Core Concepts
본 연구는 RGBD 센싱과 시간 합성곱 신경망을 활용하여 케이블 구동 방식의 유연한 연속체 매니퓰레이터의 히스테리시스 특성을 모델링하고 보상하는 방법을 제안한다.
Abstract
본 연구는 최소 침습 수술을 위한 유연한 연속체 매니퓰레이터를 설계하고, RGBD 센싱과 7개의 피듀셜 마커를 활용하여 매니퓰레이터의 물리적 관절 구성을 추정하였다. 이를 통해 수집된 데이터셋을 바탕으로 4가지 딥러닝 모델을 비교 분석하였으며, 그 중 시간 합성곱 신경망(TCN) 모델이 가장 우수한 성능을 보였다. 이를 활용하여 히스테리시스 보상 알고리즘을 개발하였고, 3가지 미지의 궤적에 대한 추적 실험을 통해 기존 제어기 대비 평균 위치 오차와 자세 오차가 각각 61.39%, 64.04% 감소하는 것을 확인하였다. 이를 통해 제안된 보정 제어기가 유연한 연속체 매니퓰레이터의 히스테리시스 특성을 효과적으로 보상할 수 있음을 입증하였다.
Stats
케이블 구동 매니퓰레이터의 명령 관절 각도와 실제 물리적 관절 각도 간 평균 절대 오차는 q1 16.31°, q2 10.09°, q3 11.21°, q4 12.02°, q5 13.84°이다.