CN117718967A - 手术机器人测试方法、装置、设备和介质 - Google Patents
手术机器人测试方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN117718967A CN117718967A CN202410055355.4A CN202410055355A CN117718967A CN 117718967 A CN117718967 A CN 117718967A CN 202410055355 A CN202410055355 A CN 202410055355A CN 117718967 A CN117718967 A CN 117718967A
- Authority
- CN
- China
- Prior art keywords
- action
- surgical
- target test
- test
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 284
- 230000009471 action Effects 0.000 claims abstract description 251
- 238000000034 method Methods 0.000 claims abstract description 104
- 230000008569 process Effects 0.000 claims abstract description 82
- 230000033001 locomotion Effects 0.000 claims abstract description 73
- 230000000875 corresponding effect Effects 0.000 claims description 63
- 230000001276 controlling effect Effects 0.000 claims description 11
- 230000007246 mechanism Effects 0.000 claims description 11
- 230000003993 interaction Effects 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000013136 deep learning model Methods 0.000 claims description 5
- 238000004886 process control Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 3
- 238000013112 stability test Methods 0.000 abstract description 16
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000012430 stability testing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明实施例公开了一种手术机器人测试方法、装置、设备和介质，其中，方法包括：响应于测试控制指令，确定目标测试动作模型，其中，所述目标测试动作模型是基于手术机器人在用户操控状态下完成预设手术动作的过程中的姿态数据建立的手术动作模型；基于所述目标测试动作模型控制目标测试对象的运行过程；获取所述目标测试对象在所述运行过程中的运行状态参数，并基于所述运行状态参数确定所述目标测试对象的测试结果。本发明实施例的技术方案解决了手术机器人稳定性测试效率低的问题，可以在测试过程中模拟完整手术动作运动轨迹，更接近实际运行过程，可以提高稳定性测试效率和准确度。
Description
技术领域
本发明实施例机械控制技术领域，尤其涉及一种手术机器人测试方法、装置、设备和介质。
背景技术
手术机器人在外科手术中应用，需要有高度的可靠性，防止手术机器人机械手的异常运行造成医疗事故。
目前，手术机器人的可靠性和稳定性的测试方法大多靠人工操作方式进行大量长时间的测量，测试成本高。或者，通过动作控制指令进行单一动作测试，测试效率低，也不能完全模拟手术场景。
发明内容
本发明实施例提供了一种手术机器人测试方法、装置、设备和介质，通过在测试过程中模拟完整手术动作运动轨迹，更接近实际运行过程，可以提高稳定性测试效率和准确度。
第一方面，本发明实施例提供了一种手术机器人测试方法，该方法包括：
响应于测试控制指令，确定目标测试动作模型，其中，所述目标测试动作模型是基于手术机器人在用户操控状态下完成预设手术动作的过程中的姿态数据建立的手术动作模型；
基于所述目标测试动作模型控制目标测试对象的运行过程；
获取所述目标测试对象在所述运行过程中的运行状态参数，并基于所述运行状态参数确定所述目标测试对象的测试结果。
第二方面，本发明实施例还提供了一种手术机器人测试装置，该装置包括：
测试动作确定模块，用于响应于测试控制指令，确定目标测试动作模型，其中，所述目标测试动作模型是基于手术机器人在用户操控状态下完成预设手术动作的过程中的姿态数据建立的手术动作模型；
