日前，中国科学院深圳先进技术研究院生物医学与健康工程研究所微创中心围绕腔道手术机器人运动感知与控制的研究取得新进展，相关论文Deeply-Learnt Damped Least-Squares (DL-DLS) Method for Inverse Kinematics of Snake-Like Robots在Neural Networks期刊（IF=7.197，在132个计算机科学-人工智能领域的SCI期刊中IF排名第七）在线发表。该论文提出了一种基于深度神经网络求解蛇形机器人逆运动学问题的算法，对于高冗余度关节型手术机器人的运动感知和控制具有重要意义。深圳先进院博士生Olatunji Mumini Omisore与研究助理韩世鹏为论文共同第一作者，通讯作者为王磊研究员。 

　　经血管、消化道等腔道进行手术及放射治疗是医疗机器人领域的研发热点，课题组成员提出了一种基于深度神经网络的阻尼最小二乘法算法，用于求解蛇形机器人的逆运动学。为实现对蛇形机器人末端执行器的精确控制，研究人员采用阻尼最小二乘法计算机器人雅克比矩阵模型中关节矢量变化的误差，并通过迭代获得机器人目标位置所适合的关节矢量。为避免奇异点，研究人员构建了深度神经网络模型并用于预测蛇形机器人工作空间中任意目标点所需的最优阻尼系数。仿真和实验均表明，本方法可高效实现对腔道手术机器人运动的准确感知和快速控制。 

　　该研究得到了国家自然科学基金-深圳机器人联合基金重点支持“穿戴式精确定位介入手术机器人的力觉感知与导丝操控机理（U1713219）”、CAS-TWAS奖学金、深圳市医疗电子平台提升等项目的资助。 

　　论文链接

蛇形机器人实验验证

DL-DLS算法和现有阻尼最小二乘法对比分析

不同算法平均执行时间对比分析