機器人磨拋力柔順控制研究進展

葛吉民 鄧朝暉 李 尉 李重陽 陳 曦 彭德平

1.湖南科技大學難加工材料高效精密加工湖南省重點實驗室，湘潭，4111002.湖南科技大學智能制造研究院，湘潭，411100 3.上汽大眾長沙分公司，長沙，410000 4.湘潭華進重裝有限公司，湘潭，411100

0 引言

隨著工業科技的進步和制造業的發展，零件逐漸向大尺寸、高縱橫比、復雜結構方向發展，且尺寸精度和表面質量要求越來越高[1]。這類零件最后的工藝都是磨削或精加工，以進一步提高輪廓精度和表面光潔度。小批量、多種類零件的生產大多采用的手工磨拋存在生產效率低、成本高、加工質量一致性差等問題[2]。伴隨著機器人技術的逐漸成熟，機器人磨拋解決了人工磨拋存在的一系列問題，因此，低成本、高靈巧度、高一致性的機器人磨拋具有廣闊的發展前景[3-5]。近年來，磨拋機器人在汽車、航空航天、軌道交通等行業扮演著越來越重要的角色[6-7]。

需要指出的是，機器人在磨拋過程中與工件接觸,產生相互作用力。磨拋加工中，力的波動將導致工藝結構的振動[8]和形變，產生劃痕和磨痕，以及過切和欠切，嚴重影響最終的加工表面質量，無法保證磨拋精度[9]。刀具與工件之間的接觸力應保持在一定范圍內，接觸力過小，機器人與工件會脫離接觸；接觸力過大，工件或工具可能損壞。精確控制機器人磨拋力是解決上述問題、實現機器人高性能加工、保證復雜表面零件和薄壁工件的表面一致性和輪廓精度的關鍵[10-11]。工業機器人具有剛性小、受力復雜、強耦合[12]等特點，導致磨拋力難以控制，所以機器人磨拋力控制技術一直是該領域研究的難點和熱點[13]。

力控制技術是機器人磨拋系統的核心技術[14-15]，為保證機器人磨拋時的表面質量，更精準地控制機器人磨拋過程，需要利用外部傳感器感知機器人末端與工件的接觸力，獲得加工環境信息，實現機器人的主動力柔順控制。部分學者從不同的角度來研究主動力控制策略，包括：傳統的阻抗控制[16-20]和力/位混合控制[21-26]，以及先進的自適應控制[27-32]、智能控制[33-43]等。傳統控制方法很難得到磨拋時的環境信息，難以準確控制磨拋力；先進控制方法建模困難、具體控制過程而難以用于實際加工。如何將傳統控制方法和先進控制理論更好地結合成為亟需解決的問題。部分學者從機械結構設計的角度來實現機器人磨拋力的柔順控制[44-48]。機器人與工件接觸時，通過安裝在機器人末端具有柔順控制功能的裝置(彈簧、氣缸、阻尼器等)來被動調節末端位置從而控制磨拋力，但此方法控制精度較低且易受外部環境影響，無法從根本上根除機器人剛性和末端工具柔順性之間的矛盾。近年來，部分學者將上述兩種方法相結合，提出主-被動柔順控制方法[49-56]來提高磨拋精度，但不同的工件需要設計不同的控制策略和柔順裝置，成本較高，限制了其應用發展。

本文綜述了機器人磨拋力的主動柔順控制策略、被動柔順控制裝置、主-被動柔順控制[57-58]方法的主要研究成果，總結了機器人磨拋柔順控制關鍵技術難點并展望其發展趨勢。

1 機器人磨拋主動柔順控制的研究

1.1 機器人磨拋力的特點

根據受力方向不同，機器人磨拋力主要分為兩種：一種是由磨粒與工件表面接觸產生的摩擦力，另一種是由材料形變形成的作用力[59]。通過分析磨拋工具與工件之間的相對位置關系，將機器人磨拋力正交分解，得到X向、Y向、Z向的磨削分力，如圖1所示，磨削分力包括沿打磨輪切向的分力Ft、沿砂輪軸向的分力Fa、沿砂輪徑向的法向分力Fn。法向分力是主要的磨削作用力，通常是切向分力Ft的1.5～3倍[60](Fn和Ft的關系與磨粒及工件材料有關)。Fn是對磨削過程影響最大的分力，因此大批學者均通過控制Fn來實現恒力磨削，減小機器人位置誤差及振動的影響。為實現機器人磨拋法向力的柔順控制，保證加工表面的一致性和輪廓精度，許多學者主要從主動柔順控制策略、被動柔順控制裝置、主-被動柔順控制方法方面進行研究。

