应用大象机器人机械臂作为核心研究工具产出的论文，被机器人领域顶级期刊《Science Robotics》（影响因子27.5，JCR/中科院双1区）收录并荣登期刊封面。
Science Robotics封面｜2025年6月
利用软体机器人对多种植物进行原位叶面增强，以用于光学表型分析与生物工程
该研究由康奈尔大学团队完成，聚焦精准农业痛点——传统叶面注射易损伤叶片、适配性差、一致性低等问题，创新研发软体机器人叶片夹持器，通过myCobot机械臂，实现自动化压印加压渗透，将纳米颗粒与遗传物质精准注入叶片，成功率超91%且损伤极小，实现了可靠的体内表型分析和基因表达研究，从而推动植物生物工程与高通量表型分析的技术革新。
2025年，大象机器人产品在康奈尔大学、东京大学、首尔国立大学、密歇根大学、纽约大学、滑铁卢大学、早稻田大学、华中科技大学、华南理工大学、香港理工大学等海内外前沿学府和研究机构中实现规模化应用，以帮助研究人员更高效地构建、测试和分享突破性成果为核心目标——通过提供模块化、开源且经济实惠的机器人硬件平台，支持跨学科团队快速搭建实验系统、迭代算法并验证创新思路。
自近百篇学术论文中遴选的 10 项代表性研究，共同验证了大象机器人产品在高精度运动控制、环境适应性等方面的卓越性能，而其开源生态与兼容性设计进一步降低了研究门槛，促进了多元场景的快速原型开发与成果共享，加速全球机器人与人工智能领域的科学发现及现实应用进程。
01.
利用路径规划进行以根部为中心发束调整的前发造型机器人系统
作者：Soonhyo Kim, Naoaki Kanazawa, Shun Hasegawa, Kento Kawaharazuka and Kei Okada
大学：东京大学
该研究介绍了一种机器人前发造型系统，该系统通过图像比对当前与目标发型方向图，提取发根中心目标发束并生成梳发轨迹，以高精度再现目标发型。该系统采用协作机械臂myCobot 280 M5构建，能够实现稳定的3D轨迹执行和可重复的精细头发束操作。为机器人发型调整系统提供了可扩展的视觉-运动协同技术路径，将推动机器人服务和美容领域等新兴应用。
02.
面向制造业多机器人协作的动态不可听频移通信系统
作者：Semin Ahn, Dohyeon Kim and Sung-Hoon Ahn
大学：首尔国立大学
该研究介绍了一种动态不可听频移通信方法，使用18-22 kHz频段的声音信号实现分散的机器人之间的交互。
通过多种异构机器人（包括自主移动机器人myAGV和协作机械臂myCobot 280 Pi）进行验证，作为接收器机器人通过声学通道接收并执行命令。该方法无需依赖WiFi或蓝牙网络，且对噪声和环境干扰具有鲁棒性。在一对一、一对二和一对多配置下，实验结果表明，在距离高达4米的范围内，通信准确率超过97.5%，在强噪声条件下依然表现稳定可靠。该方法为无网络环境下异构机器人群体的协同作业提供了一种低成本、易部署的通信解决方案。
03.
通过透明性建立信任：利用视觉-语言模型实现自主移动机器人可解释的社交导航
作者：Oluwadamilola Sotomi, Devika Kodi and Aliasghar ArabUniversities
大学：密歇根大学、纽约大学
该研究针对自主移动机器人在社交环境中因决策不透明导致人机信任度低的问题，提出了一种多模态可解释性框架，该框架整合了视觉语言模型（VLM）和热图可视化技术，通过ROS2节点实现实时环境感知与行为解释，以提高机器人导航过程中的透明度。该系统在myAGV上进行了手动和自主导航测试，开发了一个可解释性模块，用于检测社交冲突、生成视觉推理提示并提供自然语言解释。
利用myAGV基于ROS的移动性、车载传感和实时控制功能，该框架有效地传达了机器人的意图和动作。在30名参与者的用户研究中，大多数人表示提供实时解释后信任度、理解度、偏好度更高。混淆矩阵分析进一步证实了系统的准确性和可靠性。本研究表明，将可解释性整合到自主移动机器人中，可显著改善人机协作，并提高其在社交环境中的可用性。
04.
使用多层波纹管式软气动执行器的软-刚性混合旋转和滑动关节：其设计、表征及作为软-刚性混合夹持器的应用
作者：Peter Seungjune Lee, Cameron Sjaarda, Run Ze Gao, Jacob Dupuis, Maya Rukavina-Nolsoe and Carolyn L. Ren
大学：滑铁卢大学
该研究针对软体气动执行器在负载能力、环境适应性和运动稳定性方面的不足，提出一种基于多层波纹管型软体气动执行器的软硬复合回转关节与平移关节。该系统通过刚性组件封装保护执行器，实现了更高的位移效率、力输出和抗外部载荷能力。基于该关节构建的三指软硬复合夹爪可稳定抓取多种尺寸与形状的物体，并集成于myPalletizer 260协作机器人末端进行抓取演示。实验表明，该回转关节在13.1kPa气压下可达90转角，最大输出力4.93N，经15000次循环仍保持稳定性能，为软体机器人在农业采摘等实际应用提供了可靠解决方案。
05.
