本篇研究提出了一种基于概率滤波方法的实时、精确估算机器人末端执行器的相机坐标系下位置的方法，并且避免了在与视觉目标的跟踪方法组合时需要进行帧变换的问题。通过建模和纠正测量误差和机器人模型不准确性，在卡尔曼滤波测量的基础上进行基于坐标粒子滤波的异步深度图像更新，使搜索所需的计算量更少。作者在真实机器人平台上进行了定量评估，并通过开放源代码的方式公开了数据集和算法，以便与其他方法进行比较。

Oct, 2016

通过基于图像的插槽检测算法和概率模型，估计手术机器人工具的相机到基座的变换和关节角度测量误差，展示了我们方法的有效性。

Mar, 2024

通过粒子滤波方法，将机器人机械手和相机图像之间的校准和关节角度误差归结于称为 Lumped Error 的更小一组参数，证明了这些参数是不可识别的，从而提高了参数精度。

Feb, 2021

通过从物理机器人收集的数据训练神经网络，我们提出了一个方法来估计手术模拟器中的机器人位置精度误差，并将这些误差注入模拟器中，以产生具有物理机器人特性性能的仿真机器人。我们的结果表明，误差注入将模拟机器人与物理机器人之间的平均位置和方向差异从 5.0 毫米 / 3.6 度降低到 1.3 毫米 / 1.7 度，分别减少了 3.8 倍和 2.1 倍。

Jun, 2024

通过在四足机器人上评估，我们提出了一种混合解决方案，通过结合本体感知和外部感知信息，利用 Kalman 滤波、优化和基于学习的模态，对机器人躯干状态进行估计，从而实现准确的机器人状态估计，并减少传感器测量和模型简化带来的非线性误差。

Jan, 2024

用基于预测处理的感知方法，在不需要编码器读数的情况下，通过对激光传感器的自监督学习，实现了机器人的定位和导航，并通过随机梯度下降对变分自由能的边界进行在线状态估计和导航。

Sep, 2021

该研究开发了利用 Lie 群和不变观测器设计技术的接触辅助不变扩展卡尔曼滤波器（InEKF），该滤波器结合了接触惯性动力学和正向运动学校正，可估计姿态和速度以及所有当前接触点。研究表明，误差动力学遵循对数线性自治微分方程，从而提高了收敛性能，并产生了符合非线性系统的本地可观测矩阵。该过程在 Cassie 系列双足机器人上进行了模拟和实验，并表明其比基于四元数的 EKF 具有更好的性能。

Apr, 2019

本文介绍了一个多模态移动远程操作系统，其由一种新颖的基于视觉的手部姿态回归网络（Transteleop）和一种基于 IMU 的臂部追踪方法组成，并使用低成本深度摄像头观察人手，并通过图像到图像的转换过程生成了配对机器人手部姿势的深度图像，同时具备同时手 - 臂控制的可穿戴相机支架，关键点重建损失探索了人类和机器人手之间在外观和解剖上的相似之处，并丰富了重建图像的局部特征。网络评价结果和各种复杂操作的操作都表明了我们的系统的效率和稳定性。

Mar, 2020

本文研究了使用机器人运动数据中的整体特征进行自动化技能评估的方法，提出了一种加权特征融合技术来提高分数预测表现，并探讨了其在外科医生基础手术任务中的实际应用价值。实验结果表明，这些整体特征优于以前的基于 HMM 的状态 - of-the-art 方法，对 RMIS 培训中的外科医生技能评估具有潜在的实时评分反馈作用。

Dec, 2017

本文提出了一种新型的遥操作系统，其结合了触觉设备和虚拟现实，为遥操作者提供 3D 视觉反馈，通过利用机载视觉和惯性传感器、对象跟踪算法和对象数据库实现。通过室内和室外实验，我们证明了提出的系统在实现高级空中操作任务方面的优势，包括抓取、放置、施力和插销孔插入。

Mar, 2020