Quasi-Static Manipulation
- 又稱: quasistatic manipulation
- 類別: Planning & manipulation › Manipulation
- 標籤: manipulation, contact, friction, statics, pushing
慢到慣性力可以忽略的操作，因此機器人與物體被視為依序經過一連串力平衡的狀態。
定義
準靜態操作（Quasi-static manipulation）是在運動夠慢、慣性力可以忽略這項假設下進行分析的操作。在每一個瞬間，作用在物體上的力與力矩（來自重力、機器人的接觸、支撐面以及摩擦）都被假定為彼此平衡，因此系統會依序經過一連串平衡狀態。與純靜態分析不同，準靜態模型仍允許滑動：運動中接觸點的庫侖摩擦會被納入，而質量乘以加速度的項則被捨去。
這項假設涵蓋了實務操作中的很大一部分：取放、在桌面上緩慢推動物體、軸孔插入、把物體抵著牆面滑動以改變其方向，以及大多數的抓取分析。它讓力學大幅簡化。物體的運動取決於機器人運動的方向以及接觸幾何與摩擦，而與機器人運動的速度無關，因此規劃器可以針對路徑而非完整軌跡進行推理。建立在這項假設上的經典成果包括 Mason 對推動的分析、描述在平面上滑動之物體的摩擦力與摩擦力矩之間關係的極限曲面（limit surface），以及用於插入任務的卡死與楔緊圖（jamming and wedging diagrams）。
當物體在接觸結束後仍會滑動或傾倒很遠、發生衝擊，或機器人相對於物體的質量與摩擦移動得很快時，這項假設便不再成立。常見的檢驗方式是將規劃加速度所隱含的慣性力與摩擦力及接觸力相比較；若兩者大小相近，就需要動力學模型。中間型模型有時稱為準動態（quasi-dynamic）模型，它們保留模擬器的時間步進結構，同時仍忽略大部分慣性效應，用於某些接觸豐富的規劃器中。
為何重要
大多數抓取、推動與組裝演算法都假設準靜態條件，而且往往是隱含的。了解這項假設以及它何時失效，就能解釋為什麼規劃器在低速下可行、機器人加速後卻失效，以及何時需要動力學模型或不同的策略。
主要應用
- 物體在表面上的平面推動與滑動
- 取放與抓取穩定性分析
- 軸孔插入與組裝規劃
- 利用牆面與治具改變物體方向
- 以緩慢、具順應性的機器人進行接觸豐富的規劃
實際應用
某個倉儲團隊規劃推動動作，先把箱子抵著擋板滑動對齊，再進行抓取。他們的規劃器使用準靜態推動模型，其極限曲面由箱子的底面輪廓與估計的摩擦係數計算而得，因此對於給定的推桿路徑，它能預測每個箱子如何旋轉與平移，且與速度無關。在實際系統上，他們限制推桿速度，讓箱子在推桿停下時也跟著停下；當一位主管要求縮短週期時間，他們先量測接觸結束後箱子還會繼續滑動多遠，並且只在這段超出量維持在對齊公差之內時才提高速度。
常見誤解
- 準靜態代表什麼都不動 — 物體可以滑動與旋轉；只有慣性項被忽略
- 準靜態模型忽略摩擦 — 滑動與黏著接觸點上的摩擦正是這類模型的核心
- 任何慢速機器人都是準靜態的 — 判斷標準是慣性力相對於接觸力與摩擦力是否很小，這除了取決於速度，也取決於物體的質量與摩擦
- 由於模型中沒有速度，準靜態結果在任何速度下都成立 — 與速度無關是這項假設造成的結果，一旦慣性變得重要就不再成立
誰需要了解
- 操作與抓取規劃工程師
- 組裝與治具設計人員
- 研究推動與非抓取操作的研究人員
- 學習接觸力學的機器人學學生
相關技術
- 極限曲面（Limit Surface）
- 平面推動模型（Planar Pushing Models）
- 抓取分析（Grasp Analysis）
- 互補接觸模型（Complementarity Contact Models）
- 順應式組裝（Compliant Assembly）
相關術語
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