Enhancing Precision in Tactile Internet-Enabled Remote Robotic Surgery: Kalman Filter Approach

要約

遠隔手術タスクにおいて、患者側のロボット アームの位置をリアルタイムで正確に推定することは、特に触覚インターネット (TI) 環境において、重大な課題です。
この論文では、カルマン フィルター (KF) ベースの計算効率の高い位置推定方法を紹介します。
また、この研究では、ロボット アーム システムの動的システム モデルについての事前知識がないことを前提としています。
代わりに、ロボット手術データの包括的なコレクションである JIGSAW データセットとマスター ツール マニピュレーター (MTM) の入力を利用して、Matlab で利用可能なシステム識別 (SI) ツールキットを使用してシステム モデルを学習します。
さらに、遅延、ジッター、パケット損失を含むシミュレートされたネットワーク条件下で患者側マニピュレーター (PSM) の位置を決定する KF の有効性を調査します。
これらの状況は、現実世界の触覚インターネット アプリケーションで遭遇する典型的な課題を反映しています。
研究の結果は、ネットワークに起因する不確実性にもかかわらず、90% 以上の推定精度で正確な状態推定を達成する際の KF の回復力と有効性を強調しています。

要約(オリジナル)

Accurately estimating the position of a patient’s side robotic arm in real time in a remote surgery task is a significant challenge, particularly in Tactile Internet (TI) environments. This paper presents a Kalman Filter (KF) based computationally efficient position estimation method. The study also assume no prior knowledge of the dynamic system model of the robotic arm system. Instead, The JIGSAW dataset, which is a comprehensive collection of robotic surgical data, and the Master Tool Manipulator’s (MTM) input are utilized to learn the system model using System Identification (SI) toolkit available in Matlab. We further investigate the effectiveness of KF to determine the position of the Patient Side Manipulator (PSM) under simulated network conditions that include delays, jitter, and packet loss. These conditions reflect the typical challenges encountered in real-world Tactile Internet applications. The results of the study highlight KF’s resilience and effectiveness in achieving accurate state estimation despite network-induced uncertainties with over 90\% estimation accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google