尽管有多样化的环境进展，但蛇机器人仍然远远落后于穿越大障碍物的复杂的3-D地形。这是由于缺乏对如何控制3-D体弯曲以推动地形特征来产生和控制推进的理解。生物学研究表明，总体蛇使用接触力传感来实时调整身体弯曲。然而，由于缺乏对其力传感器官如何工作的基本知识，研究蛇中的这种感觉调制的力量控制是挑战性的。在这里，我们采取了一种robophysics方法来进行进步，从开发一个能够使用接触力感测的3-D体弯曲的蛇机器人来实现，以实现系统的运动实验和力量测量。通过两个开发和测试迭代，我们创建了一个12段机器人，其中36个压电板传感器分布在所有段上，具有符合30 Hz的采样频率的符合壳体。机器人测量接触力，同时使用具有高可重复性的垂直弯曲来横穿大障碍，实现为提供系统实验的平台的目标。最后，考虑到压电传感器的粘弹性行为，我们探讨了基于模型的校准，这将为未来的研究有用。

许多应用需要机器人通过具有大障碍的地形，例如自动驾驶，搜救和救援和外星探索。虽然机器人在避免稀疏障碍时已经出色，但它们仍然在扭转杂乱的障碍物中挣扎。灵感来自蟑螂的使用和响应具有不同方式的障碍物的障碍物，以跨越不同刚度的草地梁，在这里，我们开发了一种能够进行环境力传感的简约机器人的物理模型，向前推进两个光束以模拟和理解杂乱障碍的遍历。像刚度和偏转位置一样的光束属性可以从测量的嘈杂的梁接触力估计，其富力地随着感测时间而增加。使用这些估计，模型预测了使用势能障碍定义的遍历定义的成本，并使用它来规划和控制机器人以产生并跟踪以最小成本横穿轨迹。在遇到僵硬的光束时，模拟机器人从更昂贵的音高模式转换为更昂贵的滚动模式到遍历。当遇到脆弱的光束时，它选择推动横梁，而不是避免光束的能量成本。最后，我们开发了一个物理机器人并证明了估计方法的有用性。

视觉的触觉传感器由于经济实惠的高分辨率摄像机和成功的计算机视觉技术而被出现为机器人触摸的有希望的方法。但是，它们的物理设计和他们提供的信息尚不符合真实应用的要求。我们提供了一种名为Insight的强大，柔软，低成本，视觉拇指大小的3D触觉传感器：它不断在其整个圆锥形感测表面上提供定向力分布图。围绕内部单眼相机构造，传感器仅在刚性框架上仅成型一层弹性体，以保证灵敏度，鲁棒性和软接触。此外，Insight是第一个使用准直器将光度立体声和结构光混合的系统来检测其易于更换柔性外壳的3D变形。通过将图像映射到3D接触力的空间分布（正常和剪切）的深神经网络推断力信息。洞察力在0.4毫米的总空间分辨率，力量幅度精度约为0.03 n，并且对于具有不同接触面积的多个不同触点，在0.03-2 n的范围内的5度大约5度的力方向精度。呈现的硬件和软件设计概念可以转移到各种机器人部件。

拍打翅膀是一种生物启发的方法，可在空中机器人中产生升力和推动，从而导致安静有效的运动。该技术的优点是安全性和可操作性，以及与环境，人类和动物的物理互动。但是，为了实现大量应用，这些机器人必须栖息和土地。尽管最近在栖息场上取得了进展，但直到今天，拍打翼车辆或鸟类动物仍无法停止在分支上的飞行。在本文中，我们提出了一种新颖的方法，该方法定义了一个可以可靠和自主将鸟鸟类降落在分支上的过程。该方法描述了拍打飞行控制器的联合操作，近距离校正系统和被动爪附件。飞行由三重俯仰高空控制器和集成的车身电子设备处理，允许以3 m/s的速度栖息。近距离校正系统，具有快速的光学分支传感可补偿着陆时的位置错位。这是通过被动双向爪设计可以补充的，可以锁定和固定2 nm的扭矩，在25毫秒内掌握，并且由于集成的肌腱致动而可以重新打开。栖息的方法补充了四步实验开发过程，该过程为成功的设计优化。我们用700 g的鸟杆验证了这种方法，并演示了在分支上拍打翼机器人的第一次自主栖息飞行，结果用第二个机器人复制。这项工作为在远程任务，观察，操纵和室外飞行中应用翼机器人的应用铺平了道路。

