本文介绍一种通过使用双边机器人、RGBD 感知技术以及新的夹爪设计来自动解开长达 3 米的缆绳。通过 Sliding and Grasping for Tangle Manipulation（SGTM）算法，成功率在分离的人字结和八字结上可以达到 67％，在更复杂的结构上可以达到 50％。

Jul, 2022

本文提出了一种基于多层次的任务和动作规划框架，可以协调多个机器人完成复杂结构的组装，在高层次通过整数线性规划算法计算抽象计划，并在低层次使用多智能体路径规划算法规划机器人的运动路线，关键在于高层次规划中的避碰约束和运动的持续时间，以使得抽象计划既可行又高效。

Mar, 2022

研究多阶段机器人操纵任务的学习问题，应用于电缆布线，其中机器人必须通过一系列的夹子将电缆线路引出。通过使用基于视觉的策略训练的模仿学习系统，在较低（电机控制）和较高（排序）层面上描述了此方法，展示了在非常具有挑战性的夹子放置变化中普遍性能。

Jul, 2023

设计了一个去中心化控制器，用于多足机器人在崎岖地形上进行载荷运输，通过强化学习方法在仿真中训练该控制器并证明其在各种场景下的有效性，同时在现实世界中演示了由多个 Cassie 机器人组成的系统，这是首个可扩展的多足载荷运输系统的例子。

Jun, 2024

移动自主机器人在制造过程中具有改革性潜力。我们提出了一个完整的算法堆栈，用于解决制造中的挑战，并能够在几分钟内为成千上万个零部件设计复杂的装配计划。

Oct, 2023

该研究针对机器人在重复环境中的可操作性，提出一种基于物理模拟器的动态规划算法，结合多智能体路径规划的思想，用于实现机械臂动作计划与可移动物体状态变化之间的交互式自主调整。

Mar, 2023

本文介绍了一种将目标限制引入运输网络中的方法，利用该方法结合具有多阶段柔性物体操作任务而设计的一套模拟基准，成功实现了机器人对柔性物体的多样姿态操作。

Dec, 2020

本研究描述了使用四足腿机器人进行矿山探索和制图的完全自主系统，以及用于报告数据的分布式数据库网状网络系统。研究还展示了在 SubT 挑战活动中展示了百米级遍历后文物定位的结果。这些实验描述了由四足腿机器人开展的未知全球卫星定位系统 (GNSS) 挑战自主勘探的探索。

Sep, 2019

我们介绍了一种用于在混乱环境中实现可靠电缆抓取的 CG-CNN 模型，该网络利用物理仿真生成了模拟电缆抓取的广泛数据集，通过利用近似凸分解技术解剖非凸电缆模型，并基于模拟抓取尝试自动标记抓取质量。通过对这个仿真数据集进行训练和领域随机化技术的改善，我们的模型可以预测抓取质量并指导机器人控制器执行最优的抓取姿势，该模型的抓取效果在合成和真实环境下得到了评估，成功率分别为 92.3% 和 88.4%，优于目前的技术水平。

Feb, 2024

本文提出了一种基于实体机器人和物理模拟引擎相结合的 Real2Sim2Real 方法，可以在有限的数据下训练物理模拟引擎以发现转移的运动策略，并通过采用轨迹分段技术，计算接触点的非零梯度，并避免了训练过程中的梯度评估冲突。该方法在三根杆条张力机器人中得到了证明和评估

Sep, 2022