约束环境下DLO操作的层次规划与神经追踪

本文解决了在复杂、充满障碍物的环境中操作可变形线性物体（DLO）的难题。关键贡献是结合了层次变形规划和神经追踪的框架。这种方法意义重大，因为它解决了DLO的高维状态空间和复杂的动力学问题，同时也考虑了环境施加的约束。使用神经模型预测控制方法进行追踪尤其值得注意，因为它利用数据驱动的模型进行精确的变形控制。在受约束的DLO操作任务中的验证表明了该框架的实际相关性。

• •提出了一个用于约束环境中DLO操作的新框架。
• •结合了层次变形规划和神经追踪。
• •使用路径集引导的优化方法进行变形序列合成。
• •采用神经模型预测控制方法进行精确的变形追踪。
• •在广泛的约束DLO操作任务中进行了验证。