设计机器人力控制结构，处理力和位置控制二者之间的关系，也就是机器人柔顺控制之策略，为主动柔顺控制研究中的首要问题.有关力控制的研究首先集中于此，都是从不同的角度对控制策略进行阐述，虽然观点各异，但从机器人实现依从运动的特点来看，一般可归结为4大类：阻抗控制策略、力/位混合控制策略、自适应控制策略和智能控制策略。
其特点是不直接控制机器人与环境的作用力，而是根据机器人端部的位置(或速度)和端部作用力之间的关系，通过调整反馈位置误差、速度误差或刚度来达到控制力的目的，此时接触过程的弹性变形尤为重要，因此也有人狭义地称为柔顺性控制。此中以Whitney, Salisbury, Hogan,Kazarooni等人的工作具有代表性。并且Maples和Becker进行了总结：这类力控制不外乎基于位置和速度的两种基本形式。当把力反馈信号转换为位置调整量时，这种力控制称为刚度控制当把力反馈信号转换为速度修正量时，这种力控制称为阻尼控制当把力反馈信号同时转换为位置和速度的修正量时，即为阻抗控制。阻抗控制结构，其核心为力运动转换矩阵K设计，运动修正矩阵似WX=K F，从力控角度，希望K阵中元素越大越好，则系统柔一些；从位控来看，希望K中元素越小越好，则系统刚一些。从而也体现了机器人刚柔相济要求的矛盾，这也给机器人力控制带来了极大的困难。
从具有代表性的Mason, Paul和Mills等人的研究可以看出力/位混合控制的提出有一个过程。
机器人力控制的最佳方案：以独立的形式同时控制力和位置，理论上机器人力自由空间和位置自由空间是两个互补正交子空间，在力自由空间进行力控制，而在剩余的正交方向上进行位置控制。此时的约束环境被当作不变形的几何问题考虑，也有人狭义地称为约束运动控制。
Mason于1979年最早提出同时非矛盾地控制力和位置的概念和关节柔顺的思想，他的方法是对机器人的不同关节根据具体任务要求分别独立地进行力控制和位置控制，明显有一定局限性。1981年Raibert和Craig在Mason的基础上提出了力/位混合控制，即通过雅可比矩阵将作业空间任意方向的力和位置分配到各个关节控制器上，可这种方法计算复杂。为此H. Zhang等人提出了把操作空间的位置环用等效的关节位置环代替的改进方法。但必须根据精确的环境约束方程来实时确定雅可比矩阵并计算其坐标系，要实时地用反映任务要求的选择矩阵来决定力和位控方向。总之，力/位混合控制理论明确但付诸实施难。下图为力/位混合控制结构。
力控制目的是为了有效控制力和位置。但机器人为多自由度、时变和强耦合的复杂体，系统本身的位姿随时而变，加上外部环境存在极大的模糊性，有时无法确定。上述两种策略广义上属于经典控制的范畴，为力控制研究发展打下了坚实的基础，但从适用范围和控制效果看仍有不足，更无法使其推广应用。机器人本身的多自由度和位姿的不确定性，力和位置强耦合的力控制特点，以及阻抗控制和力/位混合控制策略的局限性，决定了众多学者进行自适应研究尝试的必然性。具有代表性的是：Chung Jack G H , Leininger Gay G 直接在多任务坐标系统中，用学习进行重力、动摩擦力和柔顺反作用力补偿，以插孔为目标，进行自适应实验；KucTae-Yong, Lee Jin S , Park ByungHyun采用自适应学习的混合控制方法，进行了约束运动控制尝试，在逆动力学求解、收敛性及抗干扰方面获得满意的效果。NicolettiGuy M 用Lyapunov稳定理论，针对约束运动，对模型参考自适应PID控制的稳定性条件和判据进行了研究。另外，针对机器人力控制特点众多学者进行了变结构力控制尝试.从现有的成果来看，自适应控制和变结构控制大部分处于理论研究和仿真实现的水平，并没有取得突破。
上述3种控制策略，存在一个共同的建模难题.就机器人本身来讲，时变、强耦合以及不确定性给机器人控制带来了困难.再加上力反馈的输入，更增加了建模的难度.从现有的研究成果来看，上述3种策略各有优缺点但大多处于理论探索和仿真阶段，无法寻找彻底解决机器人力控制问题。另外机器人研究已进入智能化阶段，决定了机器人智能力控制策略出现的必然性。具有代表性的研究：Connolly Thomash.等将多层前向神经网络用于力拉混合控制，根据检测到的力和位置由神经网络计算选择矩阵和人为约束，并进行了插孔实验；日本的福田敏男等用4层前馈神经网络构造了神经伺服控制器，进行了细针刺纸实验，能将力控制到不穿破纸的极小范围。此后不久，又将之用于碰撞试验，取得了一定的成果，但机构简单，针对性强，尚缺少普遍性；Xu Yangsheng等提出了主动柔顺和被动柔顺相结合的观点，研制了相应的机械腕，采用模糊控制的方法，实施插孔。从研究成果来看，智能控制仍处于起步阶段，尚未形成独立的控制策略，仅仅将智能控制原理如模糊和神经网络理论对以往研究中无法解决的难题进行新的尝试，仍具有一定的局限性。
从机器人力控制的特点来看，它是在模拟人的力感知的基础上进行的控制，因而智能控制具有很强的研究价值。有人详细分析了各种各样的研究方法，提出了基于模糊神经网络的智能“力/位并环”的控制策略。
智能力拉并环控制结构的基本原理如图所示。将力控制大系统分解成子系统，将力拉并行输入，利用模糊神经网络进行综合，输出为位置量。这样，并不改动机器人的位置伺服系统，可以充分利用原机器人的优良位置控制性能。另外还有其他特点：
1)它既具有阻抗控制的优点又具有力/位混合控制的特点；
2)具有联想记忆的功能，容错、纠错、自学习和自组织为此一大特色。尤其，该策略的学习功能明显优于自适应学习；
3)拥有知识库一一神经网络内各神经元之间的联接权值.能根据输入力和位置的模糊划分，自行进行匹配，选择相应的权值；
4)无须进行建模，适用范围广，且实时性强。
