基于学习的智能轨迹规划,用于磁性机器人的自动导航
Yuanshi Kou1, Xurui Liu1, Xiaotian Ma1
1Laboratory for Soft intelligent Materials and Devices, School of Integrated Circuit, Huazhong University of Science and Technology, Wuhan, China.
Frontiers in robotics and AI
|December 27, 2023
概括
本研究介绍了一种基于学习的方法,用于磁性机器人的自动导航,消除了复杂的动力学建模的需要. 该方法使用长短期记忆 (LSTM) 网络用于医疗应用中精确的轨迹规划.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 电磁控制的机器人为微创手术和有针对性的分娩提供了潜在的潜力.
- 精确的自动导航受到复杂的环境和系统延迟的阻碍,使传统的动力学建模具有挑战性.
研究的目的:
- 为自主磁力机器人导航开发基于学习的轨迹规划策略.
- 为了克服机器人控制系统中动力学建模的局限性.
主要方法:
- 一个长期短期记忆 (LSTM) 神经网络被用来创建一个全球映射之间的电磁启动序列和机器人轨迹坐标.
- 通过手动控制机器人沿着曲路径50次生成数据集,用于训练LSTM网络.
主要成果:
- 经过训练的LSTM网络成功生成了用于自动导航磁力机器人的控制序列.
- 该系统展示了对熟悉的曲线路径和在模拟的血管环境中的新曲线,分支路径的有效控制.
结论:
- 拟议的基于学习的策略使磁性机器人能够有效地自动导航,而不需要明确的动力学模型.
- 这种方法对推进机器人系统在医学中的临床应用充满希望.
