RoboGSim 是一款基於 3D 高斯樣條技術的機器人模擬器,能夠進行逼真的模擬演示合成和物理一致的閉環評估,以促進機器人策略學習和評估。
本文提出了一種控制方法,透過修改變長度倒單擺 (VLIP) 模型,並結合二次規劃模型預測控制 (QP MPC),讓腿式空中機器人 Husky 能夠在陡坡上行走。
本文介紹了一種針對結構彈性人形機器人設計的關節空間控制策略,該策略採用干擾觀測器 (DOB) 來處理未建模的彈性動力學,允許機械設計工程師在不影響關節控制性能的情況下迭代 3D 列印連桿。
本文揭露了大型語言模型賦能的機器人系統中存在的一種新型安全威脅:後門攻擊,並提出了一種針對機器人視覺感知模組的攻擊方法,可誘導機器人在特定觸發物存在的情況下執行惡意指令。
SayComply 透過建立操作手冊的資料庫並使用檢索式語言模型來提取相關資訊,從而確保機器人任務規劃符合操作規範。
本文提出了一種基於動量觀測器的無優化控制框架和地面反作用力估計方法,用於控制多模態腿式飛行機器人,並通過模擬驗證了該方法的有效性。
本研究強調使用者體驗在演算法設計中的重要性,提出了一種名為 CMA-ES-IG 的新演算法,用於學習使用者對機器人軌跡的偏好,並通過模擬和使用者研究證明了其在提升使用者體驗和學習效率方面的優勢。
本文提出了一種名為動態自適應儲備池計算 (DARC) 的新型機器人技能學習方法,該方法結合了示範學習 (LfD) 和強化學習 (RL) 的優勢,通過動態調節儲備池的上下文輸入,實現對未見過任務的泛化和高效學習。
本文提出了一種基於資訊理論的實驗設計方法,通過主動規劃和激勵可微分模擬器中的接觸模式來縮小模擬與現實之間的差距,從而提高機器人參數學習的效率。
VeriGraph 框架透過使用場景圖作為機器人任務規劃的中間表示,並結合視覺語言模型 (VLM) 和迭代規劃驗證機制,提高了機器人規劃的準確性和可執行性。