Un método de aprendizaje por refuerzo difuso optimizado por PSO para hacer más inteligente el brazo quirúrgico de cirugía mínimamente invasiva

Para la cirugía asistida por robots, el procedimiento de preparación preoperatoria en el cual los brazos quirúrgicos deben ajustarse manualmente a su configuración esperada puede presentar problemas interrelacionados en términos de precisión, robustez del sistema y experiencia de interacción humano-robot. Trabajos anteriores sobre métodos de control de impedancia/admitancia variable mejoraron la suavidad de este procedimiento, aunque las características individuales de diferentes personal operante aún no han sido adecuadamente consideradas. Para mejorar aún más este proceso sobre la base de métodos existentes, se propone e incorpora una nueva estrategia basada en el algoritmo de aprendizaje difuso Sarsa(λ) en la estrategia de ajuste de parámetros virtuales para lograr la interacción física humano-robot (pHRI) de modo que el robot pueda aclimatarse a las diversas características de manejo de diferentes operadores a través de suficiente aprendizaje en línea. Para también acortar el ciclo de entrenamiento en línea, reducir los factores subjetivos indeseables y mejorar el rendimiento general del entrenamiento, se emplea un algoritmo basado en optimización por enjambre de partículas (PSO) para optimizar la partición del espacio de variables de estado y la distribución de acciones discretas. Varios grupos de experimentos han demostrado la validez de este esquema y la efectividad del elemento de optimización PSO.