基于自适应模型预测控制与端点位姿测量的可变形线性物体网络顺序操作

可变形线性物体的机器人操作是一个活跃的研究领域，然而诸如汽车线束安装等新兴应用引入了先前工作中未考虑过的约束。受限的工作空间和有限的可见性使得多机器人操作和 DLO 构型（状态）直接测量的先前假设变得复杂。这项工作专注于连接形成 DLO 网络（DLON）的刚性 DLO 的单臂操作，其测量（输出）是 DLON 的端点位姿，在操作过程中受到未知动力学的影响。为了证明在没有状态估计的情况下基于输出的控制是可行的，通过在模拟轨迹上训练神经网络模型，证明了存在直接的输入-输出动力学。然后用多项式近似输出动力学，并发现其中包含众所周知的刚体动力学项。我们开发了一个由刚体模型和在线数据驱动残差组成的复合模型，该模型比单独使用任一模型都能更准确地预测输出动力学，且不需要对系统的先验经验。我们开发了一种带有复合模型的自适应模型预测控制器用于 DLON 操作，该控制器在模拟和物理汽车线束中均完成了 DLON 安装任务。