精读笔记
Problem Setting
论文标题：Quasi-Static Modeling and Controlling for Planar Pushing of Deformable Objects（IEEE Transactions on Robotics / 2025）。
这篇论文不是在做一般的软体物体操作，也不是简单把 FEM 加到 pushing 里；它实际瞄准的是一个更具体但很难的问题：软物体在平面上被推时，局部形变会改变推杆接触 patch、支撑面压力分布和摩擦力矩，进而反过来决定整体位姿运动。也就是说，被控对象的“状态”不能再只是 SE(2) 位姿，而必须包含足以解释接触演化的形变状态。
困难点在于接触和运动之间的因果关系被打乱了。刚体 pushing 中，给定接触点和摩擦模型，可以从接触速度/力推导物体 twist；但软物体中，推杆先压入、物体先形变，支撑力中心可能前移或偏移，底面节点可能从 stick 变 slip 或脱离平面，之后物体才产生整体滑动。传统 rigid model 卡在固定接触面积、固定 pressure/support distribution、刚体位姿状态这些假设上；而完整 FEM 又卡在实时性和接触模式组合爆炸上。
关键矛盾是：要控制软物体，必须知道形变如何改变接触；但把所有形变都纳入 MPC 又太慢。本文的解法就是把完整模型和简化控制模型分工：前者负责物理状态估计，后者负责在线预测优化。
Motivation
已有路线缺的不是一个更复杂的仿真器，而是一个适合 planar pushing 的 deformable contact abstraction。刚体 pushing 的 limit surface 很强，但它默认支撑力分布和物体形状相对固定；软手指/软接触模型主要处理 pusher deformable，而不是 object deformable；FEM-based deformable manipulation 能处理形变，但很多任务不要求物体整体滑动/旋转，因此没有处理“形变-摩擦滑动-整体位姿”这组三方耦合。
作者的核心观察是：对软物体推动来说，最重要的信息不是全场形变的视觉细节，而是形变如何改变两类 contact：推杆-物体接触区域，以及物体-支撑面接触/支撑力分布。只要模型能捕捉这两者，整体运动预测就会比 rigid approximation 好很多。
因此论文选择 FEM 不是因为想做高保真软体仿真，而是因为 FEM 提供了一个可解释的外力-形变映射，并且可以通过刚体零模态把整体运动从弹性变形中分离出来。这正好补上 rigid pushing 缺失的内部形变自由度。
Core Idea
核心思想是把 deformable pushing 重新表述成“节点接触约束下的准静态弹性平衡 + 刚体零模态运动”。FEM 刚度矩阵的零空间自然对应整体平移和旋转；正特征值空间对应纯形变。作者利用这个结构把节点外力投影到形变，同时从零空间力平衡中求整体速度。这比直接对所有节点做动态积分更贴近 quasi-static pushing 的本质，也避免把刚体运动错误地当成弹性形变。
和 prior 的本质区别在于状态组织方式。传统 pushing 把 object 当成刚体，然后用 limit surface 表达支撑摩擦；本文则先在节点级别解释接触状态，再把这些节点约束汇总成整体位姿运动。换句话说，它把“物体 twist 是接触几何和摩擦的函数”改成了“物体 twist 是弹性形变场与接触节点状态共同决定的零模态速度”。这个 inductive bias 对软物体是合理的：软物体的运动不是由单个接触点决定，而是由一个随形变演化的 contact network 决定。
控制上的核心 idea 是承认完整模型不能直接在线规划，于是把完整模型压缩成一个 reduced-order pushing model：保留接触深度、推杆接触边界、支撑力中心、摩擦力/力矩上限和 slip regime。这不是严格物理等价，而是把最影响 planar motion 的软体效应保留下来。
Method
方法里真正必要的机制有四个。
第一，刚体零模态分解。FEM 静力方程本身因为刚体运动存在零特征值，不能直接反求形变。作者通过构造 full-rank stiffness inverse，把纯形变限制在非零刚度子空间，同时用零空间基表示整体位姿速度。这个设计解决了“软体形变”和“整体运动”分离的问题，是模型可以用于 pushing 的基础。
