Stiffness Adaptation of a Hybrid Soft Surgical Robot for Improved Safety in Interventional Surgery
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Minimally invasive instruments are inserted per-cutaneously and are steered toward the desired anatomy. The low stiffness of instruments is an advantage; however, once the target is reached, the instrument usually is required to transmit force to the environment. The main limitation of the constant stiffness is predetermined maneuverability and cap of force transmission. Whereas, a highly flexible device can be safely steered through the body but is not suitable for payload limit, while a highly stiff device can have relatively high loads but cannot be steered in highly tortuous trajectories. To overcome this limitation, an adaptive stiffness soft robot was proposed, and the effects of the chamber pressure on the stiffness of the soft robot were investigated. To this end, a single-chamber pneumatic soft robot with one tendon was designed and fabricated. Afterward, a continuum mechanics model based on the nonlinear Cosserat rod model with hyperelastic material model and large deformation kinematics of the robot was developed. The shooting method solved the model as a boundary value problem with Dirichlet and Neumann boundary conditions. The results of the model showed stiffness adaptation feasibility with simultaneous tendon-driving and pneumatic actuation. Thus, to validate the theoretical findings, a series of experimental studies were performed with pressure in the range of 33 to 44 kPa and tendon tensions in the range of 0 to 2.7 N. The theoretical and experimental results for tip displacement and stiffness showed similar trends with a maximum error of 8.25%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle