Stiffness Copilot: An Impedance Policy for Contact-Rich Teleoperation
本文提出Stiffness Copilot,一种基于视觉的共享控制策略,通过在线调整机器人刚度实现安全高效的接触丰富任务远程操作。
2026-08-05 cs.RO
A Contact Model based on Denoising Diffusion to Learn Variable Impedance Control for Contact-rich Manipulation
Digital & AI Technology Center, Technology Division, Panasonic Holdings Corporation(松下控股公司技术事业部数字与人工智能技术中心);Robotics Promotion Office, Manufacturing Innovation Division, Panasonic Holdings Corporation(松下控股公司制造创新事业部机器人推进办公室);Ritsumeikan University(立命馆大学)
本文提出扩散接触模型(DCM),利用去噪扩散模型的多步迭代计算模拟高度非线性的接触动力学,从变刚度输入预测接触轨迹,在保持与传统优化方法相当性能的同时显著减少了机器人试错次数。
2024-03-20 cs.RO
Contact-Aware Impedance Controller for Robot-Assisted Ultrasound Imaging
Center for Robotics and AI (ROMER), Middle East Technical University(中东技术大学机器人与人工智能中心(ROMER))
提出基于B模式超声图像的接触感知与阻抗控制方法,实现接触定位与力降低,实验显示接触定位误差1.46mm,最大压缩力降低36.3%,提升安全性与准确性。
2026-09-29 cs.RO
HumanoidVLM: Vision-Language-Guided Impedance Control for Contact-Rich Humanoid Manipulation
Skolkovo Institute of Science and Technology(斯克尔科沃科学与技术研究所)
HumanoidVLM通过视觉-语言模型和检索增强生成模块,实现人形机器人在接触密集场景中的自适应阻抗控制与抓取配置选择。
2026-01-21 cs.RO
Continuous Manifold-Decomposed Impedance Retargeting for Contact-Rich Imitation Learning
The University of Tokyo(东京大学)
提出CMDIR,将固定阻抗演示转化为连续变阻抗控制器,作为模仿学习监督,在真实接触任务中提升保留率并降低力波动,FastMPO加速5.8-9.4倍。
2026-09-15 cs.RO
Impedance Cloning: Learning Equilibrium Point Parameters for Contact-Rich Manipulation
Saitama University(埼玉大学)
提出阻抗克隆方法,通过模仿刚度和平衡点参数而非轨迹,实现接触丰富操作对表面几何变化的鲁棒性,在擦拭和拾放任务中优于轨迹基线和固定阻抗基线。
2026-09-28 cs.RO
FILIC: Dual-Loop Force-Guided Imitation Learning with Impedance Torque Control for Contact-Rich Manipulation Tasks
Tsinghua University(清华大学);The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));DISCOVER Robotics(DISCOVER机器人)
提出FILIC框架,通过双环结构结合Transformer策略与阻抗控制器,利用关节力矩估计末端力,实现无力传感器下的力感知接触操作,显著提升安全性和适应性。
2026-06-23 cs.RO
Desired Impedance Allocation for Robotic Systems
Faculty of Engineering and Natural Science, Tampere University(工程与自然科学学院,塔尔库大学)
本研究首次在虚拟分解控制框架中引入第二阶阻抗分配方法,通过重新定义末端速度并引入加速度和伪阻抗项,在保持模块化的同时实现了更优的跟踪与接触性能,显著提升了刚性环境下的交互稳定性。
2025-05-02 cs.RO
Nonlinear Subsystem-based Adaptive Impedance Control of Physical Human-Robot-Environment Interaction in Contact-rich Tasks
Tampere University(坦佩雷大学)
针对7自由度触觉外骨骼在接触丰富任务中的稳定性与渲染能力问题,提出基于子系统的自适应阻抗控制方法,并通过虚拟稳定性证明和可变虚拟质量元件改进Z-width,实验验证了其有效性。
2023-08-09 cs.RO
Interactive Force-Impedance Control