陆地动物和机器人易于在复杂地形的快速运动过程中翻转。然而，与像昆虫这样的小动物相比，小型机器人能够从颠倒的方向自置于颠倒的方向。灵感来自翅膀的盘状蟑螂，我们设计了一种新的机器人，通过推动地面，将其翅膀打开到自权利。我们使用该机器人来系统地测试自右转性能如何取决于机翼开启幅度，速度和不对称性，并建模了运动学和精力充沛的要求如何取决于机翼形状和主体/机翼质量分布。我们发现，机器人自我权利使用动能动态地克服潜在的能量屏障，更大且更快的对称翼开度增加了自右转性能，并且当机翼开口较小时，开口翼的开口翼增加了右转概率。我们的结果表明，盘状蟑螂的翅膀自职是一种充满活力的机动。虽然薄薄的轻质蟑螂和我们的机器人的轻量级翅膀是充满活力的次优，与高大的沉重的，但它们的开翼的能力将它们节省了大量的能量，与否如果他们有静态炮弹。类似于生物外观，我们的研究为地球机器人提供了概念，以利用现有的形态以克服新的机器人挑战。

人类无法访问许多空间，机器人可以帮助传感器和设备提供。这些空间中有许多包含三维通道和不均匀的地形，这些通道对机器人设计和控制构成了挑战。通过同时进行的远处和体材料反转移动的环形机器人有望在这些类型的空间中导航。我们提出了一种新型的柔软的环形机器人，该机器人在充满空气的膜内使用电动设备推动自己推动自己。我们的机器人只需要一个控制信号即可移动，可以符合其环境，并且可以垂直爬上电动机扭矩，该电动机与用来支撑机器人对环境的力无关。我们得出并验证了其运动所涉及的力的模型，并演示了机器人导航迷宫和攀登管道的能力。

尽管已显示触觉皮肤可用于检测机器人臂及其环境之间的碰撞，但并未广泛用于改善机器人抓握和手持操作。我们提出了一种新型的传感器设计，用于覆盖现有的多指机器人手。我们在台式实验中使用织物和抗静态泡沫底物分析了四种不同的压电材料的性能。我们发现，尽管压电泡沫被设计为包装材料，而不是用作传感底物，但它的性能与专门为此目的设计的织物相当。尽管这些结果证明了压电泡沫对触觉传感应用的潜力，但它们并未完全表征这些传感器在机器人操作中使用的功效。因此，我们使用低密度泡沫底物来开发可扩展的触觉皮肤，该皮肤可以连接到机器人手的手掌上。我们使用该传感器展示了几项机器人操纵任务，以显示其可靠地检测和本地化接触的能力，并在掌握和运输任务期间分析接触模式。我们的项目网站提供了有关传感器开发和分析中使用的所有材料，软件和数据的详细信息：https：//sites.google.com/gcloud.utah.edu/piezoresistive-tactile-sensing/。

Animals run robustly in diverse terrain. This locomotion robustness is puzzling because axon conduction velocity is limited to a few ten meters per second. If reflex loops deliver sensory information with significant delays, one would expect a destabilizing effect on sensorimotor control. Hence, an alternative explanation describes a hierarchical structure of low-level adaptive mechanics and high-level sensorimotor control to help mitigate the effects of transmission delays. Motivated by the concept of an adaptive mechanism triggering an immediate response, we developed a tunable physical damper system. Our mechanism combines a tendon with adjustable slackness connected to a physical damper. The slack damper allows adjustment of damping force, onset timing, effective stroke, and energy dissipation. We characterize the slack damper mechanism mounted to a legged robot controlled in open-loop mode. The robot hops vertically and planar over varying terrains and perturbations. During forward hopping, slack-based damping improves faster perturbation recovery (up to 170%) at higher energetic cost (27%). The tunable slack mechanism auto-engages the damper during perturbations, leading to a perturbation-trigger damping, improving robustness at minimum energetic cost. With the results from the slack damper mechanism, we propose a new functional interpretation of animals' redundant muscle tendons as tunable dampers.

