[논문 리뷰] A Versatile Data-Driven Framework for Model-Independent Control of Continuum Manipulators Interacting With Obstructed Environments With Unknown Geometry and Stiffness

Farshid Alambeigi, Zerui Wang외 3명|arXiv (Cornell University)|2020. 05. 05.

Soft Robotics and Applications참고 문헌 62인용 수 6

한 줄 요약

이 논문은 로봇의 변형 또는 환경의 강성에 대한 사전 지식이 없이도, 미지의 장애물이 있는 환경에서 연속성 만능 암거를 위한 데이터 기반, 모델 독립적 제어 프레임워크를 제안한다. 실시간 피드백을 활용한 브로이든 기반 자이아르디언 갱신 규칙을 사용하여, 자유 운동, 장애물 상호작용, 연성 물체 조작을 포함한 다양한 시나리오에서 적응형 위치 및 형태 제어를 가능하게 하며, 의료용 연속성 만능 로봇에서 실험적으로 높은 정확도와 강건성을 입증하였다.

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.

연구 동기 및 목표

• 기존의 모델 기반 방법이 모델링 정확도 부족으로 실패하는, 기하학적 구조와 강성이 모두 알려지지 않은 장애물 환경에서 연속성 만능 암거를 제어하는 데 도전하는 것.
• 암거의 변형 거동이나 환경 특성에 대한 사전 지식 없이도 작동하는 제어 프레임워크를 개발하여, 비정형이고 실제 세계적인 환경에 적용 가능하게 하는 것.
• 보정되지 않은 센서에서 온라인 피드백만을 사용하여, 끝단 기구의 위치와 형태를 강건하고 적응적으로 제어하는 것. 이는 힘 센서나 사전 캘리브레이션된 모델에 의존하지 않는다.
• 기존의 모델리스 제어 방법에서 발생하는 한계, 즉 자이아르디언 추정 지연, 노이즈에 대한 민감도, 끝단 기구가 알려지지 않은 장애물에 접촉할 때의 특이점 문제를 해결하는 것.

제안 방법

• 이 프레임워크는 실시간으로 연속성 만능 암거의 알려지지 않은 병합 자이아르디언 행렬을 반복적으로 추정하기 위해 브로이든 갱신 규칙을 사용한다. 이는 알려지지 않은 환경 상호작용에 대한 온라인 적응을 가능하게 한다.
• 시각, FBG, 자기 추적기 등 보정되지 않은 센서의 피드백을 사용하여 제어 알고리즘을 구동함으로써, 다양한 센서 모달리티에 유연하게 대응한다.
• 최적의 반복 알고리즘으로 제어 전략을 수립하여, 목표 상태와 실제 상태 간 오차를 최소화하며, 수렴성과 안정성을 보장하기 위해 신뢰 영역 접근법을 사용한다.
• 끝단 기구가 알려지지 않은 장애물에 접촉할 때도 특이점을 피하기 위해, 힘 피드백이나 명시적 힘 모델링 없이도 자이아르디언 추정치를 동적으로 조정한다.
• da Vinci Research Kit(dVRK)를 통해 두 대의 의료용 연속성 만능 암거와 통합되어, 자유 및 장애물 환경 모두에서 실시간 제어를 가능하게 한다.
• 암거의 구성이나 변형에 대한 사전 지식 없이 알고리즘을 초기화하여, 강건성과 적응성 테스트를 위해 최악의 상황을 시뮬레이션한다.

실험 결과

연구 질문

• RQ1 모델 독립적 제어 프레임워크는 로봇의 변형이나 환경의 강성에 대한 사전 지식 없이도, 미지의 장애물이 있는 환경에서 연속성 만능 암거의 정확한 위치 및 형태 제어를 달성할 수 있는가?
• RQ2 기존의 모델리스 제어 방법이 추정 지연과 조건이 나쁜 문제를 겪는 데 비해, 브로이든 기반 자이아르디언 갱신 규칙은 수렴성과 강건성에서 어떻게 향상되는가?
• RQ3 이 프레임워크는 재조정 없이도 다양한 연속성 만능 암거 설계와 초기 설정에 대해 얼마나 일반화될 수 있는가?
• RQ4 힘 피드백 없이도, 알려지지 않은 연성 물체(예: 양 심장)와의 동적 상호작용 동안 성능을 유지할 수 있는가?

주요 결과

• 제안된 DD-PMI 프레임워크는 자유 운동, 알려지지 않은 장애물, 연성 물체 조작을 포함한 11개의 실험 시나리오에서 두 대의 다른 연속성 만능 암거에 대해 정확한 위치 및 형태 제어를 성공적으로 달성하였다.
• 초기화에 대한 강건성을 입증하여, 사전 캘리브레이션 없이도 다양한 초기 설정과 추정 자이아르디언 행렬에서 효과적으로 작동하였다.
• 양 심장을 대상으로 한 이식 외 실험에서, 힘 피드백 없이도 안정적인 조직 조작이 가능했으며, 이는 최소 침습 수술 잠재력의 타당성을 입증하였다.
• 브로이든 갱신 규칙은 이전의 모델리스 방법 대비 추정 지연을 크게 감소시키고 수렴성을 향상시켰으며, 끝단 기구가 장애물에 접촉할 때 특이점 문제를 피했다.
• 자이아르디언 추정에 대한 과소약화된 최적화 문제에 대해 최적의 해를 도출하였으며, 이는 이전 방법들이 도출한 부분 최적 또는 잘못 정렬된 해보다 뛰어난 성능을 보였다.
• 시각, FBG, 자기 추적기 등 다양한 센서 모달리티에 대해 확장성과 적응성을 입증하여, 다양한 임상 및 로봇 응용 분야에 걸쳐 유연성을 확인하였다.