PRISMA Lab, Department of Electrical Engineering and Information Technology, University of Naples Federico II(那不勒斯费德里科二世大学电气工程与信息技术系PRISMA实验室);Chair of Information-oriented Control (ITR), Department of Electrical and Computer Engineering, Technical University of Munich(慕尼黑工业大学电气与计算机工程系信息导向控制教席)
本文提出统一交互力-阻抗控制框架,通过端到端学习适应交互功率流,确保在密集接触环境中安全高效的机器人与人类协作。
2026-03-31 cs.RO
A Projected Inverse Dynamics Approach for Dual-arm Cartesian Impedance Control
University of Edinburgh(爱丁堡大学);University of Birmingham(伯明翰大学);Technical University Braunschweig(布伦瑞克工业大学)
我们提出了一种方法,双臂操纵的刚性物体,受到外部干扰。该问题被制定为一个笛卡尔阻抗控制器内的投影逆动力学框架。我们使用控制器的受约束组件来强制接触和无约束控制器来完成具有期望的6-DOF阻抗行为的任务。此外,所提出的方法优化了保持接触所需的扭矩,受到未知的干扰,并且可以在不直接测量外力的情况下这样做。该技术进行了评估单臂擦拭表和双臂平台操纵一个刚性物体的未知质量和与人类的互动。
2017-07-03 cs.RO
Impedance Optimization for Uncertain Contact Interactions Through Risk Sensitive Optimal Control
Tandon School of Engineering, New York University(纽约大学坦登工程学院);Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所)
本文讨论的问题,计算最佳阻抗的腿运动任务涉及复杂的接触相互作用的时间表。我们制定的问题阻抗调节作为干扰抑制和测量不确定性之间的权衡。我们扩展了随机最优控制算法称为风险敏感控制,考虑到测量的不确定性,并提出了一个正式的方法,包括未知的接触位置的不确定性。该方法可以有效地生成最优状态和控制轨迹以及局部反馈控制增益,即阻抗时间表。大量的模拟表明,该方法在产生有意义的刚度和阻尼调制模式之前和之后的接触相互作用的能力。例如,接触力在早期接触期间减小,阻尼增加以预期高冲击事件,并且跟踪自动地权衡以增加稳定性。特别是,我们表现出一个显着的性能改善,在跳跃和小跑任务与模拟四足机器人。
2021-01-25 cs.RO cs.SY eess.SY
Constraint-Grounded Reinforcement Learning for Variable Impedance Control in Contact-Rich Robotic Insertion
The University of Tennessee(田纳西大学)
针对机器人插入中固定增益需手动调整的问题,提出约束锚定强化学习框架,在力限制下在线调整阻抗增益,实验显示成功率显著优于固定增益基线。
2026-09-15 cs.RO
CompliantVLA-adaptor: VLM-Guided Variable Impedance Action for Safe Contact-Rich Manipulation
Human-Robot Interfaces and Interaction Lab, Istituto Italiano di Tecnologia, Genoa, Italy(人机交互实验室,意大利理工学院,热那亚,意大利);Ph.D. program of national interest in Robotics and Intelligent Machines (DRIM) and Università di Genova, Genoa, Italy(机器人与智能机器国家利益博士项目和热那亚大学,热那亚,意大利);Edwardson School of Industrial Engineering, Purdue University, West Lafayette, IN 47907, USA(工业工程埃德华森学校,普渡大学,西拉法克萨,印第安纳州47907,美国);Georgia Institute of Technology, Atlanta, USA(佐治亚理工学院,亚特兰大,美国);German Research Center for AI, Germany(德国人工智能研究中心,德国);TU Darmstadt, Darmstadt, Germany(图宾根大学,图宾根,德国);Karlsruhe Institute of Technology, Karlsruhe, Germany(卡尔斯鲁厄理工学院,卡尔斯鲁厄,德国)
本文提出CompliantVLA-adaptor,通过引入基于视觉语言模型的上下文感知变量阻抗控制,提升接触密集任务的安全性和有效性。方法通过图像和自然语言解读任务上下文,调节阻抗控制器的刚度和阻尼参数,并利用实时力/扭矩反馈确保安全。实验表明在模拟和现实任务中均优于基线方法。
