摩擦现象，从而消除其固有的稳定特性，这也可能有利于高水平的控制目标。本文介绍了如何利用摩擦力的关节和任务空间控制的人形机器人。使用人形机器人iCub进行实验。
2018-08-03 cs.RO
Push Recovery of a Position-Controlled Humanoid Robot Based on Capture Point Feedback Control
University of Tehran（德黑兰大学）
本文采用踝关节和髋关节相结合的策略对一个位置控制的人形机器人进行了推力恢复。踝关节策略和髋关节策略分别相当于压力中心（CoP）和质心力矩枢轴（CMP）调节。为了控制CMP和CoP，我们需要扭矩控制机器人，然而大多数传统的人形机器人是位置控制的。在这方面，我们提出了一个有效的方式来实现的髋关节和踝关节的位置控制的人形机器人的战略。我们采用反馈控制器来补偿捕获点误差。使用我们的计划，一个简单而实用的推动恢复控制器的设计，可以实现在大多数传统的人形机器人，而不需要扭矩传感器。通过SURENA-Mini人形机器人在剧烈推力下的推力恢复实验，验证了该方法的有效性。
2017-10-29 cs.RO
Implementing Virtual Reality for Teleoperation of a Humanoid Robot
University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）
我们的研究探索了人形机器人在不可预测的环境中工作的潜力，但控制人形机器人仍然是一个非常困难的问题。在我们以前的工作中，我们设计了一个原型虚拟现实（VR）界面，让操作员命令一个人形机器人。然而，虽然可用，但初始界面不足以命令机器人执行任务;例如，在某些情况下，机器人控制缺乏精度。界面在某些方面也过于繁琐。在本文中，我们讨论了许多补充，传统的接口和虚拟现实视频游戏的启发，我们以前的实现，提供额外的方式来可视化和命令一个人形机器人在虚拟世界中执行困难的任务。
2021-04-23 cs.RO
Autistic Children's Mental Model of an Humanoid Robot
University of Turin（都灵大学）
本立场文件介绍了一个初步的卡片分类实验的基础上的反应和问题的一组自闭症儿童的工作与人形机器人在自主治疗实验室的结果。
2022-03-14 cs.RO
HumanoidUMI: Bridging Robot-Free Demonstrations and Humanoid Whole-Body Manipulation
Beijing Academy of Artificial Intelligence（北京人工智能研究院）
提出HumanoidUMI，一种便携无机器人的框架，利用VR设备和UMI夹爪收集人类关键点轨迹、腕部观察和夹爪动作，训练高层策略预测未来关键点并映射到机器人全身参考，实现人形全身技能学习。
2026-07-08 cs.RO
ARDOP: A Versatile Humanoid Robotic Research Platform
BMS College of Engineering（BMS工程学院）
本文介绍了一种名为ARDOP的人形机器人的研制。该项目的目标是提供一种模块化、开源且廉价的人形机器人，使研究人员能够回答与机器人操纵和感知相关的各种问题。ARDOP主要包括两个功能单元，即感知和操纵系统，在这里，我们讨论了这些系统的概念和设计方法，并继续提出他们的性能仿真和各种定制设计的实验结果。
2021-08-18 cs.RO
Robot Trains Robot: Automatic Real-World Policy Adaptation and Learning for Humanoids
Stanford University（斯坦福大学）
提出RTR框架，利用机械臂教师辅助人形机器人学生进行安全高效的真实世界强化学习，通过优化动力学编码潜在变量稳定仿真到现实迁移，并在速度跟踪和摆动起身任务中验证了有效性。
2025-08-26 cs.RO
Modeling and Control of Humanoid Robots in Dynamic Environments: iCub Balancing on a Seesaw
Istituto Italiano di Tecnologia（意大利理工学院）
关于人形机器人的未来应用可能涉及机器人与动态环境之间的物理交互。在这种情况下，经典的平衡和步行控制器，忽略了环境动态可能不足以实现稳定的机器人行为。本文提出了一种平衡人形机器人与动态环境接触的建模和控制框架。我们首先对机器人和环境动力学以及接触约束进行建模。然后，提出了一种稳定整个系统的控制策略。理论结果与机器人iCub平衡在跷跷板上的仿真验证。
2018-03-09 cs.RO
Humanoids in Hospitals: A Technical Study of Humanoid Robot Surrogates for Dexterous Medical Interventions
