Abstract
饮食类护理机器人通过辅助上肢运动障碍者实现自主进食来提升使用者生活品质。本文系统梳理了该领域的技术演进与代表性产品，重点分析运动建模、轨迹规划及智能控制等关键技术。最后探讨未来发展趋势，通过创新构型、优化人机交互控制及深化多源传感融合等方式，推动技术向精准化、拟人化方向迭代更新。
Keywords: 饮食类护理机器人, 执行机构, 轨迹规划, 控制方法
Abstract
Dining robots significantly enhance the quality of life for individuals with upper limb motor impairments by enabling autonomous feeding. This paper systematically reviewed the technological evolution and representative products in this field, with a focused analysis of key technologies including kinematic modeling, trajectory planning, and intelligent control. Future development trends were also discussed, highlighting the need for innovative structural designs, optimized human-robot interaction, and deeper multi-source sensory fusion to advance the field toward more precise and human-like robotic feeding systems.
Keywords: Dining robot, Actuator, Trajectory planning, Control method
0. 引言
联合国发布的世界社会报告指出，到2050年全球65岁及以上的人口数量预计将翻倍，从2021年的7.61亿增至2050年的16亿[1]。该报告集中体现了未来全球人口老龄化问题加剧，不仅增加了国家社会保障系统的压力，还会导致劳动力短缺，而患病人群（包括患慢性病人群/重症卧床养护人群）对医疗护理服务需求的依赖程度却日益增加[2-3]。此背景下，辅助护理机器人作为自动化、智能化解决方案应运而生，旨在提升护理效率、降低人员负担与感染风险，其发展契合我国智能制造升级的战略方向，具有重要应用价值[4-5]。
护理机器人按功能分为卫生、移动与饮食护理三类[6]。饮食类护理机器人通过与人直接交互辅助进食，对维持用户生命活力至关重要。喂食任务重复且精细，通过机器人辅助能解放人力，并降低高危环境中的感染风险，是康复领域的重要研究方向。
饮食类护理机器人多趋向仿人构型或运动特征发展。国外研究起步较早，已有如Obi、My Spoon等代表性产品[7-8]。国内学者也在交互方式上进行了探索[9]。然而，该技术仍在结构安全、人机交互、食物识别与喂食舒适度等方面面临挑战[10-12]。本文旨在综述国内外饮食护理机器人的类型与性能，分析关键技术，展望未来趋势，以期推动该领域发展。
1. 饮食类护理机器人的研究现状
饮食类护理机器人的研究源于欧美国家，以1982年荷兰研发出的RSI服务机械手及1983年美国推出的Self-feeding appliance助餐装置为开端，就此拉开饮食类护理机器人研发的序章。
1.1. 多用型服务机器人的研究现状
多用型服务机器人研究情况如表1所示，始于1982年荷兰的RSI机械手[13]。1985年法国MANUS机械手整合于轮椅可实现多任务操作[14]。英国Handy系列（1987/1989年）逐步加入激光扫描选餐功能[15]。2005年德国FRIEND II系统实现食物识别与智能家电协同，智能化程度提升[16]。该类机器人可分为轮椅式与餐桌式，前者机动性强，依赖精准导航、感知与续航系统；后者专注于特定场景，后期研究更倾向于单一功能深化，以平衡成本与效率。
表 1. Multifunctional service robots.
多用型服务机器人
| 名称 | 年份 | 国家 | 自由度数 | 功能 | 控制方式 | 配置形式 |
| RSI | 1982 | 荷兰 | — | 助餐/翻书 | — | 安装于餐桌 |
| MANUS | 1985 | 法国 | 8/6 | 饮食/翻书/戴眼镜 | 键盘/摇杆 | 安装于轮椅 |
| Handy 1 | 1987 | 英国 | 5 | 进餐/洗脸 | 开关 | 安装于餐桌 |
| Handy 2 | 1989 | 英国 | 5 | 选餐/洗脸/化妆/绘画 | 语音/手柄 | 可移动 |
| FRIEND II | 2005 | 德国 | 7 | 识别/加热/进食食物 | 运动组态控制 | 移动式 |
1.2. 专用型服务机器人的研究现状
具有代表性的专用型饮食机器人研究情况如表2所示，围绕早期、中期和现代研发阶段的产品类型展开分析。
表 2. Special dining robots.
