基于 Informer 模型的远程机器人手术精度提升预测方法
机器人学
2025-01-27 v1 人工智能
摘要
远程机器人手术在 Tactile Internet 环境中，对机器人机臂在患者侧的位置的精确和实时估计至关重要。本文提出一种基于 Transformer-based Informer 框架的预测模型，用于准确且高效的位置估计。此外，它结合四状态隐马尔可夫模型（4-State HMM）以模拟真实的 packet loss 场景。该方法解决了网络延迟、抖动和 packet loss 等挑战，确保在远程外科应用中可靠且精确的操作。在训练过程中，通过嵌入能源效率、平滑性和鲁棒性等约束到 Informer 模型中，使用可微分优化层实现。Informer 框架使用 ProbSparse 注意力、注意力提炼和生成式解码器等特征，聚焦于位置关键特征，同时保持 O(L log L) 的低计算复杂度。该方法采用 JIGSAWS 数据集进行评估，在各种网络场景下实现超过 90% 的预测精度。与 TCN、RNN 和 LSTM 等模型的比较表明，Informer 框架在处理位置预测和满足实时要求方面表现优异，适用于 Tactile Internet 可实现的机器人手术。
引用
@article{arxiv.2501.14678,
title = {A Predictive Approach for Enhancing Accuracy in Remote Robotic Surgery Using Informer Model},
author = {Muhammad Hanif Lashari and Shakil Ahmed and Wafa Batayneh and Ashfaq Khokhar},
journal= {arXiv preprint arXiv:2501.14678},
year = {2025}
}