在机器人操作领域，非抓取式物体操纵技能对于现实世界中的交互至关重要，例如在托盘上平衡玻璃杯或控制物体在桌面上滑动。这类任务通常需要高速操纵，并且混合动力学对控制输入非常敏感，因此实现难度很大。其中，抛球杂耍被认为是一项极具挑战性的动作。机器人抛球的关键在于实现欠驱动对象的动态稳定。由于物体本身不具备自我纠正能力，其稳定性完全依赖于施加在其上的力。这使得系统对控制输入高度敏感，时序控制至关重要，需要不断抵消偏差以维持期望行为。
针对这一问题，来自Joel Ramadani等9位作者的研究团队在arXiv上发表了题为“Optimal Control Approach for Non-prehensile Ball Juggling Using a 7-DoF Manipulator”的论文，并被ICRA 2026接收。他们开发了一种系统化的方法来控制7自由度机械臂使用工具进行非抓取式抛球杂耍。主要贡献是一个基于模型的框架，用于生成抛球轨迹并稳定该混合系统的周期性抛球运动。该框架采用两阶段最优控制方法来计算稳定抛球所需的基础可行运动模式。
具体来说，该框架首先通过离线优化计算出一组可行的周期性抛球轨迹。这些轨迹随后被组织成一种结构，使得在实时控制中能够快速进行误差校正，而无需在线求解最优控制问题。这种设计既保证了控制的实时性，又利用了离线优化的精确性。为了验证控制器的有效性，研究团队首先在仿真环境中评估了其性能，然后使用Franka Emika Panda机器人进行了实际实验。实验结果表明，该控制器能够成功实现稳定的抛球杂耍。
该研究的意义在于为非抓取式动态操纵提供了一种可行的解决方案，尤其是在需要高速和高精度的场景中。未来，这种方法有望扩展到更复杂的物体和任务中，推动机器人在非结构化环境中的操作能力。论文的详细内容可通过arXiv:2606.06704获取，该文于2026年6月4日提交，共8页。