(a)靜態模型

機器人磨拋主動柔順控制的本質是通過機器人對接觸力的信號反饋，采取相應的主動控制策略，通過調整機器人末端的位置、速度和加速度來使Fn保持恒定，實現磨拋過程的力順應控制[61]。為達到較好的磨拋力主動柔順控制效果，國內外學者提出了諸多有效控制方法，見圖2。

圖2 機器人磨拋主動柔順控制方法

1.2 阻抗控制

阻抗控制[62]利用等效網絡的概念，將外界環境等效為導納，將機器人操作手等效為阻抗，從而將力控制問題轉變為阻抗調節問題。WHITNEY等[63-65]通過傳感器分析力和位置的信息來修正接觸靠近和靠近零件時的工作路徑。在此基礎上，國內外學者針對機器人磨拋過程的阻抗控制做了大量研究[27-32,66-78]。

1.2.1傳統阻抗控制方法

傳統阻抗控制方法的基本思路是根據機器人末端的位置、速度或剛度和磨拋力之間的關系，通過調整反饋位置誤差、速度誤差、剛度誤差來達到控制磨拋力的目的，如圖3所示，將阻抗控制定義為機械臂末端工具和環境的作用力與末端位置的比值[79]：

F(s)/x(s)=ms2+bs+k

(1)

式中，F(s)、x(s)、m、b、k分別為末端作用力、末端位置、慣性系數、阻尼系數和剛度系數；s為拉普拉斯算子。

圖3中，J、F、N、XD、XI、XF、XE分別為雅可比矩陣、末端作用力、N維關節空間、期望位置、修正后的位置、位置偏移量和實際位置；Kp、Kv、KE分別為增益系數。

圖3 機器人傳統磨拋阻抗控制方法控制框圖[79]

為實現對磨拋力的跟蹤，引入參考力，得到末端作用力誤差與末端位置誤差的阻抗控制模型。磨拋過程中，力傳感器測量末端磨拋力的誤差，利用阻抗控制模型將力誤差轉化為位置誤差，實現對末端磨拋力的控制。由于這種控制方式不直接涉及力的控制環，避免了機器人動力學的求解，而工業機器人實際的動力學模型很難建立，所以基于位置的阻抗控制方法在機器人領域得到了廣泛應用。

ANDERSON等[16]利用傳統的阻抗控制方法完成了機器人去毛刺、磨削和裝配的任務。SURDILOVIC等[17]利用CAD/CAM規劃工具，采用阻抗控制技術解決了機器人磨削和拋光的接觸力不穩定問題。KAZEROONI[18]考慮機器人的振動和有界不確定，通過阻抗控制方法實現機械手自動去毛刺，完成了精密打磨的任務。蔣再男等[19]改變傳統的阻抗控制方法將內環作為位置環的做法，將外環產生的修正誤差對內環進行軌跡修正，如圖4所示。圖4中，FD、XD、J(q)、τ、τext、Fext分別為期望力、期望位置、各關節雅可比矩陣、驅動力矩、重力補償后的各關節力矩和重力補償后的末端接觸力。除了利用力誤差修正軌跡，還可通過力矩信息來調整機器人末端位置誤差。JINNO等[20]提出了工具力矩控制方法，將力矩信號轉化為位置修正信號，提高了機器人位置的控制精度，并將該方法應用于機器人磨拋。

圖4 基于位置的外力環控制[19]

需要注意的是，只有當參考軌跡xr的精確表達xr=xe+FD/ke時，實際接觸力才能精準跟蹤期望力，其中，FD、xe、ke分別為期望力、環境位置和環境剛度。所以，要實現對期望力的精確跟蹤，需要知道阻抗控制模型中的環境位置xe和環境剛度ke，然而在實際磨拋應用中，環境動力學參數大多都是未知的，所以單一的阻抗控制方法不能滿足實際磨拋需求。近年來國內外學者就環境動力學參數未知條件下的機器人阻抗控制開展了大量研究，在阻抗控制的基礎上加入了新的控制理論。

1.2.2自適應阻抗控制方法

圖5 自適應阻抗控制模型[22]

