阻抗、导纳、柔顺与 MIT 控制：从交互动力学到工程实现

从任务空间动力学出发推导阻抗控制与导纳控制，分析二者的对偶性与接触稳定性边界，并剖析腿足机器人 MIT 控制器的执行器基础与控制架构。

2026年8月20日机器人,控制4分钟阅读

在机器人与环境发生物理交互的场景中（打磨、装配、人机协作、四足机器人落地缓冲），纯位置控制是不够的：位置环刚度极高，环境的毫米级偏差就会产生数百牛的接触力，轻则工件报废，重则损坏机器人或伤人。为此发展出了一系列“让机器人变软”的控制方法。本文从交互动力学出发，系统梳理四个常被混淆的概念——柔顺控制、阻抗控制、导纳控制、MIT 控制器——并给出严格的推导、稳定性分析与工程选型依据。

机器人与环境构成一个耦合动力系统。在接触点上，力 $F$ 与运动 $x$ 由机器人和环境共同决定，二者不能被同一个控制器独立指定：

若环境是刚性墙面（运动被约束），机器人只能决定施加多大的力；
若环境是自由空间（力恒为零），机器人只能决定怎么运动。

Hogan 在 1985 年的三部曲论文中用网络理论的语言表述了这一点：任何物理交互端口上，一侧表现为阻抗（impedance：接受“流”即速度，输出“势”即力），另一侧就必须表现为导纳（admittance：接受力，输出运动）。典型环境（刚性约束、惯性负载）在低频段表现为导纳，因此机器人侧应当被塑造成阻抗——这正是“阻抗控制”名称的由来。

对线性系统，机械阻抗定义为力对速度的传递函数：

$Z(s) = \frac{F(s)}{\dot{X}(s)}$

一个“质量-弹簧-阻尼”系统的阻抗为 $Z(s) = M s + B + K/s$ 。阻抗控制的目标不是跟踪某个力或某条轨迹，而是让机器人在交互端口上呈现出指定的 $Z(s)$ 。这是它与力控制、位置控制在控制目标层面的根本区别。

后续推导基于标准的 $n$ 自由度刚体动力学模型：

$M(q)\ddot{q} + C(q,\dot{q})\dot{q} + g(q) = \tau + J^{\top}(q) F_{ext}$

其中 $M(q)$ 为惯量矩阵， $C(q,\dot{q})\dot{q}$ 为科氏/离心项， $g(q)$ 为重力项， $J(q)$ 为末端雅可比， $F_{ext}$ 为环境作用于末端的外力旋量。

通过 $\dot{x} = J\dot{q}$ 将其投影到任务空间（设 $J$ 满秩），得到任务空间动力学：

$\Lambda(q)\ddot{x} + \mu(q,\dot{q})\dot{x} + p(q) = F_{\tau} + F_{ext}$

其中 $\Lambda = (J M^{-1} J^{\top})^{-1}$ 是任务空间惯量矩阵， $F_{\tau} = J^{+\top}\tau$ 是关节力矩等效到末端的广义力。这个形式让“末端表现为什么样的二阶系统”变得一目了然。

柔顺（compliance）是刚度的倒数，指系统受力后顺应产生位移的能力。柔顺控制是一个目标层面的总称，其分类如下：

flowchart TD A[柔顺控制] --> B[被动柔顺] A --> C[主动柔顺] B --> B1[弹性元件 / RCC 柔顺腕] B --> B2[串联弹性驱动器 SEA] B --> B3[准直驱执行器 QDD 低减速比+可反驱] C --> C1[间接力控] C --> C2[直接力控] C1 --> D1[阻抗控制 力矩型] C1 --> D2[导纳控制 位置型] C2 --> D3[显式力控 / 力位混合控制 Raibert & Craig]

