高水平的机器人控制从来不是某一类算法的“独角戏”
——三条主线厘清机器人控制算法全貌
机器人控制算法种类繁多，散见于不同理论分支：PID、MPC、鲁棒控制、自适应控制、强化学习……
这些方法之间究竟是什么关系？面对具体项目时该从哪类入手？
本文试图提供一个结构化的认知框架：
从机器人控制系统的分层架构出发；
先锚定控制算法在整个系统中的位置；
再展开对算法层内部方法的分类剖析。
▲图| 控制算法所在位置©【深蓝具身智能】编译
机器人控制系统遵循分层闭环架构，从上至下依次为：任务规划层、控制算法层、伺服执行层。
控制算法层作为核心，可依据建模方式、抗扰能力、数据依赖度分为八大类：
经典线性反馈控制
基于模型的非线性动力学控制
鲁棒控制
自适应控制
位置/力混合控制
滚动优化与迭代学习控制
机器学习驱动控制
强化学习智能控制
在逐一展开之前，我们先统一以下核心术语：
-
系统状态：机器人当前可量化的运动信息，包括关节角度、运动速度、加速度、末端位姿等；
-
误差：目标期望状态与机器人实际状态的差值，是所有反馈控制的核心输入；
-
扰动：外部碰撞、负载变化、摩擦漂移等影响机器人运动的非预期变量；
-
稳态误差：系统动态收敛后，始终残留的固定偏差，无法通过比例调节消除；
-
非线性耦合：多关节机器人中，单个关节运动对其他关节产生的惯性、离心干扰；
-
前馈控制：基于模型提前计算补偿量，在误差产生前干预系统，无滞后；
-
反馈控制：基于实时误差修正输出，抵消已产生的偏差，存在小幅滞后。
经典线性反馈控制（伺服底层基础）
该类别是所有机器人的底层核心控制单元，针对线性、弱扰动、单输入单输出系统设计，主要用于电机、舵机、单关节伺服闭环。
无需复杂动力学建模，是工业机器人的标配底层算法。
伺服，就是精确控制的意思。
举个例子：人控制自己的胳膊手是精确控制，想到哪儿就动到哪儿，很精确；洗衣机甩干就不是伺服，是乱甩。
核心术语解析
-
线性系统：输入与输出呈正比例关系，无耦合、无滞后、无参数漂移的控制系统；
-
闭环反馈：通过传感器采集实际输出，与目标值对比修正输入的控制逻辑；
-
极点：决定控制系统收敛速度、震荡程度的核心特征量，极点位于复平面左半区间时系统稳定；
-
状态空间：用矩阵形式描述多变量系统输入、状态、输出关系的数学模型。
代表性算法及原理
代表算法一：PID控制（比例-积分-微分控制）是最通用的无模型线性控制算法。
它由三个核心调节环节组成：
-
比例环节（P）根据当前误差大小实时输出驱动力，误差越大出力越大，快速拉近实际值与目标值；
-
积分环节（I）累计历史残留误差，逐步叠加补偿量，专门消除稳态误差；
-
微分环节（D）根据误差的变化速率预判趋势，误差快速增大时提前反向制动，抑制超调与震荡。
怎么理解「P」「I」「D」？
举个例子：开车时，P是根据当前偏离车道的幅度打方向，I是修正长期跑偏的惯性偏差，D是预判车辆偏移速度提前回正方向。
代表算法二：LQR线性二次调节器，基于状态空间的多变量最优控制算法。
核心原理是同时最小化两个核心指标：机器人轨迹跟踪误差、电机控制能耗。
通过矩阵求解一组固定反馈增益，在控制精度与动力消耗之间取得全局最优平衡。
配套的龙伯格观测器可通过部分传感器数据，估算系统无法直接测量的内部状态。
▲图| LQR的基本公式，描述状态偏差随时间的变化关系，状态偏差随时间的变化关系。©【深蓝具身智能】编译
代表算法三：极点配置控制，是人为指定控制系统极点的位置。
主动定义系统的收敛快慢、震荡幅度，将不稳定的原生系统修正为指定动态特性的稳定系统，多用于高精度伺服系统的动态调校。
▲图| 极点配置控制的“古早”研究©【深蓝具身智能】编译
基于模型的非线性动力学控制（多关节机器人）
针对多自由度机械臂、人形机器人等强非线性、强耦合载体设计，核心依赖机器人精确的动力学模型。
