MétaCan
Menu
Retour à la cohorte
Enregistrement W4385987628 · doi:10.32920/23989449

Inverse Kinematics of Concentric Tube Robots in the Presence of Environmental Constraints

2023· preprint· en· W4385987628 sur OpenAlexaff
Mohammad Jabari, M. Zakeri, Farrokh Janabi‐Sharifi, Somayeh Norouzi‐Ghazbi

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueSoft Robotics and Applications
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésInverse kinematicsKinematicsRobotConcentricTube (container)Displacement (psychology)Computer scienceInverseControl theory (sociology)Robot end effectorSimulationPhysicsMathematicsArtificial intelligenceEngineeringMechanical engineeringGeometryClassical mechanics

Résumé

récupéré en direct d'OpenAlex

<p>Inverse kinematics (IK) of concentric tube continuum robots (CTRs) is associated with two main problems. First, the robot model (e.g., the relationship between the configuration space parameters and the robot end-effector) is not linear. Second, multiple solutions for the IK are available. This paper presents a general approach to solve the IK of CTRs in the presence of constrained environments. It is assumed that the distal tube of the CTR is inserted into a cavity while its proximal end is placed inside a tube resembling the vessel enabling the entry to the organ cavity. The robot-tissue interaction at the beginning of the organ-cavity imposed displacement and force constraints to the IK problem to secure a safe interaction between the robot and tissue. The IK in CTRs has been carried out by treating the problem as an optimization problem. To find the optimized IK of the CTR, the cost function is defined to be the minimization of input force into the body cavity and the occupied area by the robot shaft body. The optimization results show that CTRs can keep the safe force range in interaction with tissue for the specified trajectories of the distal tube. Various simulation scenarios are conducted to validate the approach. Using the IK obtained from the presented approach, the tracking accuracy is achieved as 0.01 mm which is acceptable for the application.</p>

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,351

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,240
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoft Robotics and ApplicationsTravaux en français237 207