专用型饮食机器人
| 名称 | 年份 | 国家 | 自由度数 | 功能 | 控制方式 | 配置形式 |
| Self-feeding appliance | 1983 | 美国 | — | 助餐（餐盘可旋转） | 头部运动控制 | 餐桌式 |
| My Spoon | 2002 | 日本 | 6 | 助餐（无旋转） | 颔动/脚动/手动 | 餐桌式 |
| Self-feeding apparatus | 2003 | 美国 | 5 | 助餐（无旋转） | 操纵杆/按钮/键盘/语音/触屏 | 餐桌式 |
| 助餐机器人 | 2006 | 中国 | 1 | 助餐（餐盘可旋转） | 脚踏按钮 | 固定式 |
| 多用户智能助餐机器人 | 2007 | 加拿大 | 6 | 助餐（餐盘可旋转） | 面部识别 | 固定式 |
| KNRC辅助机器人 | 2013 | 韩国 | 7 | 助餐（无旋转） | 操纵杆 | 餐桌式 |
| Obi | 2016 | 美国 | 5 | 助餐（无旋转） | 按钮/脚踏 | 餐桌式 |
| 助餐机器人 | 2017 | 斯里兰卡 | 4 | 助餐（无旋转） | 脑电信号意图检测 | 餐桌式 |
| 智能饮食护理机器人 | 2020 | 中国 | 5 | 助餐（餐盘可旋转） | 开关 | 餐桌式 |
| 自主进餐机器人系统 | 2021 | 韩国 | 7 | 助餐（无旋转） | 眨眼/脑电信号 | 餐桌式 |
| 辅助喂食机器人 | 2023 | 加拿大 | 6 | 助餐（无旋转） | 图形交互界面 | 固定式 |
| Kiri-Spoon | 2024 | 美国 | — | 助餐（末端柔软器具） | 开关 | 固定式 |
1.2.1. 早期研发阶段
早期研究注重用户主动操控与机械简化。如1983年的Self-feeding appliance通过用户头部运动控制旋转餐桌，成本较低[17]。1995年的ISAC机器人采用气动驱动与语音面部识别，但体积较大[18]。此阶段机器人从初期依赖用户配合、结构复杂庞大，逐步向集成先进传感器、实现小型化与模块化的方向发展。
1.2.2. 中期研发阶段
中期研究呈现多样化与实用化趋势，如My Spoon机器人体积小巧且已产品化[7]。2003年美国研制的Self-feeding apparatus支持多种输入方式（操纵杆、按钮、语音等）并配有多类取餐工具，适应性更强[19]。国内方面，2006年海军工程大学采用单一动力源配合旋转餐桌及脚踏按钮控制，实现结构简化[20]。哈尔滨工程大学研发的助餐机器人也采用脚踏实现选餐与进食控制[9]。同期滑铁卢大学学者设计了支持多用户的面部识别系统[21]。2008年日本神奈川工科大学学者利用超声波与光纤传感器实现动作交互[22]。这类机器人普遍由多自由度关节臂与餐盘单元构成，其中旋转式餐盘通过盘体转动降低了对机械臂运动范围的要求，使系统更紧凑、操作更简便。
1.2.3. 现代研发阶段
现代研究呈现智能化、集成化与人性化并重的特点。如2013年韩国国家康复研究所研制的辅助机器人专注于韩国糯米类食物的进食[23]。美国Obi机器人通过按钮控制与教学模式实现多餐位切换与嘴部定位喂食[8]。同期北京工业职业技术学院开发了具备视频语音交互与脚控功能的桌面助餐机构[24]。上海理工大学开展了喂食轨迹规划研究[25]。莫勒图沃大学机械系学者尝试结合脑电信号与视觉跟踪分析用户意图[26]。此后，研究更注重人机交互与结构创新。2020年上海理工大学引入人因工程学以提升稳定性[27]。2021年汉阳大学学者提出基于脑机接口与肌电图检测的自主进餐方法[28]。2022年河北大学学者提出等效式助餐末端概念[29]。同年韩国学者研发了勺筷集成、单驱动器切换模式的新型系统[30]。2023年圭尔夫大学学者利用通用六自由度机械臂与深度相机实现食物识别与交付[31]。2024年弗吉尼亚理工大学学者开发了柔软变形器具以优化食物封装[32]。2025年韩国学者进一步提出了勺筷一体化设计，提升对韩式食物的适应性[33]。该阶段饮食类机器人结构紧凑且高度集成，并注重防洒溢、易清洁及使用舒适性等人性化设计。
