由虚拟弹簧和阻尼器构成的控制器
虚拟模型控制（VMC）并不先计算一条轨迹、再用刚性关节控制去跟踪它。设计者改为在机器人末端执行器与目标、障碍物或移动参考点之间连接一个“虚拟”机构——弹簧、阻尼器，有时还包括一个带质量的小车。该机构产生的力通过机器人的雅可比矩阵转换为关节力矩，因此规划和控制在同一步中完成。
论文的论点是，这让机器人行为变得可预测：机器人会按照所设计的机械相互作用所隐含的方式运动。它也让设计过程更直观，因为增加一项任务特性意味着增加或重塑一个虚拟组件，而不是重新推导一个规划器。作者一开始就说明了代价：牺牲运动精度和轨迹最优性，换取对环境的受控敏感性。
六种虚拟模型覆盖到达与避障
论文提出了六种设计虚拟模型的方式。简单到达在末端执行器与目标之间连接弹簧和阻尼器，作者指出这类似于末端执行器空间中的比例-微分控制。几何到达把末端执行器连接到一个有质量、可旋转的虚拟L形结构上，从而产生受约束的运动，例如圆周路径。移动参考到达把末端执行器拉向一个沿直线移动的目标，该目标由从零开始、在有限时间内收敛到一的参数调节。
力驱动到达通过弹簧-阻尼组件把一辆虚拟小车连接到末端执行器，并以恒定力拉动小车。由于末端执行器受阻时小车也会停下，机器人施加的总力被小车的力所限制，障碍移除后期望运动便会恢复。障碍规避和多障碍规避在末端执行器与每个已知障碍之间加入非线性排斥弹簧，距离越近刚度越大。
弹簧越硬到达越快但余量越小
在无障碍测试中，两次简单到达运行使用相同的阻尼1.5 Ns/m，但弹簧刚度分别为15 N/m和45 N/m。较硬的弹簧产生了更小的误差和更快的运动。在15 N/m时，轨迹最后一段的弹簧力不足以克服摩擦，留下了距目标约5 cm的误差。
在45 N/m刚度的移动参考到达中，也出现了同样的5 cm差距，同样被归因于到达末段刚度不足。作者还报告，在瞬态过程中末端执行器沿y轴发生偏移，他们将其追溯到虚拟弹簧、机械臂惯性和力矩指令到电机电流转换不精确之间的相互作用。移动参考到达限制了高力和快速运动，并减小了这种y轴偏移，因为较低速度削弱了力矩-电流转换不精确和惯性的影响。
已知障碍靠力平衡处理而非重新规划
面对一个直径10 cm的圆柱形障碍，机器人沿直线参考运动，直到排斥弹簧把它推开，然后在脱离障碍后加速冲向目标。排斥刚度按到障碍最近点的距离分段定义：小于5 cm时为−46r+250 N/m，5至10 cm时为−3.6r+38 N/m，10至20 cm时为−0.2r+4 N/m，超过20 cm时为零。
两个直径6 cm的圆柱通过为每个障碍连接一个排斥弹簧来规避。作者强调，与路径规划算法不同，增加第二个障碍不会显著增加计算量，因为不需要预先规划或重新规划。更难的情况是两个部分重叠、形成非凸形状的障碍：轨迹在弹性势场的局部极小值附近波动一段时间后才避开它们。作者将此视为该设计的局限，并呼吁改进虚拟模型控制器。
未知阻碍使运动暂停后再释放
当一只人手在简单到达过程中于x = 40 cm附近挡住末端执行器时，末端执行器暂时停止，并在被释放后立即恢复；作者报告这次交互对最终误差没有影响。与逆运动学基线的实测差异体现在接触力上：VMC控制器施加的力最高为4.53 N，而基于逆运动学的关节空间PID为35.77 N。
在第二个场景中，一块存在和位置均未知的亚克力板部分阻挡了速度为0.5 m/s的移动参考到达。末端执行器在接触后被挡住约0.5秒，然后沿板滑动并到达目标。作者解释为虚拟弹簧不断伸长，直到施加足够的力克服摩擦并滑动。他们指出，这种物理扰动与已知障碍弹簧产生的虚拟扰动相似。
单条人形机械臂，靠试错调参
验证使用Sciurus17人形机器人，这是一个轻量低成本平台，总共17个自由度：每条手臂七个、头部两个、躯干一个。实验使用力控8自由度手臂配置。Dynamixel电机提供电流控制，力矩到电流的转换根据电机性能图近似为线性方程。控制依赖正运动学和雅可比矩阵；驱动机器人不需要逆运动学。
作者明确表示，论文只触及了VMC设计的表面。选择使用哪些虚拟机构以及调整其机械参数是通过试错完成的。他们列出了最优机构设计与参数调优、复杂环境中的任务优先级、精度与柔顺性的权衡，以及自适应虚拟机构等开放方向。非凸障碍案例是论文中最清晰的演示，说明组合弹簧可能产生局部极小值，需要更好的设计来应对。
接触安全优先于精度时选择VMC
论文自身的比较确立了优先级：如果到达任务必须容忍意外接触，VMC的有界交互力和自动恢复比精确命中目标更重要。人手阻挡下4.53 N与35.77 N的差距，以及因弹簧力不足以对抗摩擦而出现的约5 cm误差，是同一设计选择的两面。
场景划分同样具体。对于已知障碍，排斥弹簧避免了重新规划的开销，但当障碍形成非凸形状时可能在局部极小值附近停滞。对于未知障碍，移动参考和力驱动机构让机器人无需提前感知障碍就能停下、滑动并恢复。因此，评估这一方法的读者应问自己的任务更接近这两种情形中的哪一种，以及几厘米的稳态误差是否值得换取低一个数量级的接触力。
本文引用的文献
Virtual model control for compliant reaching under uncertainties
在一台力控8自由度人形机械臂上，六种虚拟模型设计实现了绕过已知和未知障碍的到达；在人手阻挡下，控制器施加的力最高为4.53 N，而逆运动学PID为35.77 N，代价是精度和轨迹最优性。