Robotic-assisted tracking control of magnetoactive soft continuum robots in magnetic gradients
Notice bibliographique
Résumé
Abstract Stroke and other neurovascular disorders demand advanced biomedical technologies capable of precise operation in confined anatomical environments. Magnetoactive soft continuum robots (MSCRs) offer flexibility and magnetic responsiveness for minimally invasive interventions, yet real-time control under nonuniform magnetic fields remains challenging. This study presents a novel robotic-assisted, closed-loop feedforward–feedback proportional–integral–derivative (FFPID) control strategy for accurate tip deflection and trajectory tracking of MSCRs actuated by a rotatable permanent magnet. A nonlinear quasi-static model of the MSCR is first developed to account for the effects of magnetic torque, magnetic body force, and gravity. The model is further extended to simulate MSCR behavior in a fluidic environment, better reflecting physiological vascular conditions. The external nonuniform magnetic field generated by a permanent magnet is modeled using finite element (FE) simulations in COMSOL Multiphysics and experimentally validated. A deep neural network trained on the FE dataset is utilized to efficiently predict 2D magnetic field magnitudes and gradients, providing real-time inputs to the quasi-static model. The developed model is subsequently employed to fine-tune the coefficients of the proposed FFPID control algorithm. The MSCR is fabricated and characterized through mechanical and magnetic testing, and a dedicated experimental platform is developed to evaluate its performance in both ambient and fluidic environments under varying magnetic gradients and fluid flow rates. A multi-tracker Eye-to-Hand calibration framework is implemented to ensure magnetic field alignment. Moreover, a trained deep learning–based model is developed for MSCR detection and deformation estimation. Four hardware-in-the-loop experiments are conducted using a six-degree-of-freedom robotic arm to assess the controller’s performance across different MSCR materials and boundary configurations. The results demonstrate the robustness and precision of the proposed FFPID control strategy across various experimental conditions, including operation under different fluid flow rates. The controller consistently outperforms the conventional PID in tracking experiments, highlighting its strong potential for real-time, robot-assisted neurovascular applications.
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) | 0,001 | 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 ».