早期研究侧重于多功能集成与服务化，产品兼具助餐、翻书等功能。此类机器人自由度多、功能全面，但普遍体积庞大、系统复杂，对控制与感知技术的要求初步显现。中期阶段转向专用化与结构优化，产品趋于小型化与实用化。技术焦点偏向于简化操作并优化机械构型，特别是采用旋转餐盘设计以降低机械臂运动规划难度，在有限空间内实现稳定喂食，体现了从通用服务到精准喂食的设计转变[9]。现代发展则深入智能化和人机协同，一方面体现感知与决策智能化，广泛集成视觉伺服、脑机接口和深度学习，实现用户意图识别与食物环境感知[34-35]；另一方面体现执行机构创新化，出现勺筷一体驱动、柔软变形器具等新型末端，增强了对多样化食物的适应性与操作柔顺性。将国内外现有典型产品进行对比分析，如表3所示。综上，面向饮食类护理机器人的设计需结合多维因素整体分析，具体如图1所示。
表 3. Technical analysis of representative domestic and international products.
国内外典型产品技术分析
| 构型类别 | 固定可旋转（整机） | 餐桌式非旋转 | 固定非旋转（通用） |
| 典型代表 | 助餐机器人（哈尔滨工程大学） | 助餐机器人系统（全南国立大学） | 膳食辅助系统（乔治亚理工学院）、机器人辅助喂食系统 （克利夫兰州立大学） |
| 结构配置与特点 | 3自由度机械手+旋转餐桌； 自由度少，成本低 |
机械臂+ 执行器； 结构相对固定，专注臂部运动 |
通用机械臂+专用执行器（手爪、勺/叉等）； 依赖机械臂完成取送动作 |
| 性能与局限性 | 勺口接触相互作用力对动力学 特性影响大，尤其腕部明显 |
集成勺筷功能，简单高效，体积小 | 体积大，性能依赖于轨迹规划与控制算法 |
图 1.
Multidimensional factor analysis
多维因素解析
结合以上现状，本文从饮食类护理机器人的结构载体、关键技术以及发展趋势的纵向脉络展开。结构是功能实现的基础，关键技术决定机器人的性能上限，并在此基础上展望未来方向，从而系统描述饮食类护理机器人从实现到优化的整体技术路径。
2. 饮食类护理机器人的本体结构和执行机构
饮食类护理机器人多采用仿人机械臂或连杆构型，末端配备勺体等执行器，通过关节运动实现餐食至使用者嘴部的送喂[36]。其系统集机械、传感、驱动及控制于一体，仿人特性体现在结构与喂食功能两方面[37]。
2.1. 饮食类护理机器人的本体结构
机器人本体一般采用串联关节结构，包含肩、肘、腕等仿生关节，自由度数目多为2～7个，以此实现较大的工作空间与运动灵活性[38]。根据基座设计，可分为移动式与固定/餐桌式。前者通过移动能力扩展工作范围，适用于多功能服务场景，后者常置于用户近旁，在有限空间内确保喂食可达性[39-40]。
2.2. 饮食类护理机器人的执行机构
执行机构模拟喂食动作，其运动平稳性是防止食物洒溢的关键。早期多采用低自由度固定臂体与预设轨迹，依赖用户通过操纵杆等被动操作[41]。近年研究则通过嘴部视觉追踪、脑电信号等感知技术增强主动适应能力。末端设计呈现多样化，涵盖勺式、勺叉多用式等以适配不同食物与需求。多连杆机构因工作空间可调而应用广泛，但高速运动时存在惯性稳定问题，可通过轻量化材料、精密关节或柔性驱动器进行优化，并配合模块化末端实现精准操作。
