應用大象機器人機械臂作為核心研究工具產出的論文，被機器人領域頂級期刊《Science Robotics》（影響因子27.5，JCR/中科院雙1區）收錄并榮登期刊封面。

利用軟體機器人對多種植物進行原位葉面增強，以用于光學表型分析與生物工程

該研究由康奈爾大學團隊完成，聚焦精準農業痛點——傳統葉面注射易損傷葉片、適配性差、一致性低等問題，創新研發軟體機器人葉片夾持器，通過myCobot機械臂，實現自動化壓印加壓滲透，將納米顆粒與遺傳物質精準注入葉片，成功率超91%且損傷極小，實現了可靠的體內表型分析和基因表達研究，從而推動植物生物工程與高通量表型分析的技術革新。

2025年，大象機器人產品在康奈爾大學、東京大學、首爾國立大學、密歇根大學、紐約大學、滑鐵盧大學、早稻田大學、華中科技大學、華南理工大學、香港理工大學等海內外前沿學府和研究機構中實現規模化應用，以幫助研究人員更高效地構建、測試和分享突破性成果為核心目標——通過提供模塊化、開源且經濟實惠的機器人硬件平臺，支持跨學科團隊快速搭建實驗系統、迭代算法并驗證創新思路。

我們從近百篇學術論文中選取了10篇杰出研究，這些案例共同驗證了大象機器人產品在高精度運動控制、環境適應性等方面的卓越性能，而其開源生態與兼容性設計進一步降低了研究門檻，促進了多元場景的快速原型開發與成果共享，加速全球機器人與人工智能領域的科學發現及現實應用進程。

01利用路徑規劃進行以根部為中心發束調整的前發造型機器人系統

作者：Soonhyo Kim, Naoaki Kanazawa, Shun Hasegawa, Kento Kawaharazuka and Kei Okada

大學：東京大學

該研究介紹了一種機器人前發造型系統，該系統通過圖像比對當前與目標發型方向圖，提取發根中心目標發束并生成梳發軌跡，以高精度再現目標發型。該系統采用協作機械臂myCobot 280 M5構建，能夠實現穩定的3D軌跡執行和可重復的精細頭發束操作。為機器人發型調整系統提供了可擴展的視覺-運動協同技術路徑，將推動機器人服務和美容領域等新興應用。

02面向制造業多機器人協作的動態不可聽頻移通信系統

作者：Semin Ahn, Dohyeon Kim and Sung-Hoon Ahn

大學：首爾國立大學

該研究介紹了一種動態不可聽頻移通信方法，使用18-22 kHz頻段的聲音信號實現分散的機器人之間的交互。

通過多種異構機器人（包括自主移動機器人myAGV和協作機械臂myCobot 280 Pi）進行驗證，作為接收器機器人通過聲學通道接收并執行命令。該方法無需依賴WiFi或藍牙網絡，且對噪聲和環境干擾具有魯棒性。在一對一、一對二和一對多配置下，實驗結果表明，在距離高達4米的范圍內，通信準確率超過97.5%，在強噪聲條件下依然表現穩定可靠。該方法為無網絡環境下異構機器人群體的協同作業提供了一種低成本、易部署的通信解決方案。

03通過透明性建立信任：利用視覺-語言模型實現自主移動機器人可解釋的社交導航

作者：Oluwadamilola Sotomi, Devika Kodi and Aliasghar ArabUniversities

大學：密歇根大學、紐約大學

該研究針對自主移動機器人在社交環境中因決策不透明導致人機信任度低的問題，提出了一種多模態可解釋性框架，該框架整合了視覺語言模型（VLM）和熱圖可視化技術，通過ROS2節點實現實時環境感知與行為解釋，以提高機器人導航過程中的透明度。該系統在myAGV上進行了手動和自主導航測試，開發了一個可解釋性模塊，用于檢測社交沖突、生成視覺推理提示并提供自然語言解釋。

