增强触觉互联网远程机器人手术的精度：卡尔曼滤波器方法

在远程手术任务中实时准确估计患者侧机械臂的位置是一个重大挑战，尤其是在触觉互联网（TI）环境中。本文提出了一种基于卡尔曼滤波器（KF）的计算高效的位置估计方法。研究还假设对机械臂系统的动态系统模型没有先验知识。相反，利用JIGSAW数据集（一个全面的机器人手术数据集合）和主工具操纵器（MTM）的输入，使用Matlab中的系统辨识（SI）工具箱学习系统模型。我们进一步研究了在模拟网络条件（包括延迟、抖动和丢包）下KF确定患者侧操纵器（PSM）位置的有效性。这些条件反映了真实触觉互联网应用中遇到的典型挑战。研究结果突显了KF在面对网络不确定性时的鲁棒性和有效性，实现了超过90%的估计精度。