Deep Koopman Approach for Nonlinear Dynamics and Control of Tendon-Driven Continuum Robots
Notice bibliographique
Résumé
Tendon-driven continuum robots (TDCRs) have received widespread attention in the medical domain due to their slender shape and flexibility. Modeling the dynamics of TDCRs involves continuum mechanics that result in nonlinear and computationally intensive models posing challenges for real-time control. In this work, we propose efficient, and controloriented modeling of the nonlinear dynamics of TDCRs leveraging the deep Koopman approach. This method transforms the states of the system into an intrinsic nonlinear manifold, where the autonomous dynamics are approximated linearly, and the actuation input enters the system with a bilinear term. The proposed model captures the nonlinearities, including space-dependent variations in the system spectrum. Position control is implemented using a linear quadratic controller, leveraging the linear nature of the Koopman operator. The accuracy of the proposed method is experimentally validated using a dualtendon robotic steerable catheter, achieving a position tracking error of 1.64 mm (SD = 0.74) for multi-sinusoidal, and 0.60 mm (SD = 0.30) for sinusoidal (0.05 Hz) target trajectories. The results demonstrate the potential for applying the proposed approach for real-time control of a broad range of TDCRs.
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 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».