Admittance Control
- 又稱: position-based impedance control
- 類別: Control › Force & interaction control
- 標籤: force-control, compliance, interaction-control, human-robot-interaction, manipulation
一種力控制方案：量測施加在機器人上的力，並將其轉換成運動指令，讓位置控制的機器人表現得像一個選定的質量-彈簧-阻尼器。
定義
導納控制（admittance control）讓機器人以事先規定的動態行為回應外力，這種行為通常是一個虛擬的質量-彈簧-阻尼器。控制器量測交互作用力（通常以裝在腕部或握把上的力/力矩感測器量測），讓它通過像 M ẍ + D ẋ + K x = F_ext 這樣的模型，再將結果積分，得到位置或速度的偏移量。這個偏移量會加到參考軌跡上，並送給內迴路的位置或速度控制器。以力學的說法，導納是把力映射成運動的關係，而這正是這個控制器所做的事：它讀取力，輸出運動。
導納控制是阻抗控制的對應方法。阻抗控制量測運動（也就是位置與速度誤差）並下達力或扭矩指令，因此需要扭矩控制良好、摩擦低的機器人，例如扭矩控制型或可回驅的手臂。導納控制量測力並下達運動指令，因此適合具有剛硬、高增益位置控制的機器人，包括大多數採用高減速比減速機的工業手臂，這類手臂的關節摩擦會掩蓋小的力。兩者追求的是同一種目標行為，但實務上的長處恰好相反。阻抗控制在呈現低剛性時與自由運動中表現良好，在被要求非常剛硬時則表現不佳。導納控制能很好地呈現剛硬的行為，但在虛擬質量與阻尼較低、機器人碰觸到剛性環境時，可能發生振盪或顫振。
調校圍繞著這個取捨進行。較低的虛擬質量與阻尼，讓人引導機器人時覺得它很輕，但會提高與剛性接觸時振盪的風險，並放大感測器雜訊。較高的值穩定，但手感遲鈍。實作上會對力訊號濾波、補償裝在感測器外側之工具的重量、加入死區以排除感測器漂移，而且常會依機器人處於自由空間、正被引導或處於接觸狀態，線上調整參數。
為何重要
大多數工業手臂與許多協作型手臂是位置控制的，並不提供精確的關節扭矩控制。搭配一個額外加裝的力感測器，導納控制是讓這類機器人在手動引導、組裝與接觸任務中具備柔順行為的常用方法；了解它的穩定性極限，可以避免機器人碰到剛性表面時發生振盪。
主要應用
- 工業手臂與協作型手臂的手動引導與拖曳教導
- 具力回饋的軸孔組裝及其他組裝作業
- 回應使用者出力的復健機器人與外骨骼
- 實體人機協作，例如一起搬運負載
- 在受調節的接觸下進行拋光、研磨及其他表面加工
- 無人機與移動機器人的互動控制，其中外力會使指令位置產生偏移
實際應用
一家系統整合商為一支位置控制的工業手臂加入手動引導功能，讓操作員能藉由推動工具來教導路徑點。一個六軸力/力矩感測器裝在法蘭與一個握把之間。在每個控制週期中，軟體扣除感測器偏差與握把的重力負載，套用一個小的死區，再讓剩下的力通過一個沒有彈簧的虛擬質量-阻尼器模型，於是手臂會朝被推的方向移動，放手後就停下。得到的速度被積分成位置偏移量，並串流送到機器人的位置介面。測試顯示，當操作員把工具壓在鋼製治具上時，手臂會顫振，因此團隊在接觸力超過門檻時提高虛擬阻尼，並在自由運動時再把它調低。
常見誤解
- 導納控制與阻抗控制是同一回事 — 它們追求相同的行為，但方向相反：導納讀取力並下達運動指令，阻抗讀取運動並下達力的指令
- 較低的虛擬質量與阻尼一定帶來更好的柔順性 — 它們讓機器人感覺更輕，但會降低剛性接觸時的穩定性，並放大力感測器的雜訊
- 導納控制需要扭矩控制的關節 — 它是為位置控制或速度控制的機器人設計的，依靠的是外部的力量測
誰需要了解
- 力控制與操作工程師
- 為工業手臂加入手動引導功能的系統整合商
- 復健與外骨骼開發者
- 實體人機互動研究人員
相關技術
- 六軸力/力矩感測器（Six-Axis Force-Torque Sensor）
- 虛擬質量-彈簧-阻尼器模型（Virtual Mass-Spring-Damper Model）
- 工具重力補償（Tool Gravity Compensation）
- 位置與速度控制介面（Position and Velocity Control Interfaces）
- 可變導納控制（Variable Admittance Control）
相關術語
- Impedance Control
- Force/Torque Sensor
- Physical Human-Robot Interaction
- Hybrid Position/Force Control
- Kinesthetic Teaching
- Backdrivability
相關專案
- LeRobot: HuggingFace ML library for real-world robotics in PyTorch
- Isaac Lab: NVIDIA robot learning framework: one task API across Newton, PhysX and Isaac Sim
- NVIDIA Isaac GR00T: NVIDIA open foundation model for humanoid robot reasoning and skills
- OpenVLA: 7B-parameter Vision-Language-Action model for robotic manipulation
- Drake: MIT robotics toolbox for model-based dynamics, optimization, and control system design
- OpenArm: 7DOF humanoid arm for physical AI research in contact-rich environments