Vibration-Assisted Hysteresis Mitigation for Achieving High Compensation Efficiency

要約

腱鞘のメカニズム（TSM）は、低侵襲外科（MIS）アプリケーションで広く使用されていますが、摩擦、逆ラッシュ、および腱伸長のリードによって重大な追跡エラーに重点を置いている固有のヒステリシスが推測されます。
従来のモデリングと補償方法は、これらの非線形性と闘い、広範なパラメーターチューニングが必要です。
これに対処するために、腱の動きの方向に沿って制御された振動運動が適用され、摩擦を緩和して死んだゾーンを減らすために、振動支援のヒステリシス補償アプローチを提案します。
実験結果は、発揮された振動がすべてのテストされた周波数にわたって一貫してヒステリシスを減らし、RMSEを最大23.41％（2.2345 mmから1.7113 mm）に減らし、相関を改善し、より正確なトレーズトラッキングにつながることを示しています。
時間的畳み込みネットワーク（TCN）ベースの補償モデルと組み合わせると、振動はパフォーマンスをさらに向上させ、MAEで85.2％の減少を達成します（1.334 mmから0.1969 mm）。
振動がなければ、TCNベースのアプローチは、同じパラメーター設定でMAEを72.3％（1.334 mmから0.370 mm）削減します。
これらの発見は、振動がヒステリシスを効果的に軽減し、軌道の精度を改善し、より少ないトレーニング可能なパラメーターでより効率的な補償モデルを可能にすることを確認しています。
このアプローチは、TSMベースのロボットアプリケーション、特にMISのスケーラブルで実用的なソリューションを提供します。

要約(オリジナル)

Tendon-sheath mechanisms (TSMs) are widely used in minimally invasive surgical (MIS) applications, but their inherent hysteresis-caused by friction, backlash, and tendon elongation-leads to significant tracking errors. Conventional modeling and compensation methods struggle with these nonlinearities and require extensive parameter tuning. To address this, we propose a vibration-assisted hysteresis compensation approach, where controlled vibrational motion is applied along the tendon’s movement direction to mitigate friction and reduce dead zones. Experimental results demonstrate that the exerted vibration consistently reduces hysteresis across all tested frequencies, decreasing RMSE by up to 23.41% (from 2.2345 mm to 1.7113 mm) and improving correlation, leading to more accurate trajectory tracking. When combined with a Temporal Convolutional Network (TCN)-based compensation model, vibration further enhances performance, achieving an 85.2% reduction in MAE (from 1.334 mm to 0.1969 mm). Without vibration, the TCN-based approach still reduces MAE by 72.3% (from 1.334 mm to 0.370 mm) under the same parameter settings. These findings confirm that vibration effectively mitigates hysteresis, improving trajectory accuracy and enabling more efficient compensation models with fewer trainable parameters. This approach provides a scalable and practical solution for TSM-based robotic applications, particularly in MIS.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google