Efficient Model Learning and Adaptive Tracking Control of Magnetic Micro-Robots for Non-Contact Manipulation

要約

磁気マイクロロボットは、外部磁場によってナビゲートされ、複雑で構造化されていない環境を持つ生体内を自律的に移動できます。
潜在的な用途には、薬物送達、診断、治療介入が含まれます。
既存の技術は一般に、対象物体に磁気特性を付与したり、ロボットを駆動して対象物体に接触させて操作したりするが、どちらもおそらく物理的損傷を引き起こす可能性がある。
この論文では、ロボットが回転して斥力場を生成し、物理的接触なしに物体を押す非接触定式化を検討します。
このような定式化の下での主な課題は、磁場の入力と対象物の出力速度の間の運動モデルが一般的に未知であり、解析が難しいことです。
これに対処するために、本稿ではデータ駆動型のソリューションを提案します。
運動モデルを効率的に推定するためにニューラル ネットワークが構築されます。
次に、近似モデルベースの最適制御スキームが開発され、物体を時間変化軌道に追従させ、距離制約との非接触を維持します。
さらに、乱雑で構造化されていない環境における非接触操作の適応性を評価するために、簡単なプランナーが導入されています。
実験結果は、提案されたスキームの追跡およびナビゲーション性能を示すために提示されます。

要約(オリジナル)

Magnetic microrobots can be navigated by an external magnetic field to autonomously move within living organisms with complex and unstructured environments. Potential applications include drug delivery, diagnostics, and therapeutic interventions. Existing techniques commonly impart magnetic properties to the target object,or drive the robot to contact and then manipulate the object, both probably inducing physical damage. This paper considers a non-contact formulation, where the robot spins to generate a repulsive field to push the object without physical contact. Under such a formulation, the main challenge is that the motion model between the input of the magnetic field and the output velocity of the target object is commonly unknown and difficult to analyze. To deal with it, this paper proposes a data-driven-based solution. A neural network is constructed to efficiently estimate the motion model. Then, an approximate model-based optimal control scheme is developed to push the object to track a time-varying trajectory, maintaining the non-contact with distance constraints. Furthermore, a straightforward planner is introduced to assess the adaptability of non-contact manipulation in a cluttered unstructured environment. Experimental results are presented to show the tracking and navigation performance of the proposed scheme.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google