2026-03-17 cs.RO
Quadrotor Manipulation System: Development of a Robust Contact Force Estimation and Impedance Control Scheme Based on DOb and FTRLS
Cardiff Metropolitan University(卡迪夫城市大学);Menoufia University(米努菲亚大学);Egypt-Japan University of Science and Technology(埃及日本科学技术大学)
本文针对四旋翼机械臂操作系统的不稳定性与力估计难题,提出基于扰动观测器DOb和快速跟踪递归最小二乘FTRLS的鲁棒接触力估计与阻抗控制方案,并通过数值仿真验证其有效性。
2024-09-05 cs.RO
Imp-ACT: Adaptive Impedance Control and Action Chunking with Transformers to Learn Contact-Rich Manipulation from Demonstrations
Istituto Italiano di Tecnologia(意大利理工学院);Carnegie Mellon University(卡内基梅隆大学)
Imp-ACT通过遥操作中自适应刚度调制和Transformer动作分块,在擦拭和插头插入任务中实现高成功率并显著降低接触力。
2026-09-28 cs.RO
Dynamic analysis of simultaneous adaptation of force, impedance and trajectory
Imperial College of Science, Technology and Medicine(帝国理工学院)
当执行与环境接触的任务时,发现人类同时适应力、阻抗和轨迹。在这里,我们开发了一个机器人模型,这种机制在人类和分析的基础动力学。我们推导出一个通用的自适应控制器的机器人与环境的相互作用,其特点是它的刚度和阻尼,使用李雅普诺夫理论。
2016-05-25 cs.RO
Learning Variable Impedance Control for Contact Sensitive Tasks
Max-Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所);New York University(纽约大学)
强化学习算法在解决从玩视频游戏到机器人等不同问题方面取得了巨大成功。然而,他们很难解决微妙的机器人问题,特别是那些涉及接触互动的问题。虽然原则上直接输出关节力矩的策略应该能够学习执行这些任务,但在实践中,我们看到,在动作空间中没有任何给定结构的情况下,很难鲁棒地解决问题。在本文中,我们研究了如何选择的行动空间可以给鲁棒性能存在接触的不确定性。我们提出了一种学习策略,给出输出阻抗和期望的位置在关节空间,并比较不同的接触不确定性下的转矩和位置控制的方法的性能。此外,我们提出了一个额外的奖励条款,旨在规范这些可变阻抗控制政策,使他们的可解释性,并促进其转移到真实的系统。我们提出了广泛的实验模拟浮动和固定基地系统的任务,涉及接触的不确定性,以及在一个真实的系统上运行的学习政策的结果。
2020-07-14 cs.AI cs.LG cs.RO
VIDP: Variable Impedance Diffusion Policy for Compliant Robot Manipulation from Diverse Demonstrations
该研究针对接触丰富的机器人操作问题,提出基于模仿学习的可变阻抗控制框架VIDP,利用TP-DAMM从多样本演示中提取物理一致的轨迹分布,无需力传感器即可联合预测位姿与柔顺性,在真实实验中任务成功率及力、跟踪误差表现均优于基线方法。
2026-08-07 cs.RO
Visualizing Impedance Control in Augmented Reality for Teleoperation: Design and User Evaluation
Eindhoven University of Technology(埃因霍温理工大学)
针对低成本无触觉反馈遥操作中力感知困难的问题,提出增强现实可视化阻抗控制器目标位姿及其与末端执行器位移的方法,实验表明该可视化使力关键提升任务完成时间减少24%。
2026-07-02 cs.RO
Impedance Primitive-augmented Hierarchical Reinforcement Learning for Sequential Tasks
TU Delft(代尔夫特理工大学);IISc Bangalore(班加罗尔印度理工学院)
本文提出阻抗基元增强的分层强化学习框架,通过可变刚度动作空间、自适应刚度控制器和可供性耦合,提升顺序接触任务中的学习效率、基元组合性与成功率,并验证了 sim2real 能力。
2025-08-27 cs.RO
Model Predictive Impedance Control with Gaussian Processes for Human and Environment Interaction
Fraunhofer IPK(弗劳恩霍夫生产设备与设计技术研究所)
