论文技术总结：基于遍历探索的自主机器人组织触诊与异常表征

1. 研究背景与问题定义

问题背景：
组织触诊（Palpation）是医生通过触觉评估组织刚度、纹理及检测异常（如肿瘤、淋巴结肿大）的基础临床程序。然而，人工触诊具有主观性，且受医生经验差异影响，难以保证对小病灶或深部病变的重复性和准确性。虽然影像学（如乳腺 X 光、超声）是金标准，但成本高昂且难以集成到微创手术机器人中。

核心挑战：
现有的机器人辅助触诊方法存在以下局限：

• 传感器依赖： 许多方法依赖定制化的嵌入式触觉传感器，缺乏通用性和成本效益。
• 采样策略低效： 传统的均匀网格采样效率低下；基于贝叶斯优化（Bayesian Optimisation, BO）的方法虽然能减少采样点，但往往侧重于寻找刚度峰值，难以准确描绘异常区域的边界，且探索（Exploration）与利用（Exploitation）通常是顺序进行的，可能导致遗漏细微区域。
• 实时性不足： 现有的遍历控制（Ergodic Control）方法（如 SMC）计算复杂，难以满足高频实时控制需求。

本文目标：
提出一种自主机器人触诊框架，仅使用商用力/力矩（F/T）传感器，结合粘弹性组织模型和遍历控制策略，实现实时的组织弹性映射和异常区域（如硬夹杂物）的精准表征。

---

2. 方法论 (Methodology)

该框架是一个闭环搜索算法，包含四个核心组件，通过**期望信息密度（Expected Information Density, EID）**驱动遍历探索。

2.1 在线粘弹性参数估计

• 接触模型： 采用基于**降维法（Dimensionality Reduction Method, DRM）**的粘弹性接触模型。该模型将三维接触力学映射为二维等效表示，能够更准确地模拟组织在动态触诊中的力学响应（包含弹性变形和粘性阻尼）。
• 状态估计： 使用**扩展卡尔曼滤波（EKF）**在线估计组织参数（局部刚度 $\kappa$ 和阻尼 $\lambda$）以及压入深度和速度。这使得系统无需专用触觉传感器，仅凭标准 F/T 传感器即可在连续接触中实时估算组织刚度。

2.2 高斯过程回归 (GPR) 与空间建模

• 利用 GPR 构建连续的刚度分布图。
• 输入： 机器人末端执行器位置。
• 输出： 估计的弹性模量均值 $\mu(x)$ 和模型不确定性方差 $\sigma^2(x)$。
• 核函数选用平方指数核（SE），确保估计值的平滑性和可微性，便于后续梯度计算。

2.3 定制的期望信息密度 (EID)

这是本文的核心创新之一。EID 函数 $\xi_{EID}(x)$ 用于指导机器人优先探索哪些区域，平衡了以下三个因素：

1. 不确定性 ($\sigma(x)$)： 鼓励探索未采样或高不确定性区域（探索）。
2. 刚度幅值 ($\mu(x)$)： 关注高刚度区域（利用）。
3. 空间梯度 ($\|\nabla\mu(x)\|$)： 关注刚度变化剧烈的区域，即异常组织的边界（边界细化）。

动态平衡机制：
引入标量 $\alpha \in [0, 1]$ 控制探索与利用的权衡：
$$\tilde{\xi}_{EID}(x) = (1-\alpha) \left( \frac{g(x)}{\int g} + \frac{\mu(x)}{\int \mu} \right) + \alpha \frac{\sigma(x)}{\int \sigma}$$
其中 $\alpha(t)$ 随时间动态调整，基于遍历度指标（Ergodic Metric）。初始阶段 $\alpha$ 较高，侧重探索（高不确定性）；随着覆盖度增加，$\alpha$ 降低，系统逐渐转向利用（高刚度和高梯度区域），从而自动聚焦于异常区域及其边界。

