コンティニュアムロボット
Type of robot

連続体ロボットは、無限の自由度と多数の関節を特徴とするロボットの一種である。 [要出典]これらの特徴により、連続体マニピュレータは長さに沿ったどの時点でも形状を調整・修正することができ、標準的なリジッドリンクロボットが動作できない限られた空間や複雑な環境で動作することが可能になる。[1]特に、連続体ロボットは、構成材料が連続接線ベクトルを持つ曲線を形成する作動可能な構造物として定義することができる。[2]これは、連続体ロボットとスネークアームロボットや超冗長マニピュレータを区別するための基本的な定義である。リジッドリンクと関節の存在により、連続接線ベクトルを持つ曲線を近似的にしか実行できない。

連続体ロボットのデザインは生物に着想を得ており、生物の胴体、ヘビ、触手を模倣することを目的としています。連続体ロボットのいくつかのコンセプトは商業化されており、医療分野から海底探査まで、様々な分野で応用されています。[要出典]

分類

連続ロボットは、構造と作動という2つの主な基準に従って分類できます。[2]

構造

連続体ロボットの設計における主な特徴は、バックボーンと呼ばれる連続的に湾曲したコア構造の存在であり、その形状は駆動可能である。バックボーンはコンプライアント性も備えている必要がある。つまり、バックボーンは外部荷重に対して滑らかに屈曲する。[3]

連続体マニピュレータ用に選択された設計原則によれば、次のものを区別することができます。

  • シングルバックボーン:これらの連続マニピュレータには、アクチュエーション/トランスミッション要素を通過させることができる 1 つの中央弾性バックボーンがあります。
  • マルチバックボーン：これらの連続体ロボットの構造は、互いに平行で、何らかの方法で互いに拘束された2つ以上の弾性要素（ロッドまたはチューブ）を持っています。[4]
  • 同心円管：バックボーンは同心円状のチューブで構成されており、ロボットのベースで発生する動作に応じて、互いに自由に回転および移動することができます。[3]

アクチュエーション

連続体マニピュレータの作動戦略は、作動が発生する場所に応じて、 外在的作動と内在的作動に区別できます。

  • 外的アクチュエーション:アクチュエーションはロボットの主要構造の外側で起こり、力は機械的な伝達によって伝達されます。これらの技術には、ケーブル/腱駆動アクチュエータやマルチバックボーン戦略などがあります。
  • 固有アクチュエーション：アクチュエーション機構はロボットの構造内で作動する。これらの戦略には、空気圧[5]または油圧チャンバー[6]、および形状記憶効果[7]が含まれる。メディナ、シャピロ、シュヴァルブ（2016）によって提唱されたアクチュエーションフレキシブルマニホールド（AFM）は、それぞれが1自由度を持つ離散セグメントを使用して滑らかな多様体を近似する柔軟なグリッドベースのロボットをモデル化する。彼らの研究は、平面および空間構成のための順方向および逆方向の運動学を提供し、超冗長ロボットと連続体ロボットの橋渡しとなる。[8]

利点

連続体ロボットの特殊な設計は、リジッドリンクロボットに比べていくつかの利点があります。まず、既に述べたように、連続体ロボットは高度な器用さ、適応性、柔軟性が求められる環境において、より容易に動作することができます。さらに、構造がシンプルなため、連続体ロボットは小型化が容易です。連続体ロボットの登場は、ソフト連続体マニピュレータの開発への道を開きました。これらの連続体マニピュレータは、柔軟性が高く、周囲の環境に合わせて適応・変形できる、非常に柔軟な材料で作られています。この材料の「柔らかさ」は、人間とロボットの相互作用において高い安全性をもたらします。[9]

デメリット

連続体ロボットの特殊な設計もまた、多くの課題を生じさせる。連続体ロボットを適切かつ安全に使用するには、正確な力および形状センシングシステムを備えることが極めて重要である。従来、これは連続体ロボットの一部の用途（例えば、低侵襲手術）には適さないカメラ、または環境内の磁性体の存在によって妨害される電磁気センサーを使用して行われてきた。この問題を解決するために、ここ数年、ファイバーブラッググレーティングセンサーが可能な代替手段として提案され、有望な結果を示している。[10] [11]また、リジッドリンクロボットの機械的特性は十分に理解されているものの、連続体ロボットの挙動と特性の理解は依然として研究と議論の対象であることにも留意する必要がある。[1]このため、この種のロボットの正確なモデルと制御アルゴリズムの開発において新たな課題が生じている。

