研究团队在Idealworks的iw.hub差速驱动机器人与全向人形移动平台（HMP）上，测试NVIDIA X-Mobility与COMPASS学习型导航工作流的sim-to-real可靠性，并构建Idealworks研发中心数字孪生。在数字孪生中微调X-Mobility并加入NVIDIA Cosmos生成的sim-to-real增强数据后，策略部署于iw.hub板载Jetson AGX Xavier，在真实研发中心四个场景的成功率由65.3%升至91.7%，加权行驶时间较仅仿真训练近乎减半，与现有生产导航栈差距8.3个百分点，且全程板载运行；配合全局规划器可在每次试验中到达远处被遮挡目标。
机器人行业洞察
今日精选
The robotics journal行业消息
论文提出摩擦感知的双臂箱体操作框架，将在线惯性估计与凸接触力旋量优化结合：惯性估计模块根据测得的接触力旋量估计物体质量与质心，优化模块在椭球摩擦极限面约束下用二阶锥规划（SOCP）求摩擦可行的接触力与扭转力矩，并加入离线轨迹细化以减少物体与环境的不期望接触。框架将摩擦可行性作为硬约束、在可行域内最小化接触力，无需分别调参避免滑移与过度挤压。在真实双臂机器人系统上针对不同质心配置的实验显示，该方法可举升惯性属性未知的物体并保持稳定摩擦接触。
该研究使用商用软件定义微分段工具，在多机器人物联网网络中完成动态微分段功能的实验室部署。系统按资产的功能标签与健康标签动态调整分段策略，并在软件中自动执行这些策略。演示中，该方案实时自动隔离了指定威胁，同时未受影响的机器人操作保持正常，表明微分段可用于提升物联网网络面对威胁与中断时的运行稳健性。
该研究提出一种主动感知框架，让高自由度移动机械臂在导航过程中用手部相机检查不确定或安全关键区域，以应对机器人两次到访之间场景半静态变化导致的地图过时与碰撞风险上升。方法上采用概率化、物体与任务感知的下一最佳视角（NBV）公式，优先观测期望路径附近及不确定或可能变化物体周围区域，并将其集成进分层任务模型预测控制（HTMPC），利用运动学冗余调整视角，同时保持基座轨迹跟踪的更高优先级。系统将导航、地图维护与主动感知统一为闭环。真实世界测试显示，相比被动或非任务感知基线，地图一致性提升、任务相关地图熵降低、导航风险下降；仿真与真实序列进一步验证了对受控半静态场景变化的响应。
该论文针对直接关节映射遥操作的两个问题提出方法：独立电机饱和会破坏差动腕部的俯仰-滚转协调，固定映射难以应对重力负载与执行约束引起的跟踪突变。作者提出执行器约束感知的主从遥操作方法，联合建模主端重力补偿、主从关节映射与从端差动腕控制，在电机空间按可用重力裕度做协调饱和，并集成连续角度解缠、反馈状态监测与可行参考更新。实机实验显示腕部轨迹比直接映射更平滑、恢复更连续。
论文研究串联机器人机械臂基于雅可比矩阵的性能指标（可操作度、刚度等）对首末关节角的无关性，给出使其保持不变的关节角条件，据此缩减有效构型空间维度以简化性能评估。该性质在两个场景中验证：工作空间性能图构建与任务布局优化；对比结果显示基于该性质的策略在不降低有效性的前提下减少计算量与存储需求。
论文提出 S-rolling 可转向滚动步态，用于可扭转蛇形机器人在低净空环境中的运动。该步态基于 S 形平面骨架曲线，头尾两段以独立控制的角速度滚动，由中央扭转关节实现两段相对旋转，并推导了关节空间步态方程与准静态运动学模型。真机实验显示其可通过 10 cm 净空测试轨道，并在大工件和汽车底盘下方完成约 90° 与 180° 航向变化，而基线滚动圆弧步态无法改变航向。
该论文提出将欧氏距离场（EDF）直接纳入强化学习观测空间的框架，为智能体提供连续几何线索以支撑稳定、响应式的避障行为，并借此简化奖励设计，在有人工势场引导和无引导两种情况下均能有效避障。方法在7自由度冗余机械臂上验证，实现从仿真到真实硬件的零样本迁移；策略仅用随机化静态物体训练，却能泛化到未见过的真实环境，并对动态障碍物表现出鲁棒的在线避障能力。
论文提出一种与底层控制器无关的前馈控制动作负载泛化方法：先推导负载泛化所需的最少示例物体数量，再给出仅凭新负载参数即可执行同一轨迹的算法，无需已知机器人动力学模型，且适用于弹性关节。验证在仿真与实验中完成，实验对象为标准 Franka Emika Panda 机器人及加装弹性腕部的同款机器人，覆盖不同机器人与控制器下的跟踪任务。
论文针对视觉惯性里程计中传感器刚性安装假设的局限，研究时变相机-IMU外参标定。方法上结合机器人运动学模型，提出基于Denavit-Hartenberg约定的动态外参标定方法，并设计两步初始化策略估计初始关节角，为后续外参优化提供起点，实现在线估计时变外参。仿真实验显示该框架可适应相机-IMU外参变化并保持有竞争力的定位精度。
该研究提出强化迭代学习控制（RILC），将迭代学习控制与强化学习并发耦合：ILC提供高质量样本，RL作为跨迭代的泛化策略，从而在无需逐轨迹单独学习的情况下实现首次试验即高性能跟踪。论文给出理论证明，表明RL分量保持ILC稳定性，并在特定条件下可渐近降低误差界。实验在欠驱动4自由度串联弹性机器人上，针对不同轨迹与建模失配进行仿真与验证。
论文将眼科手术机械臂在软件远程运动中心（RCM）约束下出现的伺服振荡形式化为约束诱导任务奇异：RCM投影后的末端雅可比降秩，而未投影的末端雅可比仍良态，导致有效末端权限崩塌。作者提出内置奇异恢复的高精度RCM伺服架构，由权限引导规划器为每个目标选择良态构型并规划RCM一致路径，再由固定分层QP控制器执行。在200个场景的运动学基准上，近奇异目标达128/128、近关节极限目标达71/72，软件RCM残差低于0.142 mm；在物理6自由度机械臂上跨四个RCM入口点执行，最坏运动学重建RCM残差178 μm，末端调节误差中位数32 μm，满足200 μm控制要求。
研究团队用搭载机械臂的波士顿动力Spot四足机器人搭建自主砌砖概念验证系统，在供料区与装配区之间依靠AprilTag定位和autowalk导航运行，砖块位姿由CAD软件指定后直接导出执行。对14块木砖组成的弧形四层墙重复组装10次，平均平移误差低于10 mm、平均偏航误差低于1.5度，全部运行的整体RMSE为平移27.72 mm、旋转2.06度；系统还在两区域间有楼梯的户外环境完成测试，工作流模块化可扩展至不同墙体几何。