通过模型抵消系统固有非线性项，是中高端工业机械臂的主流中层控制算法。
核心术语解析
-
动力学模型：描述机器人关节力矩与运动状态（位置、速度、加速度）映射关系的数学方程，包含惯性、重力、离心力、科氏力四项核心参数；
-
反馈线性化：通过坐标变换与状态反馈，将非线性系统等效转化为标准线性系统的数学方法；
-
模型失配：实际机器人参数与理论动力学模型参数存在偏差的现象，是基于模型控制的主要误差来源；
-
前馈补偿：基于目标轨迹提前计算力矩，在运动前抵消固有干扰，无反馈滞后。
代表性算法及原理
代表算法一：CTC计算力矩控制是机械臂最经典的非线性控制算法。
CTC控制本质上是“前馈+反馈”的复合控制。它利用机器人动力学模型（涉及惯性、科里奥利力、重力等）计算出一个前馈力矩，抵消系统的非线性和耦合效应，将复杂的非线性系统“线性化”为一个解耦的、类似弹簧阻尼的线性系统；再叠加反馈控制（如PID）来消除轨迹误差、应对模型偏差和外界扰动。
缺点是高度依赖精准动力学参数，模型失配时性能大幅下降。
▲图| CTC控制过程©【深蓝具身智能】编译
代表算法二：逆动力学控制（IDC）是CTC的基础形态。
根据目标轨迹的期望位置、速度、加速度，通过动力学方程逆解，直接求解关节所需的理论力矩作为前馈量，再叠加少量反馈修正偏差，侧重前馈驱动，闭环修正能力弱于CTC。
代表算法三：全局反馈线性化控制，属于通用非线性控制方法，不仅限于机器人。
通过数学变换完全消除系统所有非线性特征，将任意非线性系统转化为标准线性系统，后续可直接复用所有线性控制算法，CTC是该算法在机器人领域的专属工程实现。
鲁棒控制（抗扰动、模型失配场景）
鲁棒控制不依赖精准系统模型，核心目标是在存在外部扰动、模型参数偏差的情况下，强制保证系统稳定、误差可控。广泛应用于户外移动机器人、重载机械臂等复杂工况。
鲁棒，想必大家非常熟悉了，是robust健壮的意思，也可以理解为健壮性控制：你踢一脚正在步行的机器人，它不会摔倒马上回正，就是健壮性。
核心术语解析
-
鲁棒性：控制系统抵抗外部扰动、内部参数偏差的能力；
-
滑模面：人为设计的误差收敛理想轨迹，是滑模控制的核心约束目标；
-
抖振：滑模控制高频切换输出产生的微小高频震荡，是工程中主要抑制目标；
-
扰动传递增益：外部扰动转化为跟踪误差的放大倍数，H∞控制的核心优化指标。
代表性算法及原理
代表算法一：SMC滑模控制是工业最常用的鲁棒控制算法。
直观原理是预先设计一条误差收敛的滑模面，控制器通过高频切换驱动力，强制机器人的运动状态始终贴合滑模面滑动收敛至零误差。
该算法对外部碰撞、模型误差完全不敏感，鲁棒性极强；工程中通过高阶滑模、终端滑模改良原生算法的抖振问题。
滑模控制（Sliding Mode Control, SMC）本身是一种处理系统不确定性和外部干扰的鲁棒控制方法——让系统状态像“滑滑梯”一样，被强制引导到一条预设的稳定轨道（滑动面）上，然后沿着这条轨道自动滑向目标点。
▲图| mathwork对机器人滑模控制仿真的官方实例©【深蓝具身智能】编译
代表算法二：H∞控制是最优鲁棒控制算法。
核心原理是将所有外部扰动、模型误差定义为系统输入，通过优化最小化“扰动→跟踪误差”的最大传递增益，保证机器人在最坏的扰动工况下，误差仍被严格限制在安全范围。
适用于精密手术机器人、航空机器人。
代表算法三：μ综合控制是H∞控制的进阶版本。
专门针对多维度不确定参数系统。通过量化机器人多关节耦合带来的参数不确定性，计算系统稳定裕度，比H∞更适配多自由度复杂机器人的鲁棒优化。
自适应控制（参数时变、负载动态变化场景）
自适应控制区别于鲁棒控制：鲁棒控制是“被动抵抗干扰”，自适应控制是“主动辨识参数并修正模型”，专门解决机器人负载变化、零件磨损、工况漂移等时变参数问题。
核心术语解析
