💻 computer science

Data-Driven Contact-Configuration Recognition for Tendon-Driven Continuum Robots: An Explainable, Label-Efficient Framework with Application to Minimally Invasive Surgery

本研究提出了一种利用 CatBoost 和半监督学习的可解释、标签高效型机器学习框架，用于准确识别用于微创手术的腱驱动连续体机器人的接触构型，在有限标记数据的情况下实现了高性能，并确定法向力是实现更安全控制策略的关键特征。

原作者： Abdulkader Al-Gailani, Mohammed Al-Hubaishi

发布于 2026-08-03

📖 1 分钟阅读☕ 轻松阅读

原作者： Abdulkader Al-Gailani, Mohammed Al-Hubaishi

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一个机器人不再是遵循僵化指令的笨重金属箱，而是像蛇或章鱼一样灵活且优雅的世界。这就是连续体机器人（continuum robotics）的领域。不同于在人类肘部那样在尖锐、离散的关节处弯曲的标准机械臂，这些机器能沿其整个长度平滑地弯曲，从而能够穿梭于狭窄、扭曲且脆弱的空间中——比如在不损坏任何一片珊瑚的情况下，穿行于珊瑚礁迷宫。科学家们对将这些“软”机器人用于微创手术感到特别兴奋，因为它们可以通过微小的切口进入人体内部进行手术，而无需进行大型切口。

然而，有一个棘手的问题：机器人如何知道自己是否触碰到了物体？在手术中，机器人可能需要轻轻靠在一个组织上以稳住自身，或者它可能会不小心用力过猛而造成伤害。如果机器人无法区分“安全、轻柔的触摸”与“危险、沉重的撞击”，它就会变成一种隐患。为了解决这个问题，研究人员使用了机器学习，这是一种通过实例进行学习的计算机程序。但问题在于：教导机器人需要海量的标注数据（成千上计的“好触摸”与“坏触摸”的例子），而从真实手术中获取这些数据极其昂贵、困难且罕见。因此，核心问题变成了：我们能否在不需要大量昂贵数据的情况下，教会这些机器人变得安全且聪明？

这篇论文通过引入一种巧妙的、具备数据智能的框架来应对这一挑战，旨在帮助腱驱动连续体机器人识别其接触构型。你可以把这个机器人想象成一根由六根隐形绳索（腱）拉动的柔性钓鱼竿。研究人员想要为这个机器人构建一个“大脑”，通过观察绳索被拉动的程度、杆身的弯曲形状以及它对物体施加的压力，来做出判断：“我处于安全位置，还是即将引发麻烦？”

团队并没有只是向计算机投喂数据，而是像侦探一样，从机器人的运动中提取了特定的线索。他们创建了一些特征，用以描述腱的张力、机器人曲线的形状、机器人末端与所接触物体之间的距离，以及那次接触的力。他们使用了一个包含 7 50 次实验室实验记录交互的数据集来测试这个“大脑”。结果非常出色。一种被称为 CatBoost 的特定机器学习模型脱颖而出，它在处理新的、未见过的数据时，能以 0.9888 的准确度（F1 分数）正确识别安全与危险的情况。更令人印象深刻的是，该模型并不仅仅是在死记硬背答案；它具有良好的泛化能力，证明它确实学会了游戏规则。

但真正的魔力发生在他们尝试实现“标签高效性”时。由于现实世界中的数据稀缺，他们提出了疑问：“如果我们只展示 10% 的标注样本会怎样？”通过使用一种称为**自训练（Self-Training）**的技术（即机器人利用已有的未标注数据进行自我教学），他们发现即使只有这极小部分的标注数据，机器人仍能达到 0.955 的高准确度。当他们将标注数据增加到 50% 时，性能跃升至 0.986，几乎与全量训练的版本持平。这表明，我们可能不需要成千上万次的昂贵手术记录来训练这些机器人；一组经过精心挑选的小规模数据集或许就足以让它们入门。