测试过程控制模块，用于基于所述目标测试动作模型控制目标测试对象的运行过程；
测试结果分析模块，用于获取所述目标测试对象在所述运行过程中的运行状态参数，并基于所述运行状态参数确定所述目标测试对象的测试结果。
第三方面，本发明实施例还提供了一种计算机设备，所述计算机设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所提供的手术机器人测试方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的手术机器人测试方法。
本发明实施例，通过响应于测试控制指令，确定目标测试动作模型，其中，目标测试动作模型是基于手术机器人在用户操控状态下完成预设手术动作的过程中的姿态数据建立的手术动作模型；进而可以基于目标测试动作模型控制目标测试对象的运行过程；获取目标测试对象在所述运行过程中的运行状态参数，并基于运行状态参数确定目标测试对象的测试结果。本发明实施例的技术方案解决了手术机器人稳定性测试效率低的问题，可以在测试过程中模拟完整手术动作运动轨迹，即复现外科医生手术动作，更接近实际运行过程，可以提高稳定性测试效率和准确度，进而可以提高手术机器人在手术过程的准确性和安全性。
附图说明
图1是本发明实施例提供的一种手术机器人测试方法的流程图；
图2是本发明实施例提供的一种手术机器人测试方法的流程图；
图3是本发明实施例提供的一种手术动作模型结构示意图；
图4是本发明实施例提供的一种手术机器人测试方法的流程图；
图5是本发明实施例提供的一种手术机器人测试交互界面的示意图；
图6是本发明实施例提供的一种手术机器人测试装置的结构示意图；
图7为本发明实施例五提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
图1为本发明实施例提供的一种手术机器人测试方法的流程图，本实施例可适用于手术机器人测试的场景中，特别是对手术机器人的稳定性进行测试的场景中。该方法可以由手术机器人测试装置执行，该装置可以由软件和/或硬件的方式来实现，集成于具有应用开发功能的计算机设备中。
如图1所示，本实施例的手术机器人测试方法包括以下步骤：
S110、响应于测试控制指令，确定目标测试动作模型。
手术机器人的稳定性测试是确保其在手术过程中能够安全、可靠地执行任务的重要环节。在本实施例中为了能够使手术机器人在手术过程中运行状态更加稳定，采用预设的手术动作模型对手术机器人进行稳定性测试，可以更加全面的对手术机器人进行稳定性测试。
其中，测试控制指令可以是预先设定好的自动测试控制指令，也可以是相关技术人员根据测试需求触发的测试控制指令。在测试控制指令中，可以确定被测试的手术机器人的测试动作、时长等需要确定的测试参数。
目标测试动作模型则对应于手术机器人需要测试的手术动作。目标测试动作模型是基于手术机器人在用户操控状态下完成预设手术动作的过程中的姿态数据建立的手术动作模型。一个手术动作模型可以对应于完成对应的手术动作的完整运动轨迹，包括在完成手术动作过程中，手术机器人的从臂各关节对应的姿态数据，如角度、力及坐标位置信息等数据。其中，预设手术动作可以是捏夹手术动作、剥离手术动作、切除手术动作、缝合手术动作或提拉手术动作中任意一个手术动作。
其中，目标测试动作模型可以是上述任意一个手术动作对应的模型，也可以是多个相同或不相同的手术动作模型的组合。例如，可以是不同手术动作先后顺序上的排列组合的结果，可以复现复杂的整场手术过程。
可以理解的是，不同的操作手术机器人的相关技术人员对于同样的一个手术动作，也会有不同的动作轨迹。也即手术机器人在不同的用户操控下完成相同的手术动作时，需要基于不同用户操控下的获取到的姿态数据，分别建立不同的手术动作模型。也就是说，手术机器人按照不同手术动作模型运行时，可以复现不同手术医生的不同手术动作。这对于手术机器人在实际手术场景下的稳定性测试更加地精细化，有针对性，可以评估手术机器人在真实手术条件下的稳定性和可靠性。这可以帮助发现与实际操作相关的问题。
S120、基于所述目标测试动作模型控制目标测试对象的运行过程。
目标测试对象可以是任意需要稳定性测试的手术机器人。
目标测试动作模型是基于手术机器人在用户操控状态下完成预设手术动作的过程中的姿态数据建立的手术动作模型，对应于完成对应的手术动作的完整运动轨迹，也就是通过目标测试动作模型建立了在实现对应的手术动作过程中，手术机器人的从臂各关节的运动姿态数据与时间的映射关系。
在基于目标测试动作模型控制目标测试对象的运行过程中，可以将连续的动作时间分别输入到目标测试动作模型中，得到与连续的动作时间对应的连续的动作姿态数据。其中，连续的动作时间的间隔越短，得到的动作姿态数据越连贯。
进而，可以将得到的连续的动作姿态数据对应的运动控制参数发送给目标测试对象的运动驱动机构，使目标测试对象按照所述目标测试动作模型对应的预设手术动作的运动轨迹进行运动。其中，运动控制参数是可以驱动运动驱动机构使目标测试对象的从臂各个关节运动到对应动作姿态的参数。
S130、获取所述目标测试对象在所述运行过程中的运行状态参数，并基于所述运行状态参数确定所述目标测试对象的测试结果。
