通过具身智能增强外科机器人实现自主超声扫描

超声机器人在医疗诊断和早期疾病筛查中日益受到重视。然而，当前的超声机器人缺乏理解人类意图和指令的智能能力，限制了其实现自主超声扫描。为解决此问题，我们提出一种新型超声具身智能系统，通过引入大语言模型（LLM）和领域知识，提升超声机器人的效率。具体而言，我们首先设计了超声操作知识数据库，将超声扫描领域的专业知识嵌入LLM，使其能够进行精确的运动规划。进一步，我们基于“思考-观察-执行”（think-observe-execute）提示工程设计了动态超声扫描策略，使LLM能够在扫描过程中动态调整运动规划策略。广泛的实验结果表明，我们的系统显著提升了从语音指令获得的超声扫描效率和质量。这种在医学自主扫描技术方面的突破，有助于实现无创诊断和医疗流程的优化。