面向机器人超声引导操作技能迁移学习的简易框架

本文中，我们提出一个用于机器人超声引导操作的技能迁移学习的简易框架。我们简要回顾机器人超声引导操作技能迁移学习中的挑战。随后我们明确了适当采样技术以及计算高效的神经网络模型的需求，由此引出了用于机器人超声引导操作实时应用的技能迁移学习简易框架的提出。我们展示了来自两名参与者（一名有经验的临床医生与一名非临床医生）寻找胎儿体模四腔心切面的优化扫描平面的试点实验。我们分析了超声图像帧、纹理图像特征的时间序列与四元数，发现与来自非临床医生的冗长且非恒定运动相比，有经验的临床医生以更快速且更平滑的方式执行了该操作。对于未来工作，我们指出了在机器人超声引导操作实时应用中需要剪枝与量化的神经网络模型。复现本工作的资源可在 \url{https://github.com/mxochicale/rami-icra2023} 获取。