モデリング

連続体ロボットの形状を予測できる正確なモデルを作成することで、ロボットの形状を適切に制御できるようになります。[12] 連続体ロボットをモデル化する主なアプローチは3つあります。

  • コセラ棒理論：このアプローチは、いかなる仮定にも従わないため、連続体ロボットの静力学に対する正確な解法である。ロボットの位置、姿勢、内力、トルクの間の一連の平衡方程式を解く。この手法は数値的に解く必要があり、その複雑さゆえに計算コストが高い。[12] [13]
  • 一定曲率：この手法では、背骨が互いに接する一連のセクションから構成され、それらのセクションは一定曲率の円弧として近似できると仮定します。このアプローチは、区分一定曲率とも呼ばれます。この仮定は、背骨のセグメント全体またはそのサブセグメントに適用できます。 [14] このモデルは有望な結果を示していますが、背骨のセグメント/サブセグメントが一定曲率の仮定に従わない場合があり、そのためモデルの挙動がロボットの挙動を完全に反映しない可能性があることを考慮する必要があります。
  • 剛体リンクモデル：このアプローチは、連続体ロボットを剛体リンクを持つ小さなセグメントに分割できるという仮定に基づいています。セグメント数が少なすぎるとモデルは連続体ロボットのように動作することはほとんどなく、セグメント数を増やすと変数の数が増え、複雑性が高まるため、これは強い仮定です。この制限にもかかわらず、剛体リンクモデリングでは、剛体リンクロボットでよく知られている標準的な制御技術を使用できます。このモデルは、形状センシングと力センシングを組み合わせることで不正確さを軽減し、有望な結果をもたらすことが証明されています。[15]

センシング

正確な制御アルゴリズムを開発するには、提示されたモデリング技術をリアルタイム形状センシングで補完する必要があります。現在、以下のオプションが利用可能です。

  • 電磁（EM）センシング：磁場発生器と磁場センサー間の相互誘導により形状を再構築します。[16]最も一般的な外部 EM 追跡システムは、市販の NDI Aurora です。小型センサーをロボットに取り付けて、外部で発生した磁場内での位置を追跡できます。この方法の妥当性は広範囲に評価されていますが、[17] [18]作業スペースの寸法が磁場に依存するため、パフォーマンスが低下します。別の方法としては、磁気センサーとホール効果センサーを組み合わせて、連続体ロボットの内部にセンサーを埋め込むことです。[19] [20]ロボットのたわみを推定するために、ホール効果センサーのレベルで磁場が測定されます。ただし、マニピュレーターの曲がりが大きいほど、センサーと磁石間のクロストークにより推定誤差が大きくなることがわかっています。
  • 光センシング：光ファイバーに組み込まれたファイバーブラッググレーティングセンサーを連続体ロボットのバックボーンに埋め込むことで、ロボットの形状を推定することができます。これらのセンサーは、その歪みに応じて入力光スペクトルの狭い範囲のみを反射します。そのため、各センサーの歪みを測定することで、ロボットの形状を取得することができます。しかし、このタイプのセンサーは高価であり、過度の歪みが発生した場合に破損しやすいという欠点があります。特に、大きな偏向動作を行うロボットでは、破損しやすいという問題があります。

制御戦略

制御戦略は静的と動的に区別できます。前者は定常状態仮定に基づき、後者は連続体ロボットの動的挙動も考慮します。また、ロボットのモデルに依存するモデルベース制御器と、データからロボットの挙動を学習するモデルフリー制御器にも区別できます。[21]

