近年来， 连续体机器人 凭借其高柔顺性、灵活运动能力及轻量化和小型化结构，在医疗、工业检测、人机交 互等领域展现出巨大应用潜力。然而， 如何实现精准的路径跟踪仍是各类应用普遍面临的关键技术难题。 目前， 主流的路径跟踪方法依赖于逆运动学求解 ，即通过数学模型求解末端执行器期望运动路径下驱动器的 对应运动路径，并寻找多解以避开环境障碍物碰撞。然而，和刚性机械臂不同的是，连续体机器人多采用分段 等曲率模型，该模型缺乏逆运动学求解理论，传统数值方法依赖初值，也难以找到多解。部分研究采用模型预 测控制（ MPC），通过在线优化调整控制策略，但 该方法无法保证全局最优性。 受刚性机械臂研究的启发， 有学者提出在执行器空间规划全局最优轨迹，作为前馈控制信号以提高跟踪精 度。 然而，连续体机器人的高度非线性特性使得其任务空间、配置空间和执行器空间之间的映射关系更为复 杂。 数值逆运动学算法通常只能提供单一解，且对初始值敏感，难以满足全局轨迹优化的需求。 因此，如何突破逆运动学求解的局限性，发展高效、多解、不依赖初始值的解算和规划方法，是提升连续体机 器人路径跟踪性能的关键。 ▍提出最优路径跟踪框架，实现运动控制突破性优化 ...