A Systematic Robot Design Optimization Methodology with Application to Redundant Dual-Arm Manipulators
Robotics Institute, Carnegie Mellon University（机器人研究所，卡内基梅隆大学）
针对农业等场景下机器人设计依赖直觉、性能难达最优的问题，提出含四模块的系统化设计优化方法，结合自运动流形冗余指标，使辣椒采摘双臂机器人可达成功率至少提升14%、灵巧性提升超30%。
2025-07-29 cs.RO
Validation of a Control Algorithm for Human-like Reaching Motion using 7-DOF Arm and 19-DOF Hand-Arm Systems
KIST（韩国科学技术研究院）；Georgia Institute of Technology（佐治亚理工学院）
本技术报告概述了我们在冗余机器人系统控制算法方面的工作，以实现类人运动特性。以前，我们开发了一种新的控制律，以展示冗余机器人手臂系统以及手臂躯干系统中的人体运动特性，以完成任务[1]，[2]。这种新开发的方法取消了需要计算的伪逆雅可比矩阵，而任何人工性能指标的制定和优化是不必要的。肌肉刚度和阻尼的时变特性以及人体肌肉的低通滤波器特性已被建模所提出的控制律产生的人的运动特性达到运动像准直线轨迹的末端执行器和对称钟形的速度分布。本文重点介绍了在一个7自由度冗余度机器人手臂系统上进行的实验，实验证明了该算法在仿人运动特性方面的有效性。此外，我们将该算法扩展到19自由度的手臂系统，用于抓取任务。使用19自由度的手臂系统的仿真表明，所提出的方案的有效性，有效的人一样的手臂协调达到掌握任务的捏和信封把握不同形状的物体，如一个盒子，一个圆柱体，和一个球体。
2013-11-05 cs.RO
VAMP-MR: Vector-Accelerated Motion Planning and Execution for Multi-Robot-Arms
Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）；University of Michigan（密歇根大学）
针对多机器人手臂运动规划这一关键挑战，结合经典规划算法与矢量化碰撞检查技术，引入新运动规划器，基于CPU SIMD指令加速碰撞检查，在运动规划和执行后处理中实现加速，并发布实现降低研发门槛。
2026-07-16 cs.RO
Survivable Hyper-Redundant Robotic Arm with Bayesian Policy Morphing
在本文中，我们提出了一个贝叶斯强化学习框架，允许机器人机械手自适应地恢复随机机械故障自主，因此是生存。为此，我们制定了贝叶斯策略变形（BPM）的框架，使机器人代理，以自我修改其学习的策略后，减少其机动维数。我们建立在现有的演员-评论家的框架，并扩展它执行策略梯度更新作为后验学习，过去的政策更新作为先验分布。我们发现，政策搜索，在有偏见的方向由先前的经验，显着提高学习效率的抽样要求。我们使用BPM算法在8自由度机器人手臂上展示了我们的结果，同时有意禁用具有不同损伤类型的随机关节，如无响应关节，恒定偏移误差和角度不精确。我们的研究结果表明，即使有物理损伤，机器人手臂仍然可以成功地保持其功能，以准确地定位和抓住给定的目标对象。
2020-10-20 cs.AI cs.RO
Whole-body MPC for highly redundant legged manipulators: experimental evaluation with a 37 DoF dual-arm quadruped
Italian Institute of Technology（意大利理工学院）；University of Genoa（热那亚大学）
本文提出一种全身MPC框架，在37自由度双臂四足机器人上实现实时控制，无需底层全身控制器，并通过拾取重物和动态小跑实验验证了其有效性与重规划潜力。
2023-10-25 cs.RO
Real-time Whole-body Obstacle Avoidance for 7-DOF Redundant Manipulators
UBTECH Robotics, Inc.（优必选机器人公司）
冗余度机器人的实时的【形】全身避障一直没有得到很好的实现，主要原因是计算量大。提出了一种冗余度机械臂在执行任务过程中，能够保证其全身实时的【形】避开运动障碍物的方法。机械手分为末端执行器和非末端执行器部分。基于动力系统理论，实现了机器人末端实时的【形】避障。此外，末端执行器可以达到给定的目标。采用零空间速度控制，实现了机器人的实时的【形】无端部障碍物避障。最后，设计了一个控制器，以确保全身避障。通过对UBTECH人形机器人的7自由度手臂的仿真和实验，验证了该方法的有效性。
2020-12-29 cs.RO
A Convex Optimization Framework for Constrained Concurrent Motion Control of a Hybrid Redundant Surgical System
Johns Hopkins University（约翰斯·霍普金斯大学）
我们提出了一个限制运动控制框架的冗余手术系统设计的微创治疗骨盆骨溶解。该框架包括一个运动学模型的六自由度（DoF）的机器人手臂集成了一个自由度连续的机械手，以及一种新的凸优化冗余分辨率控制器。为了解决冗余分辨率的问题，制定为一个约束l2正则化二次最小化，我们研究和评估潜在的使用最佳调整交替方向的乘法器（ADMM）算法。为此，我们证明了该算法的全局收敛性在线性速率，并提出表达式所涉及的参数，从而在一个快速收敛。机器人系统上的仿真验证了我们的分析推导，并显示了ADMM算法在我们的冗余手术系统的约束运动控制的能力和鲁棒性。
