使用七自由度机械臂进行非抓取式抛球接球的最优控制方法
本文提出了一种基于模型的控制框架，用于七自由度机械臂使用工具进行非抓取式抛球接球。该框架采用两阶段最优控制方法计算可行的运动模式，并通过离线计算轨迹实现实时误差校正，在仿真和Franka Emika Panda机器人实验中验证了有效性。
非抓取式物体操作技能对于现实世界的机器人交互至关重要，它能够实现如托盘上平衡玻璃杯或桌面上控制物品滑动等高度动态的任务。其中，抛球接球因其高速操作要求和混合动力学的敏感性，被视为极具挑战性的动作。实现机器人的抛球接球关键在于对一个欠驱动对象进行动态稳定——由于对象不具备自我校正能力，其稳定性完全依赖于施加于其上的力，这使得系统对控制输入极为敏感，必须精确控制时序以持续抵消偏差并维持期望行为。
针对这一问题，研究团队开发了一种系统方法，用于控制七自由度（7-DoF）机械臂通过工具进行非抓取式抛球接球。其主要贡献在于构建了一个基于模型的框架，用于生成抛球接球轨迹并稳定此类混合系统的周期运动。该框架采用两阶段最优控制方法：首先，通过求解一个最优控制问题来计算稳定抛球接球所需的可行运动模式，得到一个周期性的参考轨迹；然后，将离线计算的多条轨迹组织成库，在运行时根据当前状态选择合适的轨迹进行跟踪，实现实时误差校正，从而避免了在线求解最优控制问题的计算负担。通过这种方式，控制器能够在不牺牲实时性的情况下，有效应对扰动和模型误差。
为验证控制器的有效性，团队首先在仿真环境中评估了其性能，模拟了不同初始条件和扰动下的抛球接球任务。结果表明，控制器能够稳定地维持周期性运动，即使在受到外部干扰后也能迅速恢复。随后，他们使用Franka Emika Panda机器人进行了实物实验。实验中，机械臂末端安装了一个小型球拍，通过拍击使球在空中连续跳动。实验结果显示，该框架能够成功实现抛球接球的动态稳定，球在多次击打后仍保持在预期轨迹附近。该研究为高速非抓取操作提供了一种实用的模型驱动解决方案，并为更复杂的机器人动态技能（如杂耍、投掷等）奠定了坚实基础。相关论文已被ICRA 2026接收。