该论文旨在解决多无人机刚性负载级联运输系统在密集障碍物环境中的轨迹规划挑战。研究背景是现有方法在复杂环境中难以同时保证路径安全性、运动平滑性和系统动态约束。
论文提出了一个两阶段轨迹规划框架：
- 第一阶段：开发了增强型Tube-RRT*算法，集成了主动混合采样(active hybrid sampling)和自适应扩展策略(adaptive expansion strategy)，并在边成本中显式加入了轨迹平滑度成本(trajectory smoothness cost)。
- 第二阶段：构建了一个凸二次规划(convex quadratic program)，考虑了负载平移和旋转动力学(payload translational and rotational dynamics)、缆绳张力约束(cable tension constraints)和碰撞安全约束(collision-safety constraints)。
- 最后应用集中式几何控制方案(centralized geometric control scheme)验证规划框架。
论文的核心创新点包括：
1. 提出了增强型Tube-RRT*算法，通过主动混合采样和自适应扩展策略的集成，显著提高了在密集障碍物环境中生成安全虚拟管(virtual tube)的效率和成功率。
2. 在RRT*的边成本中显式引入轨迹平滑度成本，专门针对减少过度转弯，从而有效抑制缆绳引起的振荡(cable-induced oscillations)，这是传统方法未充分考虑的问题。
3. 构建了一个两阶段框架，将基于采样的路径规划与考虑完整系统动力学和约束的轨迹优化相结合，为级联运输系统(cascaded transportation system)提供了端到端的解决方案。
论文对该领域的整体贡献包括：
1. 提出了一个完整的多无人机刚性负载运输系统轨迹规划框架，特别适用于密集杂乱环境。
2. 通过仿真验证了增强型Tube-RRT*算法相比现有变体（如STube-RRT*和AETube-RRT*）在成功率、采样效率和路径质量方面的优越性。
3. 为解决缆绳振荡这一实际工程问题提供了有效的轨迹平滑方法。
4. 为密集环境中的负载姿态机动(payload attitude maneuvering)提供了一个实用的解决方案。