- Cable-driven continuum robots for endoscopic surgery have significant control inaccuracy due to hysteresis caused by coupling effects.- We proposes a method to model the hysteresis through deep learning, which can effectively captures the nonlinear and previous states-dependent characteristics of cable actuation.- The proposed control algorithm is designed to predict hysteresis using a high-performance Temporal Convolutional Network (TCN) and return calibrated joint angles to reach the desired target joint angles.- The unseen trajectories trajectory tracking tests showed that the proposed control method reduces the average position and orientation errors by 61.39% (13.7mm to 5.29mm) and 64.04% (31.17 to 11.21), respectively.- 케이블 제어 기반 내시경 수술용 연속체 로봇은 coupling effects로 인한 히스테리시스가 매우 큼에 따라 제어의 부정확성이 존재함.- cable actuation의 비선형성 및 이전 상태 의존적 특성을 딥러닝을 통해 모델링하여, 히스테리시스를 예측하는 방식을 제안함.- 예측 성능이 높은 TCN (Temporal Convolution Network)을 통해 히스테리시스를 예측하고, 입력된 목표 관절 각도에 도달하기 위한 보정 관절 각도를 반환하는 제어 알고리즘을 구축함.- 학습에 사용되지 않은 궤적에 대해 trajectory tracking test를 진행한 결과 제안한 제어 기법이 평균 위치와 방향 오차를 각각 61.39% (13.7mm에서 5.29mm)와 64.04% (31.17에서 11.21) 감소시키는 것을 검증함.
2024. 5. 10
자세히 보기