Enhanced Position Estimation in Tactile Internet-Enabled Remote Robotic Surgery Using MOESP-Based Kalman Filter

要約

特に触覚インターネット（TI）環境内で、患者のサイドロボットアームの位置をリアルタイムでリアルタイムで正確に推定することは、重要な課題です。
このホワイトペーパーでは、システム識別のための多変量出力状態空間（MOESP）メソッドと組み合わせたKalmanフィルター（KF）を使用した位置推定のための新しい効率的な方法を提示します。
システムのダイナミクスの事前知識を必要とする従来のアプローチとは異なり、この研究では、マスターツールマニピュレーター（MTM）からの入力とともに、ロボット外科データの包括的なコレクションであるジグソーパイデータセットを使用して、状態空間モデルを直接導き出します。
MOESPメソッドは、以前のシステムモデルなしで患者側のマニピュレーター（PSM）ダイナミクスの正確なモデリングを可能にし、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のKFのパフォーマンスを改善します。
これらの条件は、触覚インターネットアプリケーションにおける実際の課題を模倣しています。
この調査結果は、KFのレジリエンスの改善と状態推定の精度を示しており、ネットワーク誘発の不確実性にもかかわらず95％以上の精度を達成しています。

要約(オリジナル)

Accurately estimating the position of a patient’s side robotic arm in real time during remote surgery is a significant challenge, especially within Tactile Internet (TI) environments. This paper presents a new and efficient method for position estimation using a Kalman Filter (KF) combined with the Multivariable Output-Error State Space (MOESP) method for system identification. Unlike traditional approaches that require prior knowledge of the system’s dynamics, this study uses the JIGSAW dataset, a comprehensive collection of robotic surgical data, along with input from the Master Tool Manipulator (MTM) to derive the state-space model directly. The MOESP method allows accurate modeling of the Patient Side Manipulator (PSM) dynamics without prior system models, improving the KF’s performance under simulated network conditions, including delays, jitter, and packet loss. These conditions mimic real-world challenges in Tactile Internet applications. The findings demonstrate the KF’s improved resilience and accuracy in state estimation, achieving over 95 percent accuracy despite network-induced uncertainties.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google