Nonlinear Model Predictive Control of a Robotic Soft Esophagus

📄 arXiv: 2608.09602v1 📥 PDF

作者: Dipankar Bhattacharya, Ryman Hashem, Leo K. Cheng, Weiliang Xu

分类: cs.RO

发布日期: 2026-08-10

备注: Accepted manuscript. 12 pages. Published in IEEE Transactions on Industrial Electronics. Project page: https://bhattner143.github.io/rosev2-dtsindyc.github.io/ Code: https://github.com/bhattner143/SINDYc_MPC_RoSE_symmetric_peristaltic

期刊: IEEE Trans. Ind. Electron., vol. 69, no. 10, pp. 10363-10373, Oct. 2022

DOI: 10.1109/TIE.2021.3121755

💡 一句话要点

提出基于SINDYC的MPC以解决软食道的控制问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 机器人软食道 模型预测控制 非线性动态 闭环控制 医疗器械 食道支架 蠕动波生成

📋 核心要点

  1. 现有的RoSE系统在控制蠕动波时缺乏闭环反馈，导致控制精度不足。
  2. 本文提出了RoSEv2.0，结合嵌入式传感器和SINDYC模型，实现了基于模型预测控制的自主控制。
  3. 实验结果表明，MPC成功生成了多种参数的蠕动波，并在不同食物块的一致性下进行了支架迁移测试。

📝 摘要（中文）

食道癌引起的狭窄会导致食道腔道变窄，从而引发吞咽困难。为缓解这一问题，开发了机器人软食道（RoSE），为食道支架测试和食物粘度研究提供了新颖的体外平台。RoSEv2.0通过嵌入的飞行时间（TOF）和压力传感器实现了对食道位移和气压的测量，从而进行建模和控制。本文实现了RoSEv2.0的模型预测控制（MPC），以自主控制蠕动波和气压轮廓。MPC使用稀疏识别非线性动态控制（SINDYC）模型来估计RoSEv2.0的未来状态，成功生成了速度为20 mm/s、波长为75 mm、幅度为5、7.5和10 mm的蠕动波。该研究的主要贡献在于应用SINDYC基础的MPC解决RoSE的闭环控制问题，以实现所需的蠕动波。

🔬 方法详解

问题定义：本文旨在解决机器人软食道（RoSE）在蠕动波控制中的闭环反馈不足问题。现有的RoSE系统采用开放式控制，缺乏对食道状态的实时监测，导致控制效果不理想。

核心思路：论文提出了RoSEv2.0，通过嵌入TOF和压力传感器，实时获取食道位移和气压数据，并利用SINDYC模型进行动态建模，从而实现基于模型预测控制（MPC）的闭环控制。

技术框架：RoSEv2.0的控制系统包括数据采集模块（TOF和压力传感器）、动态模型建立模块（SINDYC）、控制算法模块（MPC）和执行模块（蠕动波生成）。数据通过传感器实时反馈，MPC根据模型预测未来状态并调整控制策略。

关键创新：该研究的创新点在于首次将SINDYC模型应用于RoSE的MPC控制中，解决了传统控制方法在动态环境下的局限性，实现了更高的控制精度和灵活性。

关键设计：在MPC设计中，关键参数包括蠕动波的速度（20 mm/s）、波长（75 mm）和幅度（5、7.5、10 mm），损失函数设计为最小化控制误差和能量消耗，确保控制的稳定性和效率。实验中通过调整这些参数，优化了控制效果。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，基于MPC的RoSEv2.0成功生成了多种参数的蠕动波，尤其是在幅度为10 mm时，控制精度显著提高，能够有效应对不同食物块的一致性，展现出良好的适应性和稳定性。

🎯 应用场景

该研究的潜在应用领域包括医疗器械开发、食道疾病治疗和机器人控制系统。通过提供一种有效的控制方法，RoSEv2.0可用于临床支架测试和食物吞咽研究，具有重要的实际价值和未来影响。

📄 摘要（原文）

Strictures caused by esophageal cancer can narrow down the esophageal lumen, leading to dysphagia. Palliation of dysphagia has driven the development of a Robotic Soft Esophagus (RoSE), which provides a novel in vitro platform for esophageal stent testing and food viscosity studies. In RoSE, peristaltic wave generation and control were done in an open-loop manner since the conduit lacked visibility and embedded sensing capability. Hence, in this work, RoSE version 2.0 (RoSEv2.0) is designed with embedded Time Of Flight (TOF) and pressure sensors to measure conduit displacement and air pressure, respectively, for modeling and control. Model Predictive Control (MPC) of RoSEv2.0 is implemented to govern the peristalsis and air pressure profile autonomously. The implemented MPC used Sparse Identification Nonlinear Dynamics with Control (SINDYC) models to estimate the future states of ROSEv2.0. The dynamic models are discovered from the TOF and pressure sensor data. Peristalsis waves of speed 20 mm/s, wavelength 75 mm, and amplitudes 5, 7.5, and 10 mm were successfully generated by the MPC. Additionally, RoSEv2.0 with the MPC was employed to perform stent migration testing with various food bolus consistencies. The major contribution claimed in this paper is the application of SINDYC-based MPC to solve the closed-loop control problem of RoSE for achieving desired peristaltic waves.