导电缆

SIM到真实的移动机器人导航策略，从虚拟眼睛的视觉中学习

摘要 - 恰好在具有最小碰撞的无构建环境中引导软机器人仍然是软机器人的开放挑战。当环境未知时，可能无法用于模拟和操作的导航的事先运动计划。本文提出了一种新颖的SIM到真实方法，可在模拟开放框架体系结构（SOFA）下的静态环境中指导电缆驱动的软机器人。SCE-NARIO的目的是在简化的横向气管插管过程中类似于其中一个步骤，在该过程中，机器人气管管由灵活的视频辅助内窥镜/stylet引导到上层气管larynx位置。在沙发中，我们采用二次编程逆求器来获得基于机器人模型的内窥镜/Stylet操纵的无碰撞运动策略，并编码与眼睛的视觉。然后，我们使用闭环非线性自动回收前模型（NARX）网络将虚拟视觉和关节空间运动识别的解剖学特征与关节空间相关联。之后，我们将学习的知识转移到机器人原型中，期望它仅根据其眼睛的视觉自动自动地在新的幻影环境中导航到所需的位置。实验结果表明，我们的软机器人可以根据从虚拟环境中学到的知识，在最小的碰撞运动中有效地通过非结构化的幻影训练到所需的位置。结果表明，闭环NARX预测和由SOFA引用的机器人电缆和棱镜关节空间运动之间的平均R平均系数为0.963和0.997。眼神的视线还表现出机器人尖端和震颤之间的良好对齐方式。