通过迭代学习控制实现精确旋转插入以提高针尖穿透效果
机器人学
2025-11-04 v1
摘要
实现机器人工具路径的精确控制常面临系统偏移、未建模动力学和驱动误差的挑战。本文引入迭代学习控制（Iterative Learning Control, ILC）策略，以启用机器人手术中工具的精确旋转插入，显著改善相对于亚 retina 注射中直线插入的穿透效果和安全性。采用 4 自由度（DOF）机器人操作臂，其中第四关节的偏移 complicate了简单应用针的旋转，动机在于使用ILC方法基于位置反馈迭代调整关节命令。过程从为所选手术工具校准正向运动学以实现更高精度开始，随后通过光学相干断层扫描（Optical Coherence Tomography, OCT）体积扫描测量误差并优化控制输入。实验结果在体外猫眼的亚 retina 注射任务中表明，优化轨迹在组织穿透和亚 retina 注射方面的成功率高于直线插入，展示了ILC在克服偏移挑战方面的有效性。该方法为其他需要受控插入的高精度机器人任务提供了潜在应用前景。
引用
@article{arxiv.2511.01256,
title = {Improving Needle Penetration via Precise Rotational Insertion Using Iterative Learning Control},
author = {Yasamin Foroutani and Yasamin Mousavi-Motlagh and Aya Barzelay and Tsu-Chin Tsao},
journal= {arXiv preprint arXiv:2511.01256},
year = {2025}
}
备注
10 pages, 10 figures