Periodic Steady-State Control of a Handkerchief-Spinning Task Using a Parallel Anti-Parallelogram Tendon-driven Wrist
作者: Lei Liu, Haonan Zhang, Huahang Xu, Zefan Zhang, Lulu Chang, Lei Lv, Andrew Ross McIntosh, Kai Sun, Zhenshan Bing, Jiahong Dong, Fuchun Sun
分类: cs.RO, cs.AI
发布日期: 2026-04-20
备注: ICRA2026
🔗 代码/项目: PROJECT_PAGE
💡 一句话要点
针对手帕舞的周期稳态控制，提出一种并联反平行四边形腱驱动灵巧手腕。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 灵巧手腕 柔性物体操作 周期稳态控制 腱驱动机构 质点-弹簧模型
📋 核心要点
- 手帕舞等柔性物体操作面临非线性动力学、摩擦接触和边界约束等复杂挑战，现有方法难以实现精确控制。
- 论文提出一种并联反平行四边形腱驱动灵巧手腕，结合面向控制的质点-弹簧手帕模型，实现稳态周期运动控制。
- 实验结果表明，该方法能有效控制手帕展开和指尖轨迹，展开率达99%，指尖跟踪误差RMSE为2.88mm。
📝 摘要（中文）
本文针对手帕舞等柔性物体旋转任务中存在的非线性动力学、摩擦接触和边界约束等挑战，提出了一种周期稳态控制方法。首先，设计了一种基于并联反平行四边形腱驱动结构的灵巧手腕，实现了90度全方位旋转，具有低惯量和解耦的横滚-俯仰传感能力，并实现了高-低层级的分层控制方案。然后，开发了一种手帕的质点-弹簧模型，用于面向控制的抽象和策略评估。硬件实验验证了该框架，在高动态旋转中实现了约99%的展开率和RMSE = 2.88 mm的指尖跟踪误差。这些结果表明，将面向控制的建模与任务定制的灵巧手腕相结合，能够实现鲁棒的静止到稳态过渡以及高度柔性物体的精确周期性操作。
🔬 方法详解
问题定义：手帕舞等柔性物体操作任务，由于其高度非线性动力学、复杂的摩擦接触以及边界约束，难以实现精确的周期性稳态控制。现有方法通常难以兼顾模型的准确性和控制的实时性，并且缺乏针对特定任务设计的灵巧操作机构。
核心思路：论文的核心思路是结合任务定制的灵巧手腕设计和面向控制的柔性物体建模，实现对复杂动力学系统的有效控制。通过设计具有特定运动学和动力学特性的灵巧手腕，简化控制难度；同时，采用简化的质点-弹簧模型，在保证模型精度的前提下，提高控制算法的计算效率。
技术框架：整体框架采用高-低层级的分层控制结构。高层控制器根据期望的手帕运动轨迹，生成灵巧手腕的运动指令；低层控制器则负责驱动腱驱动机构，实现对灵巧手腕的精确控制。手帕的运动状态通过视觉传感器进行感知，并反馈给高层控制器，形成闭环控制。该框架包含以下主要模块：灵巧手腕设计、手帕建模、高层轨迹规划、低层力/位混合控制。
关键创新：论文的关键创新在于将灵巧手腕的设计与控制目标紧密结合，提出了一种并联反平行四边形腱驱动结构，该结构具有低惯量、解耦的横滚-俯仰传感能力，以及较大的工作空间。此外，论文还提出了一种面向控制的质点-弹簧模型，该模型在保证模型精度的前提下，大大简化了计算复杂度，提高了控制算法的实时性。
关键设计：灵巧手腕的关键参数包括腱的布置方式、滑轮的半径、以及连杆的长度等。这些参数的设计需要综合考虑手腕的运动范围、力矩输出能力以及传感器的精度。质点-弹簧模型的关键参数包括质点的质量、弹簧的刚度以及阻尼系数等。这些参数需要根据手帕的物理特性进行调整，以保证模型的准确性。低层控制采用力/位混合控制策略，以实现对灵巧手腕的精确控制。
🖼️ 关键图片
📊 实验亮点
实验结果表明，所提出的方法能够有效地控制手帕的展开和指尖轨迹。在高动态旋转中，手帕的展开率达到了约99%，指尖跟踪误差的RMSE为2.88 mm。这些结果验证了该方法在柔性物体操作方面的有效性，并表明将面向控制的建模与任务定制的灵巧手腕相结合，能够实现鲁棒的静止到稳态过渡以及高度柔性物体的精确周期性操作。
🎯 应用场景
该研究成果可应用于柔性物体的操作和控制，例如纺织品处理、医疗手术器械操作、以及机器人辅助的艺术表演等领域。通过结合任务定制的灵巧机构和面向控制的建模方法，可以实现对复杂动力学系统的精确控制，提高操作效率和精度，具有广阔的应用前景。
📄 摘要（原文）
Spinning flexible objects, exemplified by traditional Chinese handkerchief performances, demands periodic steady-state motions under nonlinear dynamics with frictional contacts and boundary constraints. To address these challenges, we first design an intuitive dexterous wrist based on a parallel anti-parallelogram tendon-driven structure, which achieves 90 degrees omnidirectional rotation with low inertia and decoupled roll-pitch sensing, and implement a high-low level hierarchical control scheme. We then develop a particle-spring model of the handkerchief for control-oriented abstraction and strategy evaluation. Hardware experiments validate this framework, achieving an unfolding ratio of approximately 99% and fingertip tracking error of RMSE = 2.88 mm in high-dynamic spinning. These results demonstrate that integrating control-oriented modeling with a task-tailored dexterous wrist enables robust rest-to-steady-state transitions and precise periodic manipulation of highly flexible objects. More visualizations: https://slowly1113.github.io/icra2026-handkerchief/