2018-01-21 cs.RO
Redundancy Parameterization of the ABB YuMi Robot Arm
Department of Electrical, Computer, and Systems Engineering, Rensselaer Polytechnic Institute（电气、计算机与系统工程系，拉特塞尔理工学院）
本文提供了 ABB YuMi 机械臂 SEW 角的首个完整且经验证的定义，推导了其雅可比矩阵与算法奇点条件，并利用 IK-Geo 求解器通过 2D 搜索求解所有逆运动学解。
2025-05-29 cs.RO
ScheduleStream: Temporal Planning with Samplers for GPU-Accelerated Multi-Arm Task and Motion Planning & Scheduling
NVIDIA Research Seattle Robotics Lab (SRL)（NVIDIA西雅图机器人实验室）；University of Sydney（悉尼大学）
提出ScheduleStream，首个通用框架，通过混合持续动作和领域无关算法，结合GPU加速采样器，实现多臂并行任务与运动规划及调度。
2026-05-28 cs.AI cs.MA cs.RO
Local Online Motor Babbling: Learning Motor Abundance of A Musculoskeletal Robot Arm
TU Darmstadt（达姆施塔特工业大学）；Osaka University（大阪大学）
运动牙牙学语和目标牙学语已被用于软机器人高度冗余系统的感觉运动学习。最近在球门牙牙学语方面的工作已经证明了在此类系统上成功学习逆运动学（IK），并表明球门空间中的牙学语通过学习尽可能少的感觉运动映射来更好地解决运动冗余。然而，对于肌肉骨骼机器人系统，运动冗余可以是解释肌肉激活模式的有用信息，因此术语运动丰度。在这项工作中，我们引入了一些简单的算法来经验性地定义未知的目标空间，并学习逆运动学的10自由度的肌肉骨骼机器人手臂使用定向目标babbling。然后，我们进一步提出了本地在线电机咿呀学语使用协方差矩阵自适应演化策略（CMA-ES），引导在目标咿呀学语中收集的样本进行初始化，以便电机丰度可以查询定义的目标空间内的任何静态目标。结果表明，我们的运动咿呀学语方法可以有效地探索运动丰富度，并提供了有用的见解方面的肌肉刚度和协同作用。
2019-06-21 cs.RO
Human-Like Redundancy Resolution for Real-Time Bimanual Humanoid Teleoperation
Institute of AI for Engineering, Tongji University（同济大学工程人工智能研究院）
针对实时双手机器人遥操作中仅跟踪腕部导致的肘部漂移等问题，提出结合自适应肘部引导与奇异鲁棒腕部跟踪的类人冗余度解析框架，实验验证其精度与效率提升，适用于多种机器人形态。
2026-10-14 cs.RO
ReLU-QP: A GPU-Accelerated Quadratic Programming Solver for Model-Predictive Control
Carnegie Mellon University（卡内基梅隆大学）
本文提出ReLU-QP，将ADMM二次规划求解器重构为ReLU神经网络以在GPU上实时求解，在三个MPC基准上验证其性能，对大规模问题实现数量级加速。
2023-11-29 cs.RO
Control of over-redundant cooperative manipulation via sampled communication
University of Padova（帕多瓦大学）；ETH Zurich（苏黎世联邦理工学院）；University of Twente（特文特大学）；LAAS-CNRS；Université de Toulouse（图卢兹大学）；CNRS（法国国家科学研究中心）
在这项工作中，我们考虑的问题，需要通过电缆或机械臂操纵/运输对象的移动机器人。我们考虑的情况下，操纵机器人的数量是冗余的，即所需的对象配置可以通过不同的配置的机器人。这项工作的目的是表明，通信可以用来实现合作的本地反馈控制器的机器人，以提高抗干扰和减少结构应力的对象。特别是，我们认为现实的情况下，测量采样和通过无线传输，采样周期是可比的系统动态时间常数。我们首先提出了一个运动学模型，这是一致的高增益控制下的整体系统动力学，然后我们提供了充分条件下的指数稳定性和单调下降的配置误差在不同的范数。最后，我们测试所提出的控制器的完整的动态系统显示本地通信的好处。
2021-12-02 cs.MA cs.RO
Contact-Rich Trajectory Generation in Confined Environments Using Iterative Convex Optimization
Robotics Institute Carnegie Mellon University（卡内基梅隆大学机器人研究所）；Siemens CT（西门子中央研究院）
