机器人/机械臂力控开源代码、论文、数据集与研究报告

追踪领域：机器人/机械臂力控开源代码、论文、数据集与研究报告

一、学术研究最新进展

1.1 牛津大学：双域阻抗控制器（2026年4月）

来源：牛津大学应用AI实验室与牛津机器人研究所

牛津大学近日发布了双域混合阻抗控制器（Dual-Domain Hybrid Impedance Controller），这是一套可实时平滑切换的任务-关节空间控制系统，完全开源。该系统让刚性机械臂兼具亚厘米级装配精度与人机指尖级柔顺安全。

核心技术创新

1. 双域控制架构：将关节空间柔顺控制与任务空间柔顺控制深度融合，搭配无模型摩擦观测器，构建统一稳定的实时闭环框架。

2. 四力合一控制公式：

3. τm = τq + τx − τ̂f + g(q)
4. τq：关节空间PD柔顺扭矩，保障全局运动稳定柔顺
5. τx：任务空间PD柔顺扭矩，通过雅可比矩阵映射，保障末端高精度
6. τ̂f：无模型摩擦观测补偿，抵消动静摩擦

7. g(q)：重力补偿

8. 三大技术特性：

9. 双域平滑插值
   ：可在纯关节→混合→纯任务控制间无缝切换
10. 无模型摩擦观测器
    ：无需提前标定摩擦参数，适配多品牌机械臂
11. 实时开源+ROS全生态兼容
    ：基于ROS Control框架，完美对接MoveIt!运动规划

实验验证

• 精密装配测试
  ：8mm销钉100%成功插入，末端位姿RMSE达亚厘米级
• 人机交互测试
  ：30N外力干预下仍保持柔顺稳定

开源链接：https://arxiv.org/pdf/2504.21159v1

1.2 斯坦福大学：UMI-FT力觉数据采集系统（2026年1月）

来源：斯坦福大学Haochen Shi团队

斯坦福大学发布了UMI-FT（Universal Manipulation Interface with Force/Torque），这是一款低成本、高一致性的指尖力觉数据采集系统。

技术亮点

1. CoinFT传感器
   ：
2. 直径20mm，厚度3mm，单颗重量约2克
3. 物料成本约10美元
4. 360Hz采样频率

5. 天然兼容现有导纳/阻抗控制框架

6. 自适应柔顺策略：系统可调节末端抓取力和刚度，适配不同任务需求

7. 校准方案：采用MLP建立CoinFT原始输出与标准力/力矩的映射关系，保证多设备数据一致性

应用场景验证

开源链接：https://umi-ft.github.io/

1.3 强化学徒混合控制策略（MATCH）

来源：arXiv:2604.19677v1（2026年4月）

由Hunter L. Brown等人提出的MATCH（Mode-Aware Training for Contact Handling）算法，实现了位置-力混合控制的智能切换。

核心创新

1. 混合控制策略
   ：学习动态选择何时使用位置控制或力控制
2. 力-位置自适应切换
   ：在每个控制维度上智能切换控制模式
3. 无需额外硬件
   ：可在标准Franka FR3上直接部署

实验结果

• 在极端定位不确定性下，任务成功率提升10%
• 与仅位置策略相比，销钉断裂减少5倍
• 高噪声环境下成功率从33%提升至68%
• 平均施力减少30%

开源链接：https://arxiv.org/abs/2604.19677

1.4 鲁棒自适应后推力阻抗控制（RABIC）

来源：arXiv:2604.09323v1（2026年4月）

Reza Nazmara等人提出的RABIC（Robust Adaptive Backstepping Impedance Control）策略，专为未知环境设计。

