实时全身接触估计连续机器人使用复合纤维的实时全身接触估计,用于嵌入式执行和传感,以量化相互作用
Zecai Lin1,2, Jingyuan Xia1,2, Zheng Xu1,2
1The Institute of Medical Robotics, Shanghai Jiao Tong University, Shanghai, China.
Soft robotics
|November 7, 2025
概括
本研究引入了一个实时框架,用于估计使用神经网络和执行数据的毫米连续机器人的接触力. 这使得通过精确感知机器人与环境的相互作用,可以在狭窄的空间中进行更安全的微妙操纵.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 医疗器械 医疗器械
- 机器智能机器智能机器智能
背景情况:
- 毫米电缆驱动的连续机器人为封闭的环境提供了符合形状和灵巧的操纵,如内膜干预.
- 精确的力相互作用量化对于形状调整和在操纵过程中防止微妙的光结构受损至关重要.
研究的目的:
- 为小型连续机器人开发实时全身接触估计框架.
- 通过先进的传感能力,在受限制的环境中实现更安全,更精确的操作.
主要方法:
- 开发了一个结合执行纤维和基于模型的神经网络的框架,将接触估计视为反向问题.
- 棒理论制定了外部接触,内部执行和形状感知之间的物理关系.
- 生成对抗网络 (GAN) 用于数据增强,并创建了一个自动数据采集平台,以尽量减少现实世界的数据需求.
主要成果:
- 该框架在估计3D接触位置 (1.7毫米误差) 和接触力大小 (8.7毫米误差) 中实现了高精度.
- 实时估计在 25 Hz 的频率上被证明是.
- 在形连续机器人上的实验验验证了该方法的一般适用性和准确性.
结论:
- 拟议的框架使得毫米连续机器人的精确实时力估计成为可能.
- 这项技术通过提供关键的感官反,促进了在狭窄的空间中更安全的操作.
- 它为在连续机器人中使用多重复合纤维集成同时执行和传感铺平了道路.
