Hysteresis-Aware Neural Network Modeling and Whole-Body Reinforcement Learning Control of Soft Robots

要約

ソフトロボットは固有のコンプライアンスと安全性を示し、外科手術などの人間との直接的な物理的相互作用を必要とするアプリケーションに特に適しています。
ただし、柔らかい材料の特性に起因する非線形およびヒステリックな挙動は、正確なモデリングと制御のための大きな課題を提示します。
この研究では、外科用途向けに設計されたソフトロボットシステムを紹介し、ヒステリックな挙動を含むソフトロボットの全身運動を正確にキャプチャおよび予測するヒステリシス対応全身ニューラルネットワークモデルを提案します。
高精度の動的モデルに基づいて、ソフトロボット制御のための高度な並列シミュレーション環境を構築し、ポリシー補強学習アルゴリズムを適用して、全身モーション制御戦略を効率的にトレーニングします。
訓練された制御ポリシーに基づいて、外科用途向けのソフトロボットシステムを開発し、物理的環境でのファントムベースのレーザーアブレーション実験を通じてそれを検証しました。
結果は、ヒステリシス認識モデリングが、従来のモデリング方法と比較して平均二乗誤差（MSE）が84.95％減少することを示しています。
展開されたコントロールアルゴリズムは、実際のソフトロボットで0.126〜0.250 mmの範囲の軌跡追跡エラーを達成し、実際の条件での精度を強調しました。
提案された方法は、ファントムベースの外科的実験で強力なパフォーマンスを示し、将来の現実世界の臨床アプリケーションを含む複雑なシナリオの可能性を示しています。

要約(オリジナル)

Soft robots exhibit inherent compliance and safety, which makes them particularly suitable for applications requiring direct physical interaction with humans, such as surgical procedures. However, their nonlinear and hysteretic behavior, resulting from the properties of soft materials, presents substantial challenges for accurate modeling and control. In this study, we present a soft robotic system designed for surgical applications and propose a hysteresis-aware whole-body neural network model that accurately captures and predicts the soft robot’s whole-body motion, including its hysteretic behavior. Building upon the high-precision dynamic model, we construct a highly parallel simulation environment for soft robot control and apply an on-policy reinforcement learning algorithm to efficiently train whole-body motion control strategies. Based on the trained control policy, we developed a soft robotic system for surgical applications and validated it through phantom-based laser ablation experiments in a physical environment. The results demonstrate that the hysteresis-aware modeling reduces the Mean Squared Error (MSE) by 84.95 percent compared to traditional modeling methods. The deployed control algorithm achieved a trajectory tracking error ranging from 0.126 to 0.250 mm on the real soft robot, highlighting its precision in real-world conditions. The proposed method showed strong performance in phantom-based surgical experiments and demonstrates its potential for complex scenarios, including future real-world clinical applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google