1天前 详解机器人控制系统

出品：人形机器人联盟

机器人控制系统是机器人的大脑与神经中枢，接收上层任务指令，结合传感器反馈，输出控制指令驱动电机运动。无论是工业机械臂、移动 AGV、人形机器人、灵巧手，硬件形态差异很大，但控制系统的分层架构是相通的。控制系统不等于单一一块电路板，而是一套软件 + 硬件 + 通信 + 控制算法的完整体系。

通俗类比：
上位机 = 人的大脑思考决策；
控制器 = 小脑，负责运动规划；
伺服驱动器 = 脊髓神经；
电机 + 减速器 = 肌肉骨骼；
各类传感器 = 眼、耳、皮肤、平衡感官。

一、机器人控制系统整体分层架构

从上到下分为 5 层，层层传递，形成闭环：

应用层（业务 / 智能层）

任务规划层（运动规划）

实时控制层（控制器内核）

驱动执行层（伺服驱动器）

硬件本体与传感器层

1）应用层（业务 / 智能层）

面向使用者，完成人机交互、业务逻辑、大模型 Agent 任务决策。

硬件：工控机、边缘计算板卡、PC；

软件：示教软件、上位机 APP、大模型任务规划、视觉识别、语音交互、业务逻辑；

输出：高级任务指令，例如：抓取A物体放到B位置，不输出关节角度。

人形 / 智能机械臂：LLM/VLA 大模型、ASR/TTS、3D 目标识别运行在此层；
传统工业机器人：示教器程序、流水线业务逻辑。

2）任务规划层（运动规划层）

把高层任务，解算成机器人可执行的运动轨迹。核心算法：

运动学正 / 逆解；轨迹插补（直线、圆弧、S 曲线加减速）；碰撞检测、避障；路径搜索（RRT‑star、A * 等）；人形额外：步态生成、ZMP 零力矩点规划、全身运动优化。

输出：一系列带时间戳的目标位姿 / 关节角度序列，下发给下层实时控制器。

3）实时控制层（控制器内核，核心层）

这是控制系统最关键部分，要求硬实时，微秒‑毫秒级确定性周期，不能卡顿。运行实时操作系统：RT‑Linux、VxWorks、QNX、INtime。执行三环控制：位置环 → 速度环 → 电流环

三环逻辑：

位置环：目标关节角度 vs 编码器实际角度，输出速度目标；

速度环：目标速度 vs 实际转速，输出力矩 / 电流目标；

电流环：输出电流指令给驱动器，决定电机输出力矩。

人形机器人在此层额外运行：阻抗控制、力控闭环、平衡控制、ZMP 稳定控制。

重点：应用层可以非实时；控制器内环必须硬实时，一旦延迟抖动，机械臂抖动、人形直接摔倒。

4）驱动执行层（伺服驱动器 / 关节驱动器）

接收控制器下发的目标电流 / 位置，运行 FOC 磁场定向控制，驱动电机；采集电机编码器电流反馈。

工业机械臂：独立伺服驱动器；人形机器人：分布式关节驱动器，驱动器放在关节内部；输出 PWM 功率信号驱动电机；反馈电机电流、编码器位置给上层控制器。

5）硬件本体与传感器层

机械本体 + 全部感知器件：电机、减速器；编码器、旋转变压器；IMU、六维力力矩传感器、触觉传感器、相机；采集物理世界数据向上反馈，完成整个闭环。

二、两大硬件形态：集中式控制 VS 分布式控制

1、集中式控制系统（传统工业机械臂主流）

一台中央控制柜，控制器、伺服驱动器全部集中在柜子内部，电机线缆从控制柜连接机械臂各个关节。✅优点：布线逻辑清晰，便于维护，电磁容易处理；❌缺点：线缆长，线束多，重量大，不适合人形；适用：六轴工业机械臂、大型设备。