这项研究受到人类行为的启发，提议使用探测策略，并将其整合到遍布性分析框架中，以解决未知的粗糙地形上的安全导航。我们的框架将可折叠信息整合到我们现有的遍历性分析中，因为仅视力和几何信息可能会被不可预测的非刚性地形（例如柔软的土壤，灌木丛或水坑）误导。通过新的遍历性分析框架，我们的机器人对不可预测的地形进行了更全面的评估，这对于其在室外环境中的安全至关重要。该管道首先使用RGB-D摄像头确定地形的几何和语义性能，并在可疑地形上探测位置。使用力传感器对这些区域进行探测，以确定机器人在其上面时崩溃的风险。该风险被称为可折叠度度量，该指标估计了不可预测的区域的地面可折叠性。此后，将可折叠性度量以及几何和语义空间数据结合在一起，并分析以产生全局和局部穿术网格图。这些遍历性网格地图告诉机器人是否可以安全地跨越地图的不同区域。然后使用网格图来生成机器人的最佳路径，以安全地导航其目标。在模拟和现实世界实验中，我们的方法已在四足动物的机器人上成功验证。

Everting, soft growing vine robots benefit from reduced friction with their environment, which allows them to navigate challenging terrain. Vine robots can use air pouches attached to their sides for lateral steering. However, when all pouches are serially connected, the whole robot can only perform one constant curvature in free space. It must contact the environment to navigate through obstacles along paths with multiple turns. This work presents a multi-segment vine robot that can navigate complex paths without interacting with its environment. This is achieved by a new steering method that selectively actuates each single pouch at the tip, providing high degrees of freedom with few control inputs. A small magnetic valve connects each pouch to a pressure supply line. A motorized tip mount uses an interlocking mechanism and motorized rollers on the outer material of the vine robot. As each valve passes through the tip mount, a permanent magnet inside the tip mount opens the valve so the corresponding pouch is connected to the pressure supply line at the same moment. Novel cylindrical pneumatic artificial muscles (cPAMs) are integrated into the vine robot and inflate to a cylindrical shape for improved bending characteristics compared to other state-of-the art vine robots. The motorized tip mount controls a continuous eversion speed and enables controlled retraction. A final prototype was able to repeatably grow into different shapes and hold these shapes. We predict the path using a model that assumes a piecewise constant curvature along the outside of the multi-segment vine robot. The proposed multi-segment steering method can be extended to other soft continuum robot designs.

预计机器人将掌握形状，重量或材料类型各不相同的广泛物体。因此，为机器人提供类似于人类的触觉功能对于涉及人与人机或机器人与机器人相互作用的应用至关重要，尤其是在那些期望机器人掌握和操纵以前未遇到的复杂物体的情况下。成功的对象掌握和操纵的关键方面是使用配备多个高性能传感器的高质量指尖，在特定的接触表面上适当分布。在本文中，我们介绍了使用两种不同类型的市售机器人指尖（Biotac和wts-ft）的使用的详细分析，每个机器人指尖（Biotac和wts-ft）配备了分布在指尖的接触表面上的多个传感器。我们进一步证明，由于指尖的高性能，不需要一种复杂的自适应抓握算法来抓住日常物体。我们得出的结论是，只要相关的指尖表现出较高的灵敏度，基于比例控制器的简单算法就足够了。在量化的评估中，我们还证明，部分由于传感器的分布，基于BioTAC的指尖的性能优于WTS-FT设备，可以使负载升高至850G，并且简单的比例控制器可以适应该载荷即使对象面临重大的外部振动挑战，也要掌握。

彼此接触的任何两个物体都会仅仅是由于重力或机械接触而引起的力，例如机器人手臂抓住一个物体，甚至是我们膝关节处的两个骨头之间的接触。自然测量和监视这些接触力的能力允许从仓库管理（基于重量检测错误包装）到机器人技术（使机器人臂的抓地力与人类皮肤一样敏感）和医疗保健（膝关节植入物）的大量应用。设计一个无处不在的力传感器是充满挑战的，该传感器可自然地用于所有这些应用。首先，传感器应足够小，以适合狭窄的空间。接下来，我们不想铺设笨重的电缆来读取传感器的力值。最后，我们需要进行无电池设计以满足体内应用程序。我们开发了WiforCesticker，这是一种无线，无电池，类似贴纸的力传感器，可以在任何表面上都可以无处不在，例如所有仓库包装，机器人手臂和膝关节。 WiforCesticker首先设计一个$ 4 $ 〜mm〜 $ \ $ \ times $〜$〜$ 2 $ 〜mm〜 $ \ $ \ times $〜$〜$〜$ 0.4 $〜毫米电容传感器设计，配备了$ 10 $〜$〜$〜$〜$〜$〜$〜$ 〜mm〜mm 〜mm 〜mm 〜mm在灵活的PCB基材上设计。其次，它引入了一种新的机制，可以通过将传感器与COTS RFID系统插入传感器，从而无线读取器无线读取器可以通过无线读取器读取力信息。该传感器可以在多个测试环境中检测到$ 0 $ -6 $ 〜n的力量，感应精度为$ <0.5 $ 〜n，并在传感器上使用超过10,000美元的$ 10,000 $变化的力级按下。我们还通过设计传感器展示了两个应用程序案例研究，称量仓库包和骨接头施加的传感力。

