该论文旨在解决机器人执行未知负载(unknown payload)的抓放操作时，负载对顺应性(compliant)操控的负面影响问题。研究背景是：当负载质心(Center of Mass, CoM)与工具中心点(Tool Center Point, TCP)不对准时，负载会在机器人手腕处产生偏移力矩(offset wrench)。这种力矩不仅与负载重量有关，还与负载惯性(inertia)有关。如果控制器未对此建模，会将其误判为外部交互力矩，导致非预期的顺应运动、更大的跟踪误差和降低的搬运精度。
论文提出了一种力矩感知(wrench-aware)的导纳控制(admittance control)框架，用于UR5e机器人执行未知负载的抓放操作。该方法将力/力矩(force-torque)测量用于两个不同目的：
- 首先，在搬运过程中，使用一个三轴平移激励(three-axis translational excitation)项来减少负载引起的力效应，同时避免机器人变得过于僵硬(stiff)。
- 其次，在抓取后，控制器首先估计负载质量以进行搬运补偿，然后利用在后续平移运动中收集的手腕力/力矩测量值，估计负载质心相对于工具中心点的偏移量(payload CoM offset relative to the TCP)。
论文的核心创新点在于其双阶段、力矩感知的导纳控制策略，它巧妙地分离并处理了未知负载引起的静态（重力）和动态（惯性）力矩效应：
1. **创新的双角色力/力矩测量使用**：将力/力矩传感器数据同时用于**在线扰动抑制**（通过平移激励）和**离线参数估计**（负载质量与质心偏移），而不是仅用于单一目的。
2. **顺序估计与补偿框架**：在抓取后，先估计质量进行初步补偿，再通过一段特意设计的平移运动来专门估计质心偏移，这种顺序化、基于特定运动激励的参数辨识方法，比同时估计所有参数或依赖先验模型更鲁棒和实用。
3. **在保持顺应性的前提下提升精度**：该方法的核心目标不是简单地提高刚度来抵抗扰动，而是通过主动估计和补偿未知负载的动力学效应，从而在保留机器人对真实外部交互的顺应能力的同时，显著减少因负载本身引起的非预期运动。
论文对该领域（顺应性机器人操控与未知负载处理）的整体贡献是：
- 提出并验证了一个实用的、数据驱动的控制框架，能够有效处理未知负载（尤其是质心偏移负载）在顺应性抓放任务中引起的挑战。
- 通过实验证明，该框架能同时改善搬运(transport)和放置(placement)性能（如堆叠行为），同时保持了所需的顺应运动能力。
- 为在非结构化环境中需要处理未知物体的机器人（如物流分拣、柔性装配）提供了一种提升操作精度的解决方案，而无需复杂的负载建模或牺牲系统的安全性/交互性。