当今，机器人技术的新型机器人运动学和基于学习的应用程序的开发几乎完全在模拟中进行，然后才在现实世界中实施。特别是，与传统的操纵器相比，模块化可重构机器人（MRR）是工业机器人技术的令人兴奋的创新，有望更大的灵活性，提高可维护性和成本效益。但是，几十年来，没有像为机器人操纵器对模块进行模拟和模型组件的工具或标准化方法。我们介绍了工业模块化机器人技术的工具箱（Timor），这是一种python工具箱，可弥合此间隙并将模块化机器人技术集成在现有的仿真和优化管道中。我们的开源库配备了各种示例和教程，并且可以轻松地与现有的仿真工具集成在一起 - 尤其是通过提供任意模块化机器人组件的URDF导出，从而使快速模型生成。

当前，选择一个最佳机器人并为给定任务配置为给定任务是由人类专业知识或反复试验完成的。为了评估机器人对特定任务的自动选择和适应，我们引入了一个基准套件，其中包含用于机器人，环境和任务描述的通用格式。我们的基准套件对于模块化机器人特别有用，其中机器人的配置本身会创建许多其他参数以优化。基准定义了此优化问题，并促进了解决方案算法的比较。所有基准都可以通过Cobra.cps.cit.tum.de访问，该网站可方便地共享，参考和比较解决方案。

使用模块化和可重新配置性方面的操纵器配置的自定义是受到大量关注的。到目前为止展示了常规和标准配置的模块。本文介绍了3D可打印，轻量级和非传统模块：Moirs'Mark-2，即使具有非平行和非垂直的连接配置，也可以开发任何自定义`的自由度（DOF）串行机械手。模块化配置的这些非常规设计为模块化组件和软件界面寻求易于适应的解决方案，用于自动建模和控制。使用所提出的4个模块单元，在本文中提出了组装模块，模块化和可重新配置机械手的模块和可重新配置机械手的模块，自动和统一建模。提供可重新配置的软件架构，用于自动生成运动和动态模型和配置文件，通过该设计文件，设计器可以根据需要设计，使用可视化，计划和执行开发配置的运动。开发的框架基于一个称为机器人操作系统（ROS）的开源平台，其充当模块化配置的数字双胞胎。对于实验演示，开发了一个3D印刷模块化库，并使用所提出的模块随后进行了非传统配置，用于自动建模和控制，用于垂直农场设置的单个单元格。

RobowFlex是一个用于工业和研究应用程序机器人运动计划的软件库，利用流行的MoveIt库和机器人操作系统（ROS）中间件。 RobowFlex提供了一个增强的API，用于在单个程序中进行制作和操纵运动计划查询，从而使MoveIt的运动计划变得容易。 RobowFlex的高级API简化了许多常见的用例，同时仍可以在需要时提供对MoveIt库的低级访问。 RobOwFlex对于1）制定新运动计划者，2）评估运动计划者以及3）使用运动计划作为子例程（例如任务和运动计划）的复杂问题。 RobOwFlex还提供可视化功能，其他机器人库（例如Dart和Tesseract）的集成，并与其他机器人包互补。在我们的库中，用户无需成为ROS或MoveIT的专家即可设置运动计划查询，从结果中提取信息以及直接与各种软件组件接口。我们通过几个示例用例证明了它的功效。

设置机器人环境快速测试新开发的算法仍然是一个困难且耗时的过程。这给有兴趣执行现实世界机器人实验的研究人员带来了重大障碍。Robotio是一个旨在解决此问题的Python库。它着重于为机器人，抓地力和摄像机等提供常见，简单和结构化的Python接口。这些接口以及这些接口的实现为常见硬件提供了。此启用使用机器人的代码可以在不同的机器人设置上可移植。在建筑方面，Robotio旨在与OpenAI健身房环境以及ROS兼容。提供了这两种示例。该库与许多有用的工具一起融合在一起，例如相机校准脚本和情节记录功能，这些功能进一步支持算法开发。