第二，节点级接触分类与转移。每个节点被分成 non-contact、sticking、slipping，并根据碰撞、法向接触力符号、摩擦锥条件进行转移。它解决的是 contact patch 非固定的问题。这里的关键不是状态机本身多新，而是它把软物体接触区域变化显式接进 FEM 约束中，使模型能预测纯形变、stick 推动、完全滑移之间的切换。
第三，隐式滑移求解。作者用 slip distance、friction magnitude correction、friction direction 这些低维变量描述 sliding nodes，消去 sticking contact force 和整体速度，再求一个关于 slip variables 的非线性方程。它解决的是高维隐式接触约束不可直接求的问题。核心变化是从全节点未知量求解转成只在滑移节点上求解。
第四，MPC 中的 simplified model。完整模型用于估计当前形变和支撑力分布；MPC rollout 则使用低维状态，只预测平面位姿和推杆位置。简化模型通过接触深度和 limit-surface-like 摩擦力矩近似描述软物体推动。这个设计解决实时性问题，但也把精度瓶颈转移到了 simplified model 的物理假设上。
动态权重和 iLQR 求解属于必要的工程配套：它们让控制器能在“先调整接触区域”和“直接推向目标”之间切换，但本身不是论文最核心的建模贡献。
Key Insight / Why It Works
这篇论文有效的根本原因是它抓住了软物体 pushing 中真正影响宏观运动的 latent structure：接触区域和支撑力分布，而不是试图学习或拟合一个黑箱 pusher-object transition。FEM 提供从接触力到形变的结构化约束；准静态假设把动力学复杂性压掉；节点 contact mode 则提供了足够细的接触表达。三者结合后，模型能解释 rigid model 中最常见的系统误差：推杆压入后物体并不绕刚体几何接触点旋转，而是因为接触 patch 变宽、支撑力前移，产生更接近实际的平动/转动比例。
最可能的核心贡献是“零模态整体运动 + 节点接触约束”的 FEM pushing formulation。它不是单纯 scaling，也不是 data coverage；它是更好的 inductive bias。尤其是把准静态力平衡写成零空间投影约束，等价于让所有接触力在刚体自由运动方向上合力/合矩为零，这使整体速度可以从接触约束中自然出现。
控制性能的增益则更混合。简化模型确实引入了 deformable-specific information，例如 contact depth 和 support center，因此相对 rigid controller 有实质优势；但 iLQR、dynamic weights、三种初始 pushing strategy 明显带有 heuristic 性质。文中没有充分拆解这些 heuristics 的贡献。我的判断是：模型预测增益主要来自物理建模；控制任务成功则同时依赖模型、轨迹分段、接触调整策略和较温和的准静态场景。
deformation recalculation 是一个重要但偏数值工程的稳定化手段。它让近似求解不会逐步偏离 FEM equilibrium，但并没有改变物理模型本身。dynamic weights 也更像控制工程 trick，用来避免一开始过度追踪导致接触点不合适，以及终点附近震荡。
这不是 retrieval、memory reuse 或 data-driven representation alignment；它属于 model-based inductive bias 的胜利。但它的有效性建立在物理参数相对可信、形变处在线弹性范围、接触模式可由节点分辨率表达这些条件上。
Relation To Prior Work
最接近的谱系有三条：quasi-static rigid pushing / limit surface，FEM-based deformable manipulation，以及 soft contact / deformable contact modeling。本文不是完全推翻这些工作，而是把它们重新组合到 object-deformable pushing 这个 setting 下。
相对 rigid pushing，真正不同点不是也用了 quasi-static 或 limit surface，而是 rigid pushing 的低维状态假设被打破了。传统模型把接触和支撑分布当作外部给定或可近似固定；本文把它们作为形变和节点接触状态的结果。这是本质差异。