为了使软机器人在以人为本的环境中有效工作，他们需要能够根据（本体感受）传感器估算其状态和外部相互作用。估计干扰使软机器人可以执行理想的力控制。即使在刚性操纵器的情况下，最终效应器的力估计也被视为一个非平凡的问题。实际上，其他当前应对这一挑战的方法也存在防止其一般应用的缺点。它们通常基于简化的软动力学模型，例如依赖于零件的恒定曲率（PCC）近似值或匹配的刚体模型的模型，这些模型并不代表该问题的细节。因此，无法构建复杂的人类机器人互动所需的应用。有限元方法（FEM）允许以更通用的方式预测软机器人动力学。在这里，使用框架沙发的软机器人建模功能，我们构建了一个详细的FEM模型，该模型由多段的软连续机器人手臂组成，该机器人由合规的可变形材料和纤维增强的压力驱动室组成，并具有用于提供方向输出的传感器的模型。该模型用于为操纵器建立状态观察者。校准模型参数以使用物理实验匹配手动制造过程的缺陷。然后，我们解决了二次编程逆动力学问题，以计算解释姿势误差的外力的组成部分。我们的实验显示，平均力估计误差约为1.2％。由于提出的方法是通用的，因此这些结果令人鼓舞，该任务是构建可以在以人为中心的环境中部署的复杂，反应性，基于传感器的行为的软机器人。

大多数腿部机器人都是由串行安装链路和执行器的腿部结构构建的，并通过复杂的控制器和传感器反馈来控制。相比之下，动物发展了多段腿，关节之间的机械耦合以及多段的脚。它们在所有地形上运行敏捷，可以说是通过更简单的运动控制。在这里，我们专注于开发抗原在自然地形上也滑落和下沉的脚步机制。我们提出了安装在具有多接头机械肌腱耦合的鸟类灵感机器人腿上的多段脚的首先结果。我们的单段和两段机械自适应的脚显示在开始滑动之前，在多个软和硬质基材上显示了可行的水平力。我们还观察到，与球形和圆柱 - 脚相比，分割的脚减少了软底物上的下沉。我们报告了多段脚如何提供非常适合双皮亚机器人的可行压力点的范围范围，还适用于斜坡和自然地形上的四倍机器人。我们的结果还提供了对诸如级别鸟类等动物的分段脚的功能理解。

触觉感应是执行灵巧操纵任务的机器人的基本能力。虽然相机，LIDAR和其他远程传感器可以在全球和立即评估场景，但触觉传感器可以减少它们的测量不确定性，并在往复对象和机器人之间获得局部物理交互的信息，这通常不能通过遥感。触觉传感器可以分为两个主要类别：电子触觉皮肤和基于相机的光学触觉传感器。前者是薄薄的并且可以安装在不同的身体部位上，而后者呈现更棱柱形状并具有更高的感测分辨率，具有良好的优势，可以用作机器人手指或指尖。这种光学触觉传感器之一是我们的Geltip传感器，其成形为手指，并且可以在其表面的任何位置感接触。这样，Geltip传感器能够从所有方向上检测触点，如人的手指。为了捕获这些触点，它使用安装在其基部的相机来跟踪覆盖其空心，刚性和透明体的不透明弹性体的变形。由于这种设计，配备盖施电流传感器的夹具能够同时监测其掌握内外的触点。使用该传感器进行的实验表明了触点是如何定位的，更重要的是，利用杂波中的Dexterous操纵任务中的全面触摸感测的优点，甚至可能是必要的，其中触点可能发生在手指的任何位置。可以在HTTPS://Danfergo.github.io/geltip/中找到制造Geltip传感器的所有材料

软机械设计与控制的共同优化需要快速实现现实验证的快速手段。现有的创建管道不允许软机器的SWIFT原型，以便快速测试各种设计配置和控制策略。这项工作提出了一种用于快速迭代设计和制造小型化模块化硅氧烷弹性体的机器人鱼类的管道。模块化设计允许具有不同配置的机器人鱼类简单快速迭代，以帮助目前对设计优化方法的开发的研究。所提出的机器人鱼可以用作标准化的测试平台，可以在哪些性能度量如推力和运动范围之类的标准化测试平台。我们进一步展示了能够测量输入压力，尾部变形和推力的水下评估设置的设计。制造和实验评估具有不同刚度和内部气动室配置的多种机器人鱼原型。机器人的灵活模块化设计原理及其评估平台解锁了更有效的软机器人鱼类的可能性，将来有利于未来设计优化和水下勘探的研究。