被动柔顺：由机械结构提供。带宽不受控制器采样率限制（对冲击的响应是“物理即时”的），天然无源，但特性固定。SEA 通过在电机与负载间串联弹簧，把力控问题转化为弹簧形变的位置控制问题；准直驱（QDD）则以低减速比换取可反驱性，是 MIT Cheetah 路线的基础。
主动柔顺：由控制算法合成。间接力控不闭合力误差环，而是调节力与运动的动态关系（阻抗/导纳控制均属此类）；直接力控在受约束方向上显式闭合力反馈环（力位混合控制在约束方向控力、自由方向控位置）。

因此，“阻抗控制与柔顺控制的区别”这一问法本身不成立——阻抗控制是实现主动柔顺的一种手段。下文重点比较同属间接力控的阻抗与导纳这对“镜像”方法。

设期望轨迹为 $x_d(t)$ ，定义误差 $\tilde{x} = x - x_d$ 。阻抗控制希望闭环系统满足：

$M_d \ddot{\tilde{x}} + B_d \dot{\tilde{x}} + K_d \tilde{x} = F_{ext}$

其中 $M_d, B_d, K_d \succ 0$ 为期望惯量、阻尼、刚度矩阵。外力为零时误差按二阶系统收敛到零；有外力时末端像一个锚定在 $x_d$ 上的弹簧-阻尼-质量系统一样让步。

将目标阻抗代入任务空间动力学，解出所需的控制力：

$F_{\tau} = \Lambda \ddot{x}_d + \mu \dot{x} + p$

\Lambda M_d^{-1}\left(B_d \dot{\tilde{x}} + K_d \tilde{x}\right)

\left(\Lambda M_d^{-1} - I\right) F_{ext} $F_{τ} = Λ x ¨_{d} + μ x ˙ + p - Λ M_{d}^{- 1} (B_{d} x ˙ + K_{d} x) + (Λ M_{d}^{- 1} - I) F_{e x t}$

关节力矩为 $\tau = J^{\top} F_{\tau}$ （冗余机器人再叠加零空间力矩 $\left(I - J^{\top}J^{+\top}\right)\tau_0$ 做姿态优化）。注意最后一项：只要期望惯量 $M_d \neq \Lambda$ ，就必须测量 $F_{ext}$ 并反馈。这就是“惯量整形需要力传感器”的由来。

令 $M_d = \Lambda(q)$ （放弃指定惯量，接受机器人自然的任务空间惯量），外力反馈项消失，控制律退化为：

$\tau = J^{\top}\left(-K_d \tilde{x} - B_d \dot{\tilde{x}}\right) + g(q) ; (+, C\dot q + \text{前馈项})$

这就是绝大多数实际系统采用的无力传感器阻抗控制：重力补偿 + 任务空间 PD。它牺牲了惯量整形能力（高频冲击下机器人呈现的仍是自身反射惯量），换来了结构简单和无条件无源性。Franka、iiwa 的默认笛卡尔阻抗模式即属此类。

阻抗控制最重要的理论性质是无源性（passivity）。取储能函数

$V = \tfrac{1}{2}\dot{\tilde{x}}^{\top} M_d \dot{\tilde{x}} + \tfrac{1}{2}\tilde{x}^{\top} K_d \tilde{x}$

沿闭环轨迹求导得 $\dot{V} = -\dot{\tilde{x}}^{\top} B_d \dot{\tilde{x}} + \dot{\tilde{x}}^{\top} F_{ext} \le \dot{\tilde{x}}^{\top} F_{ext}$ ，即闭环系统从交互端口看是无源的。由无源性定理，它与任意无源环境（几乎所有物理环境）互联都稳定——这解释了为什么阻抗控制接触刚性墙面、碰撞、被人推搡都不易失稳。工程上破坏无源性的因素主要是：力矩传递不理想（摩擦、齿隙）、采样保持引入的相位滞后、以及试图整形惯量时的力反馈误差。

