机器人杂志

机器人杂志2026年第1期

• 基于推抓技能协同的家庭复杂场景下的物品抓取方法

  黄赛珂, 周风余, 朱振威, 王超群, 宋锐

  针对家庭复杂场景下物品的抓取任务，提出了一种基于推抓技能协同的抓取方法。首先，将复杂环境下的抓取任务建模为马尔可夫决策过程，给出状态、动作等变量的定义，并设计推抓技能置信度评估网络（PGCE-Net），对当前场景需采取的抓取和推动动作以及推动距离进行置信度评估，实现推抓技能协同。其次，受人类完成混乱物品抓取任务的启发，设计混乱度评估网络（CE-Net）推断当前场景的混乱度等级，并对机器人的动作进行优化调整，从而有效提高抓取成功率。最后，根据推动和抓取动作的特点设计了合理的奖励函数，实现了推抓技能的增强。通过仿真和真实环境下的机器人抓取实验，验证了所提方法的可行性和有效性。

• 基于拓扑图和大语言模型的灵活可控社交导航

  杨宜凡, 张千一, 宋一诺, 朱泽卿, 刘景泰

  社交导航要求机器人在理解复杂环境和人类社交规则的前提下灵活决策，摆脱对特定模型函数的依赖，充分利用广泛的世界知识。为此，提出了一种基于拓扑图与大语言模型的通用导航架构。首先，基于障碍物聚类和图论提出了一种环境理解方法来为机器人提供候选引导点。其次，利用大语言模型的角色扮演和少样本闭环优化等机制决策出最优引导点，并以引导点为目标生成并优化轨迹。最后，在多个不同的静态和动态场景中进行实验验证，并在4个大语言模型上完成测试。结果表明，引导点与传统轨迹优化的结合使得导航是可控的，大模型的世界知识使机器人在运动效率与社交属性上达到了良好的平衡，其局部最优决策数所占比例达到了97.94%。

• 面向地下排水管网的轮式机器人自适应卡尔曼滤波定位算法

  朱瑾玉, 孙少欣, 胡安森, 苏晓杰

  为了提高管道机器人在直径400~600 mm地下管网中的定位精度，融合低成本轮式编码器、光流传感器和六轴惯性测量单元的数据，实现了机器人在缺失全局信息情况下的定位功能，推算出较为精确的机器人行走轨迹。首先，针对管道环境中常出现的轮式机器人打滑问题，加入异常值检测机制，设置异常值判断阈值，对轮式编码器的数据进行修正；其次，引入了田口算法来辅助完成卡尔曼滤波过程噪声协方差矩阵的参数调整，效率是试错法的5倍；另外，针对测量噪声协方差矩阵的调整问题，引入残差、遗忘因子和参数阈值来自适应调整矩阵参数；最后，通过实机平台开展实验，结果表明，改进后的算法能抑制纵滑带来的误差，定位精度是基于扩展卡尔曼滤波的定位算法的3.26倍。

• 基于引导多样性的护理机器人模仿学习

  谢劼欣, 陈敏轩, 伍锡如, 李洋, 郭士杰

  传统的机器人模仿学习方法普遍存在模仿成功率低、对专家样本量依赖严重等问题，无法用于强时变、非结构化的护理场景。为解决以上问题，本文提出了一种基于引导多样性的护理机器人模仿学习方法TGOD-SD。首先构造了基于引导多样性的轨迹生成范式TGOD，该范式可以部署于基于强化学习的模仿学习算法，且无需构造奖励函数，TGOD引导智能体围绕专家示范轨迹生成多样性的模仿轨迹。其次，提出了一种基于下沉角距离（SD）的轨迹匹配方法，有助于智能体搜索最佳的匹配轨迹作为模仿学习的输出。最后，基于关节转角构造了一种仿真-现实轨迹迁移方法，将模仿学习得到的轨迹应用于实际的护理机器人上。护理机器人上的大量模仿学习实验表明，所提出的TGOD-SD方法有效地提高了机器人模仿学习的成功率，对比现有主流方法平均提高了64.6%，成功模仿的轨迹质量更好，与专家示范轨迹的相关系数平均提升了32.61%，成功学习的期望耗时至少缩短至主流方法的62.5%。更重要的是，TGOD-SD实现了从单一的专家示范样本中进行学习，降低了算法对专家示范样本数量的依赖性，有效地提高了机器人模仿学习方法的实用性。

