面向自主机器人外科手术的 VisionSafeEnhanced VPC：在不确定性下具备可见性约束的谨慎预测控制

自主控制机器人辅助Minimally侵入性手术（MIS）中的腹腔镜相继受到广泛关注，因其有望提高手术安全性。尽管在像素级基于图像的视觉控制（IBVS）方面取得了进展，但持续可见性要求以及复杂扰动（如参数化误差、测量噪声及有效载荷不确定性）的存在，可能降低外科医生的视觉体验并危及程序安全性。为此，本文提出VisionSafeEnhanced视觉预测控制（VPC），一种稳健且不确定性自适应的自主腹腔镜控制框架，确保在不确定性下保证场地视野（FoV）安全。首先，利用高斯过程回归（GPR）对操作不确定性（包括残余模型不确定性、随机不确定性及外部扰动）进行混合（确定性+随机）量化。基于不确定性量化，本文提出一种具有概率保证的安全感知轨迹优化框架，其中基于不确定性传播给出一种不确定性自适应安全控制屏障函数（CBF）条件，同时基于概率近似建立机会约束。这种不确定性感知的表述使能够自适应地分配控制力量，在维持鲁棒性的同时最小化不必要的摄像机运动。该方法通过与基线方法的比较仿真和实验进行验证，实验在商业手术机器人平台（MicroPort MedBot Toumai）上进行，完成一系列多靶点淋巴结切除术。相较于基线方法，该框架实现了近乎完美的靶点可见性（>99.9%），显著降低了跟踪误差。