Admittance Control
- 又称: position-based impedance control
- 类别: Control › Force & interaction control
- 标签: force-control, compliance, interaction-control, human-robot-interaction, manipulation
一种力控制方案：测量施加在机器人上的力，并把它转换为运动指令，使位置控制的机器人表现得像一个选定的质量-弹簧-阻尼器。
定义
导纳控制（admittance control）使机器人以预先规定的动态行为响应外力，这种行为通常是一个虚拟的质量-弹簧-阻尼器。控制器测量交互力（通常用安装在腕部或手柄处的力/力矩传感器），让它通过诸如 M ẍ + D ẋ + K x = F_ext 的模型，再对结果积分，得到位置或速度偏移量。这个偏移量叠加到参考轨迹上，并发送给内环的位置或速度控制器。从力学角度看，导纳是把力映射为运动的关系，而这正是该控制器所做的：它读取力，输出运动。
导纳控制是阻抗控制的对应方法。阻抗控制测量运动（即位置和速度误差）并指令力或力矩，因此它需要具有良好力矩控制且摩擦小的机器人，例如力矩控制型或可反驱的机械臂。导纳控制测量力并指令运动，因此适合具有刚硬、高增益位置控制的机器人，包括大多数采用大减速比齿轮箱的工业机械臂，这类机械臂的关节摩擦会掩盖小的力。两者追求的是同一种目标行为，但它们在实际中的长处恰好相反。阻抗控制在呈现低刚度时和自由运动中表现良好，而在被要求非常刚硬时表现不佳。导纳控制能很好地呈现刚硬的行为，但当虚拟质量和阻尼较低而机器人接触刚性环境时，可能发生振荡或颤振。
整定围绕这一权衡展开。较低的虚拟质量和阻尼让人在引导机器人时觉得它很轻，但会增加与刚性接触时振荡的风险，并放大传感器噪声。较高的值稳定，但手感迟滞。实际实现会对力信号滤波、补偿安装在传感器之外的工具的重量、加入死区以抑制传感器漂移，并且常常根据机器人处于自由空间、正被引导还是处于接触中来在线改变参数。
为何重要
大多数工业机械臂和许多协作机械臂是位置控制的，不提供精确的关节力矩控制。借助一个附加的力传感器，导纳控制是让这类机器人在手动引导、装配和接触任务中获得柔顺行为的常用方法；理解它的稳定性极限，可以防止机器人碰到刚性表面时发生振荡。
主要应用
- 工业机械臂和协作机械臂的手动引导与拖动示教
- 带力反馈的轴孔装配及其他装配
- 响应使用者用力的康复机器人和外骨骼
- 物理人机协作，例如共同搬运负载
- 在受调节的接触下进行抛光、打磨及其他表面精加工
- 无人机和移动机器人的交互控制，其中外力会使指令位置发生偏移
实际应用
一家集成商为一台位置控制的工业机械臂加入手动引导功能，使操作员可以通过推动工具来示教路径点。一个六轴力/力矩传感器安装在法兰和一个手柄之间。在每个控制周期中，软件减去传感器偏置和手柄的重力负载，施加一个小死区，然后让剩余的力通过一个没有弹簧的虚拟质量-阻尼器模型，这样机械臂会朝被推动的方向运动，松手后停下。得到的速度被积分成位置偏移量，并流式发送到机器人的位置接口。测试表明，当操作员把工具压在钢制夹具上时，机械臂会颤振，因此团队在接触力超过阈值时提高虚拟阻尼，并在自由运动中再把它降低。
常见误解
- 导纳控制和阻抗控制是一回事 — 它们追求相同的行为，但方向相反：导纳读取力并指令运动，阻抗读取运动并指令力
- 更低的虚拟质量和阻尼总能带来更好的柔顺性 — 它们让机器人感觉更轻，但会降低刚性接触中的稳定性，并放大力传感器噪声
- 导纳控制需要力矩控制的关节 — 它是为位置控制或速度控制的机器人设计的，依靠的是外部的力测量
谁需要了解
- 力控制和操作工程师
- 为工业机械臂加入手动引导功能的集成商
- 康复和外骨骼开发者
- 物理人机交互研究人员
相关技术
- 六轴力/力矩传感器（Six-Axis Force-Torque Sensor）
- 虚拟质量-弹簧-阻尼器模型（Virtual Mass-Spring-Damper Model）
- 工具重力补偿（Tool Gravity Compensation）
- 位置和速度控制接口（Position and Velocity Control Interfaces）
- 可变导纳控制（Variable Admittance Control）
相关术语
- Impedance Control
- Force/Torque Sensor
- Physical Human-Robot Interaction
- Hybrid Position/Force Control
- Kinesthetic Teaching
- Backdrivability
相关项目
- 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