• 基于事件相机的双目视觉SLAM

  刘勇, 刘智聪, 邵津津, 李程, 蓝德劭

  现有的基于事件相机的同步定位与地图构建（SLAM）方法大多依赖事件流长时间积累，无法有效利用事件流之间的关联，导致建图与定位精度欠佳等问题。为此，本文探索了一种基于事件相机的双目视觉SLAM系统，通过匹配左右时间曲面上的最近时间戳事件，计算特征深度信息，通过Luacas-Kanede算法匹配深度信息与时间曲面信息来计算位姿的微小增量，以实现跟踪；然后基于Students’t概率模型，使用IRLS（迭代重加权最小二乘）算法加速对深度信息的融合，得到半稠密地图。使用开源数据集模拟极端环境对算法进行性能测试，并对建图与跟踪的结果进行误差分析。试验结果表明，相比于现有的最优异的方法，本文方法拥有更好的建图效果，在不同数据集上的位姿误差降低48.3%，具备更高的定位精度；同时在光线不足、高动态场景下均能鲁棒地工作。

• 融合双层语义信息的3维人体姿态估计网络

  贾迪, 杨柳, 徐驰, 何德堃

  在融合人体姿态的多个可行解时现有方法没有充分学习假设间的依赖关系，易导致融合结果精度不高。为此，提出了一种融合双层语义信息的3维人体姿态估计网络。首先，提出一种层次特征提取模块，对人体关节点的内在结构信息进行建模，提取包含不同层次语义信息的假设特征，同时提高关节点位置信息的利用率；其次，为进一步提高网络性能，设计特征细化模块对假设特征进行自我信息传递，以增强关节点间位置的关联性；最后，提出一种层次特征融合模块及关联计算子模块，学习多假设特征间的依赖关系，并根据该关系在假设特征间进行跨假设信息传递，使其融合为一个精准的假设特征，以此充分利用不同假设的不同层次语义信息来获得最终的3维人体姿态估计结果。分别在Human3.6M、MPI-INF-3DHP以及HumanEva-I数据集上验证所提模型的表现，实验结果表明，本方法能提高3维人体姿态估计的准确性，且可有效应对人物自遮挡及姿势复杂等情况。

• 一种基于运动状态机的搬运助力外骨骼

  韩亚丽, 徐闽海, 韩子瑒, 周磊, 陈志阳

  为减轻搬运作业人员的肌肉损伤，针对现有外骨骼灵活性低、人机耦合性差的问题，提出了一种基于套索驱动的搬运助力外骨骼。外骨骼通过电机带动线轮转动，完成套索的灵活收放，实现辅助搬运的功能，从而减轻穿戴者的肌肉损伤。首先，基于多传感器信息融合进行穿戴者的运动意图识别，并对外骨骼采用分层控制策略，分别采用有限运动状态机和力/位混合控制作为控制系统的上层和下层控制；其次，进行了外骨骼性能测试及助力评估。实验结果显示，在10 kg重物搬运提举过程中，肱二头肌的肌肉激活度降低约11.7%，腰竖脊肌的肌肉激活度降低约37.3%；在以0.8 m/s的速度搬运10 kg重物行走时，肱二头肌的肌肉激活度降低约31.9%。结果表明该外骨骼对手臂及腰部具有良好的助力效果。

• 一种新型柔性变刚度关节执行器的设计及性能分析

  钟聪文, 吴柏生, 钟慧湘

  为了提高机器人在复杂工况下的可控性及安全性，基于板簧和变支点杠杆结构，提出了一种新型柔性变刚度关节执行器（VSJA）。该执行器通过椭圆槽齿轮传动机构实现刚度变化，它设计紧凑、刚度范围大且连续可调。基于悬臂梁的挠曲变形理论和泰勒公式，推导出变刚度关节的刚度显式表达式，便于确定执行器的刚度。通过Matlab分析了VSJA的刚度变化规律并用Adams验证理论模型的合理性。最后，搭建实验平台，验证VSJA的可行性。实验表明，VSJA的理论刚度与实验结果相吻合，它具有良好的位置跟踪性能，满足机器人关节的变刚度需求。

• 分布式驱动—转向多级铰接移动机器人构形设计及控制方法

  胡喆熙, 彭会帅, 李浩语, 杨毅, 谢杉杉

  铰接移动机器人平台具有运载量大、模块组合灵活等优点，但存在通过性差、内稳定性差等突出问题，极大限制了运载场景和效率。本文设计了一种搭载分布式驱动与转向机构的多级铰接移动机器人平台及其控制方法。首先，基于多级铰接平台的递推运动学和动力学特征分析并提出了前轴驱动、后轮转向的全挂型挂车分布式转向和驱动部署方案。而后，针对多级铰接平台转弯扫掠面积大导致的通过性差问题，设计了基于运动学推演和坐标系变换的挂车后轮转向模块化反馈控制算法，实现铰接平台的同一路径行驶；针对多级铰接平台内稳定性差的问题，设计了基于前馈与反馈融合的分布式驱动控制方法，实现了铰接平台在高速转向、制动等易失稳工况下的协同稳定行驶。最后，以4节铰接移动机器人平台为例进行仿真与实物实验。实验表明分布式后轮转向法使挂车相对于牵引车的最大轨迹偏差下降约93%；协同驱动控制法使平台在0.1 rad转向角下最大稳定行驶速度从8 m/s提升至14 m/s，直线制动减速度从-1 m/s2提升至-4 m/s2。