2.4 轨迹规划与遍历控制

• 算法： 采用**热方程驱动的面积覆盖（HEDAC）**算法。
• 优势： 相比传统的谱多尺度覆盖（SMC），HEDAC 利用径向基函数和稳态热方程计算平滑的局部轨迹，避免了傅里叶变换的高计算成本。
• 实时性： 支持 100 Hz 的轨迹更新频率，实现了连续的运动规划，而非离散的点对点跳跃。
• 停止准则： 基于遍历度指标 $\alpha$ 的收敛性设定停止条件，而非固定时间或步数，确保在达到足够的信息覆盖后自动终止。

---

3. 主要贡献 (Key Contributions)

1. 定制的 EID 策略： 提出了一种专门针对刚度映射的 EID 函数，显式结合了不确定性、刚度幅值和空间梯度，引导遍历探索向具有诊断意义的区域（异常体及其边界）集中。
2. 闭环控制架构： 实现了在线力基粘弹性参数估计与遍历轨迹规划的闭环结合。刚度估计实时重塑信息目标，动态调整探索策略。
3. 高频实时实现： 基于 HEDAC 算法实现了 100 Hz 的实时遍历触诊，支持连续运动，显著优于早期受限于低频（如 4 Hz）的 SMC 方法。
4. 自适应停止准则： 提出了一种基于遍历度指标的收敛停止准则，无需先验知识（如病灶数量或固定时间），能根据任务复杂度自适应调整探索时长。

---

4. 实验结果 (Results)

4.1 仿真结果

• 场景： 在合成刚度图上测试，包含 1 到 3 个不同形状的硬夹杂物（模拟病理组织），并在无噪声和加噪（$N(0, 6.25 kPa^2)$）条件下进行 50-100 次实验。
• 对比基线： 与两种贝叶斯优化变体（BO-EI 和 BO-EIS）进行对比。
• 性能指标：
  • 重建精度： 在相同路径长度下，本文方法的均方根误差（RMSE）显著低于 BO 方法（例如在 800mm 路径下，无噪 RMSE 为 1.42 kPa，而 BO-EIS 为 1.87 kPa）。
  • 检测率 (DR)： 在充分探索后，所有方法检测率均接近 100%，但本文方法在更短的时间内达到该水平。
  • 分割性能： 在分割不规则形状和环形夹杂物时，本文方法的**灵敏度（Sensitivity）和特异性（Specificity）**均优于 BO 方法。特别是在灵敏度上（避免漏诊），本文方法表现最佳（Cluster 1 灵敏度达 0.975 vs BO-EI 的 0.561）。
  • 鲁棒性： 在噪声环境下，本文方法保持了稳定的性能优势。

4.2 实物实验

• 设置： 使用 UR3e 机械臂，末端安装球形压头，配合 Bota SensOne 6 轴力/力矩传感器。测试对象为硅胶 phantom（Ecoflex-0030 基质中嵌入 DragonSkin-30NV 硬球体）。
• 结果：
  • 成功定位了嵌入的硬球体。
  • 重建刚度图与网格采样的真值高度一致（RMSE = 9.76 ± 2.97 kPa）。
  • 分类性能优异：平均灵敏度 0.92，特异性 0.98。
  • 轨迹自适应：机器人自动在硬区域增加探索密度，同时覆盖其余区域。

---

5. 意义与结论 (Significance)

• 临床价值： 该方法提供了一种低成本、便携且无需定制传感器的自主触诊方案，能够辅助医生进行早期癌症（如乳腺癌）筛查，提高诊断的客观性和重复性。
• 技术突破： 证明了遍历控制（Ergodic Control）在机器人触诊任务中优于传统的贝叶斯优化，特别是在边界界定和连续空间估计方面。
• 应用前景： 框架具有模块化特性，可灵活集成不同的模型或控制策略。未来工作将扩展至三维非平面表面及离体组织测试，进一步向临床转化迈进。

总结： 本文提出了一种基于遍历探索的自主机器人触诊系统，通过结合粘弹性参数估计、动态 EID 引导和 HEDAC 实时控制，实现了比传统贝叶斯优化方法更准确、更鲁棒且效率更高的组织刚度映射与异常检测。