最近，有丰富的运动规划，用于机器人操纵新的运动规划人员不断提出，每个运动规划人员都具有自己独特的优势和劣势。然而，评估新规划者是挑战性的，研究人员往往为基准创造自己的临时问题，这是耗时的，容易偏见，并且不会直接比较其他最先进的规划者。我们呈现MotionBenchmaker，一个开源工具来生成基准测试数据集以实现现实的机器人操纵问题。 MotionBenchmaker旨在成为可扩展，易于使用的工具，允许用户通过比较运动计划算法来获得数据集并通过基准测试。凭经验，我们展示了使用MotionBenchmaker作为程序生成数据集的工具的好处，这些工具有助于对规划者的公平评估有所帮助。我们还提供了一套40个预制数据集，8个环境中有5种不同的常用机器人，作为加速运动计划研究的共同点。

模块化和可重新配置的机器人系统旨在为在受限环境中执行的非重复任务提供定制解决方案。定制解决方案通常从可能的机械手配置的基于任务的优化提取，但不整合解决方案，用于直接提供模块化组成。在这项工作中，在第一阶段，基于规定的工作位置和杂乱的环境，讨论了以最小程度的自由度找到非常规优化配置的策略。然后，在第二阶段，介绍了模块化和可重新配置架构的设计，其可以适应这些非传统的机器人参数。而不是产生和发展模块化组合物，呈现了一种策略，通过该策略通过该策略通过该策略可以直接映射到模块化组合物。使用机器人操作系统验证产生的模块化组合物，用于在给定的杂乱环境中规定的工作位置之间的运动规划。

Self-assembly of modular robotic systems enables the construction of complex robotic configurations to adapt to different tasks. This paper presents a framework for SMORES types of modular robots to efficiently self-assemble into tree topologies. These modular robots form kinematic chains that have been shown to be capable of a large variety of manipulation and locomotion tasks, yet they can reconfigure using a mobile reconfiguration. A desired kinematic topology can be mapped onto a planar pattern with optimal module assignment based on the modules' locations, then the mobile reconfiguration assembly process can be executed in parallel. A docking controller is developed to guarantee the success of docking processes. A hybrid control architecture is designed to handle a large number of modules and complex behaviors of each individual, and achieve efficient and robust self-assembly actions. The framework is demonstrated in both hardware and simulation on the SMORES-EP platform.

解决逆运动学问题是针对清晰机器人的运动计划，控制和校准的基本挑战。这些机器人的运动学模型通常通过关节角度进行参数化，从而在机器人构型和最终效果姿势之间产生复杂的映射。或者，可以使用机器人附加点之间的不变距离来表示运动学模型和任务约束。在本文中，我们将基于距离的逆运动学的等效性和大量铰接式机器人和任务约束的距离几何问题进行形式化。与以前的方法不同，我们使用距离几何形状和低级别矩阵完成之间的连接来通过局部优化完成部分欧几里得距离矩阵来找到逆运动学解决方案。此外，我们用固定级革兰氏矩阵的Riemannian歧管来参数欧几里得距离矩阵的空间，从而使我们能够利用各种成熟的Riemannian优化方法。最后，我们表明，绑定的平滑性可用于生成知情的初始化，而无需大量的计算开销，从而改善收敛性。我们证明，我们的逆运动求解器比传统技术获得更高的成功率，并且在涉及许多工作区约束的问题上大大优于它们。

为了在真实硬件平台上安全可靠的任何机器人控制器的安全部署，通常是在现实的仿真环境中使用特定机器人全面评估控制器的性能的必要练习。尽管有几种可以为此目的提供核心物理引擎的软件解决方案，但通常是繁琐且容易出错的努力，将模拟环境与机器人控制器进行评估。控制器可能具有一个复杂的结构，该结构由有限状态机（FSM）内的多个状态和过渡组成，甚至可能需要通过GUI输入。在这项工作中，我们提出了MC-Mujoco，这是一个开源软件框架，该框架在Mujoco Physics Simulator和MC-RTC机器人控制框架之间形成接口。我们提供实施详细信息，并描述为基本上任何新机器人提供支持的过程。我们还展示并发布了一个样品FSM控制器，用于通过Mujoco中的HRP-5P人形机器人对刚性对象进行两足球运动和稳定的抓握。 MC-Mujoco，已开发的机器人模块和FSM控制器的代码和使用说明可在线获得。