1.2.3基于智能控制理論的阻抗控制方法

基于智能控制理論的阻抗控制方法通過優化傳統阻抗控制模型結構，將智能控制理論方法與阻抗控制法相結合來調整控制參數、補償跟蹤誤差，實現對磨拋力的柔順控制。劉哲等[66-67]優化了傳統阻抗控制模型，針對機器人磨拋時力跟蹤響應慢的問題，通過改進遺傳算法中計算適應度值的方法來實時控制阻抗參數，提高了系統響應速度。目前基于智能控制理論的阻抗控制方法主要包括：模糊阻抗控制[68]、模糊自適應阻抗控制[67,69-70]、神經網絡阻抗控制[71-73]、模糊神經網絡阻抗控制[74-76]。

部分學者將阻抗控制方法與模糊控制理論相結合來調整阻尼參數。BURN等[68]針對環境剛度未知的問題，設計模糊控制器來保證機器人與工件接觸力的穩定。CHEN等[69]設計了一種帶有重力補償的模糊自適應控制器，通過調整阻抗控制器的阻尼來減小力的誤差。另一種方法是將阻抗控制與神經網絡控制理論結合來適應環境改變。MALLAPRAGADA等[71]利用神經網絡調節力控制系數，降低了機器人阻抗控制中的力控制對環境參數精確度的要求。李正義等[74-76]提出一種模糊自適應阻抗控制方法來估算環境剛度，通過建立神經網絡模型來推算臨界阻尼參數，使用模糊控制算法處理剛度的過程值，從而提高機器人阻抗控制過程中的接觸力跟蹤性能。神經網絡的輸入為機器人末端接觸力F，輸出為環境等效剛度k，隱含層1、隱含層2均有15個神經元，通過建立輸入輸出層之間的關系，訓練相應的權重系數得到環境的等效剛度。

1.2.4其他阻抗控制方法

如圖6所示，ABUDAKKA等[77]結合力覺和變阻抗控制的學習演示框架，將感知到的力與估計的剛度矩陣代入訓練廣義最小二乘法矩陣，生成一個高斯混合模型(Gaussian mixture model，GMM)，最后通過交互模型在新環境下執行磨拋任務，從而自主適應環境的變化。ERNESTO等[78]提出了一種人機緊密協作的解決方案，該方法考慮機械手末端執行器和刀具上的兩個力傳感器，基于任務優先級和自適應非傳統滑膜阻抗控制，協同完成拋光、磨削、去毛刺等表面處理任務。李二超等[80]提出基于視覺的機器人阻抗控制法，通過建立被跟蹤曲線圖像特征與機器人關節角度的映射關系來實現良好的力控制效果。

圖6 基于力的變阻抗學習的框架圖[77]

表1總結了上述阻抗控制方法的特點，可以看到在傳統阻抗控制的基礎上引入先進控制算法能提高模型對環境的魯棒性，但上述方法目前大都處于理論仿真階段，很難應用到實際磨拋加工中。

表1 各阻抗控制方法比較

1.3 力/位混合控制

阻抗控制方法不直接控制末端作用力，而是通過調整末端位置來控制力，避免了機器人的動力學求解過程。基于位置伺服的力反饋控制時間較長，且不能直接對力進行控制，不適應精度較高的工況。機器人磨拋對接觸力的控制要求是跟蹤性能好、響應速度高，為此，MASON[81]首先提出同時控制力和位置的概念，以及關節柔順理論。RAIBERT 等[82]在MASON[81]的基礎上正式提出力/位混合控制法，如圖7所示，通過雅可比矩陣J將任務空間任意方向的力矩陣F和位置矩陣X分解到各個關節力矩τ的控制上，但這種方法的求解比較復雜。圖7中，FD、xD、ke、xe分別為期望力、期望位置、環境剛度和環境位置，KP、KF、KV為增益系數，s、I-s分別為對角陣和對角陣的互逆矩陣。ZHANG等[83]在上述基礎上，將任務空間的位置環用等效關節位置環代替，減少了一定的計算量。

圖7 力/位混合控制模型[82]

1.3.1傳統的力/位混合控制方法

力/位混合控制方法同樣通過控制Fn來實現恒力控制，在文獻[81-83]研究的基礎上，國內外學者對力/位混合控制方法做了進一步研究，并將其應用到機器人磨拋中。機器人磨拋的力/位混合控制思想是：將磨拋任務空間正交劃分成力控制空間和位置控制空間，并在力控制空間建立力控制回路，在位置控制空間建立位置控制回路，從而實現機器人末端磨削力和位置的控制[84]。

