基于 LSTM 的磁驱动导管建模与强化学习控制
系统与控制
2025-12-25 v1 系统与控制
摘要
自主磁导管系统正成为未来微创介入治疗的一种有前景的方法。本研究提出了一种新颖的方法，首先对磁驱动导管系统的非线性和迟滞动力学进行建模。该系统由一个由两个外部永磁体产生的伺服控制磁场操纵的磁导管组成，其复杂行为使用长短期记忆 (LSTM) 神经网络进行捕捉。该模型通过实验装置数据进行验证，均方根误差 (RMSE) 为 0.42 mm，且 99.8% 的覆盖范围在 3 mm 以内，确立了其作为可靠代理模型的地位。该 LSTM 模型使得能够训练强化学习 (RL) 智能体来控制该系统，避免对真实装置造成损害，并具有随后在物理系统上进行微调的潜力。我们实现了深度 Q 网络 (DQN) 和 Actor-Critic 强化学习控制器，首先比较了这两种智能体在导管尖端调节任务上的表现，随后比较了它们在沿直线和半正弦路径跟随任务上的表现。在 10 Hz 的采样率下，与 DQN 控制器相比，Actor-Critic 在调节和路径跟随方面均优于 DQN，提供了更高的精度、更快的性能、更小的误差以及更平滑的轨迹。这种性能得益于其连续动作空间，适用于实际应用中的动态导航任务，例如在弯曲的血管结构中导航。
引用
@article{arxiv.2512.21063,
title = {LSTM-Based Modeling and Reinforcement Learning Control of a Magnetically Actuated Catheter},
author = {Arya Rashidinejad Meibodi and Mahbod Gholamali Sinaki and Khalil Alipour},
journal= {arXiv preprint arXiv:2512.21063},
year = {2025}
}
备注
Presented at the 13th RSI International Conference on Robotics and Mechatronics (ICRoM 2025), Dec. 16-18, 2025, Tehran, Iran