A Recurrent Neural-Network-Based Real-Time Dynamic Model for Soft Continuum Manipulators.
A Recurrent Neural-Network-Based Real-Time Dynamic Model for Soft Continuum Manipulators.
复制标题
DOI：
10.3389/frobt.2021.631303
复制
发表时间：
2021
影响因子：
3.4
通讯作者：
Martinsen ØG
中科院分区：
文献类型：
--
作者：
Tariverdi A;Venkiteswaran VK;Richter M;Elle OJ;Tørresen J;Mathiassen K;Misra S;Martinsen ØG
介绍并验证了一种基于神经网络方法的柔性连续体机器人实时动态预测模型。所提出的模型提供了一个实时预测框架，使用基于神经网络的战略和连续介质力学原理。采用时-空积分法对柔性连续体机械臂的连续动力学进行离散，并对柔性连续体机械臂各节点的平移和转动动力学方程进行解耦。然后，由此产生的架构用于开发分布式预测算法，使用递归神经网络。所提出的基于RNN的并行预测方案不依赖于计算密集型算法，因此，它在实时应用中是有用的。此外，仿真结果显示，以说明该方法的性能软连续弹性体，并通过实验验证了该方法的磁驱动软连续机械手。结果表明，该模型可以优于经典的建模方法，如Cosserat杆模型，同时也显示了在实践中使用的可能性。
This paper introduces and validates a real-time dynamic predictive model based on a neural network approach for soft continuum manipulators. The presented model provides a real-time prediction framework using neural-network-based strategies and continuum mechanics principles. A time-space integration scheme is employed to discretize the continuous dynamics and decouple the dynamic equations for translation and rotation for each node of a soft continuum manipulator. Then the resulting architecture is used to develop distributed prediction algorithms using recurrent neural networks. The proposed RNN-based parallel predictive scheme does not rely on computationally intensive algorithms; therefore, it is useful in real-time applications. Furthermore, simulations are shown to illustrate the approach performance on soft continuum elastica, and the approach is also validated through an experiment on a magnetically-actuated soft continuum manipulator. The results demonstrate that the presented model can outperform classical modeling approaches such as the Cosserat rod model while also shows possibilities for being used in practice.
登录
查看更多内容
影响因子：
2
作者：
Jung, Jinwoo;Penning, Ryan S.;Zinn, Michael R.
通讯作者：
Zinn, Michael R.
影响因子：
7.8
作者：
Petruska, Andrew J.;Nelson, Bradley J.
通讯作者：
Nelson, Bradley J.
影响因子：
--
作者：
Lagaris, IE;Likas, A;Fotiadis, DI
通讯作者：
Fotiadis, DI
影响因子：
3.7
作者：
Tariverdi, Abbas;Venkiteswaran, Venkatasubramanian Kalpathy;Misra, Sarthak
通讯作者：
Misra, Sarthak
影响因子：
0.9
作者：
E, Weinan;Han, Jiequn;Jentzen, Arnulf
通讯作者：
Jentzen, Arnulf