論文の概要: Hysteresis Compensation of Flexible Continuum Manipulator using RGBD
Sensing and Temporal Convolutional Network
- arxiv url: http://arxiv.org/abs/2402.11319v1
- Date: Sat, 17 Feb 2024 16:20:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-20 22:00:36.881670
- Title: Hysteresis Compensation of Flexible Continuum Manipulator using RGBD
Sensing and Temporal Convolutional Network
- Title(参考訳): RGBDセンシングと時間畳み込みネットワークを用いたフレキシブル連続マニピュレータのヒステリシス補償
- Authors: Junhyun Park, Seonghyeok Jang, Hyojae Park, Seongjun Bae, Minho Hwang
- Abstract要約: ケーブル駆動マニピュレータは、摩擦、伸縮、結合などのキャブリング効果によって制御困難に直面している。
本稿では、リカレントニューラルネットワークに基づくデータ駆動方式を提案する。
- 参考スコア(独自算出の注目度): 2.561764107581689
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Flexible continuum manipulators are valued for minimally invasive surgery,
offering access to confined spaces through nonlinear paths. However,
cable-driven manipulators face control difficulties due to hysteresis from
cabling effects such as friction, elongation, and coupling. These effects are
difficult to model due to nonlinearity and the difficulties become even more
evident when dealing with long and multi-segmented manipulator. This paper
proposes a data-driven approach based on recurrent neural networks to capture
these nonlinear and previous states-dependent characteristics of cable
actuation. We design customized fiducial markers to collect physical joint
configurations as a dataset. Result on a study comparing the learning
performance of four Deep Neural Network (DNN) models show that the Temporal
Convolution Network (TCN) demonstrates the highest predictive capability.
Leveraging trained TCNs, we build a control algorithm to compensate for
hysteresis. Tracking tests in task space using unseen trajectories show that
the best controller reduces the mean position and orientation error by 61.39%
(from 13.7 mm to 5.29 mm) and 64.04% (from 31.17{\deg} to 11.21{\deg}),
respectively.
- Abstract(参考訳): フレキシブル連続マニピュレータは、非線型経路を介して制限された空間へのアクセスを提供する、最小侵襲の手術に有用である。
しかし、ケーブル駆動マニピュレータは摩擦、伸長、カップリングなどのカップリング効果によるヒステリシスのために制御が困難である。
これらの効果は非線形性のためモデル化が困難であり、長いマルチセグメンテーションマニピュレータを扱う場合、さらに困難になる。
本稿では,リカレントニューラルネットワークに基づくデータ駆動手法を提案する。
物理的関節構成をデータセットとして収集するために、カスタマイズされた画像マーカーを設計する。
4つのディープニューラルネットワーク(DNN)モデルによる学習性能の比較の結果,時間的畳み込みネットワーク(TCN)が最も高い予測能力を示した。
訓練されたtcnを利用してヒステリシスを補償する制御アルゴリズムを構築した。
未確認軌道を用いたタスク空間での追跡テストでは、最適制御器は平均位置と方向誤差を61.39%(13.7mmから5.29mm)、64.04%(31.17{\degから11.21{\degまで)削減している。
関連論文リスト
- Accelerating Scalable Graph Neural Network Inference with Node-Adaptive
Propagation [80.227864832092]
グラフニューラルネットワーク(GNN)は、様々なアプリケーションで例外的な効果を発揮している。
大規模グラフの重大化は,GNNによるリアルタイム推論において重要な課題となる。
本稿では,オンライン伝搬フレームワークと2つの新しいノード適応伝搬手法を提案する。
論文 参考訳(メタデータ) (2023-10-17T05:03:00Z) - DATT: Deep Adaptive Trajectory Tracking for Quadrotor Control [62.24301794794304]
