Impedance MPC with Disturbance Estimation for Dexterous Hand Control
作者: Yongyan Cao
分类: cs.RO, eess.SY
发布日期: 2026-06-12
💡 一句话要点
提出阻抗模型预测控制以解决灵巧手控制中的接触问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 灵巧手控制 阻抗控制 模型预测控制 人机交互 动态接触 状态估计 高频控制
📋 核心要点
- 灵巧手控制面临的主要挑战是如何在精确跟踪手指轨迹的同时保持安全的接触，现有方法往往无法兼顾这两者。
- 本文提出了一种阻抗模型预测控制框架，通过代数前馈将复杂的驱动系统简化为双重积分器，从而提高了控制精度和响应速度。
- 在液压驱动的手指实验中，所提方法在接触力下实现了显著的性能提升，均方根误差和稳态误差均优于传统方法。
📝 摘要（中文）
灵巧手必须同时跟踪精确的手指轨迹并保持安全、顺应的接触，这对任何固定增益控制器都是挑战。本文提出了一种与驱动器无关的阻抗模型预测控制（Impedance MPC）框架，专为灵巧手指设计。该框架继承了物理人机交互（pHRI）中建立的常数-$A_d$无偏架构的稳定性、递归可行性和输入到状态稳定性保证。通过代数前馈，减少了腱传动的复杂性，使其转化为常数系数的双重积分器，从而实现了500Hz的10步滑模预测控制，严格遵循接触力、驱动限制和加速度限制等硬约束。在实验中，采用液压驱动的手指平台，结果显示该方法在1.5Nm接触下实现了0.5mrad的均方根误差，显著优于传统阻抗控制。
🔬 方法详解
问题定义：本文旨在解决灵巧手在控制过程中面临的精确轨迹跟踪与安全接触的矛盾。现有的固定增益控制器无法有效应对动态接触环境，导致控制精度不足。
核心思路：论文提出的阻抗模型预测控制框架通过代数前馈技术，将复杂的驱动系统简化为常数系数的双重积分器，从而实现高效的控制策略。这种设计使得控制器能够在高频率下运行，同时满足接触力和驱动限制等硬约束。
技术框架：整体架构包括状态估计模块、控制策略模块和执行模块。状态估计使用增量卡尔曼滤波器来实时估计扰动状态，控制策略模块则基于预测模型生成控制指令，执行模块负责将指令转化为实际的驱动信号。
关键创新：最重要的创新在于将阻抗控制与模型预测控制相结合，形成了一种新的控制框架，能够在动态接触环境中保持高精度和高稳定性。这与传统的阻抗控制方法形成了鲜明对比。
关键设计：在设计中，采用了500Hz的更新频率和10步的滑模预测控制，确保了系统的快速响应。同时，硬约束的引入确保了在各种接触条件下的安全性和稳定性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，所提出的500Hz卡尔曼模型预测控制在1.5Nm接触下实现了0.5mrad的均方根误差，0.1mrad的稳态误差，以及6.6mrad的峰值偏转，分别是传统阻抗控制的183倍、1500倍和23倍的性能提升。这一成果验证了方法的有效性和优越性。
🎯 应用场景
该研究具有广泛的应用潜力，特别是在机器人手臂、仿生手和人机交互等领域。通过提高灵巧手的控制精度和稳定性，可以实现更复杂的操作任务，如精细抓取和物体操作，进而推动智能机器人在医疗、服务和制造等行业的应用。
📄 摘要（原文）
Dexterous hands must simultaneously track precise finger trajectories and maintain safe, compliant contact -- objectives in tension for any fixed-gain controller. We present an actuator-agnostic Impedance Model Predictive Control (Impedance MPC) framework for dexterous fingers, instantiating the constant-$A_d$ offset-free architecture established for physical human-robot interaction (pHRI); its stability, recursive-feasibility, and input-to-state-stability guarantees are inherited by preserving the architectural assumptions. An algebraic feedforward reduces the tendon transmission -- hydraulic, cable, pneumatic, twisted-string, or series-elastic -- to a constant-coefficient double integrator, so the QP cost inverse is precomputed offline and a 10-step receding-horizon quadratic program runs at 500\,Hz while enforcing hard constraints on contact force (ISO/TS 15066), actuation limits, and jerk. An encoder-only augmented-Kalman disturbance state drives steady-state error to zero under any constant contact load. On a hydraulically actuated finger -- the worked example platform, adding pressure and cavitation constraints -- the 500\,Hz Kalman MPC attains 0.5\,mrad RMS, 0.1\,mrad steady-state, and 6.6\,mrad peak deflection under 1.5\,Nm contact: 183$\times$, 1500$\times$, and 23$\times$ better than classical impedance. The realized first-move stiffness (18$\to$323\,Nm/rad with update rate) is independently verified. The architecture scales to a 16-DOF LEAP Hand MuJoCo simulation, recovering from 2.5\,N grasp-load disturbances within 0.7\,s.