ICRA

A Framework for On-line Learning of Underwater Vehicles Dynamic Models

在线学习水下机器人动态模型的框架

Bilal Wehbe, Marc Hildebrandt, Frank Kirchner

机构 * DFKI - Robotic Innovation Center（DFKI机器人创新中心） 纠错

AI总结 本文提出了一种在线学习水下机器人动态模型的框架，通过增量支持向量回归方法从数据流中逐步学习模型，并结合增量学习策略来改进模型在整体状态空间上的泛化能力。

Comments 8 pages, 6 figures, ICRA 2019 authors preprint

Safely Probabilistically Complete Real-Time Planning and Exploration in Unknown Environments

在未知环境中安全的概率完备实时规划与探索

David Fridovich-Keil, Jaime F. Fisac, Claire J. Tomlin

机构 * UC-Philippine-California Advanced Research Institute（加州-菲律宾-加州高级研究机构） ； ONR MURI（国防高级研究计划局（ONR）MURI） ； SRC CONIX Center（SRC CONIX中心） 纠错

AI总结 本文提出了一种新的运动规划框架，该框架围绕现有的动力学规划器构建，在事先未知的静态环境中保证递归可行性。通过利用来自可达性分析的鲁棒控制器，该方法对整体安全性和碰撞避免做出了强保证。运动计划始终保持在初始状态的安全后向可达集内，同时安全地探索空间。这保证了初始状态的安全性，并确保在安全探索过程中最终能找到目标。

Comments 7 pages, accepted to ICRA 2019

Balancing Global Exploration and Local-connectivity Exploitation with Rapidly-exploring Random disjointed-Trees

在快速探索随机断树中平衡全局探索与局部连通性利用

Tin Lai, Fabio Ramos, Gilad Francis

机构 * NVIDIA, USA（美国NVIDIA公司） 纠错

AI总结 本文提出了一种名为RRdT*的增量最优多查询规划器，通过使用多个断树来利用空间的局部连通性，通过马尔可夫链随机采样，并在局部连通性利用失败时主动探索全局空间，将局部利用与全局探索的平衡转化为多臂老虎机问题，从而提高采样效率。

Comments Submitted to IEEE International Conference on Robotics and Automation (ICRA) 2019

Learning Extreme Hummingbird Maneuvers on Flapping Wing Robots

在扑翼机器人上学习极端蜂鸟动作

Fan Fei, Zhan Tu, Jian Zhang, Xinyan Deng

AI总结 研究通过模仿蜂鸟的极端机动动作，开发了一种混合控制策略，利用模型驱动的非线性控制和模型无关的强化学习，实现了在12克仿生蜂鸟机器人上实现快速逃避机动。

Comments 6 pages, accepted at ICRA 2019

A Fleet of Miniature Cars for Experiments in Cooperative Driving

用于合作驾驶实验的微型汽车车队

Nicholas Hyldmar, Yijun He, Amanda Prorok

机构 * University of Cambridge（剑桥大学） 纠错

AI总结 本文介绍了一种由16辆微型Ackermann转向车辆组成的独特实验平台，旨在解决多车导航和轨迹规划研究与教育中低成本平台不足的问题，通过实验展示合作驾驶在多车道道路地形中的优势。

Comments Accepted to ICRA 2019

Verifying Controllers Against Adversarial Examples with Bayesian Optimization

通过贝叶斯优化验证控制器对抗示例

Shromona Ghosh, Felix Berkenkamp, Gireeja Ranade, Shaz Qadeer, Ashish Kapoor

机构 * Microsoft Research, Redmond（微软研究院（红mond）） 纠错

AI总结 本文提出基于贝叶斯优化的主动测试框架，用于验证控制器的安全性，通过逻辑定义安全约束并高效搜索行为空间以发现违反安全规范的对抗示例。

Comments Proc. of the IEEE International Conference on Robotics and Automation, 2018

Trajectory Generation for Millimeter Scale Ferromagnetic Swimmers: Theory and Experiments

毫米级铁磁游泳体轨迹生成：理论与实验

Jaskaran Grover, Daniel Vedova, Nalini Jain, Patrick Vedova, Matthew Travers, Howie Choset

AI总结 本文研究了毫米级铁磁游泳体的轨迹生成，通过几何力学工具设计控制规律，并通过实验验证了在铁磁丝上编码内部磁化分布的方法，实现了游泳体的平移、轨迹跟踪和原地转向运动。

