用于机器人手术中组织异常主动搜索的轨迹优化感知
机器人学
2018-05-18 v2
摘要
在这项工作中，我们开发了一种引导机器人自动定位并找出解剖结构中存在的肿瘤及其他硬性包涵物形状的方法。我们的方法使用高斯过程对刚度分布建模，并使用主动学习来引导机器人的触诊路径。触诊路径的选择使得它们最大化由主动学习算法给出的采集函数。我们的方法提供了灵活性，以避开机器人路径中的障碍物，纳入机器人位置和传感器测量的不确定性，包含关于硬性包涵物位置的先验信息，同时遵守机器人运动学。据我们所知，这是文献中首个在定位肿瘤时考虑上述所有条件的工作。所提出的框架通过三种不同机器人平台上的仿真与实验进行了评估：6自由度工业机械臂、达芬奇研究套件(dVRK)以及可插入机器人执行器平台(IREP)。结果表明，我们的方法能够准确估计硬性包涵物的位置和边界，同时减少探索时间。
引用
@article{arxiv.1711.07063,
title = {Trajectory-Optimized Sensing for Active Search of Tissue Abnormalities in Robotic Surgery},
author = {Hadi Salman and Elif Ayvali and Rangaprasad Arun Srivatsan and Yifei Ma and Nicolas Zevallos and Rashid Yasin and Long Wang and Nabil Siman and Howie Choset},
journal= {arXiv preprint arXiv:1711.07063},
year = {2018}
}
备注
8 pages, ICRA 2018