Electrical and Computer Engineering Department, University of California San Diego（加州大学圣迭戈分校电子与计算机工程系）；University of California San Diego（加州大学圣迭戈分校）
针对医护人员短缺问题，研究开发了适配Unitree G1人形机器人的双臂遥操作系统，经7类医疗任务验证其可完成多种临床操作，同时指出了力输出与传感器方面的现存局限。
2025-07-31 cs.RO
Perception-and-action system for humanoid robot task execution in construction
本研究针对人形机器人执行建筑任务的实用能力不足问题，提出含Humanoid-PoseNet和Humanoid-ActionNet的感知动作系统，经实验实现8项建筑动作可靠执行，平均MPJPE为82.45mm，为建筑场景部署人形协作机器人奠定基础。
2026-08-04 cs.RO
Whole-Body Geometric Retargeting for Humanoid Robots
Istituto Italiano di Tecnologia（意大利理工学院）；University of Genova（热那亚大学）；The University of Manchester（曼彻斯特大学）
人形机器人遥操作允许人类将他们的认知能力与设备相结合，以执行需要高强度、机动性和灵活性的任务。本文提出了一个框架，用于遥操作的人形机器人使用一种新的方法，通过逆运动学的机器人模型的运动重定向。所提出的方法增强了重定向的可扩展性，即，它允许由不同的人类用户远程操作不同的机器人，而对所提出的系统的改变最小。我们的框架，使人类操作员和人形机器人之间的配置空间级别的直观和自然的互动。我们验证了我们的方法，展示全身重定向与多个机器人模型。此外，我们提出了实验验证，通过遥操作实验，使用两个国家的最先进的全身控制器的人形机器人。
2019-09-22 cs.RO
Modelling of Walking Humanoid Robot With Capability of Floor Detection and Dynamic Balancing Using Colored Petri Net
University of Tabriz（大不里士大学）
大多数人形机器人具有高度复杂的结构，并且设计与人类非常相似的机器人是极其困难的。在本文中，建模的一般和全面的控制算法的人形机器人的着色Petri网。为了保持机器人的动态平衡，在算法中采用了陀螺仪和加速度计传感器的组合。图像处理主要用于识别两个基本问题：一是检测机器人必须跟随的目标或物体;二是检测地面表面，使步行机器人能够像人一样保持平衡，并显示其最佳性能。所提出的模型给出了高层次的人形机器人的操作。
2014-04-10 cs.RO
Teleoperation of Humanoid Robots: A Survey
Istituto Italiano di Tecnologia（意大利理工学院）；Florida Institute for Human and Machine Cognition（佛罗里达人机认知研究所）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；National Institute of Advanced Industrial Science and Technology (AIST)（日本产业技术综合研究所）；Inria（法国国家信息与自动化研究所）；Université de Lorraine（洛林大学）；CNRS（法国国家科学研究中心）；Tokyo University of Science（东京理科大学）
人形机器人的遥操作使得能够将人类的认知技能和领域专业知识与人形机器人的物理能力相结合。人形机器人的操作多功能性使其成为远程环境中远程操作时广泛应用的理想平台。然而，人形机器人的复杂性提出了挑战的遥操作，特别是在非结构化的动态环境与有限的通信。在过去几十年中，这一领域取得了许多进展，但仍然缺乏全面的概述。本文综述了人形机器人遥操作的研究现状，介绍了遥操作系统的总体结构，分析了遥操作系统的各个组成部分。我们还讨论了该主题的不同方面，包括技术和方法的进步，以及潜在的应用。该论文的网络版可在https://humanoid-teleoperation.github.io/上找到。
2023-01-11 cs.RO
Humanoids for Robot-Assisted Surgery: Bimanual Base Placement and Tool-Mount Optimization via Capability Maps
本研究提出基于能力图的人形机器人基座与工具安装联合优化框架，在三种手术中评估可达性，证明其优于基线方法，并揭示近端应用潜力与局限。
2026-09-29 cs.RO
Scaling Sampling-based Motion Planning to Humanoid Robots
University of Edinburgh（爱丁堡大学）
