用于手术机器人工具运动学控制的混合数据驱动与解析模型
机器人学
2020-06-11 v2
摘要
精确的运动学模型对于手术机器人的有效控制至关重要。对于微创外科中常见的腱驱动机器人，其固有非线性十分重要，需加以考虑。传统解析方法通过对非线性作出特定假设与简化来建立系统运动学模型。机器学习技术则可根据所获数据恢复更复杂的模型。然而，解析模型更具泛化性，但可能过度简化；数据驱动模型可适应更复杂模型，但泛化性较差，且结果受训练数据集影响很大。本文提出一种将解析与数据驱动方法相结合以建立非线性腱驱动手术机器人运动学模型的新方法。采用高斯过程回归（GPR）学习数据驱动模型，并在仿真数据与真实实验数据上对所提方法进行测试。
引用
@article{arxiv.2006.03159,
title = {Hybrid Data-Driven and Analytical Model for Kinematic Control of a Surgical Robotic Tool},
author = {Francesco Cursi and Anh Nguyen and Guang-Zhong Yang},
journal= {arXiv preprint arXiv:2006.03159},
year = {2020}
}