Quasi-Static Manipulation
- 又称: quasistatic manipulation
- 类别: Planning & manipulation › Manipulation
- 标签: manipulation, contact, friction, statics, pushing
足够缓慢、以至于惯性力可以忽略的操作，因此机器人和物体被视为依次经过一系列力平衡状态。
定义
准静态操作（Quasi-static manipulation）是在运动足够缓慢、惯性力可以忽略这一假设下进行分析的操作。在每一时刻，作用在物体上的力和力矩（来自重力、机器人的接触、支撑面以及摩擦）都被假定为相互平衡，因此系统依次经过一系列平衡状态。与纯静态分析不同，准静态模型仍然允许滑动：运动接触处的库仑摩擦被包含在内，而质量乘以加速度的项被舍去。
这一假设涵盖了实际操作中的很大一部分：取放、在桌面上缓慢推动物体、轴孔插装、把物体抵着墙滑动以改变其朝向，以及大多数抓取分析。它使力学大为简化。物体的运动取决于机器人运动的方向以及接触几何和摩擦，而与机器人运动的速度无关，因此规划器可以针对路径而不是完整轨迹进行推理。建立在这一假设之上的经典成果包括 Mason 对推动的分析、描述在平面上滑动的物体的摩擦力与摩擦力矩之间关系的极限曲面（limit surface），以及用于插装任务的卡阻与楔紧图（jamming and wedging diagrams）。
当物体在接触结束后仍会滑动或倾倒很远、发生冲击，或者机器人相对于物体的质量和摩擦运动得很快时，这一假设就不再成立。一种常见的检验方法是把规划的加速度所对应的惯性力与摩擦力和接触力进行比较；如果两者大小相近，就需要动力学模型。中间模型有时被称为准动态（quasi-dynamic）模型，它们保留仿真器的时间步进结构，同时仍忽略大部分惯性效应，被用于一些富接触规划器中。
为何重要
大多数抓取、推动和装配算法都假设准静态条件，而且往往是隐含的。了解这一假设以及它何时失效，就能解释为什么一个规划器在低速下有效、在机器人加速后却失效，以及何时需要动力学模型或不同的策略。
主要应用
- 物体在表面上的平面推动与滑动
- 取放与抓取稳定性分析
- 轴孔插装与装配规划
- 利用墙面和夹具改变物体朝向
- 使用缓慢、柔顺的机器人进行富接触规划
实际应用
一个仓储团队规划推动动作，先把箱子抵着挡板滑动对齐，然后再抓取。他们的规划器使用准静态推动模型，其极限曲面根据箱子的底面形状和估计的摩擦系数计算，因此对于给定的推杆路径，它能预测每个箱子如何转动和平移，而与速度无关。在实际系统上，他们限制推杆速度，使箱子在推杆停止时也随之停止；当一位经理要求缩短节拍时，他们先测量接触结束后箱子还会继续滑动多远，并且只在这一超出量保持在对齐公差以内时才提高速度。
常见误解
- 准静态意味着什么都不动 — 物体可以滑动和转动；只有惯性项被忽略
- 准静态模型忽略摩擦 — 滑动接触和黏着接触处的摩擦是这类模型的核心
- 任何慢速机器人都是准静态的 — 判断标准是惯性力相对于接触力和摩擦力是否很小，这既取决于速度，也取决于物体的质量和摩擦
- 由于模型中不出现速度，准静态结果在任何速度下都成立 — 这种与速度无关的性质是该假设的结果，一旦惯性变得重要就不再成立
谁需要了解
- 操作与抓取规划工程师
- 装配与夹具设计人员
- 研究推动和非抓取操作的研究人员
- 学习接触力学的机器人专业学生
相关技术
- 极限曲面（Limit Surface）
- 平面推动模型（Planar Pushing Models）
- 抓取分析（Grasp Analysis）
- 互补接触模型（Complementarity Contact Models）
- 柔顺装配（Compliant Assembly）
相关术语
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