孔乙己

运动控制算法工程师

专注于上半身（机械臂 / 双臂）的动力学建模、参数辨识与传统运动控制，以及 VLA 模型。习惯把算法背后的数学推一遍再落地，并把推导过程写成长文发布在博客里。

成果展示

从符号化动力学建模，到激励轨迹设计、闭环数据采集、基参数辨识，再到完整惯性参数恢复

一套可复用的机械臂动力学建模与参数辨识流程，在 RRR 三轴与 Franka Panda 七轴上完成闭环实验与独立轨迹验证。

−93.0%RRR 独立验证力矩 RMSE，0.4964 → 0.0350 N·m

−86.8%Franka 独立验证力矩 RMSE，0.4354 → 0.0576 N·m

满秩RRR 22/22、Franka 62/62 基参数线性无关

29×Franka 回归矩阵求值，56.4 s → 1.9 s

验证 RMSE 降低 86.8%基参数 62/62 满秩回归速度提升 29 倍PythonMuJoCoSymPySciPyNumPy

让机械臂在变阻抗、多任务与力控场景下都能安全地保持柔顺

针对变阻抗、零空间分层与力位混合控制在调节阻抗时会破坏系统稳定性的问题，用带障碍函数的能量罐约束系统能量，设计三类保稳定的柔顺控制器，并在 7-DOF Franka Emika Panda 上完成实机验证。

100 → 1105 N/m变阻抗实验中刚度突变：无能量罐时失稳，加入后保持稳定

能量不再无界增长障碍函数把系统能量严格约束在上界内

3 类控制器变阻抗、分层柔顺、自适应力位混合

全身柔顺在 Franka Panda 上同时实现笛卡尔空间与关节空间阻抗

变阻抗 · 分层零空间 · 自适应力位混合7-DOF Franka Emika Panda 实机验证同一套能量罐框架贯穿三类控制器C++ROSlibfranka柔顺控制阻抗控制

自适应力位混合控制：曲面打磨任务中的两次人机交互（循环演示）。

视觉-语言-动作（VLA）模型在真机机械臂上的实践

第一份工作期间的主要方向之一：围绕视觉-语言-动作（VLA）模型在真机机械臂上开展工作，覆盖策略推理、真机验证与问题定位，并沉淀为博客中的 VLA 与模仿学习系列笔记。

VLA 真机演示具身智能 · 模仿学习PythonPyTorchROSVLA模仿学习

VLA 模型在真机机械臂上的操作演示（循环播放）。

从采样式规划到时间最优轨迹参数化的规划实践

第二份工作期间的主要方向：围绕机械臂/多机器人运动规划，覆盖采样式规划、轨迹优化与时间最优路径参数化，并在仿真与真机上完成执行验证。

采样式规划 · 轨迹优化时间最优路径参数化C++ROS 2运动规划轨迹优化

机械臂运动规划演示（循环播放）。

我在上半身（机械臂 / 双臂）的传统运动控制（动力学、参数辨识、运动规划）与 VLA 方向持续投入，习惯把算法背后的数学推导、工程取舍与踩过的坑整理成长文，发布在博客里。

欢迎通过邮箱或GitHub与我交流。