Perdereau，V提出了一种混合机器人位置控制方案。随后，周等人提出了一种基于自适应阻抗控制的打磨机器人混合控制策略近设计了一个模糊力控制器，在除锈过程中模仿人类的行为。随后，赵等人提出了一种基于模糊比例积分微分(PID)的力/位扰动抑制控制策略。对于预期的15 N接触力，所提出的控制策略可以实现13.4%的力控制精度，并且0.0362 mm的材料去除深度可以达到1.2微米的精度.朱等提出了一种基于一维力传感器PID控制器的动态控制方法。抛光表面的粗糙度Ra %3C 0.4微米，材料去除深度更稳定，偏差保持在0.003 mm，40 N时的均方差为0.37 N

早在1992年Besl，P. J .就使用了一种通用的ICP算法来和有效地配准3D形状。该算法的一个重要应用场景是在形状检测之前，将刚性物体的传感装置重复测量的数据与理想几何模型进行配准，以提高传感数据的精度.国际比较方案的主要缺点是收敛速度慢、对异常值、缺失数据和部分重叠的敏感性。2013年，Pauly M提出了稀疏ICP，通过稀疏优化以牺牲计算速度为代价实现了鲁棒性.2021年，张提出了一种快速收敛的鲁棒配准方法。证明了经典的点到点ICP可以看作是一个控制化(MM)算法，并提出了一种加速收敛的Anderson加速方法

随着铸件产量的增加，手工打磨效率低，并且会严害打磨工人的肺和手臂。相对于手工打磨，机械打磨不需要工人接触工件，系统刚性好，振动小，所以打磨精度高。但由于灵活性差，空间小，只能打磨特定铸件。针对工作空间小、柔性差的特点，基于柔顺控制理论的工业机器人打磨采用力和位置控制进行打磨。这种方法打磨精度高，工作空间大且灵活，但刚性差。近年来，发展了许多智能打磨方法。基于图像视觉的打磨位置判断使用视觉感知设备和视觉判断算法，由打磨设备执行判断功能；然而，这种方法受到环境的严重影响，并且局限于二维平面。基于激光传感的抛光部位判断方法使用激光传感装置和判断算法；这确保了抛光装置具有准确判断的功能，并且提供了良好的鲁棒性，但是该装置的数据采集速度较慢。数据驱动的打磨量预测方法利用先进的传感设备结合视觉预测算法，利用打磨过程中的图像和力数据预测终的打磨效果