2026年10月20日，一篇題為《Learning-Enhanced Observer for Sensorless Task-Null-Space Compliant Control》（面向無感測器任務-零空間柔順控制的學習增強觀測器）的論文以預印本形式提交至 arXiv，編號為 arXiv:2610.28769v1，歸類於機器人學（cs.RO）方向。論文作者為 Nuo Chen、Ya-Jun Pan 與 Onur Toker，提交時間為 2026 年 10 月 20 日 18:08:13 UTC（協調世界時），稿件大小為 3,763 KB。該文透過 arXiv 的 DOI 分配機制獲得標識 https://doi.org/10.48550/arXiv.2610.28769，不過該 DOI 在資料引用機構 DataCite 的註冊尚處於待處理狀態。讀者可透過 PDF、實驗性 HTML 頁面以及 TeX 原始碼三種方式獲取全文，arXiv 頁面同時提供音訊摘要等功能。
論文針對的是物理人機互動（physical Human-Robot Interaction，簡稱 pHRI）場景。在此類任務中，機器人需要同時滿足兩類彼此存在張力的要求：一方面要在任務空間中穩健地完成既定運動，另一方面又要對人類施加的擾動保持柔順。這兩者構成了不同的控制目標，如何在同一個框架內協調它們，是 pHRI 控制設計中的核心難題。作者指出，現有大多數方法往往只側重於魯棒性或者只側重於柔順性中的一端，並且在即時跟蹤時依賴力感測器來獲取接觸力資訊。這種對力/力矩感測器的依賴，使得大量本身沒有配備力/力矩感測器的機械臂平臺難以採用這些方法。
為應對上述侷限，論文提出了一個將魯棒力旋量（wrench）觀測器與混合位姿-力控制器相結合的新框架。作者明確列出了三項關鍵貢獻。第一，訓練一個神經網路（NN）來提升觀測器的效能，具體方式是補償系統中的摩擦以及未建模動態。這類效應在傳統基於模型的觀測器中往往被忽略或簡化，卻會直接降低力旋量估計的精度。第二，引入任務-零空間分解（task-null-space decomposition），將關節速度分離處理，從而削弱人類擾動對觀測器的影響。這一分解使觀測器能夠區分任務相關的運動分量與冗餘自由度上的運動分量，減少人機接觸帶來的干擾滲入估計過程。第三，設計一個混合位姿與力控制器，用於實現末端執行器的位姿跟蹤與力跟蹤。
實驗結果方面，論文報告稱所提框架能夠提供穩健且準確的力旋量估計，同時保持可靠的位姿與力跟蹤效能。作者強調，該方案為 pHRI 提供了一種有效的解決思路與框架，且無需力/力矩感測器的測量資料，因此可應用於許多未配備力/力矩感測器的機器人機械臂平臺。
需要說明的是，以上內容均來自論文摘要與 arXiv 後設資料，預印本尚未經過正式同行評審；實驗的具體設定、對比基線、量化指標與適用邊界等細節，需以全文為準。此外，該預印本的提交時間標註為 2026 年 10 月，相關記錄仍屬新近條目，後續版本可能對內容作出修訂。