一种用于与未知几何和刚度的障碍环境交互的连续体机械臂无模型控制的多功能数据驱动框架
机器人学
2020-05-06 v1 系统与控制
系统与控制
摘要
本文解决了在自由或障碍环境中控制连续体机械臂（CM）的问题，无需事先了解CM的变形行为以及交互障碍环境的刚度和几何形状。我们提出了一种通用的数据驱动先验模型无关（PMI）控制框架，在该框架中，可以根据提供的反馈定义各种控制范式（例如CM的位置或形状控制）。该最优迭代算法实时学习CM在与未知环境交互中的变形行为，然后完成定义的控制目标。为了评估所提出框架的可扩展性，我们将两种为医疗应用设计的CM与达芬奇研究套件（dVRK）集成。在11组实验中研究了该框架的性能和学习能力，包括在自由和未知障碍环境中的PMI位置和形状控制，以及在操作未知可变形物体时的控制。我们还在一项离体实验中用羊心评估了算法的性能。理论和实验结果表明了所提出框架的自适应性、多功能性和准确性，因此适用于涉及连续体机械臂的各种应用。
引用
@article{arxiv.2005.01951,
title = {A Versatile Data-Driven Framework for Model-Independent Control of Continuum Manipulators Interacting With Obstructed Environments With Unknown Geometry and Stiffness},
author = {Farshid Alambeigi and Zerui Wang and Yun-Hui Liu and Russell H. Taylor and Mehran Armand},
journal= {arXiv preprint arXiv:2005.01951},
year = {2020}
}
备注
28 pages, 15 Figures