Comments Submitted for publication to ICRA 2019 on 09/22/2018

A Hybrid Dynamic-regenerative Damping Scheme for Energy Regeneration in Variable Impedance Actuators

一种混合动态再生阻尼方案用于变量阻抗执行器的能量再生

Fan Wu, Matthew Howard

AI总结 本文提出了一种新的可变阻尼模块设计，通过利用直流电机的再生制动效应，实现变量阻抗执行器的能量再生，通过仿真和实验验证了该方案在任务性能和能量效率之间的最优平衡。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA), 2018

Provably Robust Learning-Based Approach for High-Accuracy Tracking Control of Lagrangian Systems

具有证明鲁棒性的基于学习的方法用于拉格朗日系统高精度跟踪控制

Mohamed K. Helwa, Adam Heins, Angela P. Schoellig

机构 * Dynamic Systems Lab（动态系统实验室） ； Institute for Aerospace Studies（航空航天研究院） ； University of Toronto（多伦多大学） 纠错

AI总结 本文提出基于高斯过程的新型学习控制方法，确保系统稳定性与高精度跟踪，通过不确定性界保证鲁棒性，并在仿真和实验中验证有效性。

Comments 8 pages, 4 figures, 2 tables, submitted to IEEE Robotics and Automation Letters (RA-L) and the 2019 International Conference on Robotics and Automation (ICRA) (created: March 2018; updated: September 2018)

A Robust Model Predictive Control Approach for Autonomous Underwater Vehicles Operating in a Constrained workspace

一种用于在受限工作空间中运行的自主水下机器人鲁棒模型预测控制方法

Shahab Heshmati-alamdari, George C. Karras, Panos Marantos, Kostas J. Kyriakopoulos

AI总结 本文提出了一种新型非线性模型预测控制方案，用于在存在静态障碍物的受限工作空间中引导水下机器人到达特定路径点，通过考虑障碍物、工作空间边界、推进器饱和度和预定义的车辆速度上限等约束条件，提高控制性能。

Comments IEEE International Conference on Robotics and Automation (ICRA-2018), Accepted

Dynamic Actuator Selection and Robust State-Feedback Control of Networked Soft Actuators

网络化软执行器的动态执行器选择与鲁棒状态反馈控制

Nafiseh Ebrahimi, Sebastian Nugroho, Ahmad F. Taha, Nikolaos Gatsis, Wei Gao, Amir Jafari

AI总结 本文针对网络化软体执行器的实时控制与执行器选择算法对性能的影响缺乏系统理论理解的问题，提出了一种新的软执行器框架，用于分析和鲁棒控制，并通过数值案例研究验证了其有效性。

Comments To appear at the 2018 International Conference on Robotics and Automation (ICRA), Brisbane, Australia, May 21, 2018--May 25, 2018

Planning, Fast and Slow: A Framework for Adaptive Real-Time Safe Trajectory Planning

规划，快速与缓慢：一种自适应实时安全轨迹规划的框架

David Fridovich-Keil, Sylvia L. Herbert, Jaime F. Fisac, Sampada Deglurkar, Claire J. Tomlin

AI总结 本文提出一种自适应实时安全轨迹规划框架，通过元规划实现不同在线规划器的安全切换，以应对未知环境和障碍物。

Comments ICRA, International Conference on Robotics and Automation, ICRA 2018, 8 pages, 9 figures

A Parametric MPC Approach to Balancing the Cost of Abstraction for Differential-Drive Mobile Robots

一种参数MPC方法用于平衡抽象成本的差分驱动移动机器人

Paul Glotfelter, Magnus Egerstedt

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出了一种参数MPC方法，用于优化差分驱动移动机器人的抽象成本，通过分析精度和机动性成本，改进了单积分器模型的控制策略。

Comments ICRA 2018

Model Predictive Path-Following for Constrained Differentially Flat Systems

基于约束微分平坦系统的模型预测路径跟踪

Melissa Greeff, Angela P. Schoellig

AI总结 本文提出一种结合前馈线性化与基于路径的模型预测控制的新型预测路径跟踪方法，通过微分平坦性将非线性问题转化为凸优化问题，并通过动态路径参考提高系统鲁棒性，实验验证了在四旋翼上优于传统轨迹跟踪控制器的性能。

