本文研究软机器人的形状变形如何实现在平坦和倾斜表面上的运动，通过模拟、仿真和实物实验，我们探索了该机器人在不同环境中运动的表现和性能，并发现形状变形使机器人在模拟和实际环境中比不变形机器人更优秀。

Aug, 2020

本文介绍了一种强大的进化系统，对不同环境下行走和游泳软机器人的任意形态进化进行了广泛研究，按照三组实验的方式进行探究。结果表明，不同材料在进化软体运动方面具有不同的影响，在我们简化的物理世界中，更加坚硬的机器人在陆地上的步态和形态更为复杂和有效，在水中表现也更好。研究还提出了关于环境转换对形态再适应现象的有趣观察，并指出了在陆地 - 水和水 - 陆转换之间的潜在不对称性：第一种转换似乎具有不利影响，而第二种转换似乎有某些益处。

Nov, 2017

本文使用镜像下降引导策略搜索的新扩展应用于周期性运动中，展示了如何自动学习运动步态，并在 SUPERball 张力机器人的运动中展示了我们方法的有效性。

Sep, 2016

使用非常少的计算，无需模拟和用户输入的方法，实现了软体机器人的自动生成步态，性能优于手工制作的步态。

Sep, 2023

通过深度强化学习和进化形态学，本研究探索了一种新型的过约束机器的设计与学习，旨在开发具有卓越能量效率的现代机器人四肢设计。研究结果显示，相较于平面四肢，在不同地形上，包括地板、斜坡和楼梯，过约束四肢的运动更加高效，至少可节省 22% 的机械能量，在平地上的平均速度是平面四肢的 20% 更快。

Jul, 2024

本篇论文提出一种端到端学习到的控制器，可为 MIT Mini Cheetah 机器猎豹在天然地形上实现最高时速 3.9m/s 的行动敏捷性，并且具有鲁棒性和抗干扰性。

May, 2022

本文介绍了一种模块化且可潜水的软体机械臂，其由主要是 3D 打印的部件组成，由液压驱动器驱动。其模块化设计可实现多种形状配置和易于交换的软式致动器，并使用深度神经网络开发了初步的正 / 反向运动学模型，以便探索在该系统上进行机器学习控制算法。

Sep, 2022

本文利用机器人的实验研究方法研究了四足机器人在不同地形下的学习最小化机械能消耗以实现不同速度下的自然运动步态。本文证实了这一假设和在仿真和现实硬件的自然地形中的验证，这种方法也能够实现非结构化的奔跑步态，与动物的运动控制研究相一致。

Oct, 2021

这项工作提出了一种软体生长机器人设计优化的新方法，通过多目标优化问题的数学建模和演化算法，实现了软体机械臂的运动链优化，以解决特定任务并避免不必要的材料和资源浪费。实验证明该方法在性能和资源消耗方面优于现有文献中的方法。

Oct, 2023

机器人共同设计是一个新兴的研究领域，尤其在软体机器人方面有巨大应用潜力，本文提出了一种基于增强学习的高维度算法来控制软体机器人的形态变化，同时引入了一个 RL 基准，展示了通过该算法使机器人在序列中多次改变形态的方法。

Jan, 2024