  • モデルベース静的制御器：上記のモデリング手法のいずれかを利用します。モデルを定義したら、目的のアクチュエータまたは構成空間変数を得るために、運動学を逆変換する必要があります。これを行うには、微分逆運動学、直接逆変換、最適化など、いくつかの方法があります。
  • モデルフリー静的制御器：これらのアプローチは、機械学習技術（例：回帰法やニューラルネットワーク）を用いて、収集したデータから連続体ロボットの逆運動学表現または順運動学表現を直接学習します。データ駆動型手法とも呼ばれます。これらの制御器は、連続体ロボットの正確なモデルを構築する必要がないという利点があるものの、モデルベースの制御器よりも性能が劣ります。
  • モデルベース動的制御器：運動学モデルの定式化とそれに関連する力学定式化が必要です。2021年現在[update]、高い計算能力と高次元のセンサフィードバックが必要となるため、まだ初期段階にあります。計算能力とセンシング能力の向上に伴い、精度だけでなく時間とコストも重要となる連続体ロボットの産業用途において、モデルベース動的制御器は極めて重要になる可能性があります。
  • モデルフリー動的制御器：これはまだ比較的未開拓のアプローチです。連続体ロボットの動的挙動を学習するための機械学習技術を提案する研究はいくつか発表されていますが、その性能は学習時間の長さと機械学習モデルの不安定性によって制限されています。

モデルフリー コントローラーとモデルベース コントローラーを組み合わせたハイブリッド アプローチも、有効な代替手段となります。

アプリケーション

Continuum ロボットはさまざまな分野で応用されてきました。

医学

Continuumロボットは医療分野、特に低侵襲手術に広く応用されています。[1]例えば、Intuitive社のIonは、低侵襲末梢肺生検用のロボット支援内腔プラットフォームであり、標準的な器具では届かない肺の末梢領域にある結節に到達することを可能にし、癌の早期診断を可能にします。

危険な場所

連続体ロボットは、危険で過酷な環境下でもタスクを遂行する可能性を提供します。例えば、連続体肢を持つ四足歩行ロボットが開発されており、歩行、這いずり、小走り、そして推進力を発揮し、腕全体を掴んで困難な障害物を乗り越えることができます。[22]

空間

NASAは、従来の手段ではアクセスできない領域にアクセスするために、クレバスや断熱ブランケットの下に伸びることができる「Tendril」と呼ばれる連続体マニピュレーターを開発した。 [23]

海底

AMADEUSプロジェクトでは、掴みや操作の作業に適した器用な水中ロボットを開発し、FLAPSプロジェクトでは魚の泳ぎのメカニズムを模倣した推進システムを開発した。[24]

