这篇由 Hanjiang Hu 等三位作者完成、于 2026 年 5 月 21 日提交到 arXiv 的论文（编号 arXiv:2605.22991v1，分类为机器人学 cs.RO），聚焦于一个在机械臂运动规划中长期被忽视却十分关键的问题：任务空间中的反应式规划器如何在关节空间约束下保持可行与可证明的正确性。
论文首先指出现有方法的缺陷。像 Bug2 这类反应式任务空间规划器，直接在笛卡尔空间中工作，采用固定的笛卡尔步长向前推进，却完全不感知机械臂各关节的角度限制。当雅可比矩阵的条件数变差、即机构接近奇异位形时，即便是很小的笛卡尔位移，也可能要求关节产生超出允许范围的转动。传统做法是把关节角裁剪到极限值，但这样做会带来跟踪漂移，严重时甚至导致规划器根本无法抵达目标点。
针对这一问题，作者提出在每一个规划步骤中，计算在给定关节位移界限下可被“可证明地到达”的最大笛卡尔超矩形。具体而言，他们对逆运动学采用二阶多项式近似，并借助 S-procedure 将其转化为一个小规模的半定规划问题，其解给出经过认证的半宽 λ*。此外，作者还给出一种等价的二分法流程，利用问题的二次结构，使认证过程能在亚毫秒级时间内完成，从而满足实时规划的需求。
将这一认证机制与 Bug2 结合后，得到的规划器其步长能够随局部运动学条件的良莠自适应调整：在运动学条件良好时步子可以放大，在接近奇异时则自动收缩，从而在保证不违反关节限制的前提下继续推进。
为验证效果，作者在涵盖六种关节限制设置的 94 个对抗性场景上进行了统计评估。结果显示，基于 SOS（平方和）认证的规划器实现了零关节限制违反，且目标到达率为 100%；相比之下，标准 Bug2 规划器在 6% 至 11% 的步骤中违反关节限制，并在多达 18% 的场景中未能到达目标。这一对比清晰地表明，认证机制在保持规划效率的同时显著提升了可靠性与安全性。论文全文以 PDF、实验性 HTML 及 TeX 源码形式公开，DOI 为 10.48550/arXiv.2605.22991。