技术特点

1. 完整耦合动力学建模
2. 泰勒级数估计器
   ：用于系统动力学和外部力上界估计
3. 半全局实用有限时间稳定性
   ：严格的稳定性证明

验证平台

• 仿真移动机械臂场景
• 真实Franka Emika Panda机器人实验

1.5 能量基力阻抗控制

来源：IEEE Transactions on Control Systems Technology（2026年）

Haojun Ma等人基于端口哈密顿框架提出新型力阻抗控制器设计方法。

技术突破

1. 更少的控制参数和约束
2. 清晰的物理解释
3. 积分力作用
   ：力误差包含在系统被动输出中
4. 更平滑的非接触-接触过渡

DOI：10.1109/TCST.2025.3606519

1.6 最小化柔顺控制

来源：斯坦福大学Haochen Shi团队

Minimalist Compliance Control实现了无需力传感器的柔顺控制。

核心创新

• 仅使用电机电流或电压信号
• 无需力传感器、电流控制或学习
• 在机器人臂、灵巧手和两个人形机器人上验证
• 支持多样化接触密集型任务

1.7 统一力-位置控制（Legged Locomanipulation）

来源：arXiv:2505.20829v1（2026年5月）

北京通用人工智能研究院（BIGAI）提出的首个四足/人形机器人统一力位控制策略。

核心贡献

1. 无依赖力传感器的力估计
   ：从历史机器人状态预测外部力
2. 支持多样化操控行为
   ：
3. 位置跟踪
4. 力应用
5. 力跟踪

6. 柔顺交互

7. 力感知模仿学习数据采集：成功率提升约39.5%

实验平台

• Unitree B2-Z1四足机械臂平台
• Unitree G1人形机器人

1.8 MIT CSAIL：软体机器人接触感知安全控制（2026年2月）

来源：MIT SMART M3S团队

MIT联合新加坡国立大学发布了通用软体机器人控制器，结合神经网络与软体机器人模型。

技术特点

1. 可学习性
   ：软体机械臂学习广泛运动技能
2. 实时适应性
   ：无需重新训练即可适应新场景
3. 安全性保证
   ：数学上保证不超过安全力限制

核心方法

• PCS动力学模型
  ：分段Cosserat段模型预测软体变形
• DCSAT度量
  ：可微分保守距离估计
• 突触可塑性
  ：结构突触+塑性突触协同

实验验证

• 44-55%跟踪误差降低
• 92%以上形状精度
• 50%执行器故障下仍稳定

论文链接：Science Advances (2026)

1.9 CMU人形机器人触觉控制系统（2026年4月）

来源：卡内基梅隆大学+博世AI中心（arXiv:2604.13015）

人形触觉梦境变换器（HTD）让机器人"学会感受"未来的触感。

核心创新

1. 触觉梦境机制
   ：在学习动作的同时预测未来触感
2. 多模态变换器策略
   ：整合视觉、本体感觉、触觉信号
3. 指数移动平均教师编码器
   ：产生稳定的触觉预测目标

验证任务

相比ACT基线，相对提升约90.9%。

1.10 上海交通大学PhysiFlow全身控制（2026年3月）

来源：上海交通大学

PhysiFlow提出高频稳定的全身流控制，解决人形机器人全身协同控制难题。

二、开源代码与工具库

2.1 GitHub力控相关开源项目

Flexiv Robotics SDK

• 链接
  ：https://github.com/flexivrobotics/flexiv_rdk
• 特点
  ：支持C++和Python，兼容Linux、macOS、Windows、QNX
• 功能
  ：力控、适应性机器人控制
• 更新
  ：2026年3月

高擎机电开源六轴可力控机械臂

• 链接
  ：https://github.com/HighTorque-Robotics/livelybot_arm.git
• 功能
  ：
• 运动学与动力学控制
• 计算力矩法
• 拖动示教
• 定点阻抗控制
• 平台
  ：ROS1 Noetic

Stanford力-速度混合控制器

• 链接
  ：https://github.com/yifan-hou/force_control
• 功能
  ：6D笛卡尔空间导纳控制
• 支持
  ：混合力-速度控制
• 特点
  ：支持6x6刚度矩阵、惯量矩阵、阻尼矩阵配置

isri-aist力控集合

• 链接
  ：https://github.com/isri-aist/ForceControlCollection
• 功能
  ：机器人力控制函数库
• 语言
  ：C++

DevClaw Robot

• 链接
  ：https://github.com/sjkncs/DevClaw-Robot
• 功能
  ：6-DOF桌面机械臂
• 算法栈
  ：动力学、轨迹规划、阻抗控制、力传感、拖动模式、安全监控
• 平台
  ：STM32F4/F1 + CAN总线

2.2 KUKA RSI力控技术

KUKA RSI（Robot Sensor Interface）是一种嵌入式实时接口，允许外部传感器数据以4ms周期注入机器人控制器。

技术参数

应用领域

• 力控打磨
• 精密装配
• 表面抛光
• 碰撞检测

2.3 Franka Emika力控工具

libfranka力控示例

• 包含力控制、阻抗控制、导纳控制实现
• 完整示例代码和文档
• 支持Franka Panda和Franka Research 3

力控制示例代码

// 力控制核心公式 tau_error = k_p * (desired_mass * gravity) - measured_force; tau_d = tau_friction + tau_external + tau_error;

