機器人具有高度非線性，強時變以及強耦合等動力學特性，為了提高機器人控制的性能，研究人員提出了基于模型的控制（Model Based Control）方法。

在機器人研究領域，多種常見的高性能機器人控制器如計算力矩控制（Compute Torque Control）和阻抗控制（ImpedanceControl）等均需要使用機器人動力學模型。

機器人系統模型包括機器人動力學模型和機器人運動學模型，不精確動力學模型可能會導致控制性能的降低，甚至會引起系統的不穩定。

常用的機器人動力學建模方法包括拉格朗日動力學建模方法和牛頓 - 歐拉動力學建模方法等。通過 “虛位移” 和 “ 虛功” 的概念，引入廣義坐標來減少運動方程和約束方程的數量，在動力學普遍方程的基礎上建立了拉格朗日方程。

漢密爾頓基于著名的漢密爾頓原理，在動量和動能關系的基礎上建立了哈密爾頓運動方程，為拉格朗日方程提供了另一種推導方法。

設計基于模型的控制器要求建立的模型具有足夠高的計算效率，可以使用黎曼幾何和李群李代數的相關概念描述開環和閉環機器人系統的運動學方程，推導出遞推形式的動力學方程。在建立動力學模型過程中，獲取精確的機器人模型參數具有重要作用。

需要引入機器人動力學模型參數辨識的原因：動力學參數因為受到測量手段以及機械結構的限制，通過參數估計來獲得相對準確的動力學參數：基于最小二乘法，神經網絡控制逼近模型中的未建模動態。

無法確保估計參數的收斂性，而重要的是消除非線性系統中建模誤差帶來的影響。

阻抗/導納控制是希望機器人呈現質量-阻尼-彈簧的二階系統的動態特性，機器人阻抗控制是間接地控制機器人和環境間的作用力，其設計思想是建立機器人末端作用力與其位置偏差之間的動態關系通過控制機器人位移而達到控制末端作用力的目的保證機器人在受約束方向保持期望的接觸力。

而傳統的機器人力位置控制研究難點：提高系統對干擾系統模型誤差、外界千擾以及測量噪聲影響的魯棒性，阻抗控制方法受系統動力學模型、外界干擾、力測量影響小。

目的：阻抗控制旨在在不確定的環境下實現預期的機械相互作用。

阻抗控制目前研究的問題：耦合穩定性分析、力跟蹤阻抗控制、混合阻抗控制、魯棒阻抗控制、自適應阻抗控制、學習阻抗控制等。

阻抗控制和導納控制的主要區別為如下因果關系：阻抗控制是基于測量的位置（差值）來控制外力，而導納控制則是基于測量的外力（差值）來控制位置。