Stochastic Adaptive Estimation in Polynomial Curvature Shape State Space for Continuum Robots

要約

連続ロボット工学では、リアルタイムのロバストな形状推定は、複雑な環境での物理的操作を伴うタスクの計画と制御に不可欠です。
この論文では、連続ロボット用に特別に設計された、新しい確率的オブザーバーベースの形状推定フレームワークを紹介します。
形状状態空間は多項式のモーダル係数によって一意に表現され、多項式曲率運動学を利用して円弧長に沿った曲率分布を記述することが可能になります。
私たちのフレームワークは、限定された離散的な位置、方向、または姿勢センサーからのノイズの多い測定値を処理して、形状状態をロバストに推定します。
我々は、新しいノイズ加重可観測性マトリックスを導出し、多様なセンサー構成下での可観測性変動の詳細な評価を提供します。
単一モデルの制限を克服するために、オブザーバーは相互作用複数モデル (IMM) 手法と拡張カルマン フィルター (EKF) を組み合わせて、異なる次数の多項式曲率モデルを混合します。
マルコフ プロセスに根ざした IMM アプローチは、リアルタイム モデルの確率に基づいてさまざまな多項式次数に動的に適応することで、複数のモデル シナリオを効果的に管理します。
この適応性は、さまざまな条件下でロボットの動作のロバストな形状推定を保証するための鍵となります。
シミュレーション研究と実験的検証の両方によってサポートされた私たちの包括的な分析により、私たちが提案した方法の堅牢性と精度が確認されています。

要約(オリジナル)

In continuum robotics, real-time robust shape estimation is crucial for planning and control tasks that involve physical manipulation in complex environments. In this paper, we present a novel stochastic observer-based shape estimation framework designed specifically for continuum robots. The shape state space is uniquely represented by the modal coefficients of a polynomial, enabled by leveraging polynomial curvature kinematics to describe the curvature distribution along the arclength. Our framework processes noisy measurements from limited discrete position, orientation, or pose sensors to estimate the shape state robustly. We derive a novel noise-weighted observability matrix, providing a detailed assessment of observability variations under diverse sensor configurations. To overcome the limitations of a single model, our observer employs the Interacting Multiple Model (IMM) method, coupled with Extended Kalman Filters (EKFs), to mix polynomial curvature models of different orders. The IMM approach, rooted in Markov processes, effectively manages multiple model scenarios by dynamically adapting to different polynomial orders based on real-time model probabilities. This adaptability is key to ensuring robust shape estimation of the robot’s behaviors under various conditions. Our comprehensive analysis, supported by both simulation studies and experimental validations, confirms the robustness and accuracy of our proposed methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google