本文提出基于高斯过程的模型预测控制框架,用于处理人机交互中的多种不确定性,通过非线性优化提升机器人轨迹和阻抗的适应性与安全性。
2022-12-10 cs.RO
Visuo-Tactile Exploration of Unknown Rigid 3D Curvatures by Vision-Augmented Unified Force-Impedance Control
Chair of Robotics and Systems Intelligence, MIRMI-Munich Institute of Robotics and Machine Intelligence, Technical University of Munich(慕尼黑工业大学机器人与系统智能教席,慕尼黑机器人与机器智能研究所);Centre for Tactile Internet with Human-in-the-Loop (CeTI)(以人为中心的触觉互联网中心)
本文提出VA-UFIC方法,通过融合视觉与触觉数据直观探索未知三维曲率,利用在线接触对齐监测系统自适应调整刚度与力,并引入虚拟能量罐保障安全,在Franka Emika机器人上验证了其有效性。
2024-08-26 cs.RO
Diffusion-Based Impedance Learning for Contact-Rich Manipulation Tasks
Institute for Anthropomatics and Robotics, Karlsruhe Institute of Technology(人机动力学与机器人研究所,卡尔斯鲁厄技术大学);Department of Mechanical Engineering, Massachusetts Institute of Technology(机械工程系,麻省理工学院);Department of Brain and Cognitive Sciences, Massachusetts Institute of Technology(脑与认知科学系,麻省理工学院)
本文提出基于扩散的阻抗学习框架,结合生成建模与能量一致的阻抗控制,实现接触丰富的操作任务中的高精度动态控制与任务泛化能力。
2026-08-12 cs.AI cs.LG cs.RO
Soft Continuum Actuator Tip Position and Contact Force Prediction, Using Electrical Impedance Tomography and Recurrent Neural Networks
Imperial College London(帝国理工学院)
本文提出基于EIT与LSTM的软体弯曲驱动器形状感知方法,利用EIT数据和压力输入预测末端位置与接触力,并通过通道数对比验证了精度提升。
2023-04-25 cs.RO
Impedance Control of Ship-Borne Manipulators via Optimization-based Task-Space Inverse Dynamics
针对舰载机械手受波浪基座运动影响问题,提出基于扭矩水平优化控制框架,结合任务空间逆动力学和误差状态卡尔曼滤波器,经仿真与实验验证,有效降低跟踪误差,实现动态销孔插入,提升操作成功率并减少接触力。
2026-07-27 cs.RO
Variable Impedance Control in End-Effector Space: An Action Space for Reinforcement Learning in Contact-Rich Tasks
Stanford University(斯坦福大学);Nvidia(英伟达)
近年来,接触丰富的操作任务的强化学习(RL)取得了令人印象深刻的结果。虽然RL中的许多研究都集中在改变观察空间或奖励模型上,但很少有人关注动作空间的选择(例如关节或末端执行器空间,位置,速度等)。然而,在机器人运动控制的研究表明,选择一个动作空间,符合任务的特点,可以简化探索和提高鲁棒性的干扰。本文研究了深度强化学习中不同动作空间的影响,并倡导末端执行器空间(VICES)中的可变阻抗控制作为约束和接触丰富任务的有利动作空间。我们评估三个原型操作任务的多个动作空间:路径跟踪(无接触任务),开门(运动约束任务),和表面擦拭(连续接触任务)。我们表明,VICES提高了样本效率,保持低能耗,并确保所有三个实验设置的安全性。此外,使用VICES学习的RL策略可以在仿真中跨不同的机器人模型传输,并且对于同一机器人可以从仿真传输到真实。更多信息请访问https://stanfordvl.github.io/vices。
2019-08-02 cs.AI cs.LG cs.RO
Hybrid Impedance-Admittance Control with Multi-Link Aerial Robot for Contact-Rich Surface Sliding Task
The University of Tokyo(东京大学)
该研究针对多旋翼空中机器人,提出混合阻抗-导纳控制策略,利用其铰接形态分离力与运动调节,实现未知表面上稳健柔顺的接触丰富表面滑动任务。
2026-08-04 cs.RO cs.SY eess.SY
URF: A Unified Robot Control-Policy Framework for Stable Contact Aware Manipulation
