機器人向人類傳遞物體是人機協作中的基礎技能，廣泛應用於家庭服務、手術輔助、工業生產等場景。然而，機器人需要準確判斷人類是否已牢固抓握物體，才能安全釋放，同時忽略無意觸碰。傳統的被動感知方法，如力傳感器或視覺，缺乏主動擾動，難以區分不同接觸狀態，尤其是在物體形狀和人類行為多樣的情況下。例如，當人輕輕觸碰物體時，機器人可能誤判為牢固抓握而過早釋放，導致物體掉落。
來自新加坡國立大學的研究團隊（作者Linfeng Li, Lin Shao, David Hsu）提出了一種主動接觸感知方法，通過讓機器人主動施加微小運動並測量人體施加的反作用力，來推斷接觸狀態。核心思想是：當人牢固抓握物體時，會對機器人的運動產生多方向阻力；而偶然觸碰則不會產生有組織的力響應。這一靈感來源於人類在交接物體時的主動探查行為。
研究團隊採用貝葉斯線性模型來建模這一關係，將接觸狀態視為從機器人運動到人體作用力的分段線性映射的概率分佈。該模型不僅能夠檢測牢固抓握，還能引導機器人選擇信息量最大的運動方向，以高效收集數據，從而在較少運動次數下做出準確判斷。
實驗共招募了12名參與者，使用30種不同形狀的剛性物體，包括日常用品如杯子、工具等。結果顯示，該方法的任務成功率達到97.5%，比兩種常見基線方法（一種基於閾值，另一種基於被動感知）高出超過30%，展示了主動感知在魯棒物體交接中的巨大潛力。此外，該方法在不同物體和參與者之間表現一致，顯示出良好的泛化能力。
這項研究發表於arXiv（2605.04610），於2026年5月6日提交。它為未來機器人助手在實際環境中安全、可靠地與人交互提供了新的思路。後續工作可以擴展到軟體物體或更復雜的交互場景。