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

要約

柔軟な連続体マニピュレータは低侵襲手術に有用であり、非線形の経路で狭い空間にアクセスできる。しかし、ケーブル駆動マニピュレーターは、摩擦、伸び、結合などのケーブル効果によるヒステリシスのために制御が難しいという問題に直面している。これらの効果は非線形性のためモデル化が困難であり、長尺で連結された複数のセグメントを持つマニピュレータを扱う場合、その困難さはさらに顕著になる。本論文では、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、ケーブルアクチュエーションのこれらの非線形で前状態に依存する特性を捉える。提案する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つのフィデューシャルマーカーを用いて、指令関節構成に応じた物理関節構成を収集する。4つのDNNモデルの推定性能を比較した結果、時間畳み込みネットワーク(TCN)が最も高い予測能力を示した。学習したTCNを活用し、ヒステリシスを補正する制御アルゴリズムを構築する。未知の軌道を用いたタスク空間での追跡テストにより、提案した制御アルゴリズムが、平均位置誤差を61.39%（13.7mmから5.29mmへ）、平均姿勢誤差を64.04%（31.17{deg}から11.21{deg}へ）それぞれ低減することが示された。この結果は，マニピュレータのヒステリシスを推定することで，提案する較正コントローラが効果的に所望の形状に到達することを示唆している．本手法を実際の手術シナリオに適用することで，制御精度が向上し，手術成績が向上する可能性がある．

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, DeepL