相比于阻抗控制唯一的位置控制回路，力/位混合控制加入了力控制回路，力控制精度更高，響應時間更短。NAGATA等[21-24]研究出一種具有學習功能的混合力/位控制器用于機器人高精度磨削，通過位置反饋回路對笛卡爾空間的力反饋回路進行調節，來控制由接觸和摩擦組成的拋光力。該混合力/位控制方法對重復的打磨任務非常有效。DINE等[25]開發了一種平滑位置/力控制器，從實用的角度重新考慮位置、力和阻抗的控制策略來完成真正的磨削任務。仇鵬等[26]采用笛卡兒空間解耦控制閥和參考力前饋補償力控制方法對機械臂進行位置和力的混合控制。

1.3.2基于智能控制理論的力/位混合控制方法

機器人是一個非線性時變系統，且基于應變原理的力傳感器測量值不可避免地存在噪聲干擾，此外，機器人傳動機構存在反向間隙和較大的摩擦力，導致單一的力/位混合控制很難滿足控制要求。近年來，機器人磨拋力/位混合控制的研究熱點是如何提高系統對干擾(外界干擾、測量噪聲、系統模型誤差)影響的魯棒性，其核心思想是將力/位混合控制方法與先進控制理論相結合，本文將其整理歸納為4種方法，如表2所示。

表2 各種力/位混合控制方法的實現過程和優缺點

(1)模糊跟蹤力/位混合控制。FANAEI等[33]提出一種基于模糊建模的機器人力/位混合控制方法，針對末端執行器和工件表面之間的摩擦力設計模糊補償器(控制器的自由參數能自適應更新以適應環境的變化)。RAVANDI等[34]將模糊邏輯與滑膜控制相結合，研究了不確定環境下機器人的力/位混合控制問題，提出的自適應模糊滑膜控制方法對機械手動態結構和環境物理特性的信息要求較少。LATIFINAVID等[35]設計并實現了一種六足機器人輕磨料表面磨削的力/位混合控制策略，針對磨削加工過程中的非線性特點，設計了一種監督模糊控制器，顯著提高了磨削加工精度。

(2)神經網絡力/位混合控制。GHAJAR等[36]針對末端執行器與環境之間的接觸摩擦，設計了一種包括主控制器和自適應神經網絡控制器的智能力/位混合控制器，該控制器能實現運動和力的準確跟蹤。RANI等[37]針對具有外界干擾和模型不確定性的磨拋機器人，提出基于神經網絡自適應約束的無模型力/位混合控制器。TANG等[38]通過求解神經網絡的特征值來解決機器人在復雜環境下磨削的參數不確定性和建模誤差等問題，如圖8所示。

圖8 神經網絡算法預測磨削參數[38]

(3)滑膜自適應力/位混合控制。GRACIA等[39]設計了一個具有力/位混合控制功能的磨削機器人，并比較了幾種自適應開關增益規律，實驗表明該機器人具有較強的魯棒性。ZHANG等[40]為提高砂帶磨削的加工質量，提出一種基于力傳感器的六自由度機械帶磨削平臺自適應滑膜迭代恒力控制方法，解決了磨削力的不確定性問題，提高了控制穩定性。李琳等[41]通過分析實際磨拋過程中機器人末端執行器的接觸力和已知傳感器坐標的映射關系，提出一種基于自適應滑膜學習算法的機器人力/位混合恒力跟蹤控制方法。

圖9 PI/PD原理與機器人砂帶磨削的力/位置混合控制框圖[42]

上述磨拋主動柔順控制實現的前提是外部傳感器實時準確反饋磨拋力，在20世紀90年代之前發表的文章中[85]，對磨削力的測量大多是根據末端執行器的位移和假設的剛度與力的關系來實現的，實現這種方法還需進行接觸面的位置和機械手運動學參數的校準，存在過程復雜、精度難以保證等問題。隨著傳感器技術的進步，基于外部傳感器的關節電流反饋[86-87]、末端力矩傳感器反饋[88-91]、關節扭矩傳感器反饋[92]廣泛應用。目前大部分帶有力控制組件的機器人基于末端執行器的力傳感器來實現力的反饋，這種方法不需要確定環境模型，避免了誤差和建模不確定性。

阻抗控制和力/位混合控制法是實現磨拋力主動柔順控制的主要方法，表3總結兩種主要控制方法的實現過程，發現力/位混合控制法不存在耦合，抗干擾能力強，且機器人可以獨立控制位置和過程力，所以更適應于機器人磨拋加工。