3. 饮食类护理机器人的关键技术分析
饮食类护理机器人旨在自主、仿人地协助进食，其核心技术围绕安全、精准与柔顺展开。该类机器人多采用仿人臂式构型，以提供灵活的工作空间和符合人体工学的运动模式。技术体系包含以下三个层次：运动学与动力学分析是基础，用于建模机器人的运动几何关系与受力情况，确保其机械设计和运动范围满足安全约束；轨迹规划用于生成平滑、无碰撞的取食至送喂路径；先进控制策略保障任务的自适应、实时执行[42-43]。因此，研究重点是通过运动空间求解确定安全范围，进而进行轨迹规划，并通过精准、自适应的控制实现关节可靠运动。
3.1. 运动学和动力学分析
运动学与动力学分析是机器人结构设计与控制的物理基础。运动学研究机器人运动的空间几何关系，即如何通过关节运动来改变位置，关注速度、加速度等瞬时运动属性，不涉及力。其中，正运动学由关节角度计算末端执行器（如勺子）的位置和姿态；逆运动学是其反向过程，根据期望的末端位姿求解关节角度，也是轨迹执行的关键[44]。运动学模型结合已有实验研究，辅助喂食系统成功率可达82.8%[31]。然而传统运动学方法存在奇异点，且难以直接处理动态交互力，当用户头部位姿发生变化需实时调整轨迹时传统运动学规划较难快速响应。动力学进一步研究力与运动的关系，建立关节驱动力/力矩与机器人运动（位置、速度、加速度）之间的动态方程，是设计高响应性和高稳定性控制器的核心依据。二者综合运用可优化机械臂构型，如采用轻量化或柔顺设计，并确定其安全工作空间，为安全交互划定物理边界。
3.2. 轨迹规划
轨迹规划指在运动学模型基础上，为执行末端规划一条从餐盘到使用者嘴部、无碰撞且运动平滑的时空路径，可分为关节空间规划和笛卡尔空间规划。关节空间规划直接设计关节角度序列，方法简单、计算高效，适用于精确关节控制，但任务直观性差，且需注意关节限位。笛卡尔空间规划在三维空间中直接规划末端位姿路径，轨迹直观、易于加入避障约束，但需频繁进行逆运动学解算，对于复杂机械臂的计算量较大。因此，对实时性要求高的系统倾向于采用关节空间规划，对末端轨迹精度要求高的任务则倾向于采用笛卡尔空间规划[45]。具体场景中可根据助餐机器人系统是否引入了脑电信号检测或视觉识别等方式从而对系统实时性有要求，或是对执行机构末端运动轨迹准确性有要求，分别采用关节空间轨迹规划或笛卡尔空间轨迹规划[46]。
3.3. 自主控制
为实现安全、舒适且智能的喂食交互，需在规划基础上引入自主控制策略。传统控制方法［如比例−积分−微分（Proportional-Integral-Derivative，PID）控制］在稳定、确定性任务中精度高，但在动态人机交互中缺乏适应性。柔顺控制通过被动（机械弹性）或主动（阻抗/导纳算法）方式调节末端力学特性，成为保障物理交互安全的核心[47-48]。为进一步提升机器人动作的拟人性与情境适应性，数据驱动的学习方法被广泛采用，如模仿学习通过复现人类示范数据（如运动轨迹、速度曲线），快速获得自然、安全的喂食动作基元；强化学习则通过与环境持续交互试错，以最大化长期奖励（如成功喂食率、最小化冲击力、用户舒适度评分）为目标，自主优化策略以应对不确定性，从而有效应对用户姿势变化、食物特性多样等不确定性，寻找到效率、安全与舒适之间的最佳平衡；还可采用模仿学习+强化学习融合框架，利用模仿学习快速获得可靠的基础行为策略，再借助强化学习进行精细调整与泛化以提升饮食护理机器人的智能化和自适应能力。
