본 논문은 탄성-소성 물체 조작의 어려움(심각한 자기폐색, 표현의 어려움, 복잡한 동역학)을 해결하기 위해 새로운 프레임워크를 제안한다. 준정적 운동 가정 하에 3D 점유율을 이용해 물체를 표현하고, 3D 점유율로 학습된 동역학 모델과 학습 기반 예측 제어 알고리즘을 활용한다. 전체 공간 정보를 수집하는 새로운 데이터 수집 플랫폼과 3D 점유율 데이터셋 생성 파이프라인을 제시하며, 여러 RGB 이미지로부터 3D 점유율 예측 네트워크를 학습한다. 3D CNN과 GNN을 활용한 심층 신경망으로 복잡한 변형을 예측하고, 효율 향상을 위한 형태 기반 동작 초기화 모듈을 포함한 학습 기반 예측 제어 알고리즘을 도입한다. 시뮬레이션과 실제 환경에서 다양한 실험을 통해 제안된 프레임워크가 목표 형태로 탄성-소성 물체를 성공적으로 변형시킬 수 있음을 검증하였다.
