6.4 精细操作与力控：阻抗/导纳控制与接触丰富任务

6.4 精细操作与力控：阻抗/导纳控制与接触丰富任务

自由空间里机械臂可以「想怎么动就怎么动」，但一旦接触物体（擦拭、装配、按压），就不能纯位置控制——硬碰硬会撞坏东西或卡死。这一节讲清怎么让机器人「柔顺」地接触世界。

6.4.1 接触任务的挑战

考虑「擦桌子」任务：

• 纯位置控制：让抹布按预设轨迹移动。但桌面不平、抹布厚度变化时，要么脱离接触（擦不到），要么硬压（损坏）。
• 力控需求：希望保持恒定的法向按压力，同时让抹布贴合桌面形状。

再考虑「轴孔装配」：

• 纯位置控制：让轴沿预设路径插入。但制造公差让孔位置有偏差，硬插会卡死甚至损坏。
• 力控需求：根据接触力反馈微调位置，让轴自然滑入孔。

核心矛盾：位置控制要求精确跟踪轨迹，力控要求顺应接触——两者不能同时同方向满足。需要新的控制范式。

6.4.2 阻抗控制：让机器人变成弹簧-阻尼系统

阻抗控制（Impedance Control） 由 Hogan 在 1985 年提出，核心思想：让机器人表现为一个弹簧-阻尼-质量系统，与环境交互。

阻抗控制律

其中：

• x_d, \dot{x}_d：期望位置、速度。
• x, \dot{x}, \ddot{x}：实际位置、速度、加速度。
• M_d, B_d, K_d：期望的虚拟质量、阻尼、刚度。
• F_{ext}：外部接触力。

这个方程描述「机器人对外力的响应」——它像一个虚拟的质量-阻尼-弹簧系统。环境推它时，它顺应地移动；环境不推时，它回到期望位置。

<svg viewBox="0 0 600 280" xmlns="http://www.w3.org/2000/svg">
  <!-- 墙（环境） -->
  <rect x="450" y="60" width="20" height="160" fill="#94a3b8" stroke="#475569"/>
  <text x="460" y="50" text-anchor="middle" font-size="11">环境</text>

  <!-- 期望位置 -->
  <line x1="200" y1="140" x2="380" y2="140" stroke="#16a34a" stroke-width="2" stroke-dasharray="6 4"/>
  <text x="290" y="130" text-anchor="middle" font-size="10" fill="#16a34a">x_d 期望位置</text>

  <!-- 弹簧 -->
  <path d="M 200 140 q 10 -10 20 0 q 10 10 20 0 q 10 -10 20 0 q 10 10 20 0" fill="none" stroke="#dc2626" stroke-width="2"/>
  <text x="240" y="170" text-anchor="middle" font-size="10" fill="#dc2626">K_d 弹簧</text>

  <!-- 阻尼 -->
  <rect x="290" y="125" width="40" height="30" fill="none" stroke="#2563eb" stroke-width="2"/>
  <line x1="295" y1="140" x2="325" y2="140" stroke="#2563eb" stroke-width="2"/>
  <text x="310" y="170" text-anchor="middle" font-size="10" fill="#2563eb">B_d 阻尼</text>

  <!-- 末端（机器人） -->
  <rect x="380" y="115" width="50" height="50" fill="#fde68a" stroke="#ca8a04" stroke-width="2"/>
  <text x="405" y="145" text-anchor="middle" font-size="11">末端</text>
  <text x="405" y="200" text-anchor="middle" font-size="11" fill="#ca8a04">实际位置 x</text>

  <!-- 接触力箭头 -->
  <line x1="430" y1="140" x2="395" y2="140" stroke="#9333ea" stroke-width="2" marker-end="url(#ar3)"/>
  <text x="460" y="160" font-size="10" fill="#9333ea">F_ext</text>
  
  <defs>
    <marker id="ar3" markerWidth="8" markerHeight="8" refX="6" refY="3" orient="auto">
      <path d="M0,0 L6,3 L0,6 Z" fill="#9333ea"/>
    </marker>
  </defs>
  
  <text x="300" y="250" text-anchor="middle" font-size="10" fill="#6b7280">阻抗控制：机器人表现为 K_d-B_d-M_d 虚拟系统，受外力时顺应移动</text>
</svg>
​

阻抗控制实现

把阻抗律转换为关节力矩（通过雅可比转换）：

def impedance_control(x, dx, ddx, x_d, dx_d, M_d, B_d, K_d, F_ext, J):
    # 操作空间加速度参考
    ddx_ref = np.linalg.inv(M_d) @ (-B_d @ (dx - dx_d) - K_d @ (x - x_d) + F_ext)
    # 转换为关节力矩（操作空间 → 关节空间）
    tau = J.T @ (M_d @ ddx_ref + B_d @ (dx - dx_d) + K_d @ (x - x_d))
    return tau
​

阻抗参数的含义

• 高 K_d（刚度）：机器人「硬」，对偏差强力纠正，类似位置控制。
• 低 K_d（柔顺）：机器人「软」，受外力时轻易让步。
• 高 B_d（阻尼）：抑制振荡，运动平稳但响应慢。
• 低 B_d：响应快但可能振荡。

