- 解决**工业双臂机器人** 在操作未知惯性属性（质量、质心）的箱子时，因不确定性导致的**力-力矩平衡** 不稳定问题
- 现有方法通常需要已知物体惯性参数，或单独调节防滑与防过度挤压目标，导致调节复杂且易出现**滑动、掉落、方向偏差或过度挤压** 等异常
- 研究背景：工业物流中箱体包装的**惯性参数** 无法预先获得，要求机器人具备自适应能力以实现稳定抓取搬运
- 提出**在线惯性估计模块**，从实时测量的**接触力(wrench)** 中在线估计物体的**质量(mass)** 和**质心(center of mass)**
- 构建**凸优化问题**，通过**二阶锥规划(Second-Order Cone Program, SOCP)** 在**椭球形摩擦极限曲面(ellipsoidal friction-limit-surface)** 约束下，计算摩擦可行的接触力和扭矩
- 包含**离线轨迹细化(offline trajectory refinement)** 阶段，用于减少几何约束下不必要的物体-环境接触
- 将**摩擦可行性(friction feasibility)** 作为硬约束，并在可行域内最小化接触力，避免将防滑和防过度挤压作为分离调节的独立目标
- **首创性地** 在线估计未知惯性参数并同时进行摩擦可行接触力优化，无需预先测量质量或质心
- 使用**椭球形摩擦极限曲面** 替代传统近似（如线性化或锥形），更准确地描述接触面的**摩擦各向异性**，提升优化精度
- 将**摩擦可行性** 作为优化问题的硬约束（而非软惩罚），消除手动调节防滑和防过度挤压平衡参数的需求，实现自适应稳定提升
- 结合**离线轨迹细化** 减少意外接触，增强系统对复杂几何环境的鲁棒性
- 提供了一个完整的**双臂箱子操作框架**，能够在物体惯性未知时实现稳定无滑移的搬运
- 在真实双臂机器人系统上实验验证，证明方法在不同质心配置下均能保持稳定的摩擦接触，具有实用价值
- 为工业机器人操作提供了**凸优化+在线估计** 的新范式，降低了系统对先验知识的依赖，推动了**摩擦感知抓取(friction-aware grasping)** 的实际应用