基于神经科普算子建模与控制的气动软体机器人导管

导管介入在心脏疾病诊断和治疗中广泛应用。近期，机器人导管因其在精度和稳定性方面优于传统人工手法而受到关注。然而，软体机器人导管的精确建模与控制仍面临挑战，由于其复杂的非线性行为。科普算子通过将原始系统数据提升到线性“提升空间”，提供了数据驱动的预测控制框架；但往往依赖手动选择的提升空间基函数，导致对系统行为的简化，影响控制性能。为此，我们提出一种基于神经网络增强的科普算子框架，联合学习提升空间表示与科普算子。此外，鉴于心房消融期间持续 X 射线造影剂量是临床实践中的主要顾虑，我们研究了利用神经科普算子进行开环控制，以无需持续成像反馈即可可靠到达目标姿态。该方法在两个实验场景中得到验证：交互式位置控制和使用类似心房的腔室进行的仿真心房消融任务。我们的方法在位置控制精度上实现 2.1 ± 0.4 mm，姿态控制精度为 4.9 ± 0.6 度，优于不仅基于模型的方法，还其他科普变体，在目标精度和效率方面均表现出色。这些结果凸显了该框架在推动软体机器人导管系统方面的潜力，以及改进导管介入的重要价值。