表3 阻抗控制和力/位混合控制

除此之外，一些學者從機器人動力學建模的角度出發，通過建立準確的機器人動力學模型來提高主動柔順控制策略的控制精度，減小磨削力柔順控制誤差。丁亞東等[93]提出一種分布辨識動力學的方法，對機器人肘關節和腕關節進行辨識，得到機器人全部慣性參數，這種方法具有方法簡單、計算量小的優點。LUO等[94]在理論、仿真和實驗的基礎上，提出一種基于子系統動力學模型設計的自適應阻抗控制算法，降低了算法的計算復雜度，解決了動力學模型不準確的問題。XU等[95]在分析機器人磨削過程與工件相互作用的基礎上，建立機器人約束動力學模型，提出了一種無傳感器力控制律，并進行了仿真驗證。

2 機器人磨拋被動柔順控制的研究

為實現機器人磨拋時的力柔順控制，除了上述的主動柔順控制方法外，還可在機器人末端安裝柔順裝置，通過機械結構來吸收和存儲能量將機器人剛性和末端柔性相結合，實現機器人磨拋力的柔順控制。如圖10所示，機器人與工件接觸時，柔順裝置通過改變自身位置和姿態來調節過程力。最早的典型被動柔順裝置——遠心柔順裝置是由WHINEY等[96-98]設計的。這之后，HUANG等[99]設計了一種具有被動力控制和自適應路徑生成的被動柔順工具，實現了渦輪葉片修磨的自動化。CHAOUI等[100]為保證高質量的磨削表面，設計了一個氣動執行器來控制和減少磨削過程中的振動。MOHSIN[101]設計了基于多步路徑規劃的力控柔性機器人拋光系統，重點研究了控制刀具與拋光表面的相互作用。

圖10 機器人磨拋柔順裝置[1]

隨著研究的深入，國內外學者從以下兩個角度出發優化柔順裝置的結構以提高力控制精度：

(1)改變末端執行器結構。MOHAMMAD等[102]設計出一種用于自動磨拋的力控末端執行器，如圖11所示，該末端執行器的拋光頭通過線性空心音圈執行器的伸縮來控制拋光過程中的力，從而減小加工過程中的振動。王雨等[44]仿照人體肌肉組織，設計了一種電機驅動的直線型類串聯彈性驅動器，并安裝在機械臂末端，實現力的柔性輸出。文獻[45-47]針對機器人柔性磨拋力控制，設計了新型恒力末端執行器，達到了較好的力控制效果。

圖11 新型末端力控裝置[102]

(2)將其他控制器集成到末端執行器，提高磨拋時力的柔順性。CHEN等[48]開發了一種新型智能末端執行器(圖12)以用于拋光過程中的主動接觸力控制和振動抑制，設計了兩種新型的渦流阻尼器，并將其集成到智能末端執行器，提高了系統的動力學性能，抑制了磨拋過程中的振動。

圖12 智能末端執行器[48]

目前，磨拋力被動柔順控制裝置的產品主要有Ferribotic公司的ACF[103]柔順工具、Pushcorp公司的AFD和ATI裝置[104]、AMTRU公司的打磨裝置[105]，如圖13所示。AFD裝置精度高、力控性好，適合高精度打磨，ACF裝置和AMTRU公司的產品適用于中低精度打磨。

圖13 被動柔順控制裝置應用產品

柔順控制裝置相對機器人是獨立的，其主要驅動方式有氣動驅動[106-107]、電磁驅動[108]、電機驅動[109]等，優缺點見表4。相比于主動柔順控制方法，被動柔順控制方法實現過程簡單，但環境適應能力較差、成本較高、精度較差。

表4 各驅動方式優缺點

3 機器人磨拋主-被動柔順控制的研究

保證機器人磨削復雜零件和薄壁工件時的輪廓精度和表面一致性就是要求機器人和磨拋設備一起實現期望的力和軌跡。實際磨拋過程中，僅基于主動控制策略的機器人磨拋控制系統難以達到作業要求，需要增加被動柔順控制，以提高機器人磨削時的魯棒性和智能性。

主動柔順控制控制精度高、實現困難，被動柔順控制實現簡單、控制精度差，因此學者將上述兩種方法相結合，提出主-被動柔順控制，以提高磨拋精度。要實現主-被動柔順控制，先建立機器人-環境柔性系統模型，在柔性環境下實現磨拋力的控制。GIELAK等[49]研究了考慮運動阻力和環境彈性的機械手-環境系統模型，確定了位置和力的控制任務，結合機械手和環境模型，完成了力的控制。詹建明[50]在剛性關節型打磨機器人末端固聯柔性結構，將力偏差引入位置控制環，設計出帶被動柔順結構的外力環控制系統。

