力控制传感器也有助于机器人通过调整打磨工具的路径来完成有很多变化的物体。这些传感器确保机器人总是在正确的位置完成打磨。人类工人可能不注意他们的工作，并且偏离路线，特别是在有变化的零件上。打磨机器人的精度使每个制造的零件都具有光滑、均匀和高质量的光洁度。

打磨应用的严格和肮脏的工作导致制造商面临生产线上的高周转率问题。工人们经常因为操作重型设备和零件以及这些工作的恶劣条件而筋疲力尽。打磨机器人正在帮助制造商解决他们的周转问题，并提高工人的安全性。

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

李等研究了Q235钢、304不锈钢、TC4钛合金、6061铝合金、H62青铜合金、AMAK3锌合金、AZ31B镁合金等七种金属的机械火花产生。评价了摩擦火花的物理化学性质与其产生的关系。对于6061铝合金、H62青铜合金、AMAK3锌合金和AZ31B镁合金，在12 m/s的大摩擦速度和3.75 N/mm的大表面压力下没有观察到明亮的摩擦火花2由于低硬度、高导热性、低熔点和缺碳.

结果表明，在打磨过程中，材料去除量的估计和打磨轨迹的跟踪直接影响打磨精度。只有基于机器视觉的方法才能对硬度较高的金属产生明显的摩擦火花，因为软金属无法通过明显的外部画面现象进行预测；因此，存在局限性。多信息融合的数据驱动方法提供了另一种具有更完整信息的预测方法。基于视觉传感的判断打磨可用于工业结构的打磨作业，但由于打磨环境复杂、环境光照不足，其鲁棒性受到一定影响。