规划人形机器人的平衡和无碰撞运动是不平凡的，特别是当它们在复杂的环境中操作时，例如到达障碍物后面的目标或通过狭窄的通道。我们提出了一种方法，使我们能够应用现有的采样为基础的算法规划轨迹人形机器人利用自定义的状态空间表示，有偏的采样策略，和一个强大的逆运动学求解器的基础上的转向功能。我们的方法不需要事先离线计算，因此可以很容易地将工作转移到新的机器人平台上。我们测试了所提出的方法解决实际达到的任务，38度的自由人形机器人，美国宇航局瓦尔基里，表明我们的方法是能够生成有效的运动计划，可以执行先进的全尺寸人形机器人。我们还提出了一个基准之间的不同运动规划算法评估各种达到运动问题。这使我们能够找到合适的算法来解决类人运动规划问题，并确定这些算法的局限性。
2016-07-29 cs.RO
Optimization of Humanoid Robot Designs for Human-Robot Ergonomic Payload Lifting
Istituto Italiano di Tecnologia（意大利理工学院）；The University of Manchester（曼彻斯特大学）
当人类和人形机器人进行物理协作时，人机工程学是需要考虑的关键因素。假设一个给定的人形机器人，几个控制架构存在现今解决人体工程学物理人机协作。本文进一步考虑机器人的硬件参数作为优化变量的问题的合作有效载荷升降。机器人的运动学和动力学参数化变量保证了它们的物理一致性，并且在优化问题中考虑了人体模型。通过利用所提出的建模框架，交互的人机工程学被最大化，这里由代理的能量消耗给出。机器人运动学，动力学，硬件约束和人类的几何形状时，考虑解决相关的优化问题。所提出的方法是用来确定最佳的硬件参数的ergoCub机器人，人形拥有一定程度的具身智能与人类的人机交互的设计。对于优化问题，起点是iCub人形机器人。所获得的机器人设计达到负载的高度范围为0.8-1.5米的iCub机器人，其范围被限制在0.8-1.2米。机器人的能量消耗减少了约33%，同时，人类的人机工程学得到了保留，从而改善了整体交互。
2022-11-24 cs.RO
Maximum Impulse Approach to Soccer Kicking for Humanoid Robots
University of Bonn（波恩大学）
本文提出一种解析的最大冲量踢球生成方法，通过四阶段恒加速轨迹、约束感知时长调整及与ZMP步态集成，在仿真和真实NimbRo-OP2X机器人上完成验证。
2024-12-02 cs.RO
RoMoCo: Robotic Motion Control Toolbox for Reduced-Order Model-Based Locomotion on Bipedal and Humanoid Robots
Department of Mechanical and Civil Engineering, California Institute of Technology（机械与土木工程系，加州理工学院）
RoMoCo是一个开源C++工具箱，通过统一的API集成降阶模型规划器与全身控制器，支持双足和仿人机器人快速原型与可复现基准测试，并在多种机器人上经仿真和硬件验证。
2025-09-23 cs.RO
The igus Humanoid Open Platform: A Child-sized 3D Printed Open-Source Robot for Research
Rheinische Friedrich-Wilhelms-Universität Bonn（莱茵河畔腓特烈-威廉大学波恩分校（波恩大学））
使用标准机器人平台可以加速研究，降低新研究小组的进入门槛。在高达60 cm的较低尺寸范围内存在许多可负担得起的人形标准平台，但是较大的人形机器人很快变得不那么可负担得起并且更难以操作、维护和修改。igus Humanoid开放平台是一个新的、经济实惠的、完全开源的人形平台。该机器人高92厘米，能够在人类环境中进行交互，并配备了足够的传感器，执行器和计算能力，以支持许多领域的研究人员。机器人的结构完全是3D打印的，从而实现了轻量化和视觉吸引力的设计。本文介绍了该平台的主要特点。
2018-09-28 cs.RO
LiPS: Large-Scale Humanoid Robot Reinforcement Learning with Parallel-Series Structures
本文提出LiPS训练方法，通过在仿真环境中引入多刚体动力学建模，解决人形机器人强化学习训练中开环拓扑与串并联结构转换的sim2real差距问题，支持大规模并行训练。
2025-03-11 cs.RO
Design, analysis and control of the series-parallel hybrid RH5 humanoid robot
DFKI GmbH（德国人工智能研究中心）；University of Edinburgh（爱丁堡大学）；Alan Turing Institute（艾伦·图灵研究所）；LAAS-CNRS（法国国家科学研究中心系统分析与架构实验室）