感知决策层面，学者致力于使机器人更主动地理解用户状态，利用3D相机与Haar级联分类器实时检测用户面部表情及张嘴动作，并以此作为触发喂食的指令，同时将深度视觉流用于在线校正末端轨迹，确保勺子接近嘴部时的精准与自然[49]。控制策略上，研究倾向于融合或优化传统控制方法以提升轨迹性能，如采用常规PID、模糊控制、模糊PID控制和遗传算法优化分数阶次PID对阶跃输入信号进行模拟，仿真结果显示以上四种控制方法对应的超调量分别为19.16%、13.33%、4.16%和0.67%，说明优化后的控制方法能够产生较小超调量和较小位置误差的输出信号，以实现更平稳、精准的送餐运动[50]。交互控制方面，通过设置硬力阈值实现碰撞急停，同时执行口腔内递送等精细任务时，切换至扭矩控制模式，这类结合离散事件监控与连续力控制的方案，显著提高了物理人机交互的安全性[51]。
4. 未来发展趋势解析
未来饮食类护理机器人将向柔性化、轻量化与智能化发展。构型与驱动方式趋向柔性紧凑设计，以接近生物运动特性；控制技术需发展高动态响应与自适应算法；交互与传感融合依托脑机接口、眨眼识别等多模态信号，实现自然的意图理解与自主响应，从而提升喂食效果与用户体验。
4.1. 构型与驱动方式
饮食类护理机器人的构型设计需在高灵活性与小型轻量化之间取得平衡，因此未来发展趋势聚焦于结构优化与新型驱动两个方面。结构上采用碳纤维等轻质高强度材料、仿生学设计，并将驱动器与控制单元集成于关节内，以实现紧凑、高强度的执行臂。驱动技术探索形状记忆合金、压电驱动器、气动人工肌肉及电活性聚合物等新型软体驱动器，以在有限空间内提供更大的输出力与更柔顺的变形能力。同时，结合机器学习算法优化运动轨迹与能耗，并采用分布式控制系统提升整体响应速度与控制精度。
4.2. 控制技术与交互方式
饮食类护理机器人在控制层面通过融合强化学习、视觉伺服及多模态传感技术，能够实现自适应轨迹规划与柔顺力控，确保操作精准且安全。交互层面，依托语音、眼动、脑机接口等多通道自然交互方式，并结合情感识别与大语言模型的理解能力，使机器人能够更准确地解读用户意图与情绪状态，提供个性化、拟人化护理体验，同时通过隐私计算技术保障数据安全与用户信任。
4.3. 传感信息融合技术
饮食类护理机器人的传感技术正从单一示教向多模态信息融合发展。通过整合视觉、力觉及生理信号，机器人能更精准地理解用户进餐意图与状态。同时，视触融合感知技术通过结合视觉与触觉信息，使末端执行器能够自适应抓取易碎或异形食物。柔性传感与智能控制相结合也非常重要，其挑战在于如何在保持材料柔性的同时，实现传感器的高精度和高可靠性，并推动相关标准的建立以促进实际应用。
5. 结束语
饮食类护理机器人在结构、感知与人机交互方面持续进步，当前研究聚焦于小型化、视觉定位及生理信号融合，但在实时性、个性化适配等方面仍面临挑战。未来将致力于多模态意图精准解码、软体执行器创新及智能交互深化，通过跨学科融合，最终驱动“感知-决策-执行”闭环的实现，完成护理模式向智能化与人性化的升维。
重要声明
利益冲突声明：本文全体作者均声明不存在利益冲突。
作者贡献声明：李抒桐整理并撰写文章，郭士杰负责写作指导，李洋、史小烁负责修改，李跃查阅资料，周振审校。
Funding Statement
河北省自然科学基金（F2024201054）；河北大学高层次人才科研启动项目（521000981359）
References
- 1.United Nations Department for Economic and Social Affairs. World social report 2023: Leaving no one behind in an ageing world. New York: United Nations, 2023.
