Task and Joint Space Dual-Arm Compliant Control

📄 arXiv: 2504.21159v1 📥 PDF

作者: Alexander L. Mitchell, Tobit Flatscher, Ingmar Posner

分类: cs.RO

发布日期: 2025-04-29

备注: This is a technical report for an impedance controller found at https://github.com/applied-ai-lab/compliant_controllers. It contains 4 pages, 3 figures, and 1 Table

🔗 代码/项目: GITHUB

💡 一句话要点

提出一种双臂顺应控制方法，实现人机安全交互和精确操作。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 双臂机器人 顺应控制 阻抗控制 人机交互 摩擦补偿

📋 核心要点

  1. 商业机械臂刚性强、摩擦大，力控模式下末端执行器跟踪精度受限，难以胜任人机交互和精细操作。
  2. 提出一种混合阻抗控制器，在关节空间和任务空间顺应性间平滑过渡，兼顾安全交互和精确任务执行。
  3. 在双臂机器人Frank上验证，通过无模型观测器补偿摩擦，实现高频轨迹跟踪和亚厘米级插针操作。

📝 摘要（中文）

本文提出了一种实时的、开源的阻抗控制器，该控制器能够在关节空间和任务空间顺应性之间平滑插值。这种混合方法确保了安全交互和精确的任务执行，例如亚厘米级的插针操作。该控制器部署在双臂平台Frank上，Frank配备了两个Kinova Gen3机械臂，并使用无模型观测器补偿建模的摩擦动力学。该系统具有实时能力，并与MoveIt!等标准ROS工具集成。它还支持高频轨迹流，从而能够闭环执行由基于学习的方法、最优控制或遥操作生成的轨迹。结果表明，即使在高摩擦条件下，该系统也能实现鲁棒的跟踪和顺应性行为。完整的系统可在https://github.com/applied-ai-lab/compliant_controllers上开源获取。

🔬 方法详解

问题定义：现有商业机械臂通常刚性较强，且存在显著的摩擦力，这限制了其在力控模式下的末端执行器跟踪精度。因此，在需要与人类交互或执行精细操作的任务中，这些机械臂的表现往往不尽如人意。论文旨在解决如何在存在摩擦的情况下，提高机械臂的顺应性和任务执行精度的问题。

核心思路：论文的核心思路是提出一种混合阻抗控制方法，该方法能够在关节空间和任务空间之间进行平滑的顺应性插值。通过这种方式，系统可以在保证安全交互的同时，实现精确的任务执行。此外，论文还采用无模型观测器来补偿摩擦力，进一步提高了系统的鲁棒性。

技术框架：该系统的整体架构包括以下几个主要模块：1) 阻抗控制器：负责在关节空间和任务空间之间进行顺应性插值；2) 摩擦补偿器：使用无模型观测器估计并补偿摩擦力；3) 双臂机器人平台：使用Frank双臂机器人，配备两个Kinova Gen3机械臂；4) ROS集成：与MoveIt!等标准ROS工具集成，方便进行运动规划和控制；5) 轨迹流：支持高频轨迹流，可以闭环执行由学习方法、最优控制或遥操作生成的轨迹。

关键创新：该论文的关键创新在于提出了一种混合阻抗控制方法，该方法能够根据任务需求，灵活地在关节空间和任务空间之间调整顺应性。这种混合方法结合了两种控制策略的优点，既保证了安全交互，又实现了精确的任务执行。此外，使用无模型观测器进行摩擦补偿也是一个创新点，避免了对复杂摩擦模型的依赖。

关键设计：阻抗控制器的具体实现细节（例如阻抗参数的选择）以及无模型观测器的设计是关键。论文中可能涉及阻抗参数的自适应调整策略，以适应不同的任务需求。此外，无模型观测器的性能直接影响摩擦补偿的效果，因此其设计也至关重要。具体参数设置和算法细节需要在论文原文中查找。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，该控制器在Frank双臂机器人平台上实现了鲁棒的跟踪和顺应性行为，即使在高摩擦条件下也能正常工作。该系统能够实现亚厘米级的插针操作，验证了其精确的任务执行能力。此外，该系统与ROS工具的集成以及对高频轨迹流的支持，也为后续研究和应用提供了便利。

🎯 应用场景

该研究成果可应用于人机协作机器人、医疗机器人、精密装配等领域。例如，在医疗手术中，机器人需要具备高度的顺应性，以避免对患者造成不必要的损伤。在精密装配中，机器人需要具备精确的控制能力，以保证装配质量。该研究为这些应用提供了有力的技术支持，有望提升相关领域的自动化水平。

📄 摘要（原文）

Robots that interact with humans or perform delicate manipulation tasks must exhibit compliance. However, most commercial manipulators are rigid and suffer from significant friction, limiting end-effector tracking accuracy in torque-controlled modes. To address this, we present a real-time, open-source impedance controller that smoothly interpolates between joint-space and task-space compliance. This hybrid approach ensures safe interaction and precise task execution, such as sub-centimetre pin insertions. We deploy our controller on Frank, a dual-arm platform with two Kinova Gen3 arms, and compensate for modelled friction dynamics using a model-free observer. The system is real-time capable and integrates with standard ROS tools like MoveIt!. It also supports high-frequency trajectory streaming, enabling closed-loop execution of trajectories generated by learning-based methods, optimal control, or teleoperation. Our results demonstrate robust tracking and compliant behaviour even under high-friction conditions. The complete system is available open-source at https://github.com/applied-ai-lab/compliant_controllers.