Faculty of Mechanical Engineering, Sungkyunkwan University(成均馆大学机械工程学院);Faculty of Intelligent Robotics, Sungkyunkwan University(成均馆大学智能机器人学院)
研究针对基于学习的操纵策略中动作预测与执行分离在刚性接触时的问题,提出URF统一框架,结合多模态观察预测虚拟目标等,利用接触力构建标签监督控制器模式预测,在相关任务中提升成功率并减少失败模式。
2026-07-24 cs.RO
Force-Aware Residual DAgger via Trajectory Editing for Precision Insertion with Impedance Control
Xi’an Jiaotong-Liverpool University(西交利物浦大学)
本文提出TER-DAgger框架,通过优化轨迹编辑学习残差策略,减少协变量偏移,结合力感知的失败预判机制和阻抗控制框架,提升精确插入任务的成功率。
2026-07-24 cs.RO
Development of a Novel Impedance-Controlled Quasi-Direct-Drive Robotic Hand
Stony Brook University(石溪大学)
本文提出一种新型四自由度准直驱两指机械手,采用关节空间和笛卡尔空间变阻抗控制及FOC算法,无需复杂力传感器即可安全实现稳定的力闭合抓取、手内操作及动态操作,且基于3D打印构建为低成本平台。
2024-05-29 cs.RO
OmniVIC: A Self-Improving Variable Impedance Controller with Vision-Language In-Context Learning for Safe Robotic Manipulation
Human-Robot Interfaces and Interaction Lab, Istituto Italiano di Tecnologia, Genoa, Italy(人机交互实验室,意大利理工学院,热那亚);Georgia Institute of Technology, Atlanta, USA(佐治亚理工学院,美国亚特兰大)
针对传统可变阻抗控制器在复杂非结构化接触场景泛化性不足的问题,提出融合自改进RAG、ICL与VLM的OmniVIC控制器,结合力反馈保障安全,在仿真和真实任务中显著提升成功率并减少力违规。
2026-10-30 cs.RO
Ultrasound-Guided Assistive Robots for Scoliosis Assessment with Optimization-based Control and Variable Impedance
The Hong Kong Polytechnic University(香港理工大学)
医疗保健辅助机器人的需求不断增长,因为它具有将医生从日常工作中解放出来的巨大潜力。在本文中,我们研究了一个基于优化的控制框架的超声引导辅助机器人进行脊柱侧凸评估的发展。利用超声成像进行脊柱侧凸评估的常规程序通常需要执业医师沿着患者的背部滑动超声探头。为了自动化这种类型的过程中,我们需要考虑多个目标,如接触力,位置,方向,能量,姿态等,以解决上述组件,我们建议制定控制框架设计作为一个二次规划问题,每个目标的权重由其任务的优先级受到一组平等和不平等的约束。此外,由于机器人需要在脊柱扫描过程中与患者建立恒定的接触,因此我们在控制架构中加入了末端执行器位置和方向的可变阻抗调节,以增强物理人机交互过程中的安全性和稳定性。其中,通过从医学专家的演示中学习来检索可变阻抗增益。所提出的方法进行评估的自主脊柱侧凸评估与机器人操作器xArm的真实世界的实验。通过获得的体模和人体受试者的冠状脊柱图像验证了该方法的有效性。
2022-03-04 cs.RO
Development of a Novel Impedance-Controlled Quasi-Direct-Drive Robot Hand
Stony Brook University(石溪大学)
本研究研发了一款带关节与笛卡尔空间可变阻抗控制的准直驱双指机器人手,采用FOC电流传感控转矩、可反向驱动齿轮系,3D打印加现成组件实现低成本,无需复杂力/触觉传感器即可完成多种灵巧抓取与操作任务。
2023-08-21 cs.RO
Compliance for Free: Learning Identifiable Impedance via Bilateral Teleoperation
Institut de Robòtica i Informàtica Industrial, CSIC-UPC Barcelona(巴塞罗那工业机器人研究所(CSIC-UPC))
针对视觉-语言-动作模型缺乏合规性监督的问题,提出利用四通道双边遥操作消除可辨识性障碍,以零标注成本生成每轴刚度标签并微调VLA,在Franka擦拭任务中实现接触力随指令显著变化。
2026-09-18 cs.RO
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
ComFree-Sim: A GPU-Parallelized Analytical Contact Physics Engine for Scalable Contact-Rich Robotics Simulation and Control