• 基于车—臂协同策略的移动机械臂柔顺开门技术

  孙鹏宇, 李君, 刘宇飞, 刘逸群, 王剑锋, 李卫华

  针对无人环境中开门作业的需求，提出了一种基于车—臂协同策略的移动机械臂柔顺开门技术，主要应用于核泄漏、核辐射等危险环境，旨在通过车—臂协同耦合运动使移动机械臂完成开门任务。首先，采用相机与雷达对周围环境进行感知，获取门及门把手的精确位置，并基于门平面点云数据提出了一种门开度检测算法。针对抓取与旋拧门把手的任务，设计了一种基于模型参考的自适应阻抗柔顺控制器，提升了机械臂在开门过程中的柔顺性和抗干扰能力。此外，构建了面向车—臂协同开门运动的多任务模块规划框架，在运动学层面上耦合机械臂与移动平台，实现了自主柔顺开门功能。最后，搭建了移动机械臂实验平台并进行了开门测试，与传统柔顺控制方法进行对比。实验结果表明，本文提出的自适应柔顺控制器相比传统阻抗控制器，接触力抖动范围缩小了30%；同时，所设计的开门策略能够顺利完成70°夹角的开门任务。实验验证了自适应阻抗控制器在提升机械臂柔顺性方面的有效性，以及车—臂协同开门策略在移动机械臂柔顺开门过程中的可行性与有效性。

• 基于知识蒸馏的NeRF SLAM模型轻量化研究

  王红星, 罗子杰, 吴欢娣, 曹雏清, 徐劲松, 刘国满, 邓少波, 叶展

  神经辐射场（NeRF）在高质量3维场景重建方面具有巨大潜力，但其高计算复杂度、数据需求和存储限制使其在实际应用中面临诸多挑战。为了解决这一问题，提出了一种结合知识蒸馏的改进NeRF SLAM系统。通过引入知识蒸馏技术，以实现快速且高效的训练。实验结果表明，与原始NeRF模型相比，本文的系统在重建精度上使点云准确性提升18.21%、重建点云完整度提升14.86%，完成率提升14.09%，在重建效率上使得总FLOP（浮点运算次数）值下降了35.52%，在保持重建精度的同时，显著减少了训练时间和计算资源消耗。本研究不仅为NeRF SLAM系统的优化提供了新的思路，也为知识蒸馏在3维视觉领域的应用探索了新的途径。

• 基于自适应调节机制的激光SLAM后端约束构建方法

  石文博, 戴豪杰, 陆昱初, 姚陈鹏, 刘成菊, 陈启军

  在复杂环境下，几何结构的弱差异性与点云数据特征的降级易引发回环误匹配，导致后端图优化解算误差增加，制约移动机器人地图构建及定位的精确性与可靠性。为此，提出了一种基于自适应调节机制的激光SLAM（同步定位与地图构建）后端约束构建方法。首先，设计了基于匹配不确定性的回环检测搜索窗口动态调整方法，通过改进Floyd算法对子图最短距离矩阵的动态更新和维护，实时量化不同匹配节点间的相对不确定性程度，进而根据量化指标设计动态调节机制，自适应调整约束构建过程中的匹配搜索域。其次，提出了基于激光点云特异性的自适应阈值法，通过候选解得分情况量化点云特异性，动态调节约束构建搜索过程中的扫描匹配得分的阈值。最后，在移动机器人平台上进行实体实验，结果表明，与其他主流图优化激光SLAM算法相比，所提方法显著减少了错误约束构建，有效提升了机器人在复杂环境下建图的准确性与定位的鲁棒性。

• 室外半静态环境下基于快速会话对齐的地图更新方法

  方宝富, 谢艺, 王浩, 袁晓辉

  目前室外半静态环境下的地图更新算法普遍存在速度较慢，无法实时运行的问题。为此，本文提出一种基于会话快速对齐的地图更新方法，目的是提高会话对齐的速度，保证地图与环境的一致性。首先引入高斯曲率来稀疏化点云以减小点云规模，并进行体素化点云配准，利用所获取的约束构造因子图；然后，引入历史约束实现局部会话的因子图修补，解决因回环检测和点云配准失效导致的因子图构造失败问题；最后，通过因子图优化实现会话对齐，并基于对齐的会话进行地图更新。在MulRan数据集和LT-ParkingLot数据集上评估了该方法，其会话对齐频率达到了13 Hz，相较于原方法提升了80%，可实现在工厂等经典半静态场景下实时对齐会话。通过实验证明了本文方法在地图更新方面的有效性。

