通过机器人生物组织活检系统，配合视觉辅助，运用光学相干断层扫描技术进行针尖力传感，收集来自医学专家对深层组织的意见，以提高针对性和准确性。

Jun, 2023

研究生命科学实验操作中的机器人辅助能够实现良好结果，不受科学家技能水平的限制。我们提出了一种无离线规划的自主机器人钻孔方法，包括基于图像和力信息的完成级别识别的轨迹规划模块，通过力信息可以将完成级别分辨率提高 10 倍。通过鸡蛋壳钻孔任务和冷冻后的小鼠实验评估了该方法，取得了 95％的成功率和 7.1 分钟的平均钻孔时间。

Jun, 2024

本文提出了一种基于图像识别的任务完成水平和钻孔轨迹规划的自主钻探方法，适用于具有个体变异和形变的生命科学实验样本，试验结果表明，该方法成功率可达 80%。

Mar, 2023

基于频域动态基础的图像的方法，用于在微创机器人手术中进行视觉下的力量估计。应用自然过程中产生的内部运动来推断频域上图像空间中的运动基础，并将问题离散化为有限数量的低频，以构建环境的图像空间机械模型。该方法通过硅仿体和离体实验可靠地估计点接触力，并与力传感器的实际读数相匹配。此外，通过合成手术视频的连贯力纹理，在用户选择的感兴趣区域进行定性实验。本方法在定量和定性分析方面表现出良好的结果，为纯粹基于视觉的外科手术力量估计提供了良好的起点。

Jun, 2024

本文利用人工智能技术预测手动机器人控制中握力变异性。通过佩戴式无线传感器技术记录了来自个体支配和非支配手的握力，使用神经网络模型能够可靠地捕捉软件设计和硬件变化对握力的影响，该成果可在新型手术中作出贡献。

Mar, 2023

本文提出了一种基于实时观察的机器人脊柱手术规划方法，利用 Safe Deep Reinforcement Learning（DRL）计算钻孔路径，同时通过引入一个基于距离的不确定性感知安全过滤器保证安全，为手术提供尽可能高的成功率。实验表明，该方法是第一种在正畸手术上应用安全 DRL 方法，且能同时满足成功率和安全保障。

May, 2023

该研究提出了一种采用 ToF 深度传感器和反射标记的 AR 头戴式设备的新框架，可以实现高精度的 EVD 手术导航。通过深度校正和面部表面重建，可以大幅减少深度误差并实现亚毫米级精度，同时在仿真的 EVD 手术中实现了较高的定位精度。

Jun, 2023

通过创建新的视触觉数据集，使用深度神经网络模型进行训练，并将不同的视觉和状态数据输入泛化为混合数据集训练的通用管线，该研究展示了在微创机器人手术中，混合实验设置用于视觉状态力估计是解决问题的一个可行方法。

Jan, 2024

本研究提出了一种新颖的外科手术知觉框架 SuPer，该框架使用基于模型的追踪器与无模型追踪器相结合，实时地收集 3D 几何信息并构建可变形手术视野，成功地实现了对软组织的精确操控任务。同时，我们将提供本研究的数据集用于未来的外科手术研究。

Sep, 2019

本文提出了一种基于深度强化学习的半自主控制方法，可帮助外科机器人在手术过程中完成一些简单但重复的操作，用户实验表明此框架可将手术时间缩短 19.1％，行程长度缩短 58.7％。

Apr, 2022