机器人控制

斯坦福机器人讲座 | 2025年秋季 | 流体物理相互作用的动力学

本次讲座会涵盖： • 流体物理相互作用的动力学 • 如何使机器人安全、自适应且顺应 **视频 AI 总结**：该演讲介绍了实现机器人流体物理交互的框架，核心是通过紧密耦合的控制、估计和学习算法，使机器人能够在与人类协作时保持安全、自适应和顺从。演讲者展示了基于动态系统表示的运动规划方法，包括利用稳定且可学习的矢量场实现柔顺运动，以及通过弹性运动策略（elastic motion policy）在任务参数变化时实时调整机器人行为。此外，还讨论了意图估计与可变阻抗控制结合的人机协作方案，以及利用调制动态系统进行避障和基于可行性的被动扭矩控制来保证机器人的安全与柔顺性。 **主要内容**： - 提出机器人流体物理交互需要稳定性、灵活性、适应性、可预测性和顺从性等要求。 - 利用动态系统（如高斯混合模型和神经网络ODE）表示运动计划，并保证收敛性和安全性。 - 弹性运动策略通过将动力学参数与任务约束（如物体位姿）绑定，实现单次演示后的实时自适应。 - 在物理人机交互中，使用粒子滤波在线估计人类意图，并调整机器人的阻抗（软硬程度）以提供合适的辅助力。 - 通过调制矩阵重塑动态系统流线，实现无局部极小值的避障，并可与模型预测控制结合处理复杂环境。 - 提出基于可行性的被动扭矩控制方法，通过学习机器人状态是否接近约束（如自碰撞、关节极限），在扭矩层直接施加线性约束，实现平滑、安全的外部扰动响应。 2025年12月5日 Nadia Figueroa 博士 宾夕法尼亚大学机械工程与应用力学系（MEAM）Shalini and Rajeev Misra 总统助理教授

24 0 0 2 天前

触觉系统的设计与控制：机器人学的挑战

执行一项任务需要什么样的触觉信息？机器人技术面临哪些技术挑战？ 在本视频中，Allison Okamura 教授回答了这些问题，并解释了在她的研究生课程《触觉系统的设计与控制》（ME327）中如何应对这些挑战。 **视频 AI 总结**：该视频探讨了机器人学中触觉反馈领域的重大挑战，指出大多数人对良好触觉反馈缺乏理解，不知道执行任务需要何种触觉信息。技术层面，传感器和致动器需要在成本、尺寸和功耗上取得突破，同时供应链问题也构成障碍。课程旨在帮助学员认识触觉组件的理想特性及设备构建方法。 **主要内容**： - 人们对触觉反馈的理解不足，缺乏实际体验 - 传感器和致动器需要更便宜、更小、更低功耗 - 供应链问题是当前面临的技术挑战 - 课程将讨论理想的电机或致动器及其来源 - 讲解如何从不同组件构建触觉设备，以及组件需具备的特性 了解课程详情：https://online.stanford.edu/courses/me327-design-and-control-haptic-systems Allison Okamura 是工程学院机械工程与计算机科学系的 Richard W. Weiland 教授。

46 0 0 2026-07-04 15:42

斯坦福机器人讲座 | 2026年春季 | 运动中的机械智能

本次讲座涵盖： • 额外的腿部（具有更高的控制维度）可以启用更广泛的能力范围 • 引入CI（反馈控制）可以在保持鲁棒性特征的同时提升多足运动的速度 • CI可能减少穿越特定地形所需的多余腿部数量 **视频 AI 总结**：该演讲介绍了介尺度机器人的形态智能（Morphological Intelligence）在运动控制中的理论与应用。演讲者通过信息论和生物学启发，探讨了如何利用冗余形态（如多足）和计算智能来生成可靠、高效的 locomotion，尤其是在噪声主导的复杂地形中。核心观点是：通过增加腿的数量和协调身体与腿的运动，可以在不依赖反馈的情况下实现可预测的运动，并进一步通过形态与计算的协同设计优化性能。 **主要内容**： - 介尺度机器人（约1千克）的定义及其在搜救、精准农业等场景中的重要性。 - 形态智能：利用冗余形态（如多足）被动应对环境扰动，实现无需反馈的可靠运动。 - 步进运动与数字信号传输的类比：通过离散化步进和冗余编码，减少噪声影响。 - 生物学启发：从蜈蚣等动物中学习身体与腿的协调，实现“陆地游泳”以提高速度。 - 形态与计算的协同：通过传感器估计地形复杂度，调整步态模式，实现速度和鲁棒性的平衡。 - 超越生物学：探索不对称形态和独立腿控制，通过图优化发现非对称步态可显著提升速度。 - 未来方向：将形态智能与计算智能结合，按需生成高效介尺度机器人。 2026年4月3日 Baxi Chong 是宾夕法尼亚州立大学机械工程系的助理教授。

50 0 0 2026-07-03 13:01