利用myAGV基于ROS的移動性、車載傳感和實時控制功能，該框架有效地傳達了機器人的意圖和動作。在30名參與者的用戶研究中，大多數人表示提供實時解釋后信任度、理解度、偏好度更高。混淆矩陣分析進一步證實了系統的準確性和可靠性。本研究表明，將可解釋性整合到自主移動機器人中，可顯著改善人機協作，并提高其在社交環境中的可用性。

04使用多層波紋管式軟氣動執行器的軟-剛性混合旋轉和滑動關節：其設計、表征及作為軟-剛性混合夾持器的應用

作者：Peter Seungjune Lee, Cameron Sjaarda, Run Ze Gao, Jacob Dupuis, Maya Rukavina-Nolsoe and Carolyn L. Ren

大學：滑鐵盧大學

該研究針對軟體氣動執行器在負載能力、環境適應性和運動穩定性方面的不足，提出一種基于多層波紋管型軟體氣動執行器的軟硬復合回轉關節與平移關節。該系統通過剛性組件封裝保護執行器，實現了更高的位移效率、力輸出和抗外部載荷能力。基于該關節構建的三指軟硬復合夾爪可穩定抓取多種尺寸與形狀的物體，并集成于myPalletizer 260協作機器人末端進行抓取演示。實驗表明，該回轉關節在13.1kPa氣壓下可達90轉角，最大輸出力4.93N，經15000次循環仍保持穩定性能，為軟體機器人在農業采摘等實際應用提供了可靠解決方案。

05支持多種墨水和彎曲沉積表面，用于制造復雜食品結構的協作式異構微型機器人3D打印機

作者：Karen Jazmin Mendoza-Bautista, Mariana S. Flores-Jimenez,Laisha Daniela Vazquez Tejeda Serrano, Grissel Trujillo de Santiago,Mario Moises Alvarez, Arturo Molina, Mariel Alfaro-Ponce and IsaacChairez

大學：蒙特雷科技大學、墨西哥國立自治大學

該研究針對傳統食品3D打印機難以在曲面基底上實現多材料同步打印的問題，提出了一種協作式異構微型機器人3D打印機，利用多種墨水和彎曲的沉積表面來制造復雜的食品結構。

該研究將協作機械臂myCobot 280 M5作為機器人操作器的一部分，有效解決了多材料食品打印中的挑戰，如擠出一致形狀以及創建復雜幾何形狀的能力，使得對食品墨水流速的控制得到改善，并促進了多材料的無縫集成，從而獲得食品最佳的口感和味道。同時，為人工合成肉等復雜食品結構的定制化制造提供了高自由度、多材料集成的新方法，并為多樣化的飲食需求提供了量身定制的解決方案，從而有助于實現更可持續的食品生產實踐。

06利用動態手勢進行人機交互，實現四足機器人與機械臂的遠程操作

作者：Jianan Xie, Zhen Xu, Jiayu Zeng, Yuyang Gao and KenjiHashimoto

大學：早稻田大學

該研究針對復雜機器人系統遙操作中動態手勢交互的精確性與實時性需求，提出了一種基于動態手勢的人機交互系統。系統通過Depth-MediaPipe框架精確提取手部骨骼關鍵點的三維坐標，并利用Semantic-Pose-to-Motion模型解析手勢的語義與姿態信息，實時轉換為對四足機器人移動、機械臂末端執行器跟蹤及基于語義的命令切換等機械動作。實驗在Unitree Go1四足機器人及myCobot 280機械臂上進行，結果顯示：系統能夠實現直觀、精確的實時交互控制，平均推理延遲為29.77毫秒，抓取任務成功率達86.7%，該技術在從物流到遠程醫療的廣泛應用中具有巨大潛力，為復雜機器人平臺的直觀、實時遙操作提供了一種有效的解決方案。

