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

研究开发出了智能螺旋状磁性水凝胶微型机器人，并通过深度强化学习算法自主推导出控制策略，使其在未经表征的仿生流体环境下受控于三维电磁铁阵列产生的变时磁场游泳。

Jan, 2022

利用基于视觉的软式机器人手指通过学习六维受力和力矩（FT）的监督式变分自编码器（SVAE），该研究调查了从陆地到水下的抓握知识的可转移性。结果表明，训练的 SVAE 模型学习了一系列的潜在表示，可以从陆地到水中进行传递，提供了针对商用 FT 传感器环境变化的优越适应性。通过触觉智能实现的软、精细和反应灵敏的抓握提高了夹持器在水下的交互可靠性和稳健性，极大地降低了成本，为基于学习的智能抓握支持环境和海洋研究的基础科学发现铺平了道路。

Aug, 2023

通过在未知环境下实现感知、高层规划和模块化硬件的集成，我们展示了一种模块化机器人系统，能够通过反应式重新配置来完成高级任务。该系统在三次硬件演示中得到验证，为模块化自重构机器人应对现实世界任务的设计奠定了基础。

Sep, 2017

该研究论文提出了一种基于仿生神经动力学模型的新型混合控制策略，以提高无人水下车辆的跟踪控制，将改进后的后向运动学控制策略与新型滑模控制相结合，以实现控制信号的平滑性，这在无人水下车辆的实际应用中尤为重要。

Sep, 2022

本文介绍了生物仿生机器鱼的最新设计，分为软机器鱼和刚柔耦合机器鱼，分析了其游泳机制和运动协调和通信的最新进展，总结了当前的研究趋势，讨论了挑战和潜在的未来研究方向。

Jun, 2022

利用时间序列神经网络代替推进力学模型，开发搜索式反向模型控制系统，以多个目标为目标，找到一组鳍动力学参数，并演示了如何集成此模型来进行在线控制。

Sep, 2022

本文介绍了利用已知系统结构和先前的物理知识创造受约束的深度神经动力系统模型的具有不同程度领域知识的控制定向参数模型。使用通用微分方程构造了 AUV 动力学的数据驱动的黑盒和灰箱表示，评估了不同初始条件和控制输入的学习模型的预测性能，以评估其准确性，泛化性和控制适用性。

Aug, 2022

通过从自然中选择性启示，我们构建了具有大规模行动空间、多个相机提供的丰富传感数据流以及与其他系统连接以增强行动空间和数据流的强大且部分软性的机器人肢体。作为概念验证，我们训练了两种当代机器学习算法来执行简单的目标寻找任务，将这一设计视为构建用于实现人工通用智能的机器人的第一步。

Apr, 2024

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