近几十年来的人形机器人研究表明，为获得高动态性能而开发的人形机器人需要刚性结构和最佳质量分布-惯性特性。用纯树型架构构建的人形机器人往往体积庞大，并且通常受到速度和力/扭矩的限制。本文提出了一种新型的串并联混合人形机器人RH 5，它高2米，重量只有62.5公斤，能够执行重型动态任务，每只手5公斤的有效载荷。采用基于微分动态规划（DDP）的全身轨迹优化技术对该仿人机器人进行分析和控制。此外，我们提出了一种改进的接触稳定性软约束DDP算法，该算法能够生成物理上一致的步行轨迹的人形，可以通过一个简单的PD位置控制在物理模拟器跟踪。最后，我们展示了RH 5人形机器人的初步实验结果。
2021-01-26 cs.RO
A Relevant Reduction Method for Dynamic Modeling of a Seven-linked Humanoid Robot in the Three-dimensional Space
National Institute of Applied Sciences and Technology（国家应用科学与技术学院）
本文采用牛顿-欧拉方法，在三维空间中建立了七连杆人形机器人的动力学模型。本研究的目的是提供一个明确的和系统的方法，以便从广义运动方程的所有刚体的人形机器人之一，可以建立一个简化的动力学模型。所得到的模型可以扩展为仿真命题或实现任何给定的控制律。此外，变换和发展，这里提出的，可以利用建模任何其他三维人形机器人与不同的形态和可变数量的刚体和自由度。
2014-05-08 cs.RO
iRonCub 3: The Jet-Powered Flying Humanoid Robot
Artificial and Mechanical Intelligence, Istituto Italiano di Tecnologia（人工智能与机械智能，意大利技术研究院）；School of Computer Science, University of Manchester（计算机科学学院，曼彻斯特大学）；Department of Industrial Engineering, University of Naples Federico II（工业工程系，那不勒斯费德里克二世大学）
本文介绍了喷气动力人形机器人iRonCub 3的机械与软件架构、控制估计框架，并通过仿真与首次离地升空实验验证了其空中人形移动的可行性。
2025-06-01 cs.RO
Does elderly enjoy playing Bingo with a robot? A case study with the humanoid robot Nadine
Institute for Media Innovation, Nanyang Technological University（南洋理工大学媒体创新研究所）；MIRALab, University of Geneva（日内瓦大学MIRALab实验室）
近年来，医疗保健有了长足的进步，导致老年人口不断增加。由于这一人口的劳动力没有跟上步伐，迫切需要解决这一问题。让机器人刺激老年人的娱乐活动可以减少照顾者的工作量，并让他们有时间解决老年人的情感需求。在本文中，我们调查的影响，人形社会机器人纳丁作为活动主机的老年人。本研究的目的是分析老年人是否感到舒适和享受与人形机器人Nadine玩游戏/活动。我们建议通过将Nadine人形社交机器人放置在疗养院作为看护人来评估这一点，她在疗养院主持宾果游戏。我们记录了有和没有纳丁的会话，以了解这两种情况的差异和接受程度。我们使用计算机视觉方法来分析老年人的活动，以检测他们在游戏中的情绪和参与。我们设想这种人形机器人将使老年人更容易进行娱乐活动。我们的研究结果提出了积极的执行过程中的娱乐活动，宾果，在纳丁的存在。
2021-05-05 cs.RO
A Receding Horizon Push Recovery Strategy for Balancing the iCub Humanoid Robot
Istituto Italiano di Tecnologia（意大利理工学院）
平衡和对强大的和意外的推动作出反应是人形机器人的关键要求。我们最近设计了一种基于捕获点的方法，该方法与基于动量的扭矩控制器接口，并在iCub人形机器人上实现和验证。在这项工作中，我们实现了滚动时域控制，也被称为模型预测控制，添加的可能性来预测未来的机器人的演变，特别是由混合动力系统的性质给出的约束切换。我们证明，建议的MPC扩展，使步骤恢复控制器更强大和可靠的执行恢复策略时。仿真实验验证了该方法的有效性。
2017-05-30 cs.RO
A Systematic Literature Review of Experiments in Socially Assistive Robotics using Humanoid Robots
University of Tsukuba（筑波大学）
我们进行了系统的文献综述，以发现人形机器人是如何被应用于社会辅助机器人实验。我们检索了24篇论文，其中16篇被纳入进行更深入的分析。为了进行这种分析，我们使用了一个受基于行为的机器人启发的概念框架。我们想知道是哪个机器人（大多数使用机器人NAO），应用程序的目标是什么（教学，协助，演奏，指导），如何控制机器人（在大多数实验中手动），机器人表现出什么样的行为（对触摸做出反应，指向身体部位，唱歌，跳舞，等等），机器人使用了什么样的执行器（总是电机，有时扬声器，几乎没有任何其他类型的致动器）和机器人使用什么类型的传感器（在许多研究中，机器人根本不使用任何传感器，在其他研究中，机器人经常使用相机和/或麦克风）。本研究的结果可用于设计针对类人社会辅助机器人的软件框架，特别是在软件产品线工程项目的背景下。
