要約
超音波スキャン ロボットは、人間とロボットのやり取りが頻繁に行われる環境で動作します。
超音波スキャンの既存の制御方法のほとんどは、1 つの特定の相互作用状況のみに対処するか、さまざまな状況に応じてコントローラー間にハード スイッチを実装するため、安全性と効率性の両方が損なわれます。
この論文では、すべての一般的なインタラクションを処理し、人間が意図したタイプと意図しないタイプの両方を区別し、適切なコンプライアンスに適応できる超音波スキャンロボット用の統合インタラクション制御フレームワークを提案します。
具体的には、対話が意図されている場合、たとえば医師がロボットを掴んでエンドエフェクタを能動的に誘導する場合など、ロボットは進行中の主なタスクを一時停止または調整します。
さらに、意図しない相互作用を特定し、ヌル空間での潜在的な衝突を事前に回避できます。
衝突が発生した場合でも、ヌル空間での衝突に準拠し、メイン タスク (スキャンが進行中の) への影響を運動学的かつ動的に軽減しようとする可能性があります。
複数の状況が統合コントローラーに統合され、人間の意図を認識したコンプライアンスを示すことで相互作用に対処するためのスムーズな移行が行われます。
実験結果は、共同頸動脈超音波スキャンタスクにおける意図された介入や意図しない衝突を含むすべての一般的な相互作用にフレームワークが対処できる能力を検証しました。
要約(オリジナル)
The ultrasound scanning robot operates in environments where frequent human-robot interactions occur. Most existing control methods for ultrasound scanning address only one specific interaction situation or implement hard switches between controllers for different situations, which compromises both safety and efficiency. In this paper, we propose a unified interaction control framework for ultrasound scanning robots capable of handling all common interactions, distinguishing both human-intended and unintended types, and adapting with appropriate compliance. Specifically, the robot suspends or modulates its ongoing main task if the interaction is intended, e.g., when the doctor grasps the robot to lead the end effector actively. Furthermore, it can identify unintended interactions and avoid potential collision in the null space beforehand. Even if that collision has happened, it can become compliant with the collision in the null space and try to reduce its impact on the main task (where the scan is ongoing) kinematically and dynamically. The multiple situations are integrated into a unified controller with a smooth transition to deal with the interactions by exhibiting human-intention-aware compliance. Experimental results validate the framework’s ability to cope with all common interactions including intended intervention and unintended collision in a collaborative carotid artery ultrasound scanning task.
arxiv情報
著者 | Xiangjie Yan,Shaqi Luo,Yongpeng Jiang,Mingrui Yu,Chen Chen,Senqiang Zhu,Gao Huang,Shiji Song,Xiang Li |
発行日 | 2024-11-29 08:43:53+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google