- 解决在人类共存环境中执行**非抓取推操作(non-prehensile pushing)** 的安全性问题
- 机器人需要具备**柔顺(compliance)** 特性，以应对外部物理交互并表现出被动行为
- 现有**推模型(pushing model)** 仅用于规划，未考虑与柔顺控制的集成，导致人机交互时存在安全隐患
- 扩展**最先进的推模型(state-of-the-art pushing model)**，将其集成到**阻抗控制(impedance control)** 机器人中
- 开发基于该模型的**模型预测控制(model predictive control, MPC)** 框架，通过最优调制机器人的**位置/速度设定点(position/velocity set-point)** 实现柔顺推操作
- 集成**能量罐无源滤波器(energy tank passivity filter)**，进一步调制机器人速度设定点，保证**无源性(passivity)** 并防止能量失控累积
- **首次** 将**非抓取推操作** 与**阻抗控制** 结合，通过MPC实现推力和接触点协同调节
- **无源性保证**：引入能量罐滤波器，防止因外部干扰导致推力的无限增加，确保**接触稳定性(contact stability)**
- **跨平台验证**：在两种不同机器人系统上进行实验，验证了方法在**轨迹跟踪性能(trajectory tracking performance)** 和**对物体物理参数变化的鲁棒性(robustness)**
- 为**人机共融环境中的非抓取操作** 提供了安全、柔顺的**控制框架**
- 提出的**MPC+能量罐** 方案实现了推操作中**被动柔顺(passive compliance)** 与**跟踪精度** 的平衡
- 开源实验数据与模型，促进**柔顺操控** 领域后续研究与应用