-
时变参数：随时间、工况变化的系统参数，如抓取负载重量、关节摩擦系数；
-
在线辨识：机器人运动过程中实时采集数据，迭代更新参数的过程；
-
参考模型：预设的理想无误差动力学模型，作为自适应修正的对标基准；
-
参数收敛：辨识得到的未知参数逐步逼近真实物理参数的过程。
代表性算法及原理
代表算法一：MRAC模型参考自适应控制属于经典自适应算法。
首先预设一个动态性能最优的参考模型，实时对比机器人实际运动输出与参考模型输出的差值；
然后通过自适应律在线更新控制器参数，逐步缩小两者差距；
最终让机器人的运动特性完全匹配理想模型，适配变负载抓取场景。
代表算法二：自适应计算力矩控制（A-CTC）属于传统CTC的改进版本。
针对CTC依赖精准参数的缺陷，通过在线辨识实时更新机械臂质量、惯量等未知参数，动态修正动力学补偿项，解决抓取不同重量工件时的控制精度衰减问题。
代表算法三：RLS递归最小二乘辨识控制属于参数辨识核心算法。
实时采集机器人关节运动数据，通过迭代运算最小化预测值与实际值的误差，持续更新动力学参数估计值，辨识结果直接用于前馈力矩补偿，是所有自适应控制的基础辨识工具。
位置/力混合控制（环境接触作业专用）
前文所述算法均为位置控制，一般仅适用于无接触自由运动场景。
当机器人执行打磨、装配、人机交互等接触任务时，纯位置控制会产生巨大接触冲击力，力控算法专门解决机器人与环境的柔顺交互问题。
核心术语解析
-
末端阻抗：机器人末端对外力表现出的等效刚度与阻尼特性，决定接触时的柔顺程度；
-
任务坐标系解耦：将机器人工作空间拆分为多个独立方向，分别配置控制模式；
-
六维力传感器：可检测末端三维力、三维力矩的专用传感器，是力控的硬件基础；
-
柔顺运动：机器人受外力时主动偏移位置，降低接触力的运动特性。
代表性算法及原理
代表算法一：阻抗控制是主流的核心力控算法。
不直接控制末端位置或接触力，而是调节机器人末端的等效刚度和阻尼：
高刚度时优先保证定位精度，低刚度时末端具备柔顺性，碰到障碍物自动退让缓冲冲击。
类比调节弹簧硬度，打磨时调软弹簧实现柔顺接触，钻孔时调硬弹簧保证定位精准。
代表算法二：导纳控制是与阻抗控制对偶的算法。
以六维力传感器采集的外力作为输入，根据外力大小计算末端位置修正量，外力越大偏移越多，适配大负载机械臂、人机协作机器人。
导纳控制是机器人控制中的一种力控制策略，属于阻抗控制的变体。
其核心思想是通过机器人末端的运动来响应外部施加的力（如人机交互或环境接触），模拟一个“虚拟弹簧-阻尼”系统。
具体来说，导纳控制会测量外部力，然后调整机器人的位置、速度或加速度，使其表现得像惯性-阻尼-弹簧系统一样顺从（例如推它会退让）。
与刚度控制不同，它更强调力输入、运动输出的关系，广泛用于协作机器人、医疗机器人等需要安全柔顺交互的场景。
▲图| 阻抗和导纳控制原理图©【深蓝具身智能】编译
代表算法三：位置/力混合控制。
基于任务坐标系解耦原理，拆分机器人运动方向：
-
无约束的自由方向采用位置闭环控制；
-
受环境约束的接触方向采用力闭环控制，两类控制互不干扰。
典型应用例如插销装配中，XY平面控制位置对准，Z轴控制顶紧力完成插接。
代表算法四：直接力反馈控制，属于最简力控算法。
以预设目标接触力为参考值，通过力传感器实时采集实际接触力，直接做闭环反馈，精确地跟踪目标压力，适用于精密按压、恒力打磨场景。
滚动优化与迭代学习控制（约束/重复轨迹场景）
该类别属于优化型控制，结合系统约束与历史运动数据，突破传统单点控制的局限，分别适配带物理约束的动态轨迹、重复式工业轨迹两类场景。
核心术语解析
-
滚动时域：MPC中每次优化仅针对未来一小段时间窗口，实时更新优化序列；
-
硬件约束：机器人电机最大转速、力矩、运动行程等物理限制；
-
迭代批次：ILC中机器人重复执行同一轨迹的单次完整运动周期；
