论文综述，简单的了解了一下文章的概述

Touch Locating and Stretch Sensing Studies of Conductive Hydrogels with Applications to Soft Robots 软机器人在环境适应方面具有巨大的潜力，而其环境感知能力至关重要。导电水凝胶被认为具有传感能力。然而，它们在软机器人中的应用是缺乏的。在这项工作中，我们制造了一种柔软且可拉伸的凝胶材料，引入了其传感机制，并开发了一种测量装置。实验和模拟研究都表明，在具有笛卡尔坐标的方形触摸屏上，触摸定位具有很强的非线性。为了简化触摸定位，我们提出了一种基于具有极坐标的圆形触摸面板的触摸定位系统。数学计算和有限元法（FEM）仿真表明，在该系统中，触摸点的位置仅由其极半径决定。这已被实验研究证实。作为电阻器，凝胶条的电阻随着拉伸而增加。为了展示它们在软机器人上的应用，采用了3D打印的三指软夹具，并附有凝胶条。在手指弯曲抓杆的过程中，凝胶条的阻力增加，表明软材料被拉伸。此外，凝胶条的应变和应力随着棒直径的减小而增加。这些研究推动了导电水凝胶在软机器人上的应用。 Hybrid CPG–FRI dynamic walking algorithm balancing agility and stability control of biped robot 动态行走同时实现敏捷性和稳定性是两足机器人控制的最大困难之一。传统的零力矩点（ZMP）是双足机器人静态和准动态行走控制最常用的参考点。然而，人类行走实验结果表明，在人类行走过程中，ZMP轨迹并不总是符合稳定性的要求，如巨步、加速行走或快走等。为了揭示两足动物动态行走的机理，本文通过将传统的固定支撑多边形区域调整为可调区域，提出了一种新的两足行走稳定性准则。这种方法包括在两足行走期间支撑脚的脚尖驱动不足阶段。该文提出一种将中心模式生成（CPG）与足部旋转指示器（FRI）相结合的实时两足行走生成算法。FRI监视器在两足机器人的质心与弹性支撑多边形的边界之间建立映射功能。通过引入FRI信息，可以实时调整CPG参数，以产生有节奏和稳定的步行模式。数值仿真结果表明，所提算法扩展了ZMP准则的应用领域，提高了双足机器人的行走速度。此外，该算法还为动态两足行走搭建了从机器人敏捷性到运动参数的桥梁。这意味着可以通过调节电机参数来定量控制两足机器人的敏捷性。 Wet Adhesion Inspired Bionic Climbing Robot 像棒状昆虫这样的节肢动物具有显着的运动性能，可以用其湿粘附垫攀爬垂直表面。本文重点介绍了一种新型湿粘垫的开发，用于可以攀岩墙壁的爬墙机器人。根据昆虫垫的形态，分析了湿胶的机理。探索了一种基于电铸工艺与软光刻相结合的新型微结构湿式胶垫。特性测试结果表明，所提技术制备的焊盘表面的微观结构可以有效提高湿粘合能力。还讨论了六足爬坡机器人原型的设计、制造和测试。实验结果表明，带垫的机器人爬坡能力优异;机器人可以爬升到80°以上的倾斜表面，并静态地粘在垂直表面上 A data-efficient goal-directed deep reinforcement learning method for robot visuomotor skill 深度强化学习（DRL）为自主机器人技能学习提供了一种有效的端到端方法。然而，大多数DRL方法中的任务目标始终是单一和固定的，这限制了策略的灵活性。此外，数据效率低下也使得应用于现实世界的机器人变得不切实际。为了解决这些问题，本文提出了一种用于机器人技能学习的数据高效目标导向DRL方法。首先，利用仿真中可访问的低维物理状态，构建一种非对称深度确定性策略梯度算法作为该方法的基本框架;然后，设计一个暹罗表示学习网络，将RGB观察和人类意图嵌入同一特征空间，实现人机意图转移。并且，在DRL算法中增加了一个辅助相似性评估网络，以加速表示学习。最后，采用域随机化方法将学习到的策略从仿真转移到现实中。在实验中，设置了两个典型的机器人任务来评估所提出的方法。实验结果验证了所提方法的有效性。经过训练的机器人可以根据人类的意图在多个目标之间自动切换。并且，暹罗表示学习网络和辅助相似性评估网络可以有效提高数据效率。 A robust visual SLAM system for low-texture and semi-static environments 在先前的地图中精确估计车辆的姿态是自动驾驶的基本能力。然而，在低纹理和半静态环境中，这项任务仍然具有挑战性，在这些环境中，可用特征的数量有限，并且其附加对象面临着随时间变化的风险。为了应对不利条件，我们提出了一种创新的视觉SLAM方法，除了估计准确的相机姿势外，还可以校正先前地图中偏置物体的位置。我们的方法基于独立对象管理的结构来完成本地化和映射。当前帧中的每个对象都由一组有组织的栅格点表示。由于自适应的基于像素的对象光栅化，这些栅格点在视觉 SLAM 管道中使用起来更可靠。在因子图优化的帮助下，尽管受到周围环境的多重约束，但可以单独监控每个对象，从而实现强大的跟踪和地图校正。借助数据关联中的 GPU 加速优势，执行时间大幅缩短。该算法在计算机图形渲染数据集中得到了验证。