Data-Driven Contact-Configuration Recognition for Tendon-Driven Continuum Robots: An Explainable, Label-Efficient Framework with Application to Minimally Invasive Surgery
Este estudo propõe um framework de aprendizado de máquina explicável e eficiente em termos de rótulos, utilizando CatBoost e aprendizado semissupervisionado para reconhecer com precisão configurações de contato em robôs contínuos acionados por tendões para cirurgia minimamente invasiva, alcançando alto desempenho com dados rotulados limitados ao identificar a força normal como uma característica crítica para estratégias de controle mais seguras.