基于图注意力网络的可变形线性物体形状控制混合力-位置策略

arXiv 2025 29.7 method, application

TLDR

提出融合图注意力动力学模型的混合力-位置MPC，用于可变形线性物体形状控制，并经仿真和真实实验验证。

评分理由

Strengths: addresses challenging DLO manipulation with combined force/position and GNN-based dynamics, including sim and real validation. Weaknesses: no evidence of general world model claims; scope limited to DLO shape control and novelty is incremental.

Read-first 评分解释

综合优先阅读分 29.7，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 5。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：实验、结果

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：代码

主题相关性 42%

7.1

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：318。

关键词评分

world dynamics prediction

world model

world simulator

model-based reinforcement learning world model

generative world model

interactive world model

video world model

资源

论文