복잡한 지형에서 민첩한 이동을 가능하게 하기 위해, 본 연구에서는 4족 보행 로봇을 위한 온라인 전방향 점프 궤적 계획 프레임워크를 제안하며, 실시간 궤적 최적화, 궤적 추적 제어 및 능동 준수 랜딩 제어를 포함한 포괄적인 접근 방식을 제시합니다.
본 논문에서는 로봇이 햅틱 지표를 사용하여 혼잡한 환경에서도 효율적인 물체 조작을 계획하는 방법을 제시합니다. 특히, 혼잡한 책장에 책을 삽입하는 시나리오를 통해 제안된 방법의 효과를 입증합니다.
본 논문에서는 다양한 환경에서 빠르고 안전한 쿼드로터 내비게이션을 위한 새로운 접근 방식을 제안하며, 이는 제한된 시야를 가진 RGB-D 카메라와 포워드 아크 모션 프리미티브 라이브러리를 활용하여 복잡한 환경에서도 충돌 없이 최대 6m/s의 속도를 달성합니다.
본 논문에서는 로봇의 이동 계획 및 제어를 위해 모델의 복잡도를 작업에 따라 적응적으로 조절하는 새로운 모델 예측 제어 (ACMPC) 방식을 제안합니다.
단순 모방 학습만으로는 정밀 조립과 같은 고정밀 작업을 수행하기에 충분하지 않으며, 잔차 강화 학습을 통해 행동 복제 모델을 개선하여 로봇의 조립 성공률을 높일 수 있다.
본 논문에서는 사전 정보 없이 알 수 없는 환경에서도 모바일 로봇이 안전하게 작동하고 주어진 작업을 완료할 수 있도록 순간 로컬 센서 데이터를 활용한 안전한 피드백 모션 플래닝(SFMP) 전략을 제안합니다.
미분 가능한 시뮬레이션에서 분석적 기울기를 사용하여 학습된 로봇 제어 정책은 실제 사족 보행 로봇에 성공적으로 전이될 수 있으며, 이는 부드러운 접촉 모델을 통해 가능해졌습니다.
영화에서 사 réalisme 을 추구하면서 애니매트로닉스 분야에서 상당한 발전이 이루어졌으며, 특히 메카트로닉스 기술의 통합은 애니매트로닉스의 기능과 사실성을 향상시키는 데 중추적인 역할을 합니다.
본 논문에서는 잡음을 효과적으로 줄이고 실시간 성능을 달성하면서 계단과 같은 복잡한 지형을 이동하는 휴머노이드 로봇을 위한 실시간 평면 의미론적 매핑 알고리즘을 제안합니다.
이 논문에서는 로봇 팔을 이용한 벽면 접촉을 통해 이동성을 향상시키는 새로운 로봇 제어 프레임워크를 제안하고, 이를 통해 기존 이동 방식의 한계를 극복하고 외부 방해에 대한 강인성과 기동성을 높일 수 있음을 보여줍니다.