相对 FEM deformation control，本文新增的是整体滑动/旋转与摩擦接触的耦合。很多 FEM manipulation 只关心形状跟踪或局部变形，固定边界条件较清晰；这里边界条件本身随 pushing 变化，而且物体整体会移动。零模态分离正是为了处理这个问题。
相对 soft finger / deformable contact work，本文把 deformability 放在被推物体侧，而不是 pusher 或局部 contact patch 侧。这个差别很重要，因为 object deformation 会改变支撑面接触和整物体运动，不只是改变推杆处的 friction patch。
看似新的部分中，MPC+iLQR、dynamic weighting、limit surface approximation 都是已有思想重组；实质创新在于节点接触状态与 FEM 零模态运动的集成，以及为控制构造了一个保留软物体关键效应的 reduced-order surrogate。
Dataset / Evaluation
评估不是数据集式 benchmark，而是模型驱动机器人论文典型的真实实验验证。覆盖维度包括不同推动轨迹、不同支撑面摩擦、不同推杆形状、不同物体几何，以及真实机械臂控制。这些实验基本支持作者的核心 claim：deformable model 比 rigid model 更准确，基于 simplified deformable model 的控制比 rigid MPC 更好。
但 evaluation 的外推范围有限。材料主要是硅胶类线弹性近似物，物体几何简单，环境是平面，操作速度低，摩擦系数和材料参数已知或可测。它验证的是“在模型假设成立时，该模型有效”，不是验证对复杂真实软物体的广泛泛化。
模型实验部分比较有说服力，因为它直接展示 rigid model 的系统性偏差，尤其是姿态和接触区域处理错误。控制实验也有价值，因为是真机闭环而非纯仿真；但轨迹被分段，且中间姿态处可以脱离物体、恢复形变并重置状态，这降低了长期连续控制难度。benchmark 没有完全验证长时程误差累积和强不确定性下的部署能力。
Limitation
最大限制是物理前提很强：准静态、线弹性、各向同性、均匀密度、库仑摩擦、刚性环境、已知几何和材料参数。任何一个前提明显破坏，模型都可能不再可靠。尤其是硅胶这类材料实际有粘弹性和超弹性，论文用线弹性在小/中等形变下近似；一旦大压入、快速推动或材料滞后明显，预测会偏。
scalability 也不理想。完整模型虽然比 naive FEM 更快，但仍接近实时而不是高频实时；矩阵逆和接触节点集合变化会成为瓶颈。物体更大、网格更密、多接触推杆或复杂障碍物时，计算成本和接触模式复杂度都会上升。
控制中的 simplified model 是必要但有风险的近似。它忽略非接触区域新增形变，把支撑分布视为由完整模型当前状态给定，并用低维 contact depth 表达软体效应。这意味着 MPC 的预测 horizon 内，如果形变分布发生显著变化，控制器可能计划在错误模型上。
泛化不应被过度解读。论文展示了跨摩擦、形状、推杆的有限泛化，但这是物理模型在受控条件下的参数化泛化，不是对未知材料或复杂场景的强泛化。文中未充分说明参数误差、摩擦非均匀、视觉点云误差对闭环性能的影响。
另外，动态权重和初始推动策略的增益来源不清。部分控制性能可能来自人为设计的 contact-adjustment heuristic，而不完全来自模型本身。
Takeaway
- 1. 对 deformable pushing，不能只把软体看成刚体模型的噪声项；真正要建模的是形变如何改变 contact patch 和 support distribution。
- 2. FEM 的价值不在于高保真仿真本身，而在于提供一个可投影的力-形变结构；把刚体零模态和弹性模态分开，是把 FEM 用于 manipulation planning/control 的关键模式。
- 3. 完整物理模型 + reduced-order control surrogate 是这类问题更现实的路线。
- 直接在高维 FEM 上做 MPC 不太可行，纯低维刚体模型又丢掉关键机制；中间层模型会是未来 deformable manipulation 的主要工程形态。
一句话总结
这篇论文是 deformable planar pushing 从 rigid-body abstraction 走向 contact-aware FEM quasi-static modeling 的一次实质推进，真正贡献在于用弹性零模态分解和节点接触状态把软物体形变转化为可用于预测与控制的物理结构。
