Wrench-Aware Admittance Control for Unknown-Payload Manipulation

📄 arXiv: 2604.19469v1 📥 PDF

作者: Hossein Gholampour, Logan E. Beaver

分类: cs.RO, eess.SY

发布日期: 2026-04-21

💡 一句话要点

提出力矩感知的 admittance 控制，用于未知负载的机械臂操作。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: Admittance控制 力矩感知 未知负载 机器人操作 质心估计

📋 核心要点

  1. 现有顺应性控制在处理质心未知的负载时，会因腕部偏移力矩产生较大跟踪误差和意外运动。
  2. 提出力矩感知的 admittance 控制框架，通过力/力矩传感器估计负载质量和质心偏移，进行补偿。
  3. 实验表明，该方法在保持顺应性的同时，提高了运输和放置的性能，改善了物体堆叠行为。

📝 摘要（中文）

本文提出了一种力矩感知的 admittance 控制框架，用于UR5e机器人在未知负载下的抓取和放置任务。当负载质心与工具中心点不对齐时，会对顺应性机器人操作产生显著影响，导致腕部产生偏移力矩。该力矩不仅与负载重量有关，还与负载惯性有关。如果不对其建模，顺应性控制器会将其解释为外部交互力矩，从而导致意外的顺应性运动、更大的跟踪误差和更低的运输精度。该方法利用力/力矩传感器在两种不同的角色中发挥作用。首先，使用三轴平移激励项来减少运输过程中负载引起的力效应，而不会使机器人过于僵硬。其次，在抓取后，控制器首先估计负载质量以进行运输补偿，然后使用在随后的平移运动中收集的腕部力/力矩测量值来估计负载质心相对于TCP的偏移量。这有助于改善物体放置和堆叠行为。实验结果表明，与未校正的放置相比，在保持顺应性运动的同时，运输和放置性能得到了提高。

🔬 方法详解

问题定义：现有机器人顺应性控制在处理未知负载，特别是当负载质心与工具中心点（TCP）不对齐时，会遇到问题。这种不对齐会导致腕部产生偏移力矩，该力矩会干扰控制器的正常运行，导致机器人产生不期望的运动，增加跟踪误差，并降低放置精度。现有方法通常忽略或简化这种力矩的影响，导致性能下降。

核心思路：本文的核心思路是利用腕部力/力矩传感器来感知和补偿由未知负载引起的偏移力矩。通过在运动过程中测量腕部的力/力矩，可以估计负载的质量和质心位置。然后，将这些估计值用于调整 admittance 控制器的参数，从而减少负载引起的干扰，提高控制精度和稳定性。

技术框架：该方法包含以下主要阶段：1) 力矩感知：使用腕部力/力矩传感器测量机器人运动过程中的力/力矩数据。2) 负载参数估计：基于力/力矩数据，估计负载的质量和质心位置。具体而言，首先通过三轴平移激励减少负载引起的力，然后抓取后估计负载质量，最后估计质心偏移。3) Admittance 控制：使用估计的负载参数调整 admittance 控制器的参数，以补偿负载引起的偏移力矩。4) 运动控制：执行期望的机器人运动，例如抓取和放置。

关键创新：该方法的关键创新在于力矩感知的 admittance 控制框架，它能够实时估计和补偿未知负载引起的偏移力矩。与传统的 admittance 控制方法相比，该方法能够更好地处理未知负载，提高控制精度和鲁棒性。此外，该方法使用三轴平移激励来减少负载引起的力，这是一种有效的减少干扰的方法。

关键设计：该方法的关键设计包括：1) 力/力矩传感器选择：选择合适的力/力矩传感器，以确保能够准确测量腕部的力/力矩数据。2) 负载参数估计方法：设计有效的负载参数估计方法，以准确估计负载的质量和质心位置。3) Admittance 控制器参数调整：根据估计的负载参数，合理调整 admittance 控制器的参数，以实现最佳的控制性能。4) 激励信号设计：设计合适的三轴平移激励信号，以有效地减少负载引起的力。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，与未校正的放置相比，该方法在运输和放置任务中取得了显著的性能提升。具体而言，该方法能够显著减少由于负载质心偏移引起的跟踪误差，并提高放置精度。此外，实验还验证了该方法在保持顺应性运动方面的有效性，确保机器人能够安全地与环境进行交互。

🎯 应用场景

该研究成果可应用于各种需要处理未知负载的机器人操作场景，例如：自动化装配、物流搬运、医疗机器人辅助手术等。通过提高机器人对未知负载的适应性和控制精度，可以提高生产效率、降低操作风险，并扩展机器人的应用范围。未来，该技术有望应用于更复杂的机器人系统和任务中。

📄 摘要（原文）

Unknown payloads can strongly affect compliant robotic manipulation, especially when the payload center of mass is not aligned with the tool center point. In this case, the payload generates an offset wrench at the robot wrist. During motion, this wrench is not only related to payload weight, but also to payload inertia. If it is not modeled, the compliant controller can interpret it as an external interaction wrench, which causes unintended compliant motion, larger tracking error, and reduced transport accuracy. This paper presents a wrench-aware admittance control framework for unknown-payload pick-and-place using a UR5e robot. The method uses force-torque measurements in two different roles. First, a three-axis translational excitation term is used to reduce payload-induced force effects during transport without making the robot excessively stiff. Second, after grasping, the controller first estimates payload mass for transport compensation and then estimates the payload CoM offset relative to the TCP using wrist force-torque measurements collected during the subsequent translational motion. This helps improve object placement and stacking behavior. Experimental results show improved transport and placement performance compared with uncorrected placement while preserving compliant motion.