Hysteresis Compensation of Flexible Continuum Manipulator using RGBD Sensing and Temporal Convolutional Network

要約

柔軟な連続マニピュレーターは、非直線経路を介して限られた空間へのアクセスを提供する、低侵襲手術に重宝されています。
しかし、ケーブル駆動マニピュレータは、摩擦、伸び、結合などのケーブル効果によるヒステリシスにより、制御が困難になるという問題に直面しています。
これらの効果は非線形であるためモデル化が難しく、長く結合された複数のセグメントに分かれたマニピュレータを扱う場合には、その困難さがさらに顕著になります。
この論文では、ケーブル作動のこれらの非線形および以前の状態に依存する特性を捕捉するための、ディープ ニューラル ネットワーク (DNN) に基づくデータ駆動型アプローチを提案します。
提案されたマニピュレータのヒステリシスをモデル化するために、RGBD センシングと 7 つの基準マーカーを使用して、コマンド ジョイント構成に従って物理的なジョイント構成を収集します。
4 つの DNN モデルの推定パフォーマンスを比較した研究の結果は、Temporal Convolution Network (TCN) が最も高い予測能力を示していることを示しています。
トレーニングされた TCN を活用して、ヒステリシスを補償する制御アルゴリズムを構築します。
目に見えない軌道を使用したタスク空間での追跡テストでは、提案された制御アルゴリズムにより、平均位置および方向誤差が 61.39% (13.7mm から 5.29 mm) および 64.04% (31.17{\deg} から 11.21{\deg}) 減少することが示されています。
それぞれ。
この結果は、提案された校正済みコントローラーがマニピュレーターのヒステリシスを推定することによって効果的に所望の構成に到達することを意味します。
この方法を実際の手術シナリオに適用すると、制御の精度が向上し、手術のパフォーマンスが向上する可能性があります。

要約(オリジナル)

Flexible continuum manipulators are valued for minimally invasive surgery, offering access to confined spaces through nonlinear paths. However, cable-driven manipulators face control difficulties due to hysteresis from cabling effects such as friction, elongation, and coupling. These effects are difficult to model due to nonlinearity and the difficulties become even more evident when dealing with long and coupled, multi-segmented manipulator. This paper proposes a data-driven approach based on Deep Neural Networks (DNN) to capture these nonlinear and previous states-dependent characteristics of cable actuation. We collect physical joint configurations according to command joint configurations using RGBD sensing and 7 fiducial markers to model the hysteresis of the proposed manipulator. Result on a study comparing the estimation performance of four DNN models show that the Temporal Convolution Network (TCN) demonstrates the highest predictive capability. Leveraging trained TCNs, we build a control algorithm to compensate for hysteresis. Tracking tests in task space using unseen trajectories show that the proposed control algorithm reduces the average position and orientation error by 61.39% (from 13.7mm to 5.29 mm) and 64.04% (from 31.17{\deg} to 11.21{\deg}), respectively. This result implies that the proposed calibrated controller effectively reaches the desired configurations by estimating the hysteresis of the manipulator. Applying this method in real surgical scenarios has the potential to enhance control precision and improve surgical performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google