支持多种墨水和弯曲沉积表面，用于制造复杂食品结构的协作式异构微型机器人3D打印机
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
大学：蒙特雷科技大学、墨西哥国立自治大学
该研究针对传统食品3D打印机难以在曲面基底上实现多材料同步打印的问题，提出了一种协作式异构微型机器人3D打印机，利用多种墨水和弯曲的沉积表面来制造复杂的食品结构。
该研究将协作机械臂myCobot 280 M5作为机器人操作器的一部分，有效解决了多材料食品打印中的挑战，如挤出一致形状以及创建复杂几何形状的能力，使得对食品墨水流速的控制得到改善，并促进了多材料的无缝集成，从而获得食品最佳的口感和味道。同时，为人工合成肉等复杂食品结构的定制化制造提供了高自由度、多材料集成的新方法，并为多样化的饮食需求提供了量身定制的解决方案，从而有助于实现更可持续的食品生产实践。
06.
作者：Jianan Xie, Zhen Xu, Jiayu Zeng, Yuyang Gao and KenjiHashimoto
大学：早稻田大学
该研究针对复杂机器人系统遥操作中动态手势交互的精确性与实时性需求，提出了一种基于动态手势的人机交互系统。系统通过Depth-MediaPipe框架精确提取手部骨骼关键点的三维坐标，并利用Semantic-Pose-to-Motion模型解析手势的语义与姿态信息，实时转换为对四足机器人移动、机械臂末端执行器跟踪及基于语义的命令切换等机械动作。实验在Unitree Go1四足机器人及myCobot 280机械臂上进行，结果显示：系统能够实现直观、精确的实时交互控制，平均推理延迟为29.77毫秒，抓取任务成功率达86.7%，该技术在从物流到远程医疗的广泛应用中具有巨大潜力，为复杂机器人平台的直观、实时遥操作提供了一种有效的解决方案。
07.
利用软体夹具和视觉控制机械臂实现黑莓自主采摘
作者：Fabio Taddei Dalla Torre, Omar Faris, Philip H. Johnson andMarcello Calisti
大学：特伦托大学、林肯大学、圣安娜高等学院
该研究针对黑莓采摘自动化中果实易损、定位难的问题，提出了一种基于软体气动夹持器与视觉伺服的自主采摘系统。该系统集成myCobot Pro 320机械臂、YOLOv8检测模型与内窥镜视觉反馈，通过模块化任务评估框架，实现了黑莓的识别、定位、抓取与放置全流程自动化。实验结果表明，视觉检测成功率高达98.4%，抓取成功率为76.6%。该系统为高价值软性果实的机器人采收提供了可复制的技术路径与系统性评估基准。
08.
异构三机器人协同搬运的高柔顺性研究
作者：ZHANG Shuzhong, Ql Chunyu, ZHANG Gong, SU Jiahong, QlUWeiqian and RUAN Yuzhen
大学：福建工程学院、华南理工大学、广东技术师范学院
该研究针对异构三机器人系统的协同搬运柔顺性问题，通过使用myCobot 280（六轴协作机械臂）与myPalletizer 260（四轴码垛机械臂）以及另一台六轴协作机械臂，提出基于近端策略优化（PPO）的强化学习控制方法。在CoppeliaSim机器人仿真器中建立了异构三机器人协同搬运的仿真环境，分别开展了力控制与强化学习控制的对比仿真。结果表明，强化学习方法显著提高了轨迹跟踪精度和运动平滑度，也具备从仿真到现实迁移的可行性，这一进步有望在复杂环境中实现更灵活、更高效的作业来改变工业自动化。
09.
寻找果实：设计一个考虑遮挡的零样本的Sim2Real深度强化学习规划器，用于植物操作
作者：Nitesh Subedi,Hsin-Jung Yang,Devesh K.Jha and SoumikSarkar
大学：爱荷华州立大学
该研究聚焦于复杂且杂乱的农业环境中机器人操作所面临的挑战，特别是针对水果定位和遮挡解决的任务。研究团队利用双臂半人形机器人myBuddy 280，开发了一个能够与可变形植物灵活交互的端到端深度强化学习（RL）框架。该方法使机器人能够通过学习操纵枝叶来发现隐藏的水果，而无需精确的几何建模。该研究展示了农业机器人自动化方面的显著进步，为可扩展的、感知驱动的解决方案铺平了道路，这些解决方案能够在动态且不可预测的环境中有效运行，从而提高农业部门的生产力和效率。
10.
利用自学习机器人系统增强医疗辅助：一种基于深度模仿学习的解决方案
作者：Yagna Jadeja, Mahmoud Shafik, Paul Wood and Aaisha Makkar
大学：德比大学
该研究介绍了一种基于深度模仿学习（DIL）的医疗辅助自学习机器人系统（SLRS）。该SLRS解决方案能够观察并复制人类的演示，从而无需明确的任务特定编程即可掌握复杂技能。以myCobot 280 Jetson Nano为实验平台，该系统能够自主观察并模仿人类动作，从而有效辅助医疗专业人员。通过结合先进的感知技术与手势识别，该系统能够执行如药物递送和患者支持等复杂任务，有助于解决医疗服务运营效率低下的问题。
这些研究横跨精准农业、软体机器人、可解释导航、人工智能、食品制造、医疗辅助等领域，验证大象机器人产品的高适配性与性价比。大象机器人通过提供极致性价比且触手可及的开源机器人解决方案，赋能全球尖端科研与教育实践，推动工业、农业、物流、医疗等多场景预研落地，持续加速科学发现与现实应用进程，引领机器人技术普惠化创新。
