内容摘要
该论文针对重工具或大负载引起的人形机器人惯性变化，将全身模型预测控制（WB-MPC）、扩展卡尔曼滤波（EKF）与 VR 遥操作接口闭环结合。EKF 在线估计满足完整物理一致性约束的惯性参数，并更新控制器的全刚体动力学模型，以补偿未知负载所需的前馈力矩；操作者提供运动参考，动态平衡交由 WB-MPC 处理。方法通过广义 log-Cholesky 参数化估计相对标称惯性的偏差，并为弱可观参数引入虚拟测量正则化。
在预录擦窗轨迹仿真中，左前臂末端增加 5 千克负载后，启用估计器使水平、竖直任务空间 RMSE 分别由 67.8、389.2 毫米降至 6.4、14.2 毫米。真机采用人工向前臂安装配重的方式模拟抓取；在 4.5 千克非对称负载遥操作测试中，作者报告估计器恢复了新增负载的 95%。将负载时的运动指令在空载下回放比较，竖直 RMSE 由空载 13.2 毫米增至负载 22.4 毫米，说明补偿后仍有跟踪误差。上述结果均来自作者的仿真与真机实验。
点评
该工作展示了将在线惯性辨识直接接入全刚体预测控制的路径，使未知负载补偿与遥操作中的平衡控制协同工作。
真机负载由人工安装，且因左臂硬件问题仅加载右臂，不能等同于自主抓取验证。论文未开展用户研究，更动态操作下的鲁棒性仍待研究；现有证据是作者实验，不是独立复现。
版本与核查范围
版本 2610.22176v1 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 h1[1]；#abstract1.1；#S1.p5.1；#S1.p5.1；#S1.p5.1；#S4.SS1.SSS1.p1.1；#S4.T4.4；#S4.SS2.p1.1；#S4.SS2.SSS2.p1.1；#S4.SS2.SSS2.p2.1；#S4.SS2.SSS2.p3.1；#S1.p5.1