2017-11-15 cs.RO
Telexistence and Teleoperation for Walking Humanoid Robots
IIT（意大利理工学院）；IJS（约瑟夫·斯特凡研究所）
本文提出了一种实现人形机器人的临场感和遥操作的体系结构。该架构结合了几种技术设置，方法，运动和操纵算法以一种新颖的方式，从而建立和扩展文献中的作品。这种方法允许人类操作员命令和电传机器人。因此，在这项工作中，我们处理的方面不仅涉及到拟议的架构结构和实施，而且在适应机器人和架构的能力方面的人类操作员的经验。此外，本体感觉方面和实施例的机器人进行了研究，通过具体的实验结果，这也是在某种程度上正式的，虽然高层次的方式处理。所提出的架构和实验，将用户的培训和经验的应用解决使用说明性的双足人形机器人，即iCub机器人。
2019-04-04 cs.RO
Comparison Study of Well-Known Inverted Pendulum Models for Balance Recovery in Humanoid Robot
IEETA（电子与信息工程研究院）；University of Aveiro（阿威罗大学）
双足机器人由于其复杂的运动学和高维的状态空间动力学而基本上是不稳定的，因此稳定行走的控制和生成是一个复杂的课题，并且仍然是机器人界的活跃课题之一。如今，有许多类人机器人执行稳定的行走，但很少有在推动下表现出有效的推动恢复。在本文中，我们首先回顾了更常用的抽象动力学模型的人形机器人，这是基于倒立摆，并显示这些模型可以用来提供行走的人形机器人，以及如何分层控制结构可以淡化人形行走的复杂性。其次，审查模型一起比较，不仅在分析的方式，但也通过执行几个数值模拟中的推恢复的情况下，使用\mbox{MATLAB}。这些理论和模拟研究定量比较这些模型恢复平衡。结果表明，增强版的线性倒立摆加飞轮是最有能力的动力学模型，以恢复稳定的机器人，即使在非常具有挑战性的情况下。
2019-06-05 cs.RO
From Rolling Over to Walking: Enabling Humanoid Robots to Develop Complex Motor Skills
Worcester Polytechnic Institute（伍斯特理工学院）
本文提出一种基于成就触发多路径奖励函数的强化学习方法，使类人机器人在单一训练阶段学习从翻身到行走的复杂运动技能，并在模拟环境中提升成功率与学习速度。
2023-11-13 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
Aplicacion de Robots Humanoides como Guias Interactivos en Museos: Una Simulacion con el Robot NAO
Universidad Tecnológica del Uruguay（乌拉圭科技大学）；Universidad del Trabajo del Uruguay（乌拉圭劳动大学）；Ostfalia University of Applied Sciences（Ostfalia应用科学大学）
本文通过编程NAO机器人与聊天机器人在模拟博物馆中担任导览，评估人形机器人用于艺术博物馆互动导览的可行性，发现其能实现自然互动并提升参观体验，但仍需进一步优化。
2023-10-25 cs.RO
Scalable and General Whole-Body Control for Cross-Humanoid Locomotion
Tsinghua University（清华大学）
提出XHugWBC框架，通过形态随机化、语义对齐观测动作空间和有效策略架构，实现单次训练后跨多种人形机器人的零样本泛化控制。
2026-06-09 cs.RO
State Estimation for Human Motion and Humanoid Locomotion
Istituto Italiano di Tecnologia（意大利理工学院）；IRI CSIC-UPC（西班牙国家研究委员会-加泰罗尼亚理工大学机器人研究所）；AIST（日本产业技术综合研究所）；LAAS-CNRS（法国国家科学研究中心系统分析与架构实验室）；DIBRIS-UNIGE（热那亚大学计算机、生物工程、机器人与系统工程系）
在未来，工业车间见证人类和机器人协同工作，家庭成为这两个代理人的共享空间并不遥远。科学界一直在加速实现这一未来，将他们在人机交互方面的研究工作扩展到人机协作。人形机器人的拟人化性质可能被认为是最适合在半结构化的、以人为中心的环境中进行这种协作的。用于人类代理的可穿戴传感技术和用于人形机器人的高效的人类感知控制策略将是实现无缝的人-人形协作的关键。这是可靠的状态估计策略变得至关重要的意义上的信息来自多个分布式传感器连接到人和那些在机器人上，以增强反馈控制器设计的人形机器人，以帮助他们的人类同行。在此背景下，本论文研究李群理论设计状态估计技术，旨在对人形运动和人体运动估计。[续]