- 2.Population Division of the United Nations Department of Economic and Social Affairs (UNDESA). World Population Prospects 2024: Summary of Results. New York: United Nations, 2024.
- 3.张思锋, 张泽滈 中国养老服务的人力资源困境与智能养老选择. 西安交通大学学报(社会科学版) 2023;43(6):152–163. doi: 10.15896/j.xjtuskxb.202306013. [DOI] [Google Scholar]
- 4.王雅茹, 张凯秀 智能机器人在医院感控领域的发展前沿及应用现状. 现代仪器与医疗. 2022;28(6):58–64. [Google Scholar]
- 5.Betriana F, Tanioka R, Gunawan J, et al Healthcare robots and human generations: Consequences for nursing and healthcare. Collegian. 2022;29(5):767–773. doi: 10.1016/j.colegn.2022.01.008. [DOI] [Google Scholar]
- 6.Cheng G, Huang Y, Zhang X, et al An overview of transfer nursing robot: classification, key technology, and trend. Robot Auton Syst. 2024;174:104653. doi: 10.1016/j.robot.2024.104653. [DOI] [Google Scholar]
- 7.Soyama R, Ishii S, Fukase A. Selectable operating interfaces of the meal-assistance device “My Spoon”. Adv Rehabil Robot, 2004: 155-163.
- 8.Irving M. Obi robot arm gives disabled diners a helping hand[EB/OL]. (2016-07-16)[2024-05-28]. https://newatlas.com/obi-robot-feeding-arm/44394/.
- 9.李彦涛, 张立勋, 赵奇, 等 基于xPC的助餐机器人实时控制系统研究. 中国康复医学杂志. 2011;26(4):363–366. [Google Scholar]
- 10.Roque A, Damodaran S K Explainable AI for security of human-interactive robots. Int J Hum-Comput Int. 2022;38(18-20):1789–1807. [Google Scholar]
- 11.Jiang F, Jia R, Jiang X, et al Human‐machine interaction methods for minimally invasive surgical robotic arms. Comput Intell Neurosci. 2022;2022(1):9434725. doi: 10.1155/2022/9434725. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 12.Jiang S, Song W, Zhou Z, et al Stability analysis of the food delivery robot with suspension damping structure. Heliyon. 2022;8(12):e12127. doi: 10.1016/j.heliyon.2022.e12127. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 13.高从军 欧洲康复机器人发展现状及前景. 机器人技术与应用. 1999;(5):1–4. [Google Scholar]
- 14.Mokhtari M, Feki M A, Abdulrazak B, et al 3 Toward a human-friendly user interface to control an assistive robot in the context of smart homes// Bien Z Z, Stefanov D. Advances in rehabilitation robotics. Lecture Notes in Control and Information Science. Berlin, Heidelberg: Springer. 2004;306:47–56. doi: 10.1007/10946978_3. [DOI] [Google Scholar]
- 15.Topping M Flexibot −a multi-function general purpose service robot. Ind Robot. 2001;28(5):395–401. [Google Scholar]
- 16.Prenzel O, Feuser J, Graser A. Rehabilitation robot in intelligent home environment - software architecture and implementation of a distributed system// Proceedings of the 2005 IEEE 9th International Conference on Rehabilitation Robotics. Chicago: IEEE, 2005: 530-535.
- 17.Layman F D. Self-feeding appliance: US4398857. 1983-08-16.
- 18.Kawamura K, Bagchi S Intelligent robotic systems in service of the disabled. IEEE Trans Rehabil Eng. 1995;3(1):14–21. doi: 10.1109/86.372888. [DOI] [Google Scholar]
- 19.Osborne W J. Self-feeding apparatus with hover mode: US06592315B2. 2003-07-15.
- 20.朱俊杰, 田野, 罗江红. 可控式用餐机: CN200998019. 2008-01-02.
