连续体机械臂无先验模型的碰撞检测学习
机器人学
2019-08-14 v1 机器学习
摘要
由于其灵活性、灵巧性和紧凑尺寸，连续体机械臂（CMs）可增强微创介入。在这些操作中，CM 可能在敏感器官附近操作；因此，在与周围环境碰撞时需要准确且适当的反馈。传统的 CM 碰撞检测算法依赖于精确 CM 约束运动学模型、恒定曲率行为等几何假设、环境约束几何的先验知识以及/或用于扫描环境或感知接触的附加传感器的组合。在本文中，我们提出一种仅使用可用传感信息的数据驱动机器学习方法，无需任何先验几何假设、CM 或周围环境的模型。所提算法在非恒定曲率 CM 上实现并评估，该 CM 配备用于形状感知的布拉格光纤光栅（FBG）光学传感器。结果表明，在具有未知刚度和位置的软硬障碍物的约束环境中成功检测碰撞。
引用
@article{arxiv.1908.04354,
title = {Learning to Detect Collisions for Continuum Manipulators without a Prior Model},
author = {Shahriar Sefati and Shahin Sefati and Iulian Iordachita and Russell H. Taylor and Mehran Armand},
journal= {arXiv preprint arXiv:1908.04354},
year = {2019}
}
备注
Accepted for publication in International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI) 2019