2.4 Shadow Robot Dexterous Hand

DEX-EE规格

1. 高带宽控制
   ：
2. 力矩控制环：5kHz
3. 位置控制环：1kHz

4. 力传感器更新：500Hz

5. 灵巧手规格：

6. 24个自由度
7. 20个智能电机节点

8. 多触觉传感阵列

9. 力控特性：

10. 可开启/关闭力矩控制
11. PID参数实时可调

12. 支持零力控制

13. 应用案例：

14. OpenAI：Rubik's Cube单手还原
15. Google Brain：多物体操控
16. Human Brain Project：神经控制

三、工业应用动态

3.1 人形机器人全身力控（2026年）

量产机型核心参数

力控关键技术

1. 全身分布式力控
   ：关节级力矩感知
2. 双回路急停
   ：碰撞实时检测
3. 力控过载保护
   ：安全协作标准
4. 柔顺控制
   ：人机协同无防护作业

3.2 工业机器人专利分析（2026年4月）

技术集群分布

Cluster 1：经典阻抗/导纳控制- ABB：导纳/阻抗层叠加力矩控制器 - SIAT：动态阻抗参数调整

Cluster 2：混合力位/多模式控制- Dexterity Inc.：动态切换位置/力/阻抗模式 - Pilz GmbH：自适应力控应对变化工件

Cluster 3：学习式力控（RL与神经网络）- NVIDIA：Sim-to-Real力控策略迁移 - Boston Dynamics：多接触力分布RL策略 - Machina Labs：历史数据预测力输出

Cluster 4：触觉传感与柔顺硬件- Meta：分布式触觉阵列 - X Development (Google)：GAN合成触觉数据 - Agility Robotics：可变刚度执行器

3.3 NVIDIA Isaac力控仿真

技术特点

1. 强化学习训练
   ：在仿真环境中训练力控策略
2. Sim-to-Real迁移
   ：学习策略可迁移到物理机器人
3. 动态环境适应
   ：支持自适应力控任务

应用场景

• 装配任务
• 打磨抛光
• 精密操作

四、行业专家与研究机构动态

4.1 顶级研究机构

MIT CSAIL

• 联系人与力控研究
• 软体机器人安全控制
• 触觉感知系统

Stanford AI Lab

• Oussama Khatib团队：操作与力控先驱
• Shuran Song团队：UMI-FT、触觉梦境
• C. Karen Liu团队：人形机器人控制

ETH Zurich

• 机器人系统实验室
• 力控与操作研究

CMU Robotics Institute

• Matthew Mason：力控奠基人
• 人形机器人触觉控制

国内机构

• 中科院自动化研究所
  ：力控算法研究
• 清华大学机器人研究所
  ：人机交互
• 哈尔滨工业大学
  ：工业机器人
• 上海交通大学
  ：PhysiFlow全身控制
• 北京通用人工智能研究院
  ：力位统一控制

4.2 顶级期刊与会议发表

五、技术发展趋势

5.1 力控技术演进方向

1. 从位置控制到力-位混合控制
2. 显式力约束接口
3. 可调柔顺性参数

4. 任务自适应控制模式

5. 从单点感知到分布式触觉    -指尖→全手→全身

6. 触觉阵列密度提升

7. 成本持续降低

8. 从模型驱动到数据驱动

9. 强化学习力控策略
10. 模仿学习力觉数据

11. Sim-to-Real迁移

12. 从单臂控制到全身协同

13. 移动-操作一体化
14. 力控与平衡协调
15. 人形机器人应用

5.2 硬件发展趋势

5.3 算法发展趋势

1. 混合控制策略
   ：位置-力-阻抗智能切换
2. 无传感器力估计
   ：从电机状态推断接触力
3. 力感知模仿学习
   ：结合触觉数据的演示采集
4. 全身协同控制
   ：下肢移动+上肢操作统一优化

六、开源资源汇总

6.1 学习资源

6.2 开源框架

6.3 数据集资源

七、总结与建议

7.1 本周重点关注

1. 牛津双域阻抗控制器
   ：开源代码+完整文档，适合工程落地
2. UMI-FT力觉采集
   ：低成本方案，适合大规模数据采集
3. MATCH混合控制
   ：Franka平台验证，效果显著
4. CMU触觉梦境
   ：人形机器人触觉控制新思路

7.2 技术选型建议

7.3 学习路径建议

1. 入门
   ：Franka力控示例 + ROS Control
2. 进阶
   ：导纳/阻抗控制理论 + 仿真训练
3. 实践
   ：开源项目参与 + 真实机器人实验
4. 前沿
   ：强化学习力控 + Sim-to-Real

主编：小子审核周期：每日更新订阅渠道：飞书、微信、邮箱

本日报内容基于公开学术资源整理，仅供技术研究参考。