Contact mode

• 又稱: contact state
• 類別: Planning & manipulation › Manipulation
• 標籤: contact, manipulation, hybrid-dynamics, friction, planning

一個離散標籤，說明機器人與物體系統中哪些接觸處於作用狀態，以及每個接觸是黏滯還是滑動；每個標籤對應一組不同的平滑動力學。

定義

在具有摩擦接觸的系統中，每個潛在接觸都可能處於幾種狀態之一：分離，沒有力；黏滯，處於接觸中且沒有相對的切向運動；或滑動，處於接觸中並沿切向移動，摩擦力位於摩擦錐的邊界上並與運動方向相反。接觸模式（Contact mode）為系統中的每個接觸指定其中一種狀態。在固定的模式內，運動方程式是平滑的，因為作用中的約束與摩擦力的形式都是已知的。在模式之間的邊界，動力學會突然改變。因此接觸動力學是混合的：由守衛曲面隔開的平滑模式，例如接觸間隙降到零，或黏滯接觸的切向力達到摩擦極限。

模式的數量隨接觸數量呈指數成長。有 n 個接觸、每個接觸三種狀態時，最多有 3ⁿ 種組合；在三維中，由於滑動可以朝不同方向發生，組合還會更多，雖然對特定幾何形狀而言其中許多是不可行的。這種組合結構是規劃富含接觸的操作與移動時的主要障礙。各方法處理它的方式不同：列舉可行的模式並規劃通過它們的序列；在混合整數規劃中以整數變數編碼模式選擇；接觸隱式軌跡最佳化，以互補約束表示接觸，讓最佳化器隱式地選擇模式；以及平滑化，以平滑近似取代非平滑的接觸動力學，讓以梯度為基礎的方法能看到目前模式之外的情況，本站上的全域規劃論文就是這麼做的。

對於準靜態與準動態操作，也就是慣性效應相對於接觸力與摩擦力很小的情況，在接觸不多時，模式列舉通常是可行的，並能給出可解釋的規劃，例如：在手指黏滯時推動物體，讓手指滑到新位置，再讓物體繞著一個角點轉動。模式排程在足式移動中也居於核心，其中步態定義了哪些腳在什麼時候接觸，不過在那裡，序列通常由步態排程事先固定，而不是透過搜尋取得。

為何重要

選擇要建立與斷開哪些接觸，以及它們是黏滯還是滑動，是操作與移動中的核心決策。接觸模式說明了這些問題為何對平滑最佳化器來說很難，以及現代規劃器如何繞過這個困難。

主要應用

• 規劃推動、樞轉與推倒等非抓取式操作
• 帶有滑動與滾動接觸的手內操作
• 足式機器人的接觸隱式軌跡最佳化
• 步態與接觸序列規劃
• 從力覺與觸覺感測估計接觸狀態

實際應用

一個團隊為機器人做規劃，讓它把箱子推過桌面，再靠著牆把箱子轉成直立。他們為手指與箱子的接觸、以角點表示的箱子與桌面接觸，以及箱子與牆的接觸建模。在推動階段，他們選擇手指在箱子上黏滯、箱子在桌面上滑動的模式；在樞轉階段，則選擇箱子的角點抵著牆黏滯、在桌面上滑動，而手指在箱子表面上滑動的模式。在每個模式內，他們求解讓所有力都維持在各自摩擦錐內的手指運動。執行時，他們監看力的讀數與追蹤到的箱子位姿，以偵測計畫外的模式變化，例如手指打滑，並在發生時重新規劃。

常見誤解

• 接觸模式只說明哪些接觸有碰到 — 它也說明每個接觸是黏滯還是滑動，這對動力學的改變與建立或斷開接觸一樣大
• 規劃器必須列舉每一種接觸模式 — 接觸隱式最佳化與平滑化避免了明確的列舉，代價是保證較弱以及局部極小值
• 接觸模式只是建模產生的假象 — 它們反映真實的物理變化；打滑的夾爪已經改變了模式，忽略這點的控制器可能會失敗

誰需要了解

• 操作規劃研究人員
• 足式移動控制工程師
• 物理模擬開發人員
• 觸覺與力覺感測工程師

相關技術

• 線性互補問題（Linear Complementarity Problems）
• 接觸隱式軌跡最佳化（Contact-Implicit Trajectory Optimization）
• 準靜態接觸模型（Quasi-Static Contact Models）
• Drake
• MuJoCo

相關術語

• Hybrid system
• Friction Cone
• Mixed-Integer Programming
• Wrench
• Dexterous Manipulation
• Extrinsic dexterity

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