# DLR RMC 与安全真实机器人学习

> 原文链接：https://robotics.hellobike.com/people/dlr-rmc-cognitive-robotics
> 频道：people | 更新日期：2026-10-22 | 标签：实验室, 真实机器人强化学习, 触觉操作, 安全学习
> 核心摘要：Institute of Robotics and Mechatronics由Freek Stulp、Berthold Bäuml领导，聚焦真实机器人强化学习、触觉操作、安全学习。其公开代表成果包括《Towards Safe and Efficient Learning in the Wild: Guiding RL With Constrained Uncertainty-Aware Movement Primitives》等，实验平

# DLR RMC 与安全真实机器人学习

::: v-pre

| 项目 | 内容 |
| --- | --- |
| 机构 | 德国航空航天中心 German Aerospace Center (DLR) |
| 实验室 / 团队 | Institute of Robotics and Mechatronics |
| 负责人 | Freek Stulp、Berthold Bäuml |
| 地点 | Wessling 德国 |
| 主页 | [https://www.dlr.de/en/rm](https://www.dlr.de/en/rm) |
| GitHub | [https://github.com/DLR-RM](https://github.com/DLR-RM) |

## 研究方向

真实机器人强化学习、触觉操作、安全学习

## 团队概况

Institute of Robotics and Mechatronics由Freek Stulp、Berthold Bäuml领导，聚焦真实机器人强化学习、触觉操作、安全学习。其公开代表成果包括《Towards Safe and Efficient Learning in the Wild: Guiding RL With Constrained Uncertainty-Aware Movement Primitives》等，实验平台主要是DLR Hand II 与七轴机械臂。需注意，现有结论主要来自DLR 专用硬件，跨平台或开放环境表现应以原文实验边界为准。

## 代表工作

- Towards Safe and Efficient Learning in the Wild: Guiding RL With Constrained Uncertainty-Aware Movement Primitives（IEEE RA-L 2025） · [链接](https://elib.dlr.de/216474/)
- Guiding Real-World Reinforcement Learning for In-Contact Manipulation Tasks with Shared Control Templates（Autonomous Robots 2024） · [链接](https://elib.dlr.de/206235/)
- Dextrous Tactile In-Hand Manipulation Using a Modular Reinforcement Learning Architecture（ICRA 2023） · [链接](https://elib.dlr.de/195400/)

## 来源

- [DLR RMC Publications](https://www.dlr.de/en/rm/research/publications-and-downloads)
:::

## 原始参考来源 (Sources)

- [DLR RMC Publications](https://www.dlr.de/en/rm/research/publications-and-downloads)