本文提出ComFree-Sim,一种基于GPU并行的分析接触物理引擎,通过阻抗式预测-校正更新计算接触冲量,实现接触计算的线性时间复杂度,适用于接触密集型机器人仿真与控制。
2026-03-14 cs.RO
Contact-rich SE(3)-Equivariant Robot Manipulation Task Learning via Geometric Impedance Control
UC Berkeley(加州大学伯克利分校);Yonsei University(延世大学)
本文提出一种基于SE(3)几何阻抗控制与学习型增益调度的机器人操作任务学习方法,通过几何一致误差向量实现等变策略,显著提升学习可迁移性,并在插孔任务中验证了可行性。
2023-12-18 cs.RO cs.SY eess.SY
Learning Variable Impedance Control via Inverse Reinforcement Learning for Force-Related Tasks
University of California, Berkeley(加州大学伯克利分校);Harbin Institute of Technology(哈尔滨工业大学)
许多操作任务需要机器人与未知环境进行交互。在此类应用中,根据不同任务阶段和环境约束调整阻抗的能力对于安全性和性能至关重要。虽然已经提出了许多基于深度强化学习(RL)和从演示示教学习(LfD)学习的方法来获得接触丰富的操作任务上的可变阻抗技能,但是这些技能通常是特定于任务的,并且可能对任务设置的变化敏感。本文提出了一种基于逆强化学习(IRL)的方法,从专家演示中恢复可变阻抗策略和奖励函数。我们探索不同的行动空间的奖励函数,以实现更一般的表示专家的可变阻抗技能。两个可变阻抗任务(钉孔和杯板)的实验进行了模拟和真正的FANUC LR Mate 200 iD/7 L工业机器人。与行为克隆和基于力的IRL的比较结果表明,增益动作空间中的学习奖励函数比力空间中的学习奖励函数具有更好的可传递性。实验视频可在https://msc.berkeley.edu/research/impedance-irl.html上获得。
2021-02-13 cs.RO
Stability-Guaranteed Reinforcement Learning for Contact-rich Manipulation
Royal Institute of Technology(瑞典皇家理工学院);ASEA Brown Boveri (ABB) Corporate Research(ABB集团企业研究院)
强化学习(RL)在接触丰富的操作任务中取得了相当大的成功,但它仍然落后于机器人控制理论的进步,如阻抗控制和稳定性保证。最近,可变阻抗控制(VIC)的概念被采用到RL中,并取得了令人鼓舞的结果。然而,更重要的稳定问题仍未得到解决。为了澄清稳定强化学习中的挑战,我们引入了术语“全时稳定性”,这明确意味着每一个可能的部署都将获得稳定性认证。我们的贡献是一个无模型RL方法,不仅采用VIC,但也实现了所有的时间稳定性。基于最近提出的稳定VIC控制器作为策略参数化,我们引入了一种新的策略搜索算法,该算法受到交叉熵方法的启发,本质上保证了稳定性。我们的实验研究证实了稳定性保证的可行性和实用性,并具有,据我们所知,第一次成功应用RL与所有的时间稳定的基准问题的钉孔。
2020-09-27 cs.RO
Integrated Grasping Controller Leveraging Optical Proximity Sensors for Simultaneous Contact, Impact Reduction, and Force Control
Kyushu University(九州大学);Kanazawa University(金泽大学)
本文提出一种集成抓取控制器,基于多重阻抗控制和虚拟动力学思想,利用光学接近传感器同时实现手指同时接触、冲击抑制和接触力控制,从而有效抓取未知物体。
2024-07-08 cs.RO
A Self-Tuning Impedance-based Interaction Planner for Robotic Haptic Exploration
Saitama University(埼玉大学);Istituto Italiano di Tecnologia(意大利技术研究院)
本文提出一种基于自调谐阻抗的机器人触觉交互规划方法,通过Exploration和Bouncing两种策略利用触觉信息适应环境不确定性,实现柔顺接触与自主轨迹规划,实验验证了其在迷宫探索中的有效性与可扩展性。
2022-09-02 cs.RO
HapFIC: An Adaptive Force/Position Controller for Safe Environment Interaction in Articulated Systems
University of Edinburgh(爱丁堡大学);University of Oxford(牛津大学)
