Modelo de control integral de trayectoria predictiva del robot RIS utilizando el identificador RBF y el filtro...

Área de la Ciencia:

• La robótica
• La robótica médica
• Sistemas de control

Sus antecedentes:

• El control de robots serpientes accionados por cable, especialmente para cirugía oftalmológica (por ejemplo, I2RIS), es complejo debido a no linealidades como la histeresis y la fricción.
• Los robots de pequeña escala como I2RIS carecen de retroalimentación sensorial, lo que aumenta los desafíos de control en procedimientos delicados.

Objetivo del estudio:

• Desarrollar y evaluar una estrategia de control adaptativo para modelos basados en datos de serpientes robóticas oftalmológicas.
• Mejorar la robustez y el rendimiento del control robótico de serpientes frente a las incertidumbres del modelo y los entornos desconocidos.

Principales métodos:

• Aplicó un controlador de ruta integral predictiva de modelo (MPPI) a un modelo basado en datos de mezcla gaussiana (GMM) y regresión de mezcla gaussiana (GMR) del I2RIS.
• Simulación de perturbaciones externas desconocidas y cargas ambientales para probar el rendimiento en escenarios no vistos.
• Identificación de incertidumbre en línea implementada utilizando una red de función de base radial (RBF) con ponderaciones actualizadas por un filtro extendido de Kalman (EKF).

Principales resultados:

• El controlador MPPI demostró soluciones de control óptimas robustas incluso con incertidumbres simuladas.
• El mecanismo adaptativo identificó y compensó efectivamente las incertidumbres del modelo en línea.
• El MPPI mostró superioridad computacional en comparación con el Modelo de Control Predictivo (MPC) convencional.

Conclusiones:

• El controlador MPPI adaptativo propuesto mejora la fiabilidad de los modelos basados en datos para las serpientes robóticas oftalmológicas.
• Este enfoque ofrece una solución computacionalmente eficiente y robusta para el control de serpientes robóticas en entornos quirúrgicos complejos.
• La integración de GMM-GMR, RBF y EKF proporciona un marco poderoso para el control robótico adaptativo.