柔顺性控制的主要方法为阻抗控制. 1985年， Hogan[5]提出将机器人与环境的力看作整体，根据二者的动态关系，通过改变反馈的位置误差、速度误差或刚度完成力控制任务. 阻抗控制通过设置参考位置来间接实现力控制，控制精度依赖于对接触环境模型的认知程度. 为了实现机器人对目标力的有效控制，张光辉等[6]采用末端六维力传感器将末端力的控制转换到机器人关节空间，以基于位置控制的阻抗策略方式实现重力环境下的柔顺控制，使机械臂的大范围柔顺控制具有适应性. Duan等[7]针对机器人末端力控制跟踪问题，提出自适应变阻抗的控制策略. 该策略根据接触力变换自适应调整阻抗参数，实时补偿动态环境未知性，力跟踪控制效果较好. Izadbakhsh等[8]利用具有未知系数的线性微分方程设计通用逼近器，并提出计算量更小，更适用于机械臂的鲁棒阻抗控制方法. Li等[9]针对串联弹性执行器驱动的机器人设计的迭代学习阻抗控制器，将控制目标指定为所需的阻抗模型，期望的阻抗模型以迭代的方式实现. 这样既保证了机器人的重复性，又保证了瞬态性能. Abu-dakka等[10]提出集成力感测和可变阻抗的控制方法. 该方法从示教中估计完整的刚度矩阵，再结合感知力拟合概率模型，使机器人能够对新的任务条件做出调整. Zhao等[11]提出的模型加速强化学习方法，利用最大熵强化学习框架学习装配策略，利用阻抗控制器执行装配策略. 该方法的装配技能学习能力强，适于实际装配环境. Ye等[12]针对导纳控制，将重力摩擦力关节弹性纳入机器人的动力学模型，使该模型比传统模型更具有现实意义. 董悫等[13]针对微重力环境下机器人装配任务，提出适应于多销孔对接阶段的弹簧虚拟项阻抗控制，解决了姿态误差调节错误的问题. 潘立等[14]针对六自由度装配机器人提出的动态柔顺控制方法，实现了在未接触时滑膜控制和接触时阻抗控制的切换，使装配过程具有高速、高精的跟踪能力和良好的柔顺性能.