07利用軟體夾具和視覺控制機械臂實現黑莓自主采摘

作者： Fabio Taddei Dalla Torre, Omar Faris, Philip H. Johnson andMarcello Calisti

大學：特倫托大學、林肯大學、圣安娜高等學院

該研究針對黑莓采摘自動化中果實易損、定位難的問題，提出了一種基于軟體氣動夾持器與視覺伺服的自主采摘系統。該系統集成myCobot Pro 320機械臂、YOLOv8檢測模型與內窺鏡視覺反饋，通過模塊化任務評估框架，實現了黑莓的識別、定位、抓取與放置全流程自動化。實驗結果表明，視覺檢測成功率高達98.4%，抓取成功率為76.6%。該系統為高價值軟性果實的機器人采收提供了可復制的技術路徑與系統性評估基準。

08異構三機器人協同搬運的高柔順性研究

作者：ZHANG Shuzhong, Ql Chunyu, ZHANG Gong, SU Jiahong, QlUWeiqian and RUAN Yuzhen

大學：福建工程學院、華南理工大學、廣東技術師范學院

該研究針對異構三機器人系統的協同搬運柔順性問題，通過使用myCobot 280（六軸協作機械臂）與myPalletizer 260（四軸碼垛機械臂）以及另一臺六軸協作機械臂，提出基于近端策略優化（PPO）的強化學習控制方法。在CoppeliaSim機器人仿真器中建立了異構三機器人協同搬運的仿真環境，分別開展了力控制與強化學習控制的對比仿真。結果表明，強化學習方法顯著提高了軌跡跟蹤精度和運動平滑度，也具備從仿真到現實遷移的可行性，這一進步有望在復雜環境中實現更靈活、更高效的作業來改變工業自動化。

09尋找果實：設計一個考慮遮擋的零樣本的Sim2Real深度強化學習規劃器，用于植物操作

作者：Nitesh Subedi,Hsin-Jung Yang,Devesh K.Jha and SoumikSarkar

大學：愛荷華州立大學

該研究聚焦于復雜且雜亂的農業環境中機器人操作所面臨的挑戰，特別是針對水果定位和遮擋解決的任務。研究團隊利用雙臂半人形機器人myBuddy 280，開發了一個能夠與可變形植物靈活交互的端到端深度強化學習（RL）框架。該方法使機器人能夠通過學習操縱枝葉來發現隱藏的水果，而無需精確的幾何建模。該研究展示了農業機器人自動化方面的顯著進步，為可擴展的、感知驅動的解決方案鋪平了道路，這些解決方案能夠在動態且不可預測的環境中有效運行，從而提高農業部門的生產力和效率。

10利用自學習機器人系統增強醫療輔助：一種基于深度模仿學習的解決方案

作者：Yagna Jadeja, Mahmoud Shafik, Paul Wood and Aaisha Makkar

大學：德比大學

該研究介紹了一種基于深度模仿學習（DIL）的醫療輔助自學習機器人系統（SLRS）。該SLRS解決方案能夠觀察并復制人類的演示，從而無需明確的任務特定編程即可掌握復雜技能。以myCobot 280 Jetson Nano為實驗平臺，該系統能夠自主觀察并模仿人類動作，從而有效輔助醫療專業人員。通過結合先進的感知技術與手勢識別，該系統能夠執行如藥物遞送和患者支持等復雜任務，有助于解決醫療服務運營效率低下的問題。

這些研究橫跨精準農業、軟體機器人、可解釋導航、人工智能、食品制造、醫療輔助等領域，驗證大象機器人產品的高適配性與性價比。大象機器人通過提供極致性價比且觸手可及的開源機器人解決方案，賦能全球尖端科研與教育實踐，推動工業、農業、物流、醫療等多場景預研落地，持續加速科學發現與現實應用進程，引領機器人技術普惠化創新。

我們期待與更多用戶攜手共創。為此，我們準備了2025年的部分精選論文，后臺發送【2025論文】即可獲取，希望能為您帶來啟發。