近二十年来，软机器人技术一直是机器人社区中的一个热门话题。但是，对于软机器人进行建模和分析的可用工具仍然有限。本文介绍了一个用户友好的MATLAB工具箱Soft Robot Simulator（Sorosim），该工具集合了Cosserat杆的几何变量应变（GVS）模型，以促进对软，刚性或混合机器人系统的静态和动力分析。我们简要概述了工具箱的设计和结构，并通过将其结果与文献中发布的结果进行比较。为了突出该工具箱有效建模，模拟，优化和控制各种机器人系统的潜力，我们演示了四个示例应用程序。所示的应用探索了单，分支，开放式和闭合链机器人系统的不同执行器和外部加载条件。我们认为，软机器人研究社区将从Sorosim工具箱中大大受益，用于多种应用。

This paper gives an overview of ROS, an opensource robot operating system. ROS is not an operating system in the traditional sense of process management and scheduling; rather, it provides a structured communications layer above the host operating systems of a heterogenous compute cluster. In this paper, we discuss how ROS relates to existing robot software frameworks, and briefly overview some of the available application software which uses ROS.

工业机器人的机器人编程方法是耗时的，并且通常需要运营商在机器人和编程中具有知识。为了降低与重新编程相关的成本，最近已经提出了使用增强现实的各种接口，为用户提供更直观的手段，可以实时控制机器人并在不必编码的情况下编程它们。但是，大多数解决方案都要求操作员接近真正的机器人的工作空间，这意味着由于安全危险而从生产线上移除它或关闭整个生产线。我们提出了一种新颖的增强现实界面，提供了用户能够建模工作空间的虚拟表示，该工作空间可以被保存和重复使用，以便编程新任务或调整旧任务，而无需与真正的机器人共同定位。与以前的接口类似，操作员随后可以通过操纵虚拟机器人来实时地控制机器人任务或控制机器人。我们评估所提出的界面与用户学习的直观和可用性，其中18名参与者为拆卸任务编写了一个机器人操纵器。

机器人社区在为软机器人设备建模提供的理论工具的复杂程度中看到了指数增长。已经提出了不同的解决方案以克服与软机器人建模相关的困难，通常利用其他科学学科，例如连续式机械和计算机图形。这些理论基础通常被认为是理所当然的，这导致复杂的文献，因此，从未得到完整审查的主题。Withing这种情况下，提交的文件的目标是双重的。突出显示涉及建模技术的不同系列的常见理论根源，采用统一语言，以简化其主要连接和差异的分析。因此，对上市接近自然如下，并最终提供在该领域的主要作品的完整，解开，审查。

Humans and animals excel in combining information from multiple sensory modalities, controlling their complex bodies, adapting to growth, failures, or using tools. These capabilities are also highly desirable in robots. They are displayed by machines to some extent - yet, as is so often the case, the artificial creatures are lagging behind. The key foundation is an internal representation of the body that the agent - human, animal, or robot - has developed. In the biological realm, evidence has been accumulated by diverse disciplines giving rise to the concepts of body image, body schema, and others. In robotics, a model of the robot is an indispensable component that enables to control the machine. In this article I compare the character of body representations in biology with their robotic counterparts and relate that to the differences in performance that we observe. I put forth a number of axes regarding the nature of such body models: fixed vs. plastic, amodal vs. modal, explicit vs. implicit, serial vs. parallel, modular vs. holistic, and centralized vs. distributed. An interesting trend emerges: on many of the axes, there is a sequence from robot body models, over body image, body schema, to the body representation in lower animals like the octopus. In some sense, robots have a lot in common with Ian Waterman - "the man who lost his body" - in that they rely on an explicit, veridical body model (body image taken to the extreme) and lack any implicit, multimodal representation (like the body schema) of their bodies. I will then detail how robots can inform the biological sciences dealing with body representations and finally, I will study which of the features of the "body in the brain" should be transferred to robots, giving rise to more adaptive and resilient, self-calibrating machines.

