Manipulation of objects with underactuated dynamics remains a challenge for robots. In contrast, humans excel at ‘tool use’ and more insight into human control strategies may inform robotic control architectures. We examined human control of objects that exhibit complex – underactuated, nonlinear, and potentially chaotic dynamics, such as transporting a cup of coffee. Simple control strategies appropriate for unconstrained movements, such as maximizing smoothness, fail as interaction forces have to be compensated or preempted. However, predictive control based on internal models appears daunting when the objects have nonlinear and unpredictable dynamics. We hypothesized that humans learn strategies that make these interactions predictable. Using a virtual environment subjects interacted with a virtual cup and rolling ball using a robotic visual and haptic interface. Two different metrics quantified predictability: stability or contraction, and mutual information between controller and object. In point-to-point displacements subjects exploited the contracting regions of the object dynamics to safely navigate perturbations. Control contraction metrics showed that subjects used a controller that exponentially stabilized trajectories. During continuous cup-and-ball displacements subjects developed predictable solutions sacrificing smoothness and energy efficiency. These results may stimulate control strategies for dexterous robotic manipulators and human–robot interaction. GRAPHICAL ABSTRACT

中文翻译：

---

复杂物体的人工控制：走向更灵巧的机器人

操纵具有欠驱动动力学的物体仍然是机器人的挑战。相比之下，人类擅长“工具使用”，更深入地了解人类控制策略可能会为机器人控制架构提供信息。我们研究了人类对表现出复杂的物体的控制——欠驱动、非线性和潜在的混沌动力学，例如运送一杯咖啡。适用于无约束运动的简单控制策略（例如最大化平滑度）会失败，因为必须补偿或抢占相互作用力。然而，当对象具有非线性和不可预测的动态时，基于内部模型的预测控制显得令人生畏。我们假设人类会学习使这些交互变得可预测的策略。在虚拟环境中，受试者使用机器人视觉和触觉界面与虚拟杯子和滚球进行交互。两个不同的指标量化了可预测性：稳定性或收缩性，以及控制器和对象之间的互信息。在点对点位移中，受试者利用物体动力学的收缩区域来安全地导航扰动。控制收缩指标表明，受试者使用的控制器能够以指数方式稳定轨迹。在连续的杯和球位移期间，受试者开发了可预测的解决方案，以牺牲平滑度和能源效率。这些结果可能会刺激灵巧的机器人操纵器和人机交互的控制策略。图形概要 以及控制器和对象之间的相互信息。在点对点位移中，受试者利用物体动力学的收缩区域来安全地导航扰动。控制收缩指标表明，受试者使用的控制器能够以指数方式稳定轨迹。在连续的杯和球位移期间，受试者开发了可预测的解决方案，以牺牲平滑度和能源效率。这些结果可能会刺激灵巧的机器人操纵器和人机交互的控制策略。图形概要 以及控制器和对象之间的相互信息。在点对点位移中，受试者利用物体动力学的收缩区域来安全地导航扰动。控制收缩指标表明，受试者使用的控制器能够以指数方式稳定轨迹。在连续的杯和球位移期间，受试者开发了可预测的解决方案，以牺牲平滑度和能源效率。这些结果可能会刺激灵巧的机器人操纵器和人机交互的控制策略。图形概要 在连续的杯和球位移期间，受试者开发了可预测的解决方案，以牺牲平滑度和能源效率。这些结果可能会刺激灵巧的机器人操纵器和人机交互的控制策略。图形概要 在连续的杯和球位移期间，受试者开发了可预测的解决方案，以牺牲平滑度和能源效率。这些结果可能会刺激灵巧的机器人操纵器和人机交互的控制策略。图形概要