I²RISロボットのモデル予測パスの統合制御 RBF識別子と拡張カルマンフィルターを使用

科学分野:

• ロボット
• 医療ロボット
• 制御システム

背景:

• ケーブル駆動のヘビロボット,特に眼科手術 (例えばI2RIS) の制御は,ヒステレスと摩擦のような非線形性のために複雑です.
• I2RISのような小型ロボットには 感覚フィードバックがなく 繊細な手順では制御が難しくなります

研究 の 目的:

• 眼科ロボットヘビのデータベースの制御戦略を開発し評価する.
• モデルの不確実性や未知の環境に直面して,ロボットヘビの制御の頑丈さと性能を向上させる.

主な方法:

• Model Predictive Path Integral (MPPI) コントローラーをGaussian Mixture Model (GMM) とGaussian Mixture Regression (GMR) ベースのデータ駆動モデルに適用した.
• 未知の外部障害や環境負荷をシミュレートして,未知のシナリオで性能をテストする.
• 拡張カルマンフィルター (EKF) によって更新された重みを持つ放射基礎関数 (RBF) ネットワークを使用してオンラインの不確実性識別を実施しました.

主要な成果:

• MPPI コントローラーは,シミュレートされた不確実性であっても,堅牢な最適制御ソリューションを実証しました.
• 適応メカニズムはオンラインでモデルの不確実性を効果的に特定し,補償しました.
• MPPIは従来のモデル予測制御 (MPC) に比べて計算上の優位性を示した.

結論:

• 提案された適応MPPIコントローラーは,眼科ロボットヘビのデータ駆動モデルの信頼性を高めます.
• このアプローチは 複雑な手術環境で ロボットヘビを制御するための 計算効率の良い 堅牢なソリューションです
• GMM-GMR,RBF,およびEKFの統合は,適応ロボット制御のための強力なフレームワークを提供します.