- 21.Pourmohammadali H. Design of a multiple-user intelligent feeding robot for elderly and disabled. Waterloo: University of Waterloo, 2007.
- 22.Takahashi Y, Suzukawa S. Intelligent robot human interface using cheek movement for severely handicapped persons. Kanagawa: InTech, 2008: 95-106.
- 23.Song W K, Song W J, Kim Y, et al. Usability test of KNRC self-feeding robot// 2013 IEEE 13th International Conference on Rehabilitation Robotics (ICORR). Seattle: IEEE, 2013: 1-5.
- 24.曾锦翔, 盖克荣, 杨锦忠 基于FPGA和ARM的桌面助餐机器人设计. 北京工业职业技术学院学报. 2017;16(1):22–25. doi: 10.3969/j.issn.1671-6558.2017.01.006. [DOI] [Google Scholar]
- 25.Guo M, Shi P, Yu H. Development a feeding assistive robot for eating assist// 2017 2nd Asia-Pacific Conference on Intelligent Robot Systems (ACIRS). Wuhan: IEEE, 2017: 299-304.
- 26.Perera C G, Lalitharatne T D, Kiguchi K. EEG-controlled meal assistance robot with camera-based automatic mouth position tracking and mouth open detection// 2017 IEEE International Conference on Robotics and Automation (ICRA). Singapore: IEEE, 2017: 1760-1765.
- 27.许朋, 喻洪流, 石萍 一种智能饮食护理机器人研究. 软件. 2020;41(9):56–59. doi: 10.3969/j.issn.1003-6970.2020.09.015. [DOI] [Google Scholar]
- 28.Ha J, Kim L. A brain-computer interface-based meal-assist robot control system// 2021 9th International Winter Conference on Brain-Computer Interface (BCI). Gangwon: IEEE, 2021: 1-3.
- 29.李抒桐, 肖金壮, 孟恭, 等 一种辅助进餐机器人的结构设计与性能分析. 生物医学工程学杂志. 2022;39(1):149–157. doi: 10.7507/1001-5515.202105088. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 30.Chen R, Kim T K, Hwang J H, et al A novel integrated spoon-chopsticks mechanism for a meal assistant robotic system. Int J Control Autom Syst. 2022;20(9):3019–3031. doi: 10.1007/s12555-021-0520-3. [DOI] [Google Scholar]
- 31.Mashrur T, Ghulam Z, French G, et al. Assistive feeding robot for upper limb impairment-Testing and validation. Int J Adv Robot Syst, 2023: 1-13.
- 32.Keely M N, Nemlekar H, Losey D P. Kiri-spoon: a soft shape-changing utensil for robot-assisted feeding// 2024 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). Abu Dhabi: IEEE, 2024: 121-128.
- 33.Chen R, Kim T K, Jung B J, et al Simple and effective strategies to pick up foods for a meal assistant robot integrated with an integrated spoon and chopstick mechanism. Intell Serv Robot. 2025;18(2):325–338. doi: 10.1007/s11370-025-00585-2. [DOI] [Google Scholar]
- 34.Park D, Hoshi Y, Mahajan H P, et al Toward active robot-assisted feeding with a general-purpose mobile manipulator: design, evaluation, and lessons learned. Robot Auton Syst. 2020;124:1–17. doi: 10.1016/j.robot.2019.103344. [DOI] [Google Scholar]
- 35.Schultz J R, Slifkin A B, Yu H, et al. Proof-of-concept: a hands-free interface for robot-assisted self-feeding// 2022 International Conference on Rehabilitation Robotics (ICORR). Rotterdam: IEEE, 2022: 1-6.
