论文解读 | Franka 机器人的 CRISP-ROS2 集成实践：适配学习型操作策略与遥操作

核心问题

因此，研究人员提出CRISP，这是一款基于ROS2控制标准的轻量级C++ 柔顺笛卡尔空间与关节空间控制器，专为与高层基于学习的策略及遥操作无缝集成而设计。研究人员通过使用Franka Research 3机械臂验证并通过以下方法解决上述问题：

开发轻量级C++ 柔顺控制器，支持关节力矩接口，将高层学习策略指令转换为连续、平滑的关节控制信号，适配学习策略的非连续输出特性；笛卡尔阻抗（CI）控制器的任务扭矩计算式：τtask=J⊤(Kpe−Kdq˙) (5)，通过几何雅可比矩阵J、刚度矩阵Kp和阻尼矩阵Kd，构建末端执行器与参考位姿间的 “虚拟弹簧” 关系，让控制器能响应学习策略的非连续指令，实现柔顺控制；

构建Python（CRISP PY）与 Gymnasium（CRISP GYM）统一接口，实现 FR3 机械臂从硬件数据采集到学习策略部署的端到端流水线；

集成摩擦补偿、关节极限屏障、力- 力矩反馈等安全控制模块，保障遥操作与学习驱动操作的稳定性。像摩擦补偿项计算式

（其中

），能估计并 补偿机器人摩擦效应，提升控制平滑性，助力遥操作等场景稳定运行。

Franka Research 3（FR3）的核心优势是，具备直接关节力矩控制接口，能适配 CRISP控制器的柔顺控制需求，支持接触交互任务；且自带高精度末端力 - 力矩传感器与冗余关节设计，可提供精准状态反馈，还能配合CRISP零空间控制规避奇异点与关节超限问题。