参照

参考文献

  1. ^ abc da Veiga, Tomas; Chandler, James H; Lloyd, Peter; Pittiglio, Giovanni; Wilkinson, Nathan J; Hoshiar, Ali K; Harris, Russell A; Valdastri, Pietro (2020-08-03). 「臨床現場における連続体ロボットの課題：レビュー」. Progress in Biomedical Engineering . 2 (3): 032003. doi : 10.1088/2516-1091/ab9f41 . ISSN  2516-1091. S2CID  225400772.
  2. ^ ab Burgner-Kahrs, Jessica ; Rucker, D. Caleb ; Choset, Howie (2015年12月). 「医療用途における連続ロボット：概説」. IEEE Transactions on Robotics . 31 (6): 1261– 1280. Bibcode :2015ITRob..31.1261B. doi :10.1109/TRO.2015.2489500. ISSN  1552-3098. S2CID  9660483.
  3. ^ ab Walker, Ian D. (2013-07-16). 「連続バックボーン「コンティニュアム」ロボットマニピュレーター」. ISRN Robotics . 2013 : 1–19 . Bibcode :2013ISRNR201326506W. doi : 10.5402/2013/726506 .
  4. ^ Bajo, Andrea; Simaan, Nabil (2016年4月). 「マルチバックボーン連続体ロボットのハイブリッド動作／力制御」 .国際ロボティクス研究ジャーナル. 35 (4): 422– 434. doi :10.1177/0278364915584806. ISSN  0278-3649. S2CID  206500774.
  5. ^ チェン・ガン、ファム・ミン・トゥ、レダース・タネギー（2008年）、リー・スカン、スー・イル・ホン、キム・ムン・サン（編）、「連続体ロボットを用いた半自律型大腸内視鏡検査のための誘導制御戦略」、最近のロボット工学の進歩：人間にとって実用的なロボットサービス：第13回国際先進ロボット会議からの選抜論文集、制御と情報科学の講義ノート、第370巻、ベルリン、ハイデルベルク：シュプリンガー、pp.  63– 78、doi：10.1007/978-3-540-76729-9_6、ISBN 978-3-540-76729-9
  6. ^ 生田 健; 市川 秀; 鈴木 健; 矢島 大輔 (2006). 「多自由度油圧駆動安全アクティブカテーテル」. Proceedings 2006 IEEE International Conference on Robotics and Automation, 2006. ICRA 2006 . Orlando, FL, USA: IEEE. pp.  4161– 4166. doi :10.1109/ROBOT.2006.1642342. ISBN 978-0-7803-9505-3. S2CID  1646994。
  7. ^ Jayender, J.; Patel, RV; Nikumb, S. (2009-09-01). 「ロボット支援による能動カテーテル挿入：アルゴリズムと実験」 .国際ロボティクス研究ジャーナル. 28 (9): 1101– 1117. doi :10.1177/0278364909103785. ISSN  0278-3649. S2CID  206500027.
  8. ^ Medina, Oded; Shapiro, Amir; Shvalb, Nir ​​(2016). 「アクチュエータ付きフレキシブルn次元多様体の運動学」. Journal of Mechanisms and Robotics . 8 (2): 021009. doi :10.1115/1.4031301.
  9. ^ Rus, Daniela; Tolley, Michael T. (2015年5月). 「ソフトロボットの設計、製作、制御」 . Nature . 521 (7553): 467– 475. Bibcode :2015Natur.521..467R. doi :10.1038/nature14543. hdl : 1721.1/100772 . ISSN  1476-4687. PMID  26017446. S2CID  217952627.
  10. ^ Roesthuis, Roy J.; Janssen, Sander; Misra, Sarthak (2013年11月). 「ファイバーブラッググレーティングセンサーアレイを用いたフレキシブル低侵襲手術器具の閉ループ制御について」. 2013 IEEE/RSJ 国際知能ロボット・システム会議(PDF) . 東京: IEEE. pp.  2545– 2551. doi :10.1109/IROS.2013.6696715. ISBN 978-1-4673-6358-7. S2CID  13551100。
  11. ^ Ryu, Seok Chang; Dupont, Pierre E. (2014年5月). 「連続体ロボットのためのFBGベース形状センシングチューブ」. 2014 IEEE 国際ロボティクス・オートメーション会議 (ICRA) . 香港, 中国: IEEE. pp.  3531– 3537. doi :10.1109/ICRA.2014.6907368. ISBN 978-1-4799-3685-4. S2CID  15064329。
  12. ^ ab Jones, Bryan A.; Gray, Ricky L.; Turlapati, Krishna (2009年10月). 「連続体ロボティクスのための3次元静力学」. 2009 IEEE/RSJ 国際知能ロボット・システム会議. 米国ミズーリ州セントルイス: IEEE. pp.  2659– 2664. doi :10.1109/IROS.2009.5354199. ISBN 978-1-4244-3803-7. S2CID  17031584。
  13. ^ Ghafoori, Morteza; Keymasi Khalaji, Ali (2020-12-01). 「Cosserat理論を用いたマルチロッド並列連続体ロボットのモデリングと実験解析」 . Robotics and Autonomous Systems . 134 103650. doi :10.1016/j.robot.2020.103650. ISSN  0921-8890. S2CID  225025768.
