约束环境下刚性线性物体的层次变形规划与神经跟踪
机器人学
2026-01-01 v1
摘要
刚性线性物体 (DLOs) 的变形操作因其固有的高维状态空间和复杂变形动力学而 presents 诸多挑战。现实工作空间中稀疏的障碍物进一步复杂化了DLO操作， necessitating 高效变形规划和稳健的变形跟踪。为此，本文提出了一种用于受约束环境中DLO操作的新框架。该框架结合层次变形规划与神经跟踪，确保在全局变形合成和局部变形跟踪方面具有可靠性能。具体而言，变形规划器首先生成一种本就满足DLO关键点路径关联约束的空间路径集合。随后，应用路径集引导的优化方法以合成DLO的最优时序变形序列。在操作执行期间，设计了一种基于数据驱动变形模型的神经模型预测控制方法，以准确跟踪计划好的DLO变形序列。通过大量受约束DLO操作任务的实验验证，证明了所提框架的有效性。
引用
@article{arxiv.2512.24974,
title = {Hierarchical Deformation Planning and Neural Tracking for DLOs in Constrained Environments},
author = {Yunxi Tang and Tianqi Yang and Jing Huang and Xiangyu Chu and Kwok Wai Samuel Au},
journal= {arXiv preprint arXiv:2512.24974},
year = {2026}
}