[論文レビュー] A Versatile Data-Driven Framework for Model-Independent Control of Continuum Manipulators Interacting With Obstructed Environments With Unknown Geometry and Stiffness

Farshid Alambeigi, Zerui Wang+3 more|arXiv (Cornell University)|May 5, 2020

Soft Robotics and Applications参考文献 62被引用数 6

ひとこと要約

本論文は、ロボットの変形や環境の剛性に関する事前知識がなく、未知で障害物のある環境下におけるコンtinuumマニピュレータのデータ駆動型でモデルに依存しない制御フレームワークを提案する。リアルタイムフィードバックを用いたBroydenに基づくヤコビアン更新則により、自由運動、障害物との相互作用、変形性物体の操作を含む多様なシナリオにおいて、適応的で位置および形状制御が可能であり、医療用コンtinuumマニピュレータを用いた実験で高い正確性と頑健性が確認された。

ABSTRACT

This paper addresses the problem of controlling a continuum manipulator (CM) in free or obstructed environments with no prior knowledge about the deformation behavior of the CM and the stiffness and geometry of the interacting obstructed environment. We propose a versatile data-driven priori-model-independent (PMI) control framework, in which various control paradigms (e.g. CM's position or shape control) can be defined based on the provided feedback. This optimal iterative algorithm learns the deformation behavior of the CM in interaction with an unknown environment, in real time, and then accomplishes the defined control objective. To evaluate the scalability of the proposed framework, we integrated two different CMs, designed for medical applications, with the da Vinci Research Kit (dVRK). The performance and learning capability of the framework was investigated in 11 sets of experiments including PMI position and shape control in free and unknown obstructed environments as well as during manipulation of an unknown deformable object. We also evaluated the performance of our algorithm in an ex-vivo experiment with a lamb heart.The theoretical and experimental results demonstrate the adaptivity, versatility, and accuracy of the proposed framework and, therefore, its suitability for a variety of applications involving continuum manipulators.

研究の動機と目的

• 従来のモデルベース手法がモデル誤差のため失敗する、幾何形状や剛性が未知の障害物のある環境下でのコンtinuumマニピュレータの制御という課題に対処すること。
• マニピュレータの変形挙動や環境特性に関する事前知識が不要な制御フレームワークを構築し、非構造的かつ現実世界の環境への展開を可能にすること。
• 力センサーや事前キャリブレーションモデルに依存せず、キャリブレーションされていないセンサからのフィードバックのみを用いて、エンドエフェクタの位置と形状の両方を頑健かつ適応的に制御すること。
• 既存のモデルレス制御手法の限界、例えばヤコビアン推定の遅延、ノイズへの感受性、エンドエフェクタが未知の障害物に接触する際の特異点問題を克服すること。

提案手法

• フレームワークは、リアルタイムで未知のコンtinuumマニピュレータの結合ヤコビアン行列を繰り返し推定するためにBroyden更新則を採用し、未知の環境相互作用に応じたオンライン適応を可能にする。
• 視覚、FBG、磁気トラッキングなどのキャリブレーションされていないセンサからのフィードバックを用いて制御アルゴリズムを駆動することで、異なるセンシングモダリティに柔軟に対応する。
• 最適反復アルゴリズムとして定式化された制御戦略は、所望の状態と実際のマニピュレータ状態の誤差を最小化するものであり、収束性と安定性を保証するため信頼領域アプローチを用いる。
• 力フィードバックや明示的な力モデルの必要なしに、ヤコビアン推定を動的に調整することで、エンドエフェクタが未知の障害物に接触する際の特異点を回避する。
• da Vinci Research Kit (dVRK) を介して2つの医療用コンtinuumマニピュレータと統合され、自由環境および遮害環境の両方でリアルタイム制御が可能になった。
• マニピュレータの構成や変形に関する事前知識なしにアルゴリズムを初期化し、耐障害性と適応性をテストするための最悪の状況を模擬する。

実験結果

リサーチクエスチョン

• RQ1 モデルに依存しない制御フレームワークは、ロボットの変形や環境の剛性に関する事前知識がなく、未知で遮害のある環境下でも、コンtinuumマニピュレータの正確な位置および形状制御を達成できるか？
• RQ2 Broydenに基づくヤコビアン更新則は、推定遅延や不適切な条件性に悩まされる既存のモデルレス制御手法と比較して、収束性と頑健性をどのように向上させるか？
• RQ3 フレームワークは、再調整なしに、さまざまなコンtinuumマニピュレータ設計および初期設定にどの程度一般化可能か？
• RQ4 力センサーフィードバックなしに、未知の変形性物体（例：ラムの心臓）との動的相互作用において、フレームワークは性能を維持できるか？

主な発見

• 提案されたDD-PMIフレームワークは、自由運動、未知の障害物、変形性物体の操作を含む11の実験的シナリオにおいて、2種類の異なるコンtinuumマニピュレータに対して正確な位置および形状制御を達成した。
• アルゴリズムは初期化に対して頑健であり、事前キャリブレーションなしに多様な初期設定や推定ヤコビアン行列に対して効果的に機能した。
• ラムの心臓を用いたin-vitro実験では、力フィードバックなしに安定した変形組織の操作が可能となり、最小侵襲手術への応用可能性が裏付けられた。
• Broyden更新則は、従来のモデルレス手法と比較して推定遅延を顕著に低減し、収束性を向上させ、エンドエフェクタが障害物に接触する際の特異点問題を回避した。
• ヤコビアン推定の過小定義された最適化問題に対して最適解を達成し、従来手法が部分的またはずれた解をもたらしたのに対し、優れた性能を発揮した。
• 視覚、FBG、磁気トラッキングを含むさまざまなセンサモダリティにおいて、スケーラビリティと適応性を示し、臨床的およびロボット工学的応用への多様な適合性を確認した。