前提：执行器必须是好的力矩源。直驱/准直驱电机、带关节力矩传感器闭环的谐波减速关节（iiwa 方案）满足；大减速比 + 无力矩传感的传统工业臂不满足——电流环推算的力矩会被减速器摩擦（常占额定力矩的 10–30%）淹没。
短板：自由空间跟踪精度差。稳态误差 $\tilde{x}_{ss} = K_d^{-1} F_{dist}$ ，摩擦和模型误差都算 $F_{dist}$ ；刚度设得低，误差就大。这是“用位置偏差换柔顺”的必然代价。

导纳是阻抗的倒数： $Y(s) = Z^{-1}(s)$ ，输入力、输出运动。导纳控制不改造底层控制器，而是在成熟的高刚度位置环外面再包一环：

外环以传感器测得的 $F_{ext}$ 驱动一个虚拟二阶系统：

$M_d \ddot{e} + B_d \dot{e} + K_d e = F_{ext}, \qquad x_c = x_d + e$

解出的 $x_c$ 作为内环位置指令。只要内环跟踪足够快、足够准，机器人对外表现出的动力学就近似等于这个虚拟系统。

导纳外环通常运行在 250 Hz–1 kHz。工程实现有三个绕不开的细节：

离散化。对每个方向的标量导纳 $\frac{E(s)}{F(s)} = \frac{1}{M_d s^2 + B_d s + K_d}$ 做 Tustin 变换得到二阶差分方程递推，比显式欧拉积分数值性质好得多；
力信号处理。六维力传感器信号需去皮重（工具重力随姿态变化的补偿）、低通滤波（截止频率典型 20–50 Hz）并设死区，否则噪声会被 $M_d^{-1}$ 放大成参考轨迹的抖动；
限幅。对 $\dot{e}$ 、 $\ddot{e}$ 限幅，防止碰撞瞬间的力尖峰命令出超出机器人能力的运动。

导纳控制的稳定性问题与阻抗控制互补。定性地看：内环是一个带宽有限（相位滞后）的高刚度位置源，接触刚度为 $K_e$ 的环境时，环路增益正比于 $K_e$ ；环境越硬，穿越频率越高，越吃进内环的相位滞后区，越容易振荡。经典结果（Lawrence, 1988）表明：导纳控制与刚性环境接触存在增益上限，超过即失稳；而阻抗控制在理想力矩源假设下对任意无源环境稳定。缓解手段包括增大虚拟阻尼 $B_d$ 、检测接触后在线降低导纳带宽、以及在力信号路径上加相位超前补偿——但都以牺牲交互响应速度为代价。

改造存量工业机械臂做打磨、装配、拖动示教：腕部装六维力传感器 + 导纳外环，不动底层伺服，是成本最低的力控路线；
人机物理协作中的拖动引导（hand-guiding）：人手是软环境，导纳控制表现极佳；
康复机器人、外骨骼中低频人机交互。

Ott 等（2010）给出了统一视角：阻抗控制与导纳控制是同一个期望动力学的两种因果实现，性能沿“环境刚度”轴互补：

维度	阻抗控制	导纳控制
因果方向	运动偏差 → 输出力	测量力 → 输出运动
机器人角色	力源（阻抗端口）	位置源（导纳端口）
内环	电流/力矩环	位置/速度环
传感器	可无力传感器（不整形惯量时）	必须有力/力矩传感器
刚性接触	无源 ⇒ 稳定	环路增益 ∝ 环境刚度 ⇒ 易失稳
自由空间/软环境	受摩擦与模型误差影响，精度差	内环高增益压制扰动，精度高
可实现的阻抗范围	低刚度容易，高刚度受力矩带宽限制	高刚度容易（内环本身就硬），低惯量/低阻尼难
典型硬件	Franka、iiwa、准直驱腿足机器人	高减速比工业臂 + 腕部六维力传感器