结肠镜检查被认为是下层胃肠道（GI）癌症筛查的黄金标准，考虑到降低推荐的筛查年龄，全世界的筛查计划。尽管如此，由于结肠镜和结肠壁之间发生的力，常规结肠镜检查可能会给患者带来不适。已经提出了机器人解决方案，以减少不适感，并提高可访问性和图像质量。为了解决传统和机器人结肠镜检查的局限性，在本文中，我们介绍了软屏幕系统，这是一种基于Eversion导航的新型软性形状胶囊机器人，用于内窥镜检查。多个轨道围绕着系统的身体。这些轨道是由单个电动机搭配蠕虫齿轮和内部刚性底盘的Evert驱动的，从而使基于完整的轨道导航。两个可充气的环形腔室封闭了这个刚性底盘并穿过轨道，使它们在膨胀时取代。该位移可用于调节与周围壁的接触，从而实现牵引力控制并调整整体直径以匹配本地管腔尺寸。在这项工作中介绍了第一个束缚原型在2：1尺度下的系带原型的设计。实验结果显示了不同管腔直径和曲率的有效导航能力，为能够强大导航和可靠控制成像的新型机器人铺平了道路，并具有超出结肠镜检查的应用，包括胃镜检查和胶囊内窥镜检查。

当没有光学信息可用时，在不确定环境下的机器人探索具有挑战性。在本文中，我们提出了一种自主解决方案，即仅基于触觉感测，探索一个未知的任务空间。我们首先根据MEMS晴雨表设备设计了晶须传感器。该传感器可以通过非侵入性与环境进行交互来获取联系信息。该传感器伴随着一种计划技术，可以通过使用触觉感知来产生探索轨迹。该技术依赖于触觉探索的混合政策，其中包括用于对象搜索的主动信息路径计划，以及用于轮廓跟踪的反应性HOPF振荡器。结果表明，混合勘探政策可以提高对象发现的效率。最后，通过细分对象和分类来促进场景的理解。开发了一个分类器，以根据晶须传感器收集的几何特征识别对象类别。这种方法证明了晶须传感器以及触觉智能，可以提供足够的判别特征来区分对象。

机器人在遍历搜索和救援等重要应用程序所需的杂乱型大障碍时仍然差。相比之下，动物在这样做，通常使用与障碍物的直接物理相互作用而不是避免它们。在这里，为了了解杂乱的障碍遍历的动态，我们开发了一种简约的随机动力学模拟，灵感来自我们最近的昆虫横穿草地梁的研究。 2-D型系统由前向自行式圆形机车组成，在摩擦水平平面上平移，其具有横向随机力，并与形成栅极的两个相邻的水平梁相互作用。我们发现横向概率随着推进力单调地增加，但首先增加随机力幅度。对于具有不同刚度的不对称光束，横向朝向较强的光束的侧面更可能。这些观察结果符合潜在的能源景观方法的预期。此外，我们以晶格配置延伸单个栅极以形成一个大的杂乱的障碍物。使用从单门仿真获得的输入 - 输出概率图，应用了Markov链蒙特卡罗方法以预测遍历遍历。该方法在预测障碍物场内的主体的最终位置的统计分布时实现了高精度，同时节省了10 ^ 5的计算时间。

软机器人是一个新兴领域，对需要与环境或人类的安全性和强大的互动的任务产生了有希望的结果，例如抓握，操纵和人机互动。软机器依赖于本质上兼容的部件，并且难以配备传统的刚性传感器，这些传统传感器会干扰其合规性。我们提出了一种高度灵活的触觉传感器，在低成本且易于制造，同时独立于14个出租车测量接触压力。传感器由压阻织物构成，用于高度敏感，连续的响应，以及来自定制设计的柔性印刷电路板，提供高的Taxel密度。从这些TaxLes，可以推断出与传感器的接触位置和强度。在本文中，我们解释了所提出的传感器的设计和制造，表征其输入输出关系，在装备到软机器人RBO手2的硅树脂基气动执行器时，评估其对遵守的影响，并证明传感器提供基于学习的携手对象识别的丰富和有用的反馈。