基于形状感知的连续机器人全身控制方法及其在内窥手术机器人中的应用

本文提出了一种针对tendon驱动型连续机器人的数感知全身控制框架，直面内窥手术导航。内窥手术程序，如支气管镜检查，需要精确且安全地通过患者特有的扭曲解剖结构，其中传统仅控制末端会导致壁面接触、组织损伤或无法到达远端目标。为解决这些挑战，我们的方法将基于物理的背bone模型与残差学习相结合，通过增强神经网络常微分方程实现精确的形状估计和高效的雅可比计算。基于此表示，采样基于模型的路径积分 (MPPI) 控制器用于联合优化末端跟踪、背bone一致性和障碍规避，在作动约束下。任务管理器进一步通过允许在遥操作期间调整目标（如壁面间隙或直接推进），提高适应性。广泛的仿真研究表明，在包括轨迹跟踪、动态障碍规避和受形状约束的到达等多种情景下，均可实现毫米级精度。真实机器人实验在支气管镜模拟器上验证了该框架，显示出比Joystick式导航和现有基线方法在内腔跟随精度、壁面接触减少和适应性方面均有所改进。这些结果凸显了该框架在增加内窥手术安全性、可靠性和操作员效率方面的潜力，并具有更广泛的适用性于其他受限和安全关键环境。