触觉交互对于动物的动态灵活性是必不可少的,动物使用来自其本体感受的力反馈从阻抗无缝切换到导纳行为。然而,这种能力在机器人中重现是极具挑战性的,特别是在处理复杂的交互动态,分布式接触和接触切换时。当前基于模型的控制器需要精确的交互建模来考虑接触并稳定交互。在这篇手稿中,我们提出了一个自适应力/位置控制器,利用分形阻抗控制器的无源性和非线性执行有限搜索算法,使用从传感器的力反馈信号在末端执行器。该方法是计算成本低,开放的可能性,在未来处理分布式接触。我们在物理仿真中评估了该体系结构,并表明该控制器可以鲁棒地控制与不同动力学对象的相互作用,而不会违反最大允许目标力或导致数值不稳定,即使是非常刚性的对象。所提出的控制器也可以自主处理接触切换,并可能会发现在多个领域,如腿运动,康复和辅助机器人的应用。
2021-07-20 cs.RO
Plug, Play and Comply: Plugin-Based Compliant Control in ROS 2
College of Information Science and Technology, Eastern Institute of Technology(信息科学与技术学院,东方理工学院);Zhejiang Key Laboratory of Industrial Intelligence and Digital Twin, Eastern Institute of Technology(浙江省工业智能与数字孪生重点实验室,东方理工学院)
该论文提出与机器人无关的柔顺控制框架,通过插件架构分离控制器与控制律,标准化接口支持多种控制公式。其参考笛卡尔阻抗控制器可在线更新柔顺方向,实验和仿真验证了在不同操纵器上的任务相关柔顺性及可移植性。
2026-10-27 cs.RO
An Open Torque-Controlled Modular Robot Architecture for Legged Locomotion Research
Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所);Tandon School of Engineering, New York University(纽约大学坦登工程学院);Laboratory for Analysis and Architecture of Systems, Centre National pour la Recherche Scientifique(法国国家科学研究中心系统分析与架构实验室)
提出了一种新的开源力矩控制足式机器人系统,其核心是低成本、低复杂度的执行器模块。它由一个高扭矩无刷直流电机和一个低齿轮比传输适合阻抗和力控制。我们还提出了一种新的脚接触传感器适用于腿部运动与硬冲击。具有大运动范围的2.2公斤四足机器人由八个相同的致动器模块和四条带有足部接触传感器的小腿组装而成。利用标准的塑料3D打印和现成的零件,可以制造出重量轻、价格便宜的机器人,从而可以在研究界快速分发和复制。我们系统地表征了在静态和动态情况下在脚上实现的阻抗,并测量了最大无量纲腿部刚度为10.8,没有主动阻尼,这是一个跑步的人的腿部刚度。最后,为了证明四足动物的能力,我们提出了一种新的控制器,它结合了前馈接触力计算从一个kino-dynamic优化与阻抗控制的质量中心和基地的方向。该控制器可以调节复杂的运动,同时对环境的不确定性具有鲁棒性。
2020-02-23 cs.RO
Variable impedance control and learning -- A review
Aalto University(阿尔托大学);University of Innsbruck(因斯布鲁克大学)
本文综述可变阻抗控制的控制与学习方法,提出基于可变性、学习和控制的机械阻抗新分类,并总结优劣、开放问题及潜在解决框架。
2020-10-27 cs.RO
Design of an Energy-Aware Cartesian Impedance Controller for Collaborative Disassembly
Aalborg University(奥尔堡大学);Istituto Italiano di Tecnologia(意大利技术研究院)
针对协作拆卸中非计划交互与接触丢失的安全问题,提出带能量缩放、阻尼注入和能量罐约束的能量感知笛卡尔阻抗控制器,并在真实拧松任务中验证其优于标准及混合力–阻抗方案。
2023-09-28 cs.RO
Robust Adaptive Backstepping Impedance Control of Robots in Unknown Environments
Research Center for Systems and Technologies (SYSTEC), ARISE, Faculty of Engineering, University of Porto, 4200-465 Porto, Portugal(系统与技术研究中心(SYSTEC),ARISE,工程学院,波尔图大学,葡萄牙4200-465波尔图);Intelligent Autonomous Systems Lab, Department of Computer Science, TU Darmstadt, Germany(智能自主系统实验室,计算机科学系,达姆施塔特技术大学,德国)
本文提出了一种针对在接触丰富且不确定环境中操作的机器人鲁棒自适应反步阻抗控制(RABIC)策略,该策略考虑了系统的完整耦合动力学,并明确考虑了外部扰动和未建模动力学等关键不确定性来源,而无需机器人动态参数。通过反步方法设计内环以跟踪参考阻抗模型,利用泰勒级数估计器估计系统动力学并采用自适应估计器确定外部力的上界。稳定性分析证明了整体系统的半全局有限时间稳定性。通过模拟移动机械臂场景和对实际Franka Emika Panda机器人的实验评估,证明了所提方法在安全性、轨迹跟踪和力监测方面优于PD控制。