研究人员还玩起了“如果……会怎样”的游戏，以观察哪些因素最为重要。他们发现，准确掌握机器人末端与接触点之间的距离是最重要的线索，其重要性甚至超过了压力本身。有趣的是，即使移除力传感器，机器人依然能表现得非常好（得分 0.975）。这是一个巨大的安全特性：如果机器人在实际手术中力传感器损坏或产生噪声，系统仍能仅凭几何关系和张力做出安全的决策。

然而，论文也排除了一些想法。他们尝试观察机器人是否能在没有任何标签的情况下自主识别接触类型（使用无监督聚类），但失败了。如果没有预先告知这些类别，机器人无法自然地将数据分为“安全”和“危险”类别。他们还检查了是否存在数据泄漏，即模型是否只是在记忆数据中的某种秘密代码（协议 ID），虽然发现了一丝痕迹，但这不足以左右实验结果。

简而言之，这项研究表明，我们可以为柔性手术机器人构建一个透明且数据高效的“安全大脑”。它表明，通过将关键的物理线索与智能机器学习相结合，我们可以创造出既能应对传感器缺失、又具备高度鲁棒性的系统。尽管作者谨慎地指出，这目前是在实验室环境下进行的测试，尚未应用于真实的人体手术，但这些发现为使未来的手术机器人更安全、更聪明、且更少依赖于难以获取的海量训练数据提供了一条充满希望的路线图。

技术摘要：面向腱驱动连续体机器人的数据驱动接触配置识别

问题陈述
腱驱动连续体机器人手臂因其顺应性和在弯曲解剖路径中导航的能力，在微创手术（MIS）领域具有广阔的应用前景。然而，其安全部署依赖于对接触配置的可靠识别，以防止过度受力、组织刺激或意外损伤。虽然存在高保真度的基于模型的方法，但这些方法通常需要大量的标定工作并涉及简化假设。数据驱动方法提供了另一种选择，但在微创手术背景下面临三个特定挑战：（1）带标签的手术交互数据稀缺且采集成本高昂；（2）部署在安全至上环境中的模型必须具备可解释性；（3）验证过程必须严谨，以避免由协议层混淆因子导致的虚假性能表现。

方法论
本研究提出了一个可解释且具备标签高效性的机器学习框架，用于分类腱驱动连续体机器人的二元交互配置类型（cfg type）。该框架利用了公开的“连续体机器人末端执行器交互力”数据集，该数据集包含来自 150 个唯一接触点的 750 个样本。

特征工程： 作者在四个物理域中构建了 107–114 个特征：
- 腱张力特征： 六个腱张力的统计量（总和、均值、标准差、最小值、最大值、极差）以及拮抗差值/比例。
- 骨架几何特征： 基于 18 个骨架圆盘位置推导出的弧长、弦长、扭曲度、分段长度统计量、局部弯曲角、离散曲率以及包围盒体积。
- 接触特征： 接触点与机器人末端之间的位移和距离。
- 力交互特征： 法向力（ $f_N$ ）及其与几何及张力特征的乘积（用于特定的消融实验）。
学习范式： 研究在相同的特征空间上评估了三种范式：
- 监督学习： 13 种分类器，包括逻辑回归、SVM 以及随机森林和梯度提升方法（XGBoost、LightGBM、CatBoost）。
- 半监督学习： 标签传播（Label Propagation）、标签扩散（Label Spreading）和自训练（Self-Training，使用随机森林、SVM 和逻辑回归作为基学习器），用以模拟标签稀缺的情况（标签比例从 10% 到 100%）。
- 无监督学习： 使用聚类算法（K-Means、高斯混合模型、DBSCAN 等）来确定自然聚类结构是否与交互配置标签一致。
验证策略： 为防止空间泄漏，研究采用了以 point id 作为分组键的组感知验证（group-aware validation）。这确保了来自同一接触点的样本不会同时出现在训练集和测试集中。评估过程包括 10 折分层组 K 折交叉验证（10-fold StratifiedGroupKFold）以及多种训练/测试集划分比例（80:20、60:40、50:50）。
可解释性与消融实验： 模型可解释性通过基于树的特征重要性、排列重要性（permutation importance）以及 SHAP（SHapley Additive exPlanations）进行评估。消融实验对比了包含与不包含法向力（ $f_N$ ）时的性能，并使用协议标识符（cfg id）进行了“泄漏探测”，以检测模型是否在无意中学习了协议伪影而非物理状态。

