Franky机器人绝对笛卡尔位置控制问题分析与解决方案
问题背景
在使用Franky机器人控制库进行绝对笛卡尔位置控制时，开发者遇到了一个常见但棘手的问题：当尝试让机器人末端执行器(End Effector, EE)保持固定位置时，即使只是轻微的外部扰动(如施加小重量)，末端执行器也会逐渐偏离目标位置，出现"下落"现象。
问题分析
原始实现方式
开发者最初采用的实现方式是：
- 在循环中不断获取当前末端执行器的位置
- 计算新的目标位置(实际上就是当前位置加上零偏移量)
- 发送绝对位置控制指令
这种实现方式存在两个主要问题：
-
误差累积：每次循环都重新获取当前位置并作为目标位置发送，由于传感器测量和控制系统本身存在微小误差，这些误差会在循环中不断累积，导致位置逐渐漂移。
-
刚度不足：默认的笛卡尔位置控制模式可能没有设置足够的刚度(stiffness)参数，导致系统对外部扰动的抵抗能力不足。
阻抗控制尝试
开发者随后尝试使用指数阻抗控制(ExponentialImpedanceMotion)来提高系统刚度，设置了较高的刚度和阻尼参数(200, 100)。然而这导致了通信约束违规错误，系统无法稳定运行。
解决方案
推荐方案
-
单次获取初始位置：
- 只在程序开始时获取一次初始位置
- 后续控制循环中使用这个固定位置作为目标
- 避免因循环获取位置导致的误差累积
-
适当设置阻抗参数：
- 如果确实需要使用阻抗控制，应该从较低的刚度和阻尼值开始
- 逐步增加参数值，找到既能抵抗扰动又不会导致系统不稳定的平衡点
-
末端负载配置：
- 确保机器人配置中设置的末端执行器重量与实际物理重量匹配
- 不准确的负载参数会影响控制性能
实现示例
# 只在开始时获取一次初始位置
initial_pose = robot.current_cartesian_state.pose.end_effector_pose
initial_translation = np.array(initial_pose.translation)
initial_rotation = np.array(initial_pose.quaternion)
# 控制循环中保持固定位置
motion = franky.CartesianMotion(
franky.Affine(initial_translation, initial_rotation),
franky.ReferenceType.Absolute)
robot.move(motion)
技术原理
绝对位置控制与相对位置控制
- 绝对位置控制：以机器人基坐标系为参考，指定末端执行器要达到的绝对位置和姿态
- 相对位置控制：以当前位置为参考，指定末端执行器要移动的相对位移
在位置保持场景中，绝对位置控制更为合适，但需要避免循环获取当前位置导致的误差累积。
阻抗控制原理
阻抗控制通过调节系统的刚度、阻尼和质量特性，使机器人表现出期望的动态行为。适当提高刚度可以增强位置保持能力，但过高的刚度会导致：
- 系统响应过于激进
- 可能引发振荡或不稳定
- 增加执行器负担和能耗
最佳实践建议
- 对于简单的位姿保持任务，优先使用单次获取位置的绝对位置控制
- 需要抗扰动时，可尝试适度增加阻抗参数
- 定期校准机器人，确保模型参数准确
- 在安全环境下测试控制参数，逐步调整
- 考虑加入小范围的死区控制，避免对微小误差的过度响应
通过合理选择控制策略和参数配置，可以有效地实现Franky机器人的稳定位置控制，满足各种应用场景的需求。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