• 基于双材料3D打印技术的多模式模块化软体机器人设计与实验研究

  谢文龙, 何相辰, 李嘉晨, 金国庆

  提出了一种基于双材料3D打印技术的模块化软体机器人设计，旨在提升模块化执行器的性能和机器人的整体适应性。采用双材料打印技术，将执行器分为应变限制层和扩展层，优化了执行器的结构，使其在提高输出性能和使用寿命的同时，改善了运动精度和可靠性。基于这一技术，设计了具备多种运动模式的模块化机器人系统，可以根据任务需求灵活更换不同的执行器模块，从而有效提升机器人的运动灵活性和功能多样性。实验结果表明，双材料打印技术不仅改善了执行器的性能，还为模块化软体机器人适应不同的应用场景并完成任务提供了新的解决方案。本文为模块化软体机器人的设计与制造提供了新的思路，尤其在性能优化和多功能任务执行方面具有重要意义。

• 基于轻量级U形网络的颜色空间优化水下图像增强方法

  李明桂, 周焕银, 龚利文

  针对水下图像中由于光折射和吸收引起的色彩偏差、对比度降低和细节模糊等问题，提出了基于轻量级U形网络（DU2Net）的颜色空间优化水下图像增强方法。首先，基于一个包含11 739张实景水下图像的大规模数据集（DSUI），结合高质量参考图、语义分割图和介质传输图，优化了U型网络，并采用轴向深度卷积和密集注意力块以降低计算复杂度和减少参数数量，从而提升DU2Net处理速度和图像增强质量。其次，引入了一种结合RGB、LAB和LCH颜色空间的多颜色空间损失函数，旨在更贴合人眼视觉特性，进一步提升图像的颜色还原度和对比度。实验验证结果表明，DU2Net与当前先进的水下图像增强技术如UDCP、CRUHL等相比，在UIQM、UCIQE、CCF和AG等指标上分别提升了0.367、0.072、26.165和7.833，处理速度相较UDCP提升8倍。这些结果验证了所提方法在不同水下场景中的适用性和效果。

• 基于最优试验数据样本自适应选择的工业机器人负载动力学参数辨识方法

  吴锦辉, 张清瑞, 杜强, 王嘉, 陶友瑞

  考虑到精确量化负载动力学参数在工业机器人运动控制精度保障中的重要性，提出了一种基于最优试验数据样本自适应选择的工业机器人负载动力学参数辨识方法。首先，基于牛顿―欧拉递推法建立机器人带载与空载状态下的动力学模型，两者相减后得到负载动力学模型；其次，分析负载对机器人各关节力矩的影响，确定负载动力学参数辨识所需关节的运动数据，基于傅里叶级数建立关节运动激励轨迹，并基于Hadamard不等式建立激励轨迹优化目标函数；接着，在空载和带载两种状态下运行相同的激励轨迹，采集关节角位移、角速度、角加速度和关节力矩信息，并对采集的信息进行低通滤波处理，滤波处理后的关节运动数据通过最优数据样本选择策略进行筛选，得到最优试验数据样本集，之后代入负载动力学参数辨识模型，采用加权最小二乘法进行参数估计，得到负载动力学参数；最后，通过试验测试并与传统辨识方法比较验证所提方法的有效性。结果表明，所提方法在不同负载情况下均能保证较高的辨识精度，同时通过优化选择样本数据，能减少数据量，为提高在线负载动力学参数辨识效率提供了思路。

• 非医用智能机器人人机交互安全测评技术现状及趋势综述

  李本旺, 牛南南, 尚明生, 何国田, 王雨琴, 公续银

  非医用机器人人机交互安全测评技术正面临交互安全影响机理不清、测试方法及标准体系缺失、测试仪器与标定方法缺失等关键“卡脖子”问题。本文对国内外协作类机器人安全测评技术的相关研究进行综述，分析国内外机器人交互安全测评技术的现状，总结协作类机器人人机交互安全难点问题，展望了人机交互安全测评技术的未来研究趋势。

• 基于深度强化学习的路径规划算法综述

  黄鑫, 张志佳, 孙平, 唐延东, 刘云鹏

  传统的路径规划方法在复杂多变的环境中存在明显的局限性，本文首先探讨了这些传统方法的不足，接着引入深度强化学习作为新的解决思路。全面总结了基于价值函数、基于策略和基于值策略混合3种深度强化学习方法的原理、优缺点以及近年来在各个应用领域上具有代表性的研究成果，并将代表性算法在统一平台上进行测试，给出了实际对比分析。最后对基于深度强化学习的路径规划技术面临的挑战和研究展望进行了总结。