Core Concepts
疎なFBG測定を用いて、高度変形可能な外科用マニピュレータの形状と力を同時に推定する新しいデータ駆動型のアプローチを提案する。
Abstract
本論文では、高度変形可能な外科用マニピュレータの形状と力を同時に推定する新しいデータ駆動型のアプローチを提案している。
まず、単一コアのFBGファイバーを螺旋状に巻いた柔軟なセンシングチューブを設計した。これにより、大きな曲げ角度に対応できる。
次に、3つの異なるエンコーダ(全結合層、LSTM、Conv1D)を用いた学習モデルを提案した。これらのモデルは、FBGセンサからの疎な歪み測定を入力として、マニピュレータの形状(曲率と捻れ)と外力(大きさと接触位置)を同時に推定する。
実験では、自由空間と拘束環境の両方で検証を行った。結果、提案手法は従来の モデルベース手法に比べて優れた性能を示した。特に、Conv1Dモデルが最も高い精度を達成した。
このように、本手法は FBGセンサの配置精度を緩和しつつ、高度変形マニピュレータの形状と力を同時に推定できる新しいアプローチである。今後は、アクチュエーション入力やカメラ映像との融合などを検討し、さらなる性能向上を目指す。
Stats
先端位置誤差は平均0.93 mm(全長の0.78%)
形状誤差は平均0.35 mm
力の大きさ誤差は平均35.25 mN(15.67%)
力の接触位置誤差は平均2.35 mm(1.96%)
Quotes
"学習ベースの手法は、従来のモデルベース手法に比べて優れた性能を示した。"
"Conv1Dモデルが最も高い精度を達成した。"
"本手法は FBGセンサの配置精度を緩和しつつ、高度変形マニピュレータの形状と力を同時に推定できる新しいアプローチである。"