“可实现阻抗范围”一行值得展开：阻抗控制往“硬”调受限于力矩环带宽与结构共振（Z-width 概念）；导纳控制往“软”调受限于力传感器噪声与内环跟踪能力。两者覆盖的阻抗谱恰好互补，因此高端系统（如 DLR 的机器人）会做阻抗/导纳在线切换或混合：自由空间与软接触用导纳模式保精度，检测到刚性接触切回阻抗模式保稳定。

“MIT 控制器”不是教科书概念，而是随 MIT Cheetah 3 / Mini Cheetah 开源生态流行起来的叫法，指嵌入在电机驱动器固件里的这条控制律：

$\tau = \tau_{ff} + K_p(q_d - q) + K_d(\dot{q}_d - \dot{q})$

主控通过 CAN 总线以数百 Hz 到 1 kHz 向每个关节下发五元组 $\{q_d, \dot{q}_d, K_p, K_d, \tau_{ff}\}$ ，驱动器在本地以电流环速率（数十 kHz）执行 PD + 前馈，输出 q 轴电流指令。对照第 4 节可以直接看出：这就是关节空间、无惯量整形的阻抗控制—— $K_p$ 是虚拟刚度， $K_d$ 是虚拟阻尼， $\tau_{ff}$ 承载上层算出的动力学力矩。

MIT 路线的前提是准直驱执行器（QDD）。Mini Cheetah 执行器采用大直径外转子无刷电机 + 6:1 单级行星减速：

减速比低 ⇒ 反射惯量小（∝ 减速比平方）、摩擦小、可反驱；
电流环带宽高（kHz 级）且摩擦损耗小 ⇒ q 轴电流 × 力矩常数 ≈ 输出力矩，无需关节力矩传感器即可开环出力矩；
冲击载荷经低减速比传到电机侧被大幅衰减，落地碰撞不打坏减速器。

换句话说，MIT 控制器是“执行器设计把力矩源问题解决在硬件层，控制律因此可以简单”的典型案例。在减速比 100:1 的谐波减速关节上照抄这条控制律， $\tau_{ff}$ 会被摩擦吃掉大半，效果完全不同。

把 PD 环从主控下沉到驱动器，是这个架构里最关键的工程决策：

消除总线延迟对阻尼项的破坏。 $K_d \dot{\tilde q}$ 对延迟极其敏感，1 ms 的往返延迟足以让高增益阻尼变成激振源；本地执行则延迟仅电流环一拍；
主控降频。主控只需以 MPC/WBC 的自然频率（500 Hz 左右）更新五元组，无需承担 20 kHz 的硬实时；
模式连续可调。同一接口通过增益取值覆盖整个谱系： $K_p = K_d = 0$ 为纯前馈力矩模式；小增益 + 前馈为柔顺模式；大增益为准位置模式。腿足机器人在一个步态周期内就会用到多种组合。

以 Mini Cheetah/Cheetah 3 的软件栈为例：

flowchart TD A[步态调度 + MPC 约 40–100 Hz 求解地面反力] --> B[WBC / WBIC 约 500 Hz 加速度+反力 QP, 逆动力学] B -->|五元组 q_d, dq_d, Kp, Kd, tau_ff| C[驱动器固件 MIT 控制器 数十 kHz 电流环] C --> D[QDD 执行器]

支撑相：MPC 求出的地面反力经 $\tau = J^{\top}F$ 变成 $\tau_{ff}$ 为主，PD 增益较低——腿是“力源”，这正是阻抗控制的用法；
摆动相：跟踪摆线轨迹， $K_p, K_d$ 调高、前馈为逆动力学力矩——偏向位置跟踪；
触地瞬间：低增益 PD 自然充当缓冲弹簧，无需显式的碰撞检测与模式切换。这是“用阻抗控制天然应对非预期接触”的教科书级示范。