关键应用：通过调节 K_d 和 B_d，让同一机器人表现出「硬如钢」（精确装配）或「软如棉」（与人协作）的不同特性。

6.4.3 导纳控制：阻抗的双胞胎

导纳控制（Admittance Control） 与阻抗控制目标相同（让机器人柔顺），但实现路径相反：

简单说：

• 阻抗控制：「我感觉到位置偏差，输出力」。
• 导纳控制：「我测量外力，调整我的位置」。

工业协作机器人（UR、Franka）多用阻抗控制，因为它们本质是位置控制型。人形机器人（Atlas、Optimus）多用导纳控制，因为准直驱关节天然力控。

6.4.4 力位混合控制

力位混合控制（Hybrid Force/Position Control） 解决「位置 vs 力」的根本矛盾：在不同方向上分别用位置控制和力控制。

核心思想

把任务空间分为两个正交子空间：

• 位置控制方向：自由空间（如垂直于接触面的运动方向）。
• 力控制方向：约束方向（如接触面法向）。

用选择矩阵 S 描述哪些方向用力控，哪些用位置控：

应用：擦拭任务

擦拭任务中：

• 沿桌面方向（X-Y）：位置控制，让抹布按轨迹移动。
• 法向（Z）：力控制，保持恒定按压力。

def hybrid_wipe(position_error, velocity_error, force_error, S):
    # S = diag(1, 1, 0)：XY 位置控制，Z 力控制
    F_pos = position_PD(position_error, velocity_error)  # XY 方向
    F_force = force_PID(force_error)                     # Z 方向
    F_total = S @ F_pos + (np.eye(3) - S) @ F_force
    tau = J.T @ F_total
    return tau
​

6.4.5 装配任务的力位混合

轴孔装配（Peg-in-Hole） 是经典力控任务。难点：

• 公差极小（微米级）。
• 位置不可精确预知。
• 硬插会卡死。

解决方案：搜索 + 力反馈

策略：

1. 接近孔口，向下接触，检测法向力（确认接触）。
2. 在 X-Y 平面搜索，根据力反馈判断是否对中。
3. 对中后向下推进，保持力控（防止卡死）。
4. 持续到完全插入。

这种 Search-and-Insert 策略依赖高灵敏度的力反馈（第 2.3 节六维力传感器）。

远程中心柔顺（RCC）

更高档的方案是远程中心柔顺装置（Remote Center Compliance, RCC）——一种纯机械的被动柔顺装置，安装在腕部。它让机械臂在接触时自然顺应，无需控制环路。RCC 在汽车装配线等场景广泛使用。

6.4.6 主动 vs 被动柔顺

实际系统常两者结合：被动柔顺作为安全兜底，主动柔顺提供精细控制。例如 Franka Panda 的关节有 7 个谐波减速器提供一定被动柔顺，再加上阻抗控制实现精细操作。

6.4.7 触觉反馈与精细操作

第 2.3 节讨论的视触觉传感器（GelSight、DIGIT）在精细操作中扮演关键角色：

触觉 + 力控结合，是当前精细操作的「黄金组合」：

视触觉 → 接触/滑动事件 → 力控调节 → 精细操作
​

6.4.8 双手协调操作

人形机器人很多任务需要双手协调（折衣服、拧瓶盖、组装）。双手协调的力控挑战：

• 内力 vs 外力：双手共持物体时，要区分「双手之间的内力」和「对外做功的外力」。
• 力分配：怎么把总任务力分配到两只手。
• 协同 vs 主从：哪只手主导，哪只手辅助。

代表方法如 对象级阻抗控制（Object-level Impedance Control）——把被抓物体作为整体，控制物体的虚拟阻抗，双手自然分配力。

6.4.9 VLA 与力控的结合

VLA 模型（第 5 章）输出动作通常不含力信息。但精细操作需要力控，怎么结合？

💡 当前共识：纯 VLA 难以处理精细力控（数据稀缺 + 物理约束硬）。VLA + 传统力控 + 触觉 的混合架构是当前精细操作的工程现实。这也是第 8 章会强调的——VLA 不是替代传统控制，而是与传统控制协作。

6.4.10 学习型力控

最近用 RL 学习力控策略的工作增加：

• Sim-to-Real RL 装配：在仿真中用 RL 学 peg-in-hole，迁移到真机。
• Diffusion Policy + 力信号：扩散策略输入图像 + 力信号，输出力位混合动作。
• VLA + 力反馈微调：VLA 基础上微调力控能力。

这些方法在 数据充足的仿真任务 上有效，但真机部署仍依赖传统力控的兜底。

6.4.11 精细操作的工程实践

总结精细操作系统的工程要点：

⚠️ 生产箴言：精细操作是「最后一厘米」难题。VLA 让机器人能从房间一头走到桌前，但要让机器人把 USB 插进孔里、把鸡蛋打进碗里、把衣服叠整齐，仍依赖精细的力控与触觉。这是当前具身智能最难攻克的工程前线之一。

6.4.12 当前挑战与未来方向

本节小结

• 接触丰富任务不能纯位置控制，需要力控——这是「柔顺控制」的舞台。
• 阻抗控制让机器人表现为虚拟弹簧-阻尼-质量系统，参数 K_d/B_d 决定「硬度」。
• 导纳控制是阻抗的双胞胎，从外力推导位置修正，适合准直驱关节。
• 力位混合控制用选择矩阵在不同方向分别用位置/力控制。
• 装配任务（peg-in-hole）用 Search-and-Insert 策略 + 力反馈。
• 被动柔顺（RCC）+ 主动柔顺（控制）结合是工程实践。
• 触觉反馈在精细操作中是关键（接触/滑动/对准检测）。
• 双手协调用对象级阻抗控制。
• VLA + 力控分层架构是当前精细操作的工程现实。
• 精细操作是「最后一厘米」难题，是当前具身智能最难攻克的工程前线。

至此第 6 章结束。你已经理解了从运动规划到底层力控的完整技术栈：规划（6.1）、轨迹（6.2）、控制（6.3）、力控（6.4）。下一章《第 7 章 数据与仿真：Sim-to-Real 与遥操作》将进入「进化」层——机器人怎么获得学习所需的大规模数据。