2022-06-08 cs.RO
Towards Partner-Aware Humanoid Robot Control Under Physical Interactions
Istituto Italiano di Tecnologia（意大利技术研究院）；University of Genova（热那亚大学）；University of Manchester（曼彻斯特大学）；DeepMind（深度思维）
物理人机交互的主题得到了很多关注，从机器人社区，因为许多有前途的应用领域。然而，研究机器人和外部代理（如人类或另一个机器人）之间的物理交互，而不考虑两个系统的动态特性，可能会导致充分利用交互的许多缺点。在本文中，我们提出了一个耦合动力学的形式主义，其次是一个健全的方法，利用有益的互动与人形机器人。特别是，我们提出了第一次尝试定义和利用人类帮助机器人完成特定的任务。因此，我们提出了一种基于任务的伙伴感知机器人控制技术。通过两个iCub人形机器人参与物理交互的实验，验证了理论结果。
2019-03-20 cs.RO
EMP: Executable Motion Prior for Humanoid Robot Standing Upper-body Motion Imitation
State Key Laboratory of Industrial Control and Technology（工业控制与技术国家重点实验室）
本文提出基于强化学习的人形机器人站立上半身运动模仿框架，通过重定向网络生成训练数据，并引入可执行运动先验模块根据机器人状态调整目标运动，在保持稳定性的同时实现安全、鲁棒的上半身运动模仿。
2025-07-21 cs.RO
Torque and velocity controllers to perform jumps with a humanoid robot: theory and implementation on the iCub robot
Fondazione Istituto Italiano di Tecnologia（意大利技术研究院）
跳跃可以是一种有效的运动方式，以克服小地形差距或障碍。在本文中，我们提出了两种不同的方法来执行跳跃的人形机器人。具体而言，从一个预定义的CoM轨迹，我们开发的理论为速度控制器和扭矩控制器的基础上的优化技术的关节输入的评估。该控制器已经在仿真和人形机器人iCub上进行了测试。在仿真中，机器人能够使用两个控制器跳跃，而真实系统仅使用速度控制器跳跃。结果突出了控制质心角动量的重要性，他们建议，关节性能，即最大功率，腿和躯干关节，和低水平的控制性能是根本，以达到可接受的结果。
2022-07-05 cs.RO
Design of conversational humanoid robot based on hardware independent gesture generation
随着老年人和残疾人护理需求的不断增长，智能和移动设备（如机器人）提供护理和支持解决方案的机会越来越多。为了自然地协助人类并与人类互动，机器人必须具备有效的对话能力。伴随口语句子的手势是人与人之间会话交流中的一个重要因素。人形机器人也必须使用手势，如果他们能够丰富的互动暗示和提供他们的人形外观。然而，用于姿势生成的当前系统不动态地提供人类自然理解的真实物理姿势。本文提出了一种用于人形机器人生成手势以及说出的句子的方法。我们强调，我们的手势生成架构可以应用于任何类型的人形机器人通过使用labanotation，这是一个现有的系统，用于记录人类的舞蹈动作。Labanotation的手势符号可以通过计算转换，以兼容一系列具有蹒跚物理特征的机器人。本文介绍了一种解决方案，作为一个综合系统的对话机器人的语音和手势可以相互补充，在人机交互。
2019-05-21 cs.RO
Unveiling the Impact of Data and Model Scaling on High-Level Control for Humanoid Robots
Shanghai Jiao Tong University（上海交通大学）；Shanghai AI Laboratory（上海人工智能实验室）；Zhejiang University（浙江大学）；University of Michigan（密歇根大学）
SCHUR通过大规模数据集和可扩展学习框架，提升了双足机器人高层控制的运动生成和文本-运动对齐性能。
2025-12-07 cs.RO
Demonstrating Berkeley Humanoid Lite: An Open-source, Accessible, and Customizable 3D-printed Humanoid Robot
University of California, Berkeley（加州大学伯克利分校）
本文展示开源人形机器人 Berkeley Humanoid Lite，采用模块化 3D 打印齿轮箱和摆线设计，成本低于 5000 美元，并通过强化学习实现仿真到硬件的零样本策略迁移，推动人形机器人民主化。