Comments 8 pages, submitted to ICRA 2018

Safe Learning of Quadrotor Dynamics Using Barrier Certificates

使用屏障证书安全学习四旋翼动力学

Li Wang, Evangelos A. Theodorou, Magnus Egerstedt

AI总结 本文提出基于高斯过程的数据驱动方法，通过屏障证书确保四旋翼在部分未知环境中的安全学习，结合自适应采样方案和递归高斯过程预测实现动态建模。

Comments Submitted to ICRA 2018, 8 pages

SE3-Pose-Nets: Structured Deep Dynamics Models for Visuomotor Planning and Control

SE3-姿态网络：用于视觉-运动规划和控制的结构深度动力学模型

Arunkumar Byravan, Felix Leeb, Franziska Meier, Dieter Fox

AI总结 本文提出了一种基于结构深度动力学模型的深度视觉-运动控制方法，通过编码器-解码器结构学习低维姿态嵌入，实现场景分割和姿态预测，并在现实世界中实现了闭环控制。

Comments 8 pages, Initial submission to IEEE International Conference on Robotics and Automation (ICRA) 2018

Data-Driven Model Predictive Control of Autonomous Mobility-on-Demand Systems

数据驱动的自动驾驶按需出行系统模型预测控制

Ramon Iglesias, Federico Rossi, Kevin Wang, David Hallac, Jure Leskovec, Marco Pavone

AI总结 本文提出一种端到端的数据驱动框架，用于控制自动驾驶按需出行系统，通过时间扩展网络建模并设计MPC算法，利用历史数据预测短期需求，减少乘客等待时间达89.6%。

Comments Submitted to the International Conference on Robotics and Automation 2018

Virtual vs. Real: Trading Off Simulations and Physical Experiments in Reinforcement Learning with Bayesian Optimization

虚拟与现实：在强化学习中权衡模拟与物理实验

Alonso Marco, Felix Berkenkamp, Philipp Hennig, Angela P. Schoellig, Andreas Krause, Stefan Schaal, Sebastian Trimpe

AI总结 本文提出利用模拟数据优化强化学习，通过结合低成本但不准确的模拟信息与高成本但准确的物理实验，提高效率。

Comments 7 pages, 6 figures, to appear in IEEE 2017 International Conference on Robotics and Automation (ICRA)

Automatic LQR Tuning Based on Gaussian Process Global Optimization

基于高斯过程全局优化的自动LQR调优

Alonso Marco, Philipp Hennig, Jeannette Bohg, Stefan Schaal, Sebastian Trimpe

AI总结 本文提出一种结合线性最优控制的自动控制器调优框架，利用贝叶斯优化算法提升控制器参数，通过实验数据优化性能目标，以七自由度机械臂平衡倒立杆为例验证方法有效性。

Comments 8 pages, 5 figures, to appear in IEEE 2016 International Conference on Robotics and Automation. Video demonstration of the experiments available at https://am.is.tuebingen.mpg.de/publications/marco_icra_2016

Pushing the limits of the CyberGrasp for haptic rendering

突破CyberGrasp在触觉渲染中的极限

Manuel Aiple, André Schiele

AI总结 本文提出ExHand Box，通过扩展带宽和定制控制器提升CyberGrasp的触觉反馈性能，实现在硬接触场景中更高的接触刚度和更稳定的反馈效果。

Comments 7 pages, 12 figures

Journal ref Robotics and Automation (ICRA), 2013 IEEE International Conference on, Karlsruhe, 2013, pp. 3541-3546

Deep Neural Networks for Improved, Impromptu Trajectory Tracking of Quadrotors

用于四旋翼机即时轨迹跟踪的深度神经网络

Qiyang Li, Jingxing Qian, Zining Zhu, Xuchan Bao, Mohamed K. Helwa, Angela P. Schoellig

AI总结 本文提出基于深度神经网络的算法，通过提供定制参考输入提升经典反馈控制器的轨迹跟踪性能，实验表明该方法能有效减少跟踪误差，适用于实时轨迹跟踪应用。

Comments 7 pages, 8 figures. Accepted final version. To appear in the proc. of the 2017 IEEE International Conference on Robotics and Automation

High-Precision Trajectory Tracking in Changing Environments Through $\mathcal{L}_1$ Adaptive Feedback and Iterative Learning

通过L1自适应反馈和迭代学习实现高精度轨迹跟踪

Karime Pereida, Rikky R. P. R. Duivenvoorden, Angela P. Schoellig

AI总结 本文提出结合L1自适应反馈与迭代学习控制的框架，提升系统在未知动态扰动下的轨迹跟踪性能，通过实验验证其优于纯ILC方法的鲁棒性和泛化能力。

Comments 7 pages, 5 figures, Proc. of the 2017 IEEE International Conference on Robotics and Automation

