基于混合密度网络的腱驱动连续体机器人运动学不确定性建模
机器人学
2024-04-08 v1
摘要
腱驱动连续体机器人的运动学模型通常计算成本高、因未建模效应而不准确，或两者兼有。特别是，未建模效应会在机器人操作过程中产生不确定性，导致最终几何形状的变异性。我们提出了一种新颖的解决方案，通过开发高斯混合运动学模型来解决这些问题。我们训练一个混合密度网络，根据当前腱位移输出机器人几何形状的高斯混合模型表示。该模型计算出的概率分布比输出单一几何形状的模型更能代表给定配置下几何形状的真实分布，同时减少了计算时间。我们通过一种轨迹优化方法展示了该模型的一种用途，该方法明确考虑了工作空间不确定性，以最小化碰撞概率。
引用
@article{arxiv.2404.04241,
title = {Modeling Kinematic Uncertainty of Tendon-Driven Continuum Robots via Mixture Density Networks},
author = {Jordan Thompson and Brian Y. Cho and Daniel S. Brown and Alan Kuntz},
journal= {arXiv preprint arXiv:2404.04241},
year = {2024}
}