[发明专利]一种远程运动中心约束下的机器人手术技能学习方法

权利要求书

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{A_j，b_j}，其中A_j为约束空间{j}变换到元空间的姿态变换矩阵，b_j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：

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。