Model-Based Policy Search for Automatic Tuning of Multivariate PID Controllers

基于模型的策略搜索用于多变量PID控制器的自动调优

Andreas Doerr, Duy Nguyen-Tuong, Alonso Marco, Stefan Schaal, Sebastian Trimpe

AI总结 本文提出基于模型的策略搜索框架，用于自动调优多变量PID控制器，通过数据驱动的方法解决复杂系统的控制器调优问题。

Comments Accepted final version to appear in 2017 IEEE International Conference on Robotics and Automation (ICRA)

Guidance algorithm for smooth trajectory tracking of a fixed wing UAV flying in wind flows

固定翼无人机在风流中平滑轨迹跟踪的引导算法

Hector Garcia de Marina, Yuri A. Kapitanyuk, Murat Bronz, Gautier Hattenberger, Ming Cao

AI总结 本文提出一种算法，用于解决固定翼无人机在恒定空速和恒定风扰下跟踪平滑曲线的问题，通过构造隐函数描述的引导向量场实现轨迹跟踪，并能通过离线调整避免无人机物理约束。

Comments 6 pages

Journal ref Proceedings of the 2017 IEEE International Conference on Robotics and Automation (ICRA)

Collaborative Visual Area Coverage using Unmanned Aerial Vehicles

利用无人机协同实现视觉区域覆盖

Sotiris Papatheodorou, Anthony Tzes, Yiannis Stergiopoulos

AI总结 本文研究无人机团队如何通过调整高度优化视觉覆盖质量，提出分布式控制算法并验证其有效性。

Comments 8 pages, 14 figures, submitted to ICRA 2017 for review. arXiv admin note: substantial text overlap with arXiv:1612.02067

Collaborative Object Transportation Using MAVs via Passive Force Control

利用MAVs的被动力控进行协同物体运输

Andrea Tagliabue, Mina Kamel, Sebastian Verling, Roland Siegwart, Juan Nieto

AI总结 本文提出一种基于被动力控的MAVs协同运输策略，通过双六旋翼运输大型物体，无需通信链路、负载形状或抓取点位置信息。

Comments under review for the IEEE International Conference on Robotics and Automation (ICRA) 2017

Optimal Temporal Logic Planning in Probabilistic Semantic Maps

在概率语义地图中进行最优时间逻辑规划

Jie Fu, Nikolay Atanasov, Ufuk Topcu, George J. Pappas

AI总结 本文研究了在概率语义地图中基于时间逻辑约束的机器人运动规划问题，提出通过引入置信度参数delta将随机控制问题转化为确定性最短路径问题，并设计启发函数以提高A*算法的效率和正确性。

Comments 8 pages, 6 figures. submitted to IEEE International Conference on Robotics and Automation 2016

RFM-SLAM: Exploiting Relative Feature Measurements to Separate Orientation and Position Estimation in SLAM

RFM-SLAM：利用相对特征测量分离SLAM中的姿态和位置估计

Saurav Agarwal, Vikram Shree, Suman Chakravorty

AI总结 本文提出RFM-SLAM框架，通过相对特征测量将SLAM问题建模为线性最小二乘问题，减少非线性优化计算量，避免现有方法因初始猜测导致的灾难性失败，同时在噪声增加时保持精度。

Comments 9 pages, submitted to IEEE ICRA 2017

Folding Assembly by Means of Dual-Arm Robotic Manipulation

通过双臂机械手实现折叠组装

Diogo Almeida, Yiannis Karayiannidis

AI总结 本文提出一种适用于双臂机械手的折叠组装基本操作，用于更高层次的组装策略。通过实验验证了该方法在两个部件接触时的可行性。

Comments 7 pages, accepted for ICRA 2016

Optimal Sensing via Multi-armed Bandit Relaxations in Mixed Observability Domains

通过混合可观测域中的多臂老虎机放松实现最优感知

Mikko Lauri, Risto Ritala

AI总结 研究在混合可观测域中不确定决策问题，通过放松约束推导最优价值函数上界，并利用多臂老虎机的可计算最优策略提升搜索空间剪枝效率，实验显示在目标监控领域有效。

Comments 6 pages, 2 figures

Journal ref Proc. IEEE Intl. Conf. on Robotics and Automation (ICRA), pp. 4807-4812, 2015