核心贡献

多域特征工程： 结合了腱、几何、接触-末端及力交互特征的统一特征集。
统一范式比较： 对监督、半监督和无监督学习进行了系统性的对比评估。
标签效率研究： 通过使用 10%、20%、30%、50% 和 100% 的有标签训练数据，量化了模型的性能。
严谨验证： 通过按接触点进行的组感知划分，消除了空间数据泄漏。
力依赖性分析： 通过消融实验量化了法向力传感对模型性能的贡献。
泄漏诊断： 使用 cfg id 进行透明的探测，以验证高性能是否是由协议层混淆因子驱动的。
可解释性： 利用 SHAP 和排列方法进行了全面的特征重要性分析。

结果

监督学习性能： CatBoost 表现最佳，平均测试 F1 分数为 0.9888，交叉验证 F1 分数为 0.996 ± 0.006。五种梯度提升和集成方法在约 0.005 的 F1 差距内聚集。表现最差的是 KNN（F1 = 0.7823）。在组感知验证下未检测到严重的过拟合。
半监督效率： 基于随机森林的自训练（Self-Training） 展示了极高的标签效率。它仅使用 10% 的有标签数据就达到了 0.955 的 F1 分数，使用 50% 时达到 0.986，几乎接近完全监督的 CatBoost 基准。相比之下，标签传播和标签扩散的表现较差（F1 ≤ 0.71）。
无监督聚类： 无监督方法未能自然地恢复 cfg type 的结构。表现最好的聚类算法（高斯混合模型）映射 F1 分数为 0.686，调整兰德指数（ARI）接近于零，这表明特征空间中的自然聚类结构与监督学习的交互标签并不一致。
消融与可解释性：
- 接触特征是主要的预测因子（仅含接触特征时 F1 = 0.978）。
- 力特征提供了适度的提升（包含 $f_N$ 时 F1 提升了 +0.011），但即使没有直接的力测量，模型依然保持高度准确（F1 = 0.975），这表明模型对力传感器退化具有鲁棒性。
- $cfg\_id$ 泄漏探测仅导致了微小的性能提升（+0.008 F1），证实了模型主要依赖物理特征而非协议伪影。

意义与主张
本文主张，一种可解释且具备标签高效性的机器学习框架可以支持更安全的腱驱动连续体机器人接触感知控制策略。具体而言：

安全层： 基于 CatBoost 的分类器可以作为基于模型的控制器的冗余安全层，在检测到不安全配置时触发保守的运动策略或警报。
数据效率： 在标注交互数据难以获取的场景下（这在医疗机器人领域很常见），一个较小的标注子集（大约 10% 的标签）可能足以启动一个性能媲美全监督模型的自训练分类器。
鲁棒性： 该框架在无需法向力（ $f_N$ ）输入的情况下仍能保持高准确率，这意味着如果力传感出现噪声或失效，系统能够实现平滑降级。

局限性与未来工作
作者明确指出，这些发现源于对实验室内实验室数据集的回顾性研究，并不保证临床手术安全性。cfg type 是实验交互模式的代理标签，而非直接的临床“安全/不安全”标注。临床转化需要在类组织仿生体、动物模型以及实际手术环境中进行进一步验证，并需将其集成到既有的微创手术控制工作流中。未来的工作旨在验证该框架对其他机器人设计的迁移能力，将公式扩展到多类接触识别，并将该分类器集成到闭环物理控制系统中。

技术摘要：面向腱驱动连续体机器人的数据驱动接触配置识别

类似论文