SSTL：用于tendon-sheath 机制中滞后建模与补偿的自感应腱环

柔性内窥机器人能够通过自然孔道实现最小侵入性进入，但其控制精度受限于腱管机制（TSM）中配置相关的滞后问题。腱管摩擦和腱的弹性导致近端输入与远端输出之间存在系统性偏差，而该偏差随插入管的配置而变化。为此，本文提出一种自感应腱环（SSTL），一种双程腱环穿过插入管并围绕远端滑轮，最终返回近端。该环结构允许同时测量 SSTL 的输入张力和输出张力，从而在无需远端力传感器或光纤传感器的情况下获取输入-输出张力轮廓。由于 SSTL 与作动 TSM 共享相同的路由路径，两者的 TSM 在滞后行为上存在强相关性。基于 SSTL 的张力轮廓，可学习性地估计作动 TSM 的配置相关滞后参数，这些参数随后用于滞后补偿控制。我们通过在三种不同的插入管配置下跟踪作动腱张力来验证所提方法。在正弦和随机轨迹下，所提方法相对于未补偿的基线平均 RMSE 降低 88.1%，实现了 97.8% 的性能，后者要求直接测量作动 TSM 的输入和输出张力轮廓。