.png){kind=icon}
返回
Multi-Modal Sensing in Colonoscopy: A Data-Driven Approach
.png){kind=icon}
PRE
AI
DOI：10.1109/LRA.2025.3645700.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
柔性光学传感器在提升结肠镜等微创手术方面具有潜力，但其复杂的、多模态的响应带来了显著挑战。本研究介绍了一种用于结肠镜软体机器人套管中三维形状和接触力实时估计的机器学习（ML）框架。为克服手动校准的局限性并收集用于机器学习的大型数据集，我们开发了一个自动化平台，用于收集不同方位、曲率和接触力条件下的数据。实现了一种级联的机器学习架构，用于接触力和三维形状的顺序估计，实现了曲率误差4.7%、方位误差2.37%和力跟踪误差5.5%的精度。我们还探索了机器学习在接触定位方面的潜力，通过训练模型来估计沿套管分布的16个压头上的接触强度和位置。在整个压头区域，力的强度估计误差范围为0.06 N至0.31 N。尽管接触点距离相近，该系统仍实现了高定位性能，其中8个压头的定位准确率超过80%，显示出良好的空间分辨率。
Keyword:
Force and tactile sensing
soft sensors and actuators
modeling
control
and learning for soft robots
期刊
I
IF:
5.3
论文数:
1.9K
被引数:
3.9W
机构
引用论文
A Machine-Learning-Based Approach to Solve Both Contact Location and Force in Soft Material Tactile Sensors一种基于机器学习的方法来解决软材料触觉传感器中的接触位置和力.png)
SOFT ROBOTICS
SOFT ROBOTICSIF6.1
PREAI
分享收藏Length Estimation of Pneumatic Artificial Muscle with Optical Fiber Sensor Using Machine Learning基于机器学习的光纤传感器气动人工肌肉长度估计SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏
查看更多内容