本文介绍了Apamant，这是一组软件模块，可为现有的机器人计划和控制软件框架提供掌握计划功能。我们提出的工作允许用户调整操作任务，以在不同的情况下使用最小的用户输入，从而减少操作员的认知负载。开发的工具包括（1）基于插件的组件，使得易于扩展默认功能并使用第三方Grasp库，（2）以对象为中心的方式来定义任务约束，（3）用户友好的RVIZ接口使用GRASP计划者实用程序，以及（4）使用感知数据来编程任务的交互式工具。我们在各种机器人模拟上测试了框架。

用于移动操作的机器人平台需要满足许多对许多现实世界应用的两个矛盾要求：需要紧凑的基础才能通过混乱的室内环境导航，而支撑需要足够大以防止翻滚或小费，尤其是在快速操纵期间有效载荷或与环境有力互动的操作。本文提出了一种新颖的机器人设计，该设计通过多功能足迹来满足这两种要求。当操纵重物时，它可以将其足迹重新配置为狭窄的配置。此外，其三角形配置可通过防止支撑开关来在不平坦的地面上进行高精度任务。提出了一种模型预测控制策略，该策略统一计划和控制，以同时导航，重新配置和操纵。它将任务空间目标转换为新机器人的全身运动计划。提出的设计已通过硬件原型进行了广泛的测试。足迹重新配置几乎可以完全消除操纵引起的振动。控制策略在实验室实验和现实世界的施工任务中被证明有效。

自主机器人结合了各种技能，形成越来越复杂的行为，称为任务。尽管这些技能通常以相对较低的抽象级别进行编程，但它们的协调是建筑分离的，并且经常以高级语言或框架表达。几十年来，州机器一直是首选的语言，但是最近，行为树的语言在机器人主义者中引起了人们的关注。行为树最初是为计算机游戏设计的，用于建模自主参与者，提供了基于树木的可扩展的使命表示，并受到支持支持模块化设计和代码的重复使用。但是，尽管使用了该语言的几种实现，但对现实世界中的用法和范围知之甚少。行为树提供的概念与传统语言（例如州机器）有何关系？应用程序中如何使用行为树和状态机概念？我们介绍了对行为树中关键语言概念的研究及其在现实世界机器人应用中的使用。我们识别行为树语言，并将其语义与机器人技术中最著名的行为建模语言进行比较。我们为使用这些语言的机器人应用程序挖掘开源存储库并分析此用法。我们发现两种行为建模语言在语言设计及其在开源项目中的用法之间的相似性方面，以满足机器人域的需求。我们为现实世界行为模型的数据集提供了贡献，希望激发社区使用和进一步开发这种语言，相关的工具和分析技术。

工业机器人操纵器（例如柯机）的应用可能需要在具有静态和非静态障碍物组合的环境中有效的在线运动计划。当可用的计算时间受到限制或无法完全产生解决方案时，现有的通用计划方法通常会产生较差的质量解决方案。我们提出了一个新的运动计划框架，旨在在用户定义的任务空间中运行，而不是机器人的工作空间，该框架有意将工作空间一般性交易，以计划和执行时间效率。我们的框架自动构建在线查询的轨迹库，类似于利用离线计算的以前方法。重要的是，我们的方法还提供了轨迹长度上有限的次级优势保证。关键的想法是建立称为$ \ epsilon $ -Gromov-Hausdorff近似值的近似异构体，以便在任务空间附近的点也很接近配置空间。这些边界关系进一步意味着可以平稳地串联轨迹，这使我们的框架能够解决批次查询方案，目的是找到最小长度的轨迹顺序，这些轨迹访问一组无序的目标。我们通过几种运动型配置评估了模拟框架，包括安装在移动基础上的操纵器。结果表明，我们的方法可实现可行的实时应用，并为扩展其功能提供了有趣的机会。

Many problems in robotics are fundamentally problems of geometry, which lead to an increased research effort in geometric methods for robotics in recent years. The results were algorithms using the various frameworks of screw theory, Lie algebra and dual quaternions. A unification and generalization of these popular formalisms can be found in geometric algebra. The aim of this paper is to showcase the capabilities of geometric algebra when applied to robot manipulation tasks. In particular the modelling of cost functions for optimal control can be done uniformly across different geometric primitives leading to a low symbolic complexity of the resulting expressions and a geometric intuitiveness. We demonstrate the usefulness, simplicity and computational efficiency of geometric algebra in several experiments using a Franka Emika robot. The presented algorithms were implemented in c++20 and resulted in the publicly available library \textit{gafro}. The benchmark shows faster computation of the kinematics than state-of-the-art robotics libraries.