CRISP：面向基于学习的操作策略与遥操作的柔顺 ROS2 控制器
机器人学
2026-02-09 v2
摘要
基于学习的控制器（如扩散策略和视觉-语言动作模型）通常生成低频率或不连续的机器人状态变化。实现平滑的参考跟踪需要一个底层控制器，将高层目标指令转换为关节力矩，从而在接触交互过程中实现柔顺行为。我们提出了 CRISP，一个面向 ROS2 控制标准的柔顺笛卡尔与关节空间控制器的轻量级 C++ 实现，旨在与高层基于学习的策略以及遥操作无缝集成。该控制器兼容任何提供关节力矩接口的机械臂。通过 Python 和 Gymnasium 接口，CRISP 提供了一个统一的流水线，用于记录来自硬件和仿真的数据并无缝部署高层基于学习的策略，从而促进快速实验。该系统已在 Franka Robotics FR3 的硬件上以及 Kuka IIWA14 和 Kinova Gen3 的仿真中得到验证。我们的实现专为快速集成、灵活部署和实时性能而设计，为数据收集和策略执行提供了统一的流水线，降低了在兼容 ROS2 的机械臂上应用基于学习方法的门槛。详细文档可在项目网站获取 - https://utiasDSL.github.io/crisp_controllers。
引用
@article{arxiv.2509.06819,
title = {CRISP -- Compliant ROS2 Controllers for Learning-Based Manipulation Policies and Teleoperation},
author = {Daniel San José Pro and Oliver Hausdörfer and Ralf Römer and Maximilian Dösch and Martin Schuck and Angela P. Schoellig},
journal= {arXiv preprint arXiv:2509.06819},
year = {2026}
}
备注
5 pages, 5 figures