2、分布式控制系统（人形、灵巧手主流）

控制器主机放在躯干；每一个关节内置独立关节驱动器。控制器通过高速现场总线 (EtherCAT/CAN‑FD) 通信，只传输数字指令，动力线就近给电机供电。✅优点：减少长功率电缆，降低线束重量、寄生干扰；关节本地 FOC，响应快；❌缺点：每一个关节都要做驱动板，BOM 成本上升，多设备时序同步难度高；适用：人形机器人、灵巧手、移动操作机器人。

人形机器人几乎全部采用分布式架构。

三、主流工业实时总线

总线承担控制器与驱动器之间指令、反馈数据传输，对机器人性能至关重要。

EtherCAT
工业与人形最主流，高速硬实时，周期可达 125μs‑1ms；支持大量从站设备；髋膝肩肘大关节优先 EtherCAT。CAN‑FD
成本低，抗干扰强，速率低于 EtherCAT；多用于灵巧手、颈部等非极高实时关节。PROFINET、EtherNet/IP：传统工厂自动化使用，人形很少采用。

关键：分布式系统必须做时钟同步，所有驱动器、传感器时间戳对齐，否则力控、平衡控制直接失效。

四、控制系统软件栈构成

实时操作系统 RTOS：保障控制周期确定性；

机器人中间件
- ROS / ROS2：科研、原型开发；
- 工业闭源平台：KUKA KRC、ABB RobotWare、新时达、汇川控制器；

ROS2 多用于原型样机；量产人形一般基于 RT‑Linux 自研内核，不直接用原生 ROS2 做内环实时控制。

运动学库：KDL、Pinocchio，完成正逆运动学、动力学计算（人形必备）。

控制算法库：三环控制、阻抗控制、力控、步态算法。

上层应用 SDK：示教、任务开发接口。

五、不同机器人控制系统侧重点对比

表格

六、控制系统核心工程难题

1、实时性与抖动

上层 AI 大模型、视觉推理可以几百毫秒；运动内环必须微秒级稳定周期。如果系统出现抖动，机械臂抖动振动；人形机器人直接破坏平衡，发生摔倒。

痛点：ROS2 默认不是硬实时，直接拿来做人形内环控制会稳定性差。

2、多传感器时序同步

控制器、驱动器、IMU、六维力、相机采样周期各不相同。时间戳错位，动力学计算、力控闭环全部出错。分布式架构同步难度远大于集中控制柜。

3、力控与位置控制耦合

工业机器人大多做位置控制；人形、协作机器人大量使用力 / 阻抗控制。位置噪声、减速器回差、振动，都会直接影响力控效果。

4、通信总线压力

人形 40 + 自由度，加上 IMU、力传感器，EtherCAT 总线数据包量大；总线负载过高，造成丢包、延迟。

5、仿真‑实物鸿沟

仿真环境运动学动力学完美；真实机器人存在回差、摩擦、振动。仿真调试完成，实物需要大量参数整定。

6、安全控制逻辑

工业：安全围栏、STO 安全转矩关断；人形人机共处：碰撞检测、摔倒保护、分级降功率，不能直接硬断电。

7、算力分层矛盾

大模型、3D 视觉消耗大量算力；运动控制需要硬实时。两者不能争抢 CPU 资源，通常做硬件隔离：边缘板跑 AI，实时 CPU 内核跑运动控制。

七、行业发展趋势

软硬解耦：控制器硬件平台通用化，依靠软件算法实现不同机器人能力；

AI 与传统控制器深度融合：大模型只做高层任务规划，底层运动控制仍然保留传统三环、动力学闭环，不用完全端到端替代控制器；

分布式驱动进一步下沉，关节内置驱动 + 编码器 + 信号处理；

中间件标准化，降低机器人开发门槛；

人形方向：全身动力学优化成为控制器标配。

总结：
机器人控制系统不是一块简单电路板。上层负责思考任务，中层负责运动规划，底层硬实时三环闭环完成电机驱动。
工业机器人偏向集中式位置控制；人形机器人走向分布式架构，融合动力学、平衡、力控、多传感器闭环。AI 大模型属于上层应用层，不能替代底层实时运动控制器。