机器人向人类传递物体是人机协作中的基础技能，广泛应用于家庭服务、手术辅助、工业生产等场景。然而，机器人需要准确判断人类是否已牢固抓握物体，才能安全释放，同时忽略无意触碰。传统的被动感知方法，如力传感器或视觉，缺乏主动扰动，难以区分不同接触状态，尤其是在物体形状和人类行为多样的情况下。例如，当人轻轻触碰物体时，机器人可能误判为牢固抓握而过早释放，导致物体掉落。
来自新加坡国立大学的研究团队（作者Linfeng Li, Lin Shao, David Hsu）提出了一种主动接触感知方法，通过让机器人主动施加微小运动并测量人体施加的反作用力，来推断接触状态。核心思想是：当人牢固抓握物体时，会对机器人的运动产生多方向阻力；而偶然触碰则不会产生有组织的力响应。这一灵感来源于人类在交接物体时的主动探查行为。
研究团队采用贝叶斯线性模型来建模这一关系，将接触状态视为从机器人运动到人体作用力的分段线性映射的概率分布。该模型不仅能够检测牢固抓握，还能引导机器人选择信息量最大的运动方向，以高效收集数据，从而在较少运动次数下做出准确判断。
实验共招募了12名参与者，使用30种不同形状的刚性物体，包括日常用品如杯子、工具等。结果显示，该方法的任务成功率达到97.5%，比两种常见基线方法（一种基于阈值，另一种基于被动感知）高出超过30%，展示了主动感知在鲁棒物体交接中的巨大潜力。此外，该方法在不同物体和参与者之间表现一致，显示出良好的泛化能力。
这项研究发表于arXiv（2605.04610），于2026年5月6日提交。它为未来机器人助手在实际环境中安全、可靠地与人交互提供了新的思路。后续工作可以扩展到软体物体或更复杂的交互场景。