.png){kind=icon}
返回
Adaptive Load-Dependent Sim2Real Framework for Path Tracking Toward Tendon-Driven Continuum Robots
.png){kind=icon}
PRE
AI
DOI：10.1109/TMECH.2025.3566053.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
连续体机器人（CRs）在执行复杂任务于受限解剖空间中至关重要。然而，执行器延迟、间隙和肌腱预张紧等挑战可能限制其有效性。本文将一种自适应负载依赖性仿真引入到肌腱驱动CRs的路径跟踪实际框架中，这对于增强微创手术过程中所需灵巧性和精度至关重要。我们提出了一种固定姿态逆运动学控制方法，将虚拟自由度整合到末端执行器规划中，以促进六自由度导航。随后，它建立了整体肌腱负载与电机驱动的关联，为采用基于学习的神经网络进行机器人物理模型精确校准铺平了道路，使机器人能够无需外部形状传感器的轨迹跟踪。我们的方法在多样化轨迹类型中保持最大3-D均方根误差（RMSE）为5.01 mm，达到方向差异RMSE为0.114弧度。这表明跟踪精度显著提升，与未补偿方法相比，跟踪误差降低了86.1%。本研究结果表明，本方法在连接仿真与现实应用方面的潜力，最终可提高机器人辅助手术的操作效率及患者预后。
Keyword:
Continuum robot (CR)
hypothesis compensation
path tracking
期刊
I
IF:
0
论文数:
112
被引数:
0
机构
引用论文
Adaptive Neural Network Vibration Control for an Output-Tension-Constrained Axially Moving Belt System With Input Nonlinearity具有输入非线性的输出张力约束轴向运动皮带系统的自适应神经网络振动控制
.png){kind=icon}
PREAI
分享收藏分享收藏Compliant Motion Control for Multisegment Continuum Robots With Actuation Force Sensing具有致动力传感的多段连续体机器人的柔顺运动控制
PREAI
分享收藏
分享收藏
查看更多内容