-
批次误差：单次重复轨迹全程的累计跟踪偏差。
代表性算法及原理
代表算法一：MPC模型预测控制，是通用滚动优化算法。
原理是机器人每个时刻，基于动力学模型预测未来一小段时间窗口内的运动轨迹，结合电机限位、避障等硬件约束求解最优控制序列，仅执行当前第一步指令，下一时刻重新预测、重新优化。
优势是天然适配多约束系统，广泛用于人形机器人步态控制、AGV轨迹跟踪。
▲图| MPC控制原理图©【深蓝具身智能】编译
代表算法二：ILC迭代学习控制针对重复轨迹的专属优化算法。
原理是机器人执行同一重复轨迹时，记录上一批次运动的全程误差，将误差转化为前馈补偿量叠加到当前批次指令中，迭代次数越多，轨迹跟踪精度越高。
专门用于流水线搬运、固定路径打磨等批量重复工况。
▲图| 迭代学习控制原理图，来自网络©【深蓝具身智能】编译
机器学习驱动控制（数据驱动建模补偿）
机器学习控制属于离线/在线数据拟合类算法，核心是通过标注数据集训练模型，拟合传统解析模型无法描述的复杂非线性、摩擦残差。
早些年作为传统控制器的补偿模块，现在大有成为主流的趋势，依赖标注数据，无需机器人与环境实时试错。
核心术语解析
-
监督学习：基于输入-输出标注数据集训练模型，学习已知规律；
-
非参数模型：无需预设网络结构，由数据自主生成模型结构（如高斯过程）；
-
时序依赖：机器人连续运动中，当前状态受历史运动数据影响的特性；
-
建模残差：理论动力学模型与实际机器人运动特性的差值。
代表性算法及原理
代表算法一：神经网络补偿控制。
利用神经网络的万能拟合特性，离线采集机器人轨迹、力矩、摩擦数据训练网络，精准拟合建模残差；设备运行时，神经网络输出补偿力矩叠加到传统控制器中，抵消解析模型无法描述的非线性误差。
细分包括适配常规时序的全连接网络、捕捉历史依赖的LSTM、长距离耦合的Transformer网络。
代表算法二：高斯过程（GP）控制，是经典非参数机器学习算法。
无需预设模型结构，基于少量机器人运动数据建立概率动力学模型，不仅能预测下一时刻运动状态，还能输出预测不确定度，可用于安全约束下的高精度控制，适配手术机器人等低数据场景。
▲图| GP控制，来自网络©【深蓝具身智能】编译
代表算法三：模糊逻辑控制，传统机器学习分支，模仿人类经验推理。
将人工操作经验转化为“If-Then”模糊规则，无需精准动力学方程，通过模糊推理输出控制量，适合结构复杂、难以建模的非标机器人。
代表算法四：无监督聚类故障补偿控制。
基于无监督学习对机器人运行工况聚类，自动识别摩擦漂移、零件磨损等工况变化，实时切换对应的控制补偿参数，实现数据驱动的被动自适应调节。
▲图| 各种常见聚类效果，来自网络©【深蓝具身智能】编译
强化学习智能控制（交互试错自主优化）
强化学习（RL）是环境交互型无标签学习算法，区别于监督机器学习，无需标注数据集，机器人通过与环境持续试错交互，依靠奖励函数自主优化控制策略。
适用于无事先准备的模型、未知环境、复杂多任务场景。
9.1 核心术语解析
-
MDP马尔可夫决策过程：强化学习的数学基础，由状态、动作、奖励、环境转移概率组成；
▲图| 马尔可夫决策过程©【深蓝具身智能】编译
-
智能体（Agent）：执行动作的机器人本体；
-
奖励函数：量化机器人动作优劣的评价指标，误差小、无碰撞则奖励高；
-
策略网络：输入机器人状态，直接输出控制动作/力矩的神经网络；
-
值函数：评估当前状态下所有动作长期累积奖励的量化函数；
-
模仿学习：以人类示教或传统控制器轨迹预训练策略，再通过RL微调的复合学习方式。
核心分支与代表性算法
代表算法一：基于值函数的强化学习（离散控制）。
核心通过值函数评估动作价值，输出离散控制量，适配低维简单机器人，主要包含以下几种方式：
-
Q-Learning