2025-04-24 cs.RO
A Cognitive Model for Humanoid Robot Navigation and Mapping using Alderbaran NAO
本文的目的是建立人形机器人的认知模型，特别是对人形机器人的导航和地图绘制感兴趣。使用的代理是Alderbaran NAO机器人。该框架有效地应用于集成人工智能，计算机视觉和信号处理问题。我们的模型可以分为两个部分，认知映射和感知。认知映射被假设为三个部分，其表示被提出为一个网络的ASR，一个MFIS，和一个层次的地方代表。另一方面，感知是传统的计算机视觉问题，即图像传感、特征提取和感兴趣目标跟踪。我们项目的要点可以总结如下。首先，机器人应该意识到它在哪里。第二，我们想测试人类如何绘制环境地图的理论。人形机器人将视觉机制与计算机视觉技术相结合，启发了人类的视觉搜索。
2014-07-21 cs.RO
Learning Skateboarding for Humanoid Robots through Massively Parallel Reinforcement Learning
University of Waterloo（滑铁卢大学）；Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）
本研究将人形机器人运动的周期性奖励强化学习方法拓展至滑板任务，用Brax/MJX实现大规模并行训练以提升效率，已取得仿真初步结果，硬件实验正在推进。
2024-09-12 cs.RO
NimbRo Robots Winning RoboCup 2018 Humanoid AdultSize Soccer Competitions
Univ. of Bonn（波恩大学）；Autonomous Intelligent Systems（自主智能系统研究所）
在过去的几年里，人形联盟的规则已经朝着更现实和更具挑战性的比赛环境转变，这鼓励球队提高他们的机器人足球表现。在本文中，我们介绍了导致我们的团队NimbRo赢得AdultSize联赛比赛的软件和硬件设计-包括足球锦标赛，drop in游戏以及2018年蒙特利尔RoboCup的技术挑战。总而言之，这导致NimbRo赢得了最佳人形机器人奖。特别是，我们描述了我们用于视觉感知的深度学习方法和我们新的全3D打印机器人NimbRo-OP 2X。
2019-09-05 cs.RO
Why Look at It at All?: Vision-Free Multifingered Blind Grasping Using Uniaxial Fingertip Force Sensing
Department of Mechanical Engineering, Sogang University（机械工程系，首尔大学）；Department of Electronic Engineering, Sogang University（电子工程系，首尔大学）
本文提出了一种无需视觉或多轴触觉传感器的多指盲抓取方法，通过单轴指尖力反馈和关节本体感觉实现高成功率抓取。
2026-02-07 cs.RO cs.SY eess.SY
Teleoperation of a Humanoid Robot with Motion Imitation and Legged Locomotion
SRM University（SRM大学）
本研究提出一个可模仿人类动作、行走及转弯的遥操作人形机器人系统。为了捕捉人体运动，使用了Microsoft Kinect深度传感器。与笨重的动作捕捉套装不同，传感器使系统更舒适地进行交互。从Kinect中提取骨架数据，并对其进行处理以生成机器人的关节角度。Robot操作系统（ROS）用于代码的各个部分之间的通信，以实现最小的延迟。因此，机器人模仿人类的实时性可以忽略不计的滞后。与大多数人体运动模拟系统不同，该系统不是静止的。用户的下半身运动被捕获和处理，并用于使机器人向前、向后行走以及向右或向左转，从而实现完全动态的遥控人形机器人系统。
2018-12-02 cs.RO
Humanoid Robot Pitch Axis Stabilization using Linear Quadratic Regulator with Fuzzy Logic and Capture Point
Universitas Gadjah Mada（加查马达大学）
本文的目的是一个控制器，可以稳定的位置控制的人形机器人站着不动或走在人造草坪上，即使受到外部干扰。设计并实现了两种控制器：踝关节策略和步进策略。机器人的关节由位置控制伺服系统组成，由于非线性和不可测参数，其解析模型可能很复杂，因此使用非递归最小二乘系统辨识获得人形机器人的动力学模型。利用该模型设计了一个卡尔曼滤波器，用于从有噪声的惯性测量单元（IMU）传感器中估计系统状态，并设计了线性二次型调节器（LQR）控制器。为了处理非线性，LQR控制器扩展了模糊逻辑算法，根据角度和角速度隶属函数改变LQR增益值。该控制系统能够在受到摆锤干扰甚至弹簧平衡的约束力时保持人形机器人绕俯仰轴的稳定性。
2021-01-22 cs.RO
Robot Drummer: Learning Rhythmic Skills for Humanoid Drumming