作用空间：MIT 控制器在关节空间逐关节独立执行，不做笛卡尔空间解耦；末端表现出的笛卡尔刚度是 $K_x \approx J^{-\top} K_p J^{-1}$ ，随构型变化且各向异性。经典笛卡尔阻抗控制则直接指定 $K_d$ 于任务空间；
无惯量整形：呈现的惯量就是执行器与连杆的自然惯量（QDD 已把它做小，所以可接受）；
理论到工程的取舍：省去了 $\Lambda, \mu$ 的在线计算与力反馈，换来驱动器固件级的简单可靠。动力学补偿全部折叠进上层算出的 $\tau_{ff}$ 。

按硬件条件与任务需求走这棵决策树：

执行器是可信的力矩源吗（QDD / 关节力矩传感器闭环）？
- 是 → 阻抗控制（关节或笛卡尔空间）。需要末端精确交互动力学 → 笛卡尔阻抗；腿足/高动态 → MIT 式关节阻抗 + 前馈；
- 否 → 只能走导纳路线，加装力传感器；
接触环境刚度？刚性环境（金属对金属装配、恒力打磨钢件）优先阻抗；软环境（人、织物、弹性工件）导纳表现更好；
自由空间精度要求高吗？高 → 导纳（或阻抗/导纳切换架构）；
需要精确的接触力跟踪吗？需要 → 间接力控之上再叠加显式力环（基于阻抗的力跟踪，在期望轨迹上注入 $x_d$ 修正），或直接采用力位混合控制。

选型定下来之后，真正卡人的是落地细节——接触力对位置误差的灵敏度、阻尼比怎么按接触后的等效刚度设计、六维力传感器的数据怎么处理、力和位置在同一任务里怎么分派，都在配套的工程实现篇《阻抗控制与力控》里。

柔顺控制是目标层面的总称——让机器人对外力让步；被动柔顺靠机械，主动柔顺靠算法。
阻抗控制把机器人塑造成阻抗端口（运动偏差 → 力），闭环无源，刚性接触稳定，代价是自由空间精度；完整形式需力传感器做惯量整形，工程上常用“重力补偿 + 任务空间 PD”的简化版。
导纳控制把机器人保持为位置源，用力传感器驱动虚拟动力学修正参考轨迹；自由空间与软接触精度高，刚性接触受环路增益限制易失稳。二者性能沿环境刚度轴严格互补，构成对偶。
MIT 控制器是关节空间无惯量整形阻抗控制的工程化实现：准直驱执行器解决力矩源问题，驱动器本地高频 PD 解决延迟问题，五元组接口让力矩/柔顺/位置模式连续可调，是当今腿足机器人执行层的事实标准。

Hogan, N. Impedance Control: An Approach to Manipulation, Parts I–III. ASME Journal of Dynamic Systems, Measurement, and Control, 107(1), 1985.
Raibert, M. H., Craig, J. J. Hybrid Position/Force Control of Manipulators. ASME Journal of Dynamic Systems, Measurement, and Control, 103(2), 1981.
Lawrence, D. A. Impedance Control Stability Properties in Common Implementations. ICRA, 1988.
Ott, C., Mukherjee, R., Nakamura, Y. Unified Impedance and Admittance Control. ICRA, 2010.
Albu-Schäffer, A., Ott, C., Hirzinger, G. A Unified Passivity-based Control Framework for Position, Torque and Impedance Control of Flexible Joint Robots. IJRR, 26(1), 2007.
Villani, L., De Schutter, J. Force Control. In: Springer Handbook of Robotics, 2nd ed., 2016.
Katz, B. A Low Cost Modular Actuator for Dynamic Robots. MIT Master’s Thesis, 2018.
Kim, D., Di Carlo, J., Katz, B., Bledt, G., Kim, S. Highly Dynamic Quadruped Locomotion via Whole-Body Impulse Control and Model Predictive Control. arXiv:1909.06586, 2019.
Wensing, P. M., Wang, A., Seok, S., Otten, D., Lang, J., Kim, S. Proprioceptive Actuator Design in the MIT Cheetah. IEEE Transactions on Robotics, 33(3), 2017.

评论