在动态不确定环境中应用智能机器人手臂（即，柔性生产线）仍然具有挑战性，这需要用于实时的轨迹生成的有效算法。用于机器人轨迹生成的运动规划问题是高度非线性和非凸的，其通常伴随有碰撞避免约束、机器人运动学和动力学约束以及任务约束（例如，遵循在表面上限定的笛卡尔轨迹并保持接触）。非线性、非凸规划问题求解起来计算量大，限制了机器人手臂在现实世界中的应用。针对具有复杂约束条件的冗余度机器人手臂规划问题，提出了一种基于迭代凸优化的运动规划方法，该方法能够有效地处理约束条件并实时的生成最优轨迹。该规划器保证了接触丰富的任务约束的满足，并避免在受限环境中的碰撞。通过大量的焊接磨削轨迹生成实验，验证了该方法的有效性及其在先进机器人制造中的适用性。
2020-08-09 cs.RO
Real-Time Conformal-Seeded Hybrid Inverse Kinematics for Offset Redundant Manipulators
VinRobotics；Nanyang Technological University（南洋理工大学）；VinRobotics JSC（VinRobotics股份公司）；Center for AI Research (CAIR), VinUniversity（VinUniversity人工智能研究中心）
本文提出一种共形播种混合逆运动学框架，结合解析候选生成、学习排序与数值细化，实现偏移冗余7自由度机械臂的实时高精度求解，成功率100%。
2026-10-06 cs.RO cs.SY eess.SY
Machine Learning and Optimization Techniques for Solving Inverse Kinematics in a 7-DOF Robotic Arm
University of Salford（索尔福德大学）
针对7自由度冗余机械臂的逆运动学求解问题，研究13种优化技术并提出一种融合机器学习探索能力与数值方法开发能力的新方法，速度比传统粒子群优化快200倍以上。
2024-06-18 cs.AI cs.LG cs.RO
An Efficient Representation of Whole-body Model Predictive Control for Online Compliant Dual-arm Mobile Manipulation
School of Informatics, The University of Edinburgh（爱丁堡大学信息学院）；The Alan Turing Institute（艾伦·图灵研究所）
针对双臂移动机械臂在线全身运动规划的约束难题，提出基于贝塞尔曲线参数化的双层MPC高效轨迹表示方法，提升高维空间在线执行效率与鲁棒性。
2024-10-30 cs.RO
The Unexpired Plan: A Free Monitor for Accelerated Diffusion Policies
Carnegie Mellon University（卡内基梅隆大学）
本研究提出一种基于未过期计划的免费监视器，通过极少触发的偏差统计量守护扩散策略加速中的每次调用，在保持±2分余量的同时将计算量减少1.55至3.09倍，并在多个任务家族中验证其价值。
2026-10-06 cs.RO
DexPBT: Scaling up Dexterous Manipulation for Hand-Arm Systems with Population Based Training
本文提出DexPBT算法，利用去中心化基于种群的训练（PBT）大规模放大深度强化学习的探索能力，使模拟单臂或双臂多指手机器人能学习重新抓取、抓取并投掷等极具挑战性的灵巧操作任务，显著优于常规端到端学习并能发现鲁棒控制策略。
2023-05-20 cs.AI cs.RO
A Minimum-Energy Control Approach for Redundant Mobile Manipulators in Physical Human-Robot Interaction Applications
本文提出一种最小化整体动能的控制方法，用于冗余移动机械臂在物理人机交互任务中提升系统性能。
2026-09-10 cs.RO cs.SY eess.SY
Asymmetric Dual-Arm Task Execution using an Extended Relative Jacobian
Division of Robotics, Perception and Learning, KTH Royal Institute of Technology（机器人、感知与学习 division，皇家理工学院）；Dept. of Electrical Eng., Chalmers University of Technology（电气工程系，查尔默斯技术大学）
本文提出了一种基于扩展相对雅可比的非对称双臂任务执行方法，通过定义非对称相对运动空间，允许用户在不指定绝对运动目标的情况下设置任务执行的不对称程度，同时保留绝对运动作为功能性冗余。
2019-08-20 cs.RO cs.SY eess.SY
FH-DRL: Exponential-Hyperbolic Frontier Heuristics with DRL for accelerated Exploration in Unknown Environments
Konkuk University（建国大学）；Kookmin University（国民大学）
针对未知环境自主探索中先验地图缺失的问题，提出FH-DRL框架，结合指数-双曲前沿启发式与TD3智能体，平衡近远探索收益并实时考虑环境特征，在模拟与真实场景中显著提升探索效率，优于现有方法。
2025-02-13 cs.AI cs.RO cs.SY