IDSIA, SUPSI（IDSIA瑞士理工学院）；Department of Mechanical Engineering, Politecnico di Milano（米兰理工学院机械工程系）
研究人形机器人击鼓，提出模拟框架“机器人鼓手”，将击鼓制定为定时接触事件，分解曲目片段，用强化学习并行训练单一策略，经实验验证能高效学习长期表演，展现类人击鼓策略，推动机器人进入音乐表演领域。
2026-07-15 cs.RO
Humanoid Robot With Vision Recognition Control System
本文提出了一种控制仿人机器人系统的解决方案。机器人可以被编程为基于基本运动基元执行某些复杂的动作。该人形机器人使用PC编程。在PC上运行的软件可以在任何给定的时刻获得关于机器人状态的信息，或者它可以对机器人进行编程以执行不同的动作，从而提供实现复杂行为的可能性。我们希望为机器人系统提供更多了解外部真实世界的能力。本文描述了一种使用随机霍夫变换和结果聚类检测真实世界图像中椭圆的方法。实际图像经过预处理、去噪、灰度变换、边缘检测和二值化处理后，才能被实际的椭圆检测器处理。在检测到所有椭圆之后，后处理阶段对结果进行聚类。
2014-01-17 cs.RO
From Screen to Stage: Kid Cosmo, A Life-Like, Torque-Controlled Humanoid for Entertainment Robotics
Department of Mechanical and Aerospace Engineering, University of California, Los Angeles (UCLA)（机械与航空航天工程系，加州大学洛杉矶分校（UCLA））
本文提出Kid Cosmo，一款面向娱乐的儿童尺寸力矩控制人形机器人，通过28个自由度和本体感觉驱动器实现稳健行走与逼真动作，并在电影宣传中验证了角色体现与功能性的结合。
2025-08-16 cs.RO
Learning Expressive Humanoid Locomotion from Monocular Runway Videos for Robot Fashion Shows
Vilnius University（维尔纽斯大学）；Kent State University（肯特州立大学）
提出端到端框架，将单目跑道视频转化为可部署的人形机器人步态策略，使Booster K1在物理试验中稳定执行富有表现力的猫步动作。
2026-09-24 cs.RO
Coordinated Humanoid Robot Locomotion with Symmetry Equivariant Reinforcement Learning Policy
针对现有人形机器人深度强化学习方法忽略形态对称性导致动作不协调的问题，本文提出SE-Policy框架，通过嵌入对称等变/不变性提升运动协调性，在仿真和宇树G1实机上速度跟踪精度最高提升40%。
2025-11-16 cs.RO
Online Balanced Motion Generation for Humanoid Robots
University of Bonn（波恩大学）
降低高阶问题的复杂性可以使它们以分析的方式解决。在本文中，我们提出了一个解析全身运动发生器的人形机器人。我们的方法的目标是廉价的平台，拥有位置控制关节和有限的反馈能力。通过分析类人身体的质量分布，我们发现肢体运动和它们各自的CoM位置之间的关系。一个完整的姿态的人形机器人，然后描述了五个点质量，一个连接到躯干和其余四个分配给每个肢体。这些质量的加权和与接触点结合形成倒立摆。然后，我们通过指定所需的直立摆方向和任何所需的躯干方向来生成静态稳定的姿势。肢体和躯干放置策略用于满足参考CoM位置。一组这些姿势被插值以实现稳定的全身运动。该方法进行了评估，通过执行几个动作与igus类人开放平台机器人。我们证明了该方法的可扩展性，通过应用基本的反馈机制，干扰抑制和跟踪误差最小化。
2018-10-19 cs.RO
Bi-Level Motion Imitation for Humanoid Robots
Aalto University（阿尔托大学）；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
针对人形机器人模仿学习中因形态差异导致人类MoCap数据物理不可行的问题，提出一种双层优化框架，通过自洽自编码器构建潜在动力学模型并生成物理一致的参考运动，从而提升机器人策略性能。
2024-10-02 cs.RO
Learning Safe-Stoppability Monitors for Humanoid Robots
Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）；Foundational Technologies, Siemens Corporation（西门子公司基础技术部）
本文提出PRISM框架，通过数据驱动方法学习状态级停止能力，提高安全监控效率并支持人类oid机器人故障安全行为的可扩展认证。
2026-03-24 cs.RO
