Tác giả đề xuất quy trình chung: xây dựng mô phỏng động học sát thực tế, tham số hóa lời giải, xác định các bất định quan trọng, thiết kế hàm mục tiêu phản ánh cả chất lượng và độ bền vững, rồi dùng Monte‑Carlo để đánh giá. Nghiên cứu thử nghiệm 5 thuật toán tối ưu (Coordinate Descent, Conjugate Gradient Descent, BOBYQA, Nelder–Mead, RBFOpt) thuộc các nhóm cục bộ, vùng và toàn cục.

Ba bài toán thử nghiệm:

(1) Thao tác biến dạng: robot dùng mảng giác hút gắp và đặt miếng thịt ba chỉ lợn lên băng tải, với bất định về khối lượng, kích thước, độ cứng; mục tiêu là vị trí, hình dạng, định hướng và lực tác động phù hợp, thời gian chu kỳ ngắn.  

(2) Căn chỉnh xy‑lanh: thiết kế rãnh cắt trên ngón gắp song song để khi gắp, chi tiết tự căn chỉnh; bất định về sai lệch 3D của khung tiếp cận; mục tiêu gồm độ chính xác căn chỉnh, lực kẹp, ứng suất, thể tích chế tạo.  

(3) Gắp bàn lộn xộn: thiết kế gắp đa dụng cho nhiều góc tiếp cận, tránh va chạm trong môi trường nhiều vật cản; bất định về sai số định vị; mục tiêu gồm tỉ lệ thành công, vùng phủ, lực, ứng suất, thể tích.

Độ bền vững được định lượng bằng hai chỉ số: fIRS (robustness nội tại với biến điều khiển) và fERS (robustness với bất định bên ngoài). Kết quả cho thấy RBFOpt thường tìm được nghiệm bền vững nhất với ít lần mô phỏng nhất; phương pháp này tận dụng mô hình thay thế nên ưu tiên khám phá vùng “tốt tổng thể”, giúp giải pháp ổn định hơn. Ngoài ra, độ bền vững nội tại tương quan cao với độ bền vững ngoài, cho phép dùng như chỉ báo khi chưa biết rõ bất định môi trường.

Phân tích định tính các nghiệm tối ưu nhất cho thấy chúng khả thi và sẵn sàng thử nghiệm thực tế: quỹ đạo gắp thịt ít cong vênh, gắp căn chỉnh xy‑lanh có rãnh lớn để bắt góc lệch, gắp bàn lộn xộn nhỏ gọn và vát mép đẩy vật cản.