机器人控制的"不可能三角"
机器人与环境的每一次接触都面临一个根本矛盾：你无法同时精确控制位置和力——这就是机器人控制的"不可能三角"。三种主流控制范式以不同方式解决这一矛盾。
位置控制（Position Control）
核心思想：让关节/末端精确到达目标位置。控制器输出力矩/电流驱动机器人沿规划轨迹运动。
- 优点：精度高（工业机器人重复定位精度可达±0.02mm）、实现简单
- 缺点：与环境接触时刚性过大，碰撞力可能损坏工件或机器人
- 典型应用：焊接、喷涂、搬运——不需要物理接触的任务
力控（Force Control）
核心思想：直接控制末端执行器施加的力/力矩。需要六维力传感器实时反馈。
- 优点：精确控制接触力、安全柔顺
- 缺点：自由空间中难以稳定、响应受限于力传感器带宽
- 典型应用：精密装配（轴孔配合<0.01mm间隙）、抛光打磨、灵巧手抓取
阻抗控制（Impedance Control）
核心思想：建立位置与力之间的动态关系——像弹簧-阻尼系统一样：受外力时柔顺位移，自由时回到目标位置。
- 优点：自然的人机交互、适应性最强
- 缺点：参数整定复杂（刚度/阻尼/惯性三维调参）
- 典型应用：协作机器人人机协作、康复外骨骼、行走平衡控制
产业实践
现代机器人系统很少纯粹使用单一控制策略。以人形机器人行走为例：
- 摆动腿：位置控制（精确落脚点）
- 支撑腿：阻抗控制（缓冲地面冲击、适应不平地形）
- 推门动作：位置控制（手部轨迹）+ 力控（接触力监控）
最新趋势是基于学习的混合控制——用强化学习或VLA模型动态切换/融合控制模式，而非人工预设。这一方向使机器人能应对更开放、非结构化的物理环境。
参考：Hogan阻抗控制经典论文、IEEE机器人学手册、ABB/KUKA/FANUC工业实践