未来骨科医工融合—文献集萃（十一）通过模仿人类演示学习，将力感知技能转移到机器人辅助椎板切除术中

发布日期： 2024-11-21 08:54:34 阅读量： 12

尚华清（中国科学院深圳先进技术研究院）

摘要

该研究比较了两种用于机器人辅助椎板切除术的力感知技能学习方法：阻抗模型法和模仿学习法。阻抗模型法基于弹簧-阻尼模型，采用支持向量回归来映射手术特征参数，手动提取特征。模仿学习法使用长短期记忆网络（LSTM），解决了数据标注的准确性问题，取得了91.06%的识别率，显著优于手动特征提取的阻抗模型（63.61%–74.62%）。研究证明，模仿学习可增强机器人对曲面骨组织的感知能力，有望减少手动特征提取的繁琐步骤。

方法

本文提出两种技能学习方法：阻抗模型和模仿学习。阻抗模型通过收集手术数据，建立基于弹簧-阻尼系统的模型，进行参数估计并使用支持向量回归学习映射。模仿学习则以行为克隆方法为基础，使用LSTM网络，从专家手术演示中提取连续时间序列特征，自动化识别手术阶段。数据标注通过自定义模型进行，以提高精确度和适应性。

总结

研究验证了模仿学习在机器人辅助骨组织磨削中的有效性，尤其在非线性动态环境中表现突出。阻抗模型虽能较好地反映手术力学，但依赖手动特征提取，实时性较差。相比之下，模仿学习不依赖手动特征提取，能够自动适应复杂操作，提升了机器人在动态手术场景中的智能性和操作精准度。

创新点

1. 提出了结合阻抗模型和模仿学习的混合框架，以解决机器人手术技能学习中的实时适应问题。

2. 通过LSTM网络实现了自动化的行为学习与分类，降低了传统手工特征提取的复杂度。

3. 验证了模仿学习在复杂骨面磨削中的高效性，实验表明该方法识别率达91.06%，超越传统阻抗模型法。