Deep Adaptive Trajectory Tracking (DATT)は、学習に基づくアプローチであり、現実世界の大きな乱れの存在下で、任意の、潜在的に実現不可能な軌跡を正確に追跡することができる。
DATTは、非定常風場における可溶性および非実用性の両方の軌道に対して、競争適応性非線形およびモデル予測コントローラを著しく上回っている。
適応非線形モデル予測制御ベースラインの1/4未満である3.2ms未満の推論時間で、効率的にオンラインで実行することができる。
論文 参考訳(メタデータ) (2023-10-13T12:22:31Z) - Efficient Graph Neural Network Inference at Large Scale [54.89457550773165]
グラフニューラルネットワーク(GNN)は、幅広いアプリケーションで優れた性能を示している。
既存のスケーラブルなGNNは、線形伝搬を利用して特徴を前処理し、トレーニングと推論の手順を高速化する。
本稿では,そのトポロジ情報に基づいて各ノードに対してパーソナライズされた伝搬順序を生成する適応的伝搬順序法を提案する。
論文 参考訳(メタデータ) (2022-11-01T14:38:18Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳(メタデータ) (2022-10-21T07:25:57Z) - RAMP-Net: A Robust Adaptive MPC for Quadrotors via Physics-informed
Neural Network [6.309365332210523]
本稿では、単純なODEとデータの一部をトレーニングしたニューラルネットワークを用いて、PINN(RAMP-Net)を介してロバスト適応MPCフレームワークを提案する。
我々は,SOTA回帰に基づく2つのMPC法と比較して,0.5~1.75m/sの追跡誤差を7.8%から43.2%,8.04%から61.5%削減した。
論文 参考訳(メタデータ) (2022-09-19T16:11:51Z) - Linearity Grafting: Relaxed Neuron Pruning Helps Certifiable Robustness [172.61581010141978]
証明可能な堅牢性は、安全クリティカルなシナリオでディープニューラルネットワーク(DNN)を採用する上で望ましい特性である。
線形性の適切なレベルを「グラフト」することで、神経細胞を戦略的に操作する新しいソリューションを提案する。
論文 参考訳(メタデータ) (2022-06-15T22:42:29Z) - Truncated tensor Schatten p-norm based approach for spatiotemporal
traffic data imputation with complicated missing patterns [77.34726150561087]
本研究は, モード駆動繊維による3症例の欠失を含む, 4症例の欠失パターンについて紹介する。
本モデルでは, 目的関数の非性にもかかわらず, 乗算器の交互データ演算法を統合することにより, 最適解を導出する。
論文 参考訳(メタデータ) (2022-05-19T08:37:56Z) - DikpolaSat Mission: Improvement of Space Flight Performance and Optimal
Control Using Trained Deep Neural Network -- Trajectory Controller for Space
Objects Collision Avoidance [0.0]
本稿では,宇宙船を所望の経路に追従させることにより,制御器の実証を行う方法について述べる。
障害回避アルゴリズムは、ニューラルネットワークからの入力を使用して自然に応答する制御機能に組み込まれる。
飛行制御と燃料消費を最適化するための複数のアルゴリズムは、軌道の飛行力学の知識を用いて実装することができる。
論文 参考訳(メタデータ) (2021-05-30T23:35:13Z) - Towards Robust Neural Networks via Close-loop Control [12.71446168207573]
深層ニューラルネットワークは、ブラックボックスの性質のため、様々な摂動に弱い。
近年の研究では、入力データが知覚不可能な量で摂動しても、ディープニューラルネットワークがデータを誤分類できることが示されている。
論文 参考訳(メタデータ) (2021-02-03T03:50:35Z) - High-bandwidth nonlinear control for soft actuators with recursive
network models [1.4174475093445231]
本稿では,Newton-Raphson を用いたソフトアクチュエータの高帯域幅,軽量,非線形出力追跡手法を提案する。
この手法により、従来のRNNモデルと比較してモデルサイズを縮小し、制御ループ周波数を増大させることができる。
論文 参考訳(メタデータ) (2021-01-04T18:12:41Z) - Efficiently Calibrating Cable-Driven Surgical Robots with RGBD Fiducial
Sensing and Recurrent Neural Networks [26.250886014613762]
そこで本研究では,RGBDセンサを用いて3次元プリントされたフィデューシャル座標フレームをアームとエンドエフェクタに配置することで,ロボットを効率的に校正する手法を提案する。
提案手法では,1800サンプルのデータ収集に31分,モデルトレーニングに1分を要した。
基準軌道の試験セットの結果から、トレーニングされたモデルは、物理ロボットの平均追尾誤差を2.96mmから0.65mmに減少させることができることが示唆された。
論文 参考訳(メタデータ) (2020-03-19T00:24:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。