2026-04-10 cs.RO
Constraint-Decomposed Impedance Control from Generative Policy for Articulated Object Manipulation
KAIST(韩国科学技术院);Seoul National University(首尔大学)
本文针对关节对象操作中神经策略难以满足运动学约束的问题,提出约束分解阻抗控制方法,通过生成式策略采样与PCA确定阻抗增益,可降低接触载荷并维持任务执行。
2026-10-14 cs.RO
An Adaptive Framework for Reliable Trajectory Following in Changing-Contact Robot Manipulation Tasks
Sunrise Setting Ltd(日出设置有限公司);SAGE Publications Ltd(SAGE出版有限公司);University of Birmingham(伯明翰大学);Honda Research Institute Europe GmbH(本田欧洲研究院有限公司)
我们描述了一个框架,改变接触机器人操作任务,需要机器人与物体和表面接触和断开。这种任务的不连续的交互动力学使得难以构建和使用单个动力学模型或控制策略,并且在接触变化期间动力学的高度非线性性质可能对机器人和物体造成损害。我们提出了一个自适应控制框架,使机器人能够逐步学习,以预测在不断变化的接触任务中的接触变化,学习分段连续系统的相互作用动力学,并提供平滑和准确的轨迹跟踪使用任务空间可变阻抗控制器。我们实验比较我们的框架的性能对代表性的控制方法,以建立我们的框架的自适应控制和增量学习组件需要实现平滑控制中存在的不连续的动态变化接触机器人操作任务。
2021-11-15 cs.RO
Towards High-Payload Admittance Control for Manual Guidance with Environmental Contact
Fraunhofer Institute for Production Systems and Design Technology(弗劳恩霍夫生产系统与设计技术研究所)
力控制可实现动手教学和物理协作,并有可能改善人体工程学和自动化的灵活性。已建立的柔度、阻抗控制和\rev{collision response}设计方法可以在重量轻、载荷较低的机器人上实现自由空间稳定性和可接受的峰值接触力。将协作扩展到更高的有效载荷可以允许新的应用,但由于更重要的有效载荷动态和更高有效载荷的工业机器人的使用而带来了挑战。为了实现高载荷的手动制导与接触,本文提出并验证了新的机电一体化设计方法:标准导纳控制扩展与阻尼反馈,顺应性结构集成到环境中,并提出了一种接触响应方法,允许连续导纳控制。这些方法进行了比较,自由空间的稳定性,接触稳定性和峰值接触力。所得到的方法,然后应用于实现两个接触丰富的任务上的16公斤的有效载荷(钉在孔和槽组件)和自由空间共同操纵的50公斤的有效载荷。
2022-02-02 cs.RO
Safe Online Gain Optimization for Variable Impedance Control
University of California, Berkeley(加州大学伯克利分校);Harbin Institute of Technology(哈尔滨工业大学)
平滑的行为对于许多接触丰富的操作任务是优选的。阻抗控制作为一种有效的方式来调节机器人的运动,通过模仿质量弹簧阻尼系统。因此,机器人的行为可以通过阻抗增益来确定。然而,针对不同任务调整阻抗增益是棘手的,特别是对于非结构化环境。此外,在线调整最佳增益以满足时变性能指标更具挑战性。在本文中,我们提出了安全的在线增益优化可变阻抗控制(安全OnGO-VIC)。通过将阻抗控制的动力学转化为一个控制仿射系统,其中阻抗增益是输入,我们提供了一个新的视角来理解可变阻抗控制。此外,我们创新地制定了一个优化问题,在线收集的力信息,以获得最佳的阻抗增益实时。安全约束也嵌入在所提出的框架,以避免不必要的碰撞。我们实验验证了所提出的算法上的三个操作任务。与恒定增益基线和自适应控制方法的比较结果证明了该算法的有效性和可推广性。
2021-11-01 cs.RO cs.SY eess.SY
CHEQ-ing the Box: Safe Variable Impedance Learning for Robotic Polishing
Institute for Data Science in Mechanical Engineering(机械工程数据科学研究所);RWTH Aachen University(亚琛工业大学)
本工作展示了混合强化学习算法CHEQ在变阻抗机器人打磨任务中的实验应用,证明其在仿真与物理硬件上均能实现安全高效的学习和有效的打磨行为。
2025-06-02 cs.LG cs.RO
A Physically Consistent Stiffness Formulation for Contact-Rich Manipulation
Massachusetts Institute of Technology(麻省理工学院)
本文针对接触丰富操作中关节空间刚度矩阵不对称问题,通过显式引入克里斯托费尔符号推导出物理一致的对称刚度公式,并通过实验验证其可确保能量守恒与交互稳定性。
2025-03-09 cs.RO