Open Source Robotics

精选高质量开源机器人项目、工具和软件，推动机器人社区发展。

Hybrid Position/Force Control

  • 又称: hybrid force/position control, hybrid force-position control, hybrid control
  • 类别: Control › Force & interaction control
  • 标签: force-control, manipulation, contact-tasks, industrial-robotics, control

一种机械臂控制方案，把任务空间划分为进行位置控制的方向和与之正交、进行力控制的方向，使机器人能够一边按压表面一边沿表面移动。

定义

位置/力混合控制（Hybrid position/force control）是一种控制与环境接触的机器人的方法，它把任务划分为控制运动的方向和控制接触力的方向。该方法由 Raibert 和 Craig 于 1981 年形式化，其基础是 Mason 同年发表的关于自然约束和人工约束的分析。

关键的观察是：一个接触会在某些方向上约束运动，在另一些方向上约束力。当机器人让工具在桌面上滑动时，它无法向桌子内部移动，因此在该方向上进行位置控制意义不大，但它可以选择压得多重。在平行于桌面的方向上，它可以自由移动，却无法对着空无一物建立有用的力。因此，混合控制在接触处定义一个约束坐标系，并用一个选择矩阵把每个轴（平移轴或旋转轴）分配给位置控制器或力控制器。

位置环沿自由方向跟踪轨迹，力环则通常利用腕部力/力矩传感器的测量值，沿受约束的方向调节接触力。两者的输出被合成为关节指令。两个子空间的合成方式很重要：后来的研究表明，原始表述对某些旋转关节机械臂是不稳定的，这促成了修正后的表述，其中包括基于操作空间框架的表述。

混合控制不同于阻抗控制，后者不区分方向，而是让机器人表现得像一个弹簧-阻尼器，以位置精度换取柔顺性。混合控制在需要的地方给出显式的力调节，但它需要相当准确的接触几何模型；如果表面不在控制器假设的位置，或朝向与假设不同，所选的方向就是错误的。

为何重要

许多工业和服务任务，例如抛光、磨削、擦拭和装配，都要求机器人在沿表面移动的同时控制按压的力度。位置/力混合控制提供了描述这类任务的直接方式，而它的约束坐标系和选择矩阵思想至今仍影响着接触任务的编程方式。

主要应用

  • 抛光、磨削和去毛刺
  • 表面擦拭和清洁
  • 轴孔插装和装配
  • 轮廓跟踪和表面检测
  • 推动或按压物体的移动机械臂和足式机械臂

实际应用

搭建机器人抛光单元的团队会定义一个与工件表面对齐的任务坐标系，把表面法线轴分配给力控制并设定目标接触力，把切向轴和各个姿态方向分配给沿抛光路径的位置控制。力环读取安装在腕部的力/力矩传感器，通常经过滤波以减少噪声；许多工业控制器把这项功能作为一种力控制模式提供，由用户选择哪些轴采用力控制。工程师会保守地整定力增益，先在真实工件上以较低的目标力进行测试，并留意在边缘和拐角处是否出现颤振或失去接触，因为那里假设的表面法线会发生变化。

常见误解

  • 机器人可以在同一方向上同时控制位置和力 — 在任一轴上只能指定两者之一；另一个由环境决定
  • 混合控制和阻抗控制是一回事 — 混合控制沿选定的轴显式调节力，而阻抗控制塑造的是力与运动之间的弹簧-阻尼关系
  • 力控制不需要环境模型 — 混合控制依赖于已知的接触几何来选择正确的轴

谁需要了解

  • 从事接触任务的工业机器人编程人员
  • 操作与控制工程师
  • 研究移动操作和足式操作的研究人员
  • 学习力控制的机器人专业学生

相关技术

  • 力/力矩传感器（Force/Torque Sensor）
  • 阻抗控制（Impedance Control）
  • 导纳控制（Admittance Control）
  • 操作空间控制（Operational Space Control）
  • 选择矩阵（Selection Matrix）
  • 柔顺控制（Compliance Control）

相关术语

  • Impedance Control
  • Force/Torque Sensor
  • Torque Control

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

视频

  • Modern Robotics, Chapter 11.6: Hybrid Motion-Force Control: Northwestern Robotics

本网站需要 JavaScript 才能正常运行。请启用 JavaScript 以浏览我们的开源机器人项目。