- 36.Chen B X, Dhupia J S, Xu W A chewing robot to assist quantitative food analysis: kinematics and fuzzy scheduling control. IEEE-ASME Trans Mechatron. 2023;28(5):2908–2918. doi: 10.1109/TMECH.2023.3257853. [DOI] [Google Scholar]
- 37.Li J, Sun W, Gu X, et al A method for a compliant robot arm to perform a bandaging task on a swaying arm: A proposed approach. IEEE Robot Autom Mag. 2022;30(1):50–61. doi: 10.1109/mra.2022.3228501. [DOI] [Google Scholar]
- 38.Luo Qianyu, Zhang Xiuli, Wang Yuxin Research on a biomimetic flexible ball joint with variable stiffness for robots. J Mech Robot. 2024;16(10):101009. doi: 10.1115/1.4064635. [DOI] [Google Scholar]
- 39.Wang G, Wen H, Zhou J Indoor positioning technology and control of mobile home service robot. Sci Program. 2022;2022(1):1268393. doi: 10.1155/2022/1268393. [DOI] [Google Scholar]
- 40.Hu Z, Lucchetti F, Schlesinger C, et al Deploying and evaluating LLMs to program service mobile robots. IEEE Robot Autom Lett. 2024;9(3):2853–2860. doi: 10.1109/LRA.2024.3360020. [DOI] [Google Scholar]
- 41.Ling H, Shabana A Effect of forward kinematics on the motion-trajectory oscillations and inertia forces. J Sound Vibr. 2024;577:118332. doi: 10.1016/j.jsv.2024.118332. [DOI] [Google Scholar]
- 42.Dahiya A, Aroyo A M, Dautenhahn K, et al A survey of multi-agent Human–Robot Interaction systems. Robot Auton Syst. 2023;161:104335. doi: 10.1016/j.robot.2022.104335. [DOI] [Google Scholar]
- 43.李国宁, 陶亮, 孟京艳, 等 基于交互力模糊识别的上肢康复机器人模式调整控制策略研究. 生物医学工程学杂志. 2024;41(1):90–97. doi: 10.7507/1001-5515.202207018. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 44.Tebyani M, Spaeth A, Cramer N, et al A geometric kinematic model for flexible voxel-based robots. Soft Robot. 2023;10(3):517–526. doi: 10.1089/soro.2021.0139. [DOI] [PubMed] [Google Scholar]
- 45.Liu L, Gu X, Wang L, et al Nonsingular predefined‐time dynamic surface control of a flexible‐joint space robot with actuator constraints. Int J Robust Nonlinear Control. 2024;34(6):4213–4233. doi: 10.1002/rnc.7190. [DOI] [Google Scholar]
- 46.Hu Y, Zhang S, Chen Y Trajectory planning method of 6-DOF modular manipulator based on polynomial interpolation. J Comput Methods Sci Eng. 2023;23(3):1589–1600. doi: 10.3233/jcm-226672. [DOI] [Google Scholar]
- 47.Zeng C, Li S, Chen Z, et al Multi-fingered robot hand compliant manipulation based on vision-based demonstration and adaptive force control. IEEE Trans Neural Netw Learn Syst. 2022;34(9):5452–5463. doi: 10.1109/tnnls.2022.3184258. [DOI] [PubMed] [Google Scholar]
- 48.Peng J, Wu H, Zhang C, et al Modeling, cooperative planning and compliant control of multi-arm space continuous robot for target manipulation. Appl Math Model. 2023;121:690–713. doi: 10.1016/j.apm.2023.05.019. [DOI] [Google Scholar]
- 49.Alexandru I A D, Mandru D, Fenesan A C. Computer-vision based feeding robot for disabled people// 2024 IEEE International Conference And Exposition On Electric And Power Engineering (EPEi). Lasi: IEEE, 2024: 85-88.
- 50.Parikh P, Trivedi R, Dave J, et al Design and development of a low-cost vision-based 6 DoF assistive feeding robot for the aged and specially-abled people. IETE J Res. 2023;70(2):1716–1744. doi: 10.1080/03772063.2023.2173665. [DOI] [Google Scholar]
- 51.Gordon E K, Jenamani R K, Nanavati A, et al. An adaptable, safe, and portable robot-assisted feeding syste// Companion of the 2024 ACM/IEEE International Conference on Human-Robot Interaction. Boulder: ACM, 2024: 74-76.