本文研究在不确定性条件下，使用鲁棒优化进行支点式操作规划，并探讨摩擦力是如何被利用来补偿对象的物理属性准确性不足所带来的不确定性。通过使用分析表达式为支点式操作提供稳定性保障，并在 CIBO 框架中使用稳定边界进行优化，从而提高鲁棒性。我们还针对一些底层优化问题的参数进行了稳定性比较，并使用六自由度机械臂对多个不同的对象进行操作，证明了所提出的方法。

Mar, 2023

提出了一种针对机械操作的坚韧轨迹优化的机会约束公式，并考虑概率定量的混合整数二次规划方法，包含互补和状态的联合机会约束，使用模拟对所提出的方法的鲁棒性进行了评估，并比较了该方法与近期方法的优劣。

Mar, 2022

通过 TOI-Velocity 方法，我们改进了不完美的可微分刚体模拟并成功地学习了一个能够匹配分析解的最优控制序列。

Apr, 2023

本文提出了一个可微分端到端框架来优化接触感知机器人设计的两个关键部分：一种新颖的变形参数化方法和一个可处理联系丰富情况和计算全谱运动和动态参数分析梯度的可微刚体模拟器，在多个操作任务中，我们的框架胜过了使用其他表示形式优化控制或设计，或使用无梯度方法进行共同优化的现有方法的情况。

Jul, 2021

本文提出了一种基于 3D 场景图表示的联系图 +（CG +）的机器人规划方法，利用谓词属性增强这种联系图表示，进行任务规划，计算初始场景图和目标配置之间的图形编辑距离（GED）来初始化任务计划，最终通过实施约束来完成任务，并通过系列实验验证其潜力和可行性。

Jul, 2022

为了极大增强机器人智能，我们提出了一个全面的框架来开发通用机器人操作的基础模型，并通过形式化操作任务为接触综合来实现。我们的模型以物体和机器人的点云、物体的物理属性、目标运动和操作区域掩码作为输入，并输出物体上的接触点以及机器人实现所需的接触力或接触后的运动。在仿真和实际世界环境中进行了广泛实验，操作的对象包括关节刚体、刚体和可变形物体，其维度范围从一维物体如绳索到二维物体如布料以及三维物体如软陶。我们的模型达到了约 90% 的平均成功率。

May, 2024

通过深度学习的手法，优化手的姿态以实现与目标物体的期望接触，并使用一种可微分的接触模型来高效优化手的姿态，以实现期望的接触效果，从而显著提高接触匹配度和人类参与者对于抓取的喜好度。

Apr, 2021

本文探究如何在物理属性不确定情况下提高稳健性，通过摆杆操作提供了利用摩擦力提高稳定性的方法与算法，并且使用 6 自由度机械臂通过控制不同物品进行实验演示。

Mar, 2022

本篇研究通过介绍一种新的中间变量来提高三维抓取合成的效率，以解决现有方法想要直接从物体映射到抓取姿势的非光滑和低效问题，并提出了一种基于接触区域的因子图形式来描述抓取姿态生成过程，并通过实验验证了优化方法的有效性。

Oct, 2022

本文介绍了一种在机器人控制、优化和估计中求取系统动态的导数的新方法，该方法利用了自动微分技术，以及在四足机器人 HyQ 和 6 自由度机械臂动态路径规划方面的实际应用。

Sep, 2017