機器人磨拋主-被動柔順控制方法主要有三種：

(1)基于阻抗控制的被動柔順控制，即在被動柔順裝置中加入阻抗控制策略。XIE等[51]以飛機發動機葉片的自由曲面為研究對象，設計出一種基于粒子群優化算法的阻抗控制器，通過阻抗參數的自適應調整來控制工件和打磨工具之間的接觸力。袁樂天[52]針對機器人磨拋，設計了基于阻抗控制策略的氣動柔順裝置。

(2)基于PID的被動柔順控制。PID控制策略簡單、易實現，故大部分學者將此方法與末端柔順裝置結合，來提高柔順裝置的動態調節性能。DU等[53]設計了一種帶力傳感器的柔性末端執行器用于鈦合金曲面零件的自動拋光，采用一種自適應抗飽和積分分離模糊PI控制器來控制法向接觸力，避免了不必要的振動和機械碰撞。張秀麗等[54]為應對環境的動態變化，設計了基于被動柔順結構和主動柔順控制的打磨機械臂。柔性機械臂采用PID控制，通過監控末端接觸力和關節力矩適時修改指令軌跡。

(3)基于力/位混合控制的被動柔順控制，即在被動柔順裝置中加入力/位混合控制策略。黃婷等[55-56]為實現磨拋系統機器人末端的位置和接觸力控制，提出一種基于被動柔順裝置的機器人磨拋系統力/位混合控制策略，并通過非線性PD控制提高柔順裝置的動態調節性能。具有接觸力反饋和位置反饋的主動控制末端執行器具有在較大空間內順應接觸運動的作業能力，可用于可調距螺旋槳的機器人磨削[47]。

表5總結了上述3種方法的優缺點，基于PID的主-被控柔順控制因建模簡單、不易受環境影響、控制效果得以保證等優點而應用廣泛。主-被動柔順控制方法具有較高的磨拋精度和適應能力，但針對不同的工件需要設計不同的控制策略和柔順裝置，成本較高。

表5 主-被動柔順控制方法比較

4 總結及展望

磨拋過程中的工況較復雜，機器人會受到沖擊擾動，其末端保持穩定比較困難，磨削質量難以保證，因此對機器人磨拋力的柔順控制是解決上述問題的關鍵。主動柔順控制方法通過位置誤差、速度誤差或力誤差的幾種組合控制量來控制磨拋力，控制精度高，響應時間更短，但算法較復雜、難以實際應用。被動柔順控制方法通過柔順裝置調節其位置和姿態來控制磨拋力，控制精度較低，但過程簡單。主-被動柔順控制將上述兩種方法相結合，具有較高的磨拋精度和適應能力，但對不同的工件需要設計不同的控制策略和柔順裝置，成本較高。

近年來，在學術界和工業界的共同努力下，機器人磨拋力控制效果有了顯著提高，若要進一步提高零件的尺寸精度和表面質量，須對機器人磨拋力控制進行研究，解決以下問題：

(1)基于智能控制理論的機器人磨拋主動柔順控策略能提高環境動力學參數未知和外界干擾條件下磨拋的魯棒性，但由于不了解具體控制過程，且算法較復雜，目前大都處于理論仿真階段；而被動柔順控制不能根除機器人剛性和末端工具柔順性之間的矛盾。如何簡化控制模型，保證控制精度和控制速度，實現自適應控制磨拋，還有待進一步研究。

(2)視覺技術已經成熟，有必要將力控制技術與機器視覺技術、智能磨拋技術結合，實時監控工件的表面質量，利用采集的實時數據指導磨削專家系統優化磨削參數，開發融合力控制、機器視覺、智能磨拋的機器人智能磨拋系統，提高工件表面質量。

(3)傳感器的穩定性和準確性是實現機器人柔順控制的前提，測量過程中，測量數據易出現噪聲、陰影和數據不足等問題。多傳感融合并行測量可以很好地解決上述問題，是未來機器人磨拋力控制技術的突破方向。如何提高各傳感器的動態穩定性，補償各測量單元之間的位姿誤差，提高測量過程的抗干擾能力是提高機器人磨拋力控制精度的關鍵。