  14. ^ Rao, Priyanka; Peyron, Quentin; Lilge, Sven; Burgner-Kahrs, Jessica (2021). 「腱駆動型連続体ロボットのモデル化方法とベンチマークモデルによる性能評価」. Frontiers in Robotics and AI . 7 630245. doi : 10.3389/frobt.2020.630245 . ISSN  2296-9144. PMC 7885639. PMID 33604355  . 
  15. ^ Roesthuis, Roy J.; Misra, Sarthak (2016年4月). 「リジッドリンクモデリングとFBGベースの形状センシングを用いたマルチセグメント連続体マニピュレータの操縦」. IEEE Transactions on Robotics . 32 (2): 372– 382. Bibcode :2016ITRob..32..372R. doi :10.1109/TRO.2016.2527047. ISSN  1552-3098. S2CID  17902850.
  16. ^ Shi, Chaoyang; Luo, Xiongbiao; Qi, Peng; Li, Tianliang; Song, Shuang; Najdovski, Zoran; Fukuda, Toshio; Ren, Hongliang (2017年8月). 「低侵襲手術における連続体ロボットの形状センシング技術：概要」. IEEE Transactions on Biomedical Engineering . 64 (8): 1665– 1678. doi :10.1109/TBME.2016.2622361. ISSN  0018-9294. PMID  27810796. S2CID  26514168.
  17. ^ ドーレ、アレッシオ;スモリキッチ、ガブリエル。ポールテン、エマニュエル・ヴァンダー。セッテ、マウロ;スローテン、ジョス・ヴァンダー。楊広中氏（2012 年 10 月）。 「電磁追跡と物理ベースのシミュレーションの確率的融合に基づくカテーテル ナビゲーション」。2012 年知能ロボットおよびシステムに関する IEEE/RSJ 国際会議。ヴィラモウラ - アルガルヴェ、ポルトガル: IEEE。 pp.  3806–3811。土井:10.1109/IROS.2012.6386139。ISBN 978-1-4673-1736-8. S2CID  17183408。
  18. ^ Xu, Ran; Asadian, Ali; Naidu, Anish S.; Patel, Rajni V. (2013年5月). 「修正ヤコビアンベースアプローチを用いた同心円管連続体ロボットの位置制御」. 2013 IEEE 国際ロボティクス・オートメーション会議. カールスルーエ, ドイツ: IEEE. pp.  5813– 5818. doi :10.1109/ICRA.2013.6631413. ISBN 978-1-4673-5643-5. S2CID  580594。
  19. ^ Guo, Hao; Ju, Feng; Cao, Yanfei; Qi, Fei; Bai, Dongming; Wang, Yaoyao; Chen, Bai (2019-01-01). 「永久磁石と磁気センサーを用いた連続体ロボットの形状推定」 . Sensors and Actuators A: Physical . 285 : 519–530 . Bibcode :2019SeAcA.285..519G. doi :10.1016/j.sna.2018.11.030. ISSN  0924-4247. S2CID  117531270.
  20. ^ Ozel, Selim; Skorina, Erik H.; Luo, Ming; Tao, Weijia; Chen, Fuchen; Yixiao Pan; Onal, Cagdas D. (2016年5月). 「曲率センシング機能を備えた複合ソフトベンディングアクチュエーションモジュール」. 2016 IEEE International Conference on Robotics and Automation (ICRA) . ストックホルム, スウェーデン: IEEE. pp.  4963– 4968. doi :10.1109/ICRA.2016.7487703. ISBN 978-1-4673-8026-3. S2CID  6366153。
  21. ^ George Thuruthel, Thomas; Ansari, Yasmin; Falotico, Egidio; Laschi, Cecilia (2018年4月). 「ソフトロボットマニピュレーターの制御戦略：概説」. Soft Robotics . 5 (2): 149– 163. Bibcode :2018SoftR...5..149G. doi : 10.1089/soro.2017.0007 . hdl : 11382/521074 . ISSN  2169-5172. PMID  29297756.
  22. ^ Godage、Isuru S.;ナナヤッカラ、スリシャンタ。コールドウェル、ダーウィン G. (2012 年 10 月)。 「連続した手足による移動」。2012 年知能ロボットおよびシステムに関する IEEE/RSJ 国際会議。ヴィラモウラ - アルガルヴェ、ポルトガル: IEEE。 pp.  293–298。土井:10.1109/IROS.2012.6385810。ISBN 978-1-4673-1736-8. S2CID  11689025。
  23. ^ Buckingham, Rob; Graham, Andrew (2003-09-08). 「スネークアームロボット ― 航空宇宙産業のための新たなツール」 SAE技術論文シリーズ. 1 2003-01-2952. Warrendale, PA: SAE International. doi :10.4271/2003-01-2952.
  24. ^ Davies, JBC; Lane, DM; Robinson, GC; O'Brien, DJ; Pickett, M.; Sfakiotakis, M.; Deacon, B. (1998). 「連続体ロボットの海中応用」. 1998年国際水中技術シンポジウム議事録. 東京, 日本: IEEE. pp.  363– 369. doi :10.1109/UT.1998.670127. ISBN 978-0-7803-4273-6. S2CID  111200462。
  • Continuumロボット - 最先端技術
Retrieved from "https://en.wikipedia.org/w/index.php?title=Continuum_robot&oldid=1316026698"