优化手术机器人基座放置：基于工作模式分析的 kinematics 数据驱动方法

在机器人辅助微创手术 (RAMIS) 中，手术机器人基座的最佳放置对手术成功至关重要。不当的放置可能会因机械臂限制和工作空间不可达而阻碍性能。传统的基座放置依赖于受过训练的医务人员的经验。本研究提出了一种基于外科医生工作模式确定最佳基座位姿的新方法。该方法利用基于机器学习的聚类技术分析记录的末端执行器位姿，以识别外科医生偏好的关键位置和方向。我们引入了两个评分指标来解决关节限位和奇异点问题：关节裕度和可操作性评分。随后，我们训练了一个多层感知机回归器，基于这些评分预测最佳基座位姿。在使用 da Vinci Research Kit 的模拟环境中的评估显示，四名志愿者具有独特的基座位姿评分图，突显了工作模式的个体差异性。与 20,000 个随机选择的基座位姿相比的结果表明，使用该方法获得的评分比随机基座放置获得的评分高出 28.2%。这些结果强调了在 RAMIS 基座放置过程中进行针对操作者特定优化的必要性。