- **机器人到人物体交接(robot-to-human object handover)** 是服务机器人和医疗机器人的关键技能
- 现有**被动感知(passive-sensing)** 方法难以区分牢固抓握(firm grasp)与偶然触碰(incidental touch)
- 被动方法缺乏信息性扰动，无法泛化到多样物体和人行为
- 提出**主动接触感知(Active Contact Sensing)** 方法：机器人执行信息收集运动(信息-gathering motions)并感知人施加的力
- 使用**贝叶斯线性模型(Bayesian linear model)** 建模接触状态：一个从机器人运动到人施加力的分段线性映射分布
- 基于模型实现牢固抓握检测与主动信息采集，通过推断接触状态决定释放时机
- **首创主动感知**：首次在机器人-人交接中主动施加运动来区分接触状态，而非被动观测
- **独特判别准则**：利用牢固抓握产生多方向力而偶然触碰仅产生单方向力的物理差异
- **概率建模**：贝叶斯线性模型提供不确定度量，支持主动信息收集和鲁棒决策
- 在12名参与者、30种多样刚性物体上达到**97.5%成功率**，比两种常见基线高30%以上
- 提出一种**鲁棒且泛化** 的交接范式，不受物体形状和人行为变化影响
- 验证了主动感知(active sensing)在物理人机交互中的有效性，为后续研究提供新方向