基于电阻抗断层成像与循环神经网络的软连续体执行器尖端位置与接触力预测
机器人学
2023-04-26 v2
摘要
软体机器人可实现灵巧操控与安全的人机交互，被广泛应用于众多外科手术中。将软体机器人用于外科手术的一个难题是重构其形状及作用于其上的外力。已有若干基于传感器与基于模型的方法来解决该问题。本文提出一种基于电阻抗断层成像（EIT）的形状感知技术。通过一系列实证测试，突出了该感知技术在预测软弯曲执行器尖端位置与接触力方面的性能。预测基于使用长短期记忆（LSTM）循环神经网络的数据驱动方法完成。尖端位置预测表明了将 EIT 数据与压力输入结合使用的重要性。通过改变 EIT 通道数，我们评估了 EIT 输入数量对预测精度的影响。尖端位置的最小 RMSE 值在 Y 和 Z 坐标下分别为 3.6 和 4.6 mm，分别为执行器总运动范围的 7.36% 和 6.07%。接触力预测在三种不同弯曲角度下进行，并改变 EIT 通道数。预测结果表明，增加通道数有助于提高力估计精度。使用 8 通道时的平均误差在三种不同弯曲角度下分别为总力范围的 7.69%、2.13% 和 2.96%。
引用
@article{arxiv.2302.06456,
title = {Soft Continuum Actuator Tip Position and Contact Force Prediction, Using Electrical Impedance Tomography and Recurrent Neural Networks},
author = {Amirhosein Alian and George Mylonas and James Avery},
journal= {arXiv preprint arXiv:2302.06456},
year = {2023}
}
备注
Revised version for 6th IEEE-RAS International Conference on Soft Robotics (RoboSoft 2023) - updated figures and discussion