构建Q表存储“状态-动作”的长期奖励，机器人试错更新Q表，查表获取最优动作，用于单关节、简易AGV；
-
DQN深度Q网络
用神经网络替代Q表，解决高维状态存储爆炸问题，通过经验回放、目标网络稳定训练，适配高维机械臂离散动作控制；
-
Double/Dueling DQN
修正DQN过估计偏差，拆分状态价值与动作优势，提升训练稳定性。
▲图| 最简单的Q-learning©【深蓝具身智能】编译
代表算法二：策略梯度强化学习（连续控制主流）。
直接优化策略网络，输出连续力矩、速度等控制量，是现代机器人RL的核心。主要包含：
-
PG策略梯度
沿奖励提升方向直接更新策略网络权重，天然适配连续控制；
-
PPO近端策略优化
是工业最常用RL算法，限制策略单次更新幅度，避免破坏已学习的稳定控制逻辑，调参简单、训练稳定，用于机械臂装配、人形步态优化；
-
TRPO信赖域策略优化
严格约束策略更新范围，保证训练过程系统绝对稳定，计算复杂度高于PPO；
-
A2C/A3C演员-评论家算法
采用双网络架构，Actor输出控制动作，Critic评价动作优劣，多线程并行训练加速收敛。
代表算法三：基于模型的强化学习（Model-based RL）
先学习环境/机器人动力学模型，再在虚拟模型中试错，减少真实硬件交互损耗：
-
PILCO
结合高斯过程学习概率动力学模型，虚拟仿真优化策略，降低实体机器人磨损；
-
Dreamer世界模型RL
训练神经网络世界模型，机器人通过“想象”预测未来状态，绝大部分学习在虚拟梦境完成，适配昂贵人形、手术机器人。
代表算法四：分层强化学习（HRL）
解决复杂多任务学习难、收敛慢的问题：
-
上层策略拆分多阶段子任务（移动-抓取-放置）；
-
底层子策略完成具体运动控制。
典型算法为Option-Critic、分层PPO，用于机器人复杂操作任务。
▲图| 分层强化学习，来自网络©【深蓝具身智能】编译
代表算法五：各类衍生的强化学习鲁棒RL
训练时注入扰动与模型误差，让策略天生具备抗干扰能力；自适应RL负载变化时在线微调策略网络，无需重新全量训练；
▲图| 一种衍生的强化学习，来自网络©【深蓝具身智能】编译
代表算法六：模仿学习（BC/GAIL）
通过示教轨迹预训练初始策略，再用RL微调，解决纯RL从零试错效率低的问题。
行文至此，我们从底层到顶层构建了完整的机器人控制算法体系，八大类别形成清楚的技术递进关系：
经典线性控制奠定伺服基础，非线性动力学控制解决多关节耦合问题，鲁棒与自适应控制应对扰动和参数变化，力控实现环境柔顺交互，优化类算法适配约束与重复轨迹，机器学习完成数据驱动补偿，强化学习实现未知环境自主学习。
当然，这一演进并非意味着传统控制理论的失效。
恰恰相反，当前机器学习与强化学习方法在机器人领域的成功应用，均建立在底层伺服控制稳定可靠、中层动力学模型准确有效的基础之上。
没有PID对电流环的精确闭环，任何上层学习算法都无法转化为实际的力矩输出；没有CTC对非线性耦合的有效抵消，RL策略将面对一个极度不稳定的被控对象，训练收敛无从谈起。
对于具身智能系统的开发者而言，理解这一技术体系的层次结构与演进逻辑，意义更在于建立从底层物理约束到上层智能决策的系统性设计思维。
高水平的机器人控制从来不是某一类算法的“独角戏”，而是前馈与反馈、模型与数据、优化与学习的多层次协同。
归根结底，控制不是选择题，而是一道系统集成题。希望这篇文章能够帮助大家建立清晰的认知框架。
编辑｜咖啡鱼
审编｜具身君
～【深蓝学院】技术交流群～
?致力于帮助各位朋友「打破隐形的墙」，共建一个更自由、更有深度、更有价值的交流生态社区！在各大企业工作的，可以相互内推，互通有无；在学校读研读博的，可以交流想法，携手合作。
扫码添加阿蓝，选择想要加入的交流群即可
（按照提交顺序邀请，请尽早选择）
?
