(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211335145.8 (22)申请日 2022.10.28 (71)申请人 河北工业大 学 地址 300130 天津市红桥区丁字沽光 荣道8 号河北工业大 学东院330# (72)发明人 刘卫朋　陈嶂　 (74)专利代理 机构 天津翰林知识产权代理事务 所(普通合伙) 12210 专利代理师 张国荣 (51)Int.Cl. B25J 9/16(2006.01) A61B 34/37(2016.01) A61B 34/00(2016.01) (54)发明名称 一种远程运动中心约束下的机器人手术技 能学习方法 (57)摘要 本发明公开一种远程运动中心约束下的机 器人手术技能学习方法， 该学习方法引入任务参 数来解决远程运动中心约束空间与手术任务约 束空间不一致的问题， 将不同约束空间的操作任 务要求统一到同一个元空间中， 从医生的技能演 示过程中提取医生操作中的隐式约束， 并进行融 合得到包含手术技能所有约束特征的技能模型。 在新的任务场景下， 可以直接输入相应任务参数 而自主计算得到相应的技能动作指令， 进而由手 术机器人执行完成任务。 相 交于现有技术， 本发 明学习方法对所学习技能的所有约束都完整地 保留， 明显提升了技能的准确性与鲁棒性， 具有 更高的灵活性， 在不同的手术任务场景中具有更 好的自适应性。 权利要求书2页 说明书7页 附图1页 CN 115502982 A 2022.12.23 CN 115502982 A 1.一种远程运动中心约束下的机器人手术技能学习方法， 其特征在于， 该方法包括以 下步骤： 步骤一： 获取多组医生执行手术任务的演示数据， 该手术任务为在远程运动中心约束 下利用机器人机 械臂在腔体内控制手术器械跟踪预设的轨 迹； 步骤二： 根据演示数据， 确定不同演示中相同约束空间中的数据， 并在相同类型约束空 间下的数据构建概率模型； 选择元空间， 求取不同演示中各约束空间相对于元空间的任务 参数； 步骤三： 将步骤二中得到的不同类型约束空间中描述对应约束的概率模型基于对应的 任务参数变换到元空间中， 并在元空间中将代表各约束空间约束特征的概率模型进行融 合， 得到涵盖手术 技能所有约束的概 率模型； 步骤四： 根据新手术任务场景数据求解各约束空间对应的任务参数， 并根据任务需求 给定环境输入变量， 计算元空间中由步骤三得到的涵盖手术技能所有约束的概率模型的条 件分布概率模型， 得到元空间中相 应的输出变量； 将元空间中描述的输出变量经 由上述任 务参数分别变换到各约束空间中， 得到新手术任务场景下泛化所学习技能的对应的输出变 量， 最终由手术机器人系统执 行完成新手术任务。 2.根据权利要求1所述的一种远程运动中心约束下的机器人手术技能学习方法， 其特 征在于， 所述 步骤一具体包括下述 步骤： 步骤1.1： 由具有操作经验的医生控制远程操作手术机器人系统， 在远程运动中心约束 下执行手术任务， 并记录远程 运动中心的位置、 病灶区域的位置及运动数据； 步骤1.2： 改变 远程运动中心的位置、 病灶区域的位置， 继续执 行同样的手术任务； 步骤1.3： 重复步骤1.1到步骤1.2， 当演示次数达到设定次数时， 停止该手术任务的演 示， 并分别储 存每一次演示的数据。 3.根据权利要求1所述的一种远程运动中心约束下的机器人手术技能学习方法， 其特 征在于， 步骤一中预设的轨 迹为一条正弦曲线。 4.根据权利要求1所述的一种远程运动中心约束下的机器人手术技能学习方法， 其特 征在于， 所述 步骤二具体包括下述 步骤： 步骤2.1： 确定不同演示中相同约束空间中的数据， 具体而言， 在不同的约束空间中分 别收集演示数据 其中， 为在约束空间{j}中描述的数据点， t为数据点对应的时 刻； 步骤2.2： 对相同约束空间下的数据构建概率模型， 即在约束空间{j}中对 构建概率 模型， 该概 率模型即为该约束空间中对应约束的描述； 步骤2.3： 根据演示数据， 选定元空间， 确定不同演示中约束空间相对应的任务参数， 任 务参数代表了约束空间相对于元空间的变换参数{Aj， bj}， 其中Aj为约束空间{j}变换到元 空间的姿态变换矩阵， bj为约束空间{j}原点在元空间的位置 。 5.根据权利要求1所述的一种远程运动中心约束下的机器人手术技能学习方法， 其特 征在于， 步骤二中的概 率模型为高斯混合模型。 6.根据权利要求1所述的一种远程运动中心约束下的机器人手术技能学习方法， 其特 征在于， 所述 步骤三具体包括下述 步骤：权　利　要　求　书 1/2 页 2 CN 115502982 A 2步骤3.1： 利用线性变换将步骤二中所得到的各约束空间中描述对应约束的概率模型 基于对应的任务 参数变换到元空间中； 步骤3.2： 利用高斯分布的线性变换性质， 在元空间中将代表各约束空间约束特征的概 率模型相乘进行融合， 得到涵盖手术 技能所有约束的概 率模型。 7.根据权利要求1所述的一种远程运动中心约束下的机器人手术技能学习方法， 其特 征在于， 所述 步骤四具体包括下述 步骤： 步骤4.1： 确定新手术任务场景下各约束空间对应的任务参数， 根据新手术任务场景下 相应的远程 运动中心的位置、 病灶区域的位置， 确定对应的任务 参数； 步骤4.2： 根据任务需求给定环境输入变量 计算元空间中由步骤3.2得到的涵盖手 术技能所有约束的概 率模型的条件分布概 率模型 得到相应的输出变量 步骤4.3： 将步骤4.2中计算所得元空间中描述的输出变量经由步骤4.1所得任务参数 分别变换到各约束空间中， 得到新任务场景下泛化所学习技能的对应的输出变量， 最终由 手术机器人系统执 行完成新手术任务。权　利　要　求　书 2/2 页 3 CN 115502982 A 3