手术机器人在测试过程中，可以按照目标测试动作模型进行循环往复的手术动作测试，例如，可以连续不间断按照目标测试动作模型运行7天甚至更长时间，这可以帮助发现可能的疲劳或稳定性问题。
目标测试对象在运行过程中的运行状态参数，是在连续运行过程中采集到的运行状态参数。其中，运行状态参数可以是任意一个能够反映或者度量目标测试对象的稳定性的参数。如目标测试测对象的从臂中运动驱动装置的负载数据，电流稳定性数据。
基于采集到的运行状态参数可以进行相关稳定性性能参数的计算，与对技术领域内稳定性评估标准进行比对，从而确定目标测试对象的稳定性测试结果。
本实施例的技术方案，通过响应于测试控制指令，确定目标测试动作模型，其中，目标测试动作模型是基于手术机器人在用户操控状态下完成预设手术动作的过程中的姿态数据建立的手术动作模型；进而可以基于目标测试动作模型控制目标测试对象的运行过程；获取目标测试对象在所述运行过程中的运行状态参数，并基于运行状态参数确定目标测试对象的测试结果。本发明实施例的技术方案解决了手术机器人稳定性测试效率低的问题，可以在测试过程中模拟完整手术动作运动轨迹，即复现外科医生手术动作，更接近实际运行过程，可以提高稳定性测试效率和准确度，进而可以提高手术机器人在手术过程的准确性和安全性。
图2为本发明实施例提供的一种手术机器人测试方法的流程图，本实施例与上述实施例中的手术机器人测试方法属于同一个发明构思，进一步描述了手术动作模型构建的过程，该方法可以由手术机器人测试装置执行，该装置可以由软件和/或硬件的方式来实现，集成于具有应用开发功能的计算机设备中。
如图2所示，手术机器人测试方法包括以下步骤：
S210、获取手术机器人在目标用户操控状态下完成预设手术动作过程中，手术器械臂各关节的与动作时间关联的姿态数据。
为了实现手术机器人的自动化测试，使其复现手术医生的手术动作，可以先进行手术动作数据的采集。
目标用户可以是不同的手术医生，目标用户可以是目标测试对象在测试过程中的手术动作模仿对象。预设手术动作可以是捏夹手术动作、剥离手术动作、切除手术动作、缝合手术动作或提拉手术动作中任意一个手术动作。可以采集不同手术医生分别执行上述预设手术动作过程中姿态数据。
在一种可行的实施方式中，进行手术动作捕捉可以通过使用传感器、摄像头等多种设备，对手术医生的手术动作进行实时的捕捉。即在手术医生操控手术机器人的操作主手过程中，通过传感器捕捉到的手术机器人从臂在操作主手的控制下，各个从臂关节的动作数据包括时间、力度、角度和空间坐标等多方面的信息。
在获取姿态数据的过程中，可以以预设的采样频率同步读取各个传感器的感应数据，从而得到相应的动作姿态数据。
S220、基于所述姿态数据与对应的所述动作时间建立与所述目标用户和所述预设手术动手作对应的手术动作模型。
可以理解的是，在本步骤中，基于姿态数据与对应的动作时间建立与目标用户和预设手术动手作对应的手术动作模型，即建立一个预设手术动作中运动姿态数据与时间的映射关系。将任意时间点对应的时间数据输入到该手术动作模型中，可以得到相应时间点对应的运动姿态数据，能够确定手术机器人的从臂各关节对应的位置姿态。可以采用人工智能的方式对预设手术动作进行建模，得到相应的手术动作模型。示例性的，可以以任一动作时间与对应的姿态数据作为一组模型输入数据，以模型输入数据中的姿态数据作为模型输入数据的输出标签数据；基于模型输入数据和输出标签数据对预设深度学习模型进行训练得到与目标用户和预设手术动手作对应的手术动作模型。其中，预设深度学习模型结构可参考图3所示的结构。其中，x1、x2、x3……xn为模型输入数据，中间层为三层隐含层，包含一个输出层，y表示输出结果。在模型训练过层，当损失函数收敛满足预设条件时，便可以结束模型训练过程，得到最终的手术动作模型。
可以理解的是，预设深度学习模型可以是其他的模型结构，能够得到相应的姿态数据与对应的动作时间映射关系即可。
S230、基于不同的目标用户和不同的预设手术动手作对应的手术动作模型得到手术动作模型集合。
通过重复上述两个步骤，可以得到多个不同的目标用户和不同的预设手术动手作对应的手术动作模型得到手术动作模型集合。在后续测试过程中，便可以在手术动作模型集合，选择手术动作模型进行测试。
S240、响应于测试控制指令，在所述手术动作模型集合中确定目标测试动作模型。
目标测试动作模型为多个所述预设手术动作对应的手术动作模型按照预设动作顺序的组合。
S250、基于所述目标测试动作模型控制目标测试对象的运行过程。
S260、获取所述目标测试对象在所述运行过程中的运行状态参数，并基于所述运行状态参数确定所述目标测试对象的测试结果。
本实施例的技术方案，通过获取手术机器人在目标用户操控状态下完成预设手术动作过程中，手术器械臂各关节的与动作时间关联的姿态数据；基于所述姿态数据与对应的所述动作时间建立与所述目标用户和所述预设手术动手作对应的手术动作模型；基于不同的目标用户和不同的预设手术动手作对应的手术动作模型得到手术动作模型集合；响应于测试控制指令，在所述手术动作模型集合中确定目标测试动作模型；基于所述目标测试动作模型控制目标测试对象的运行过程；获取所述目标测试对象在所述运行过程中的运行状态参数，并基于所述运行状态参数确定所述目标测试对象的测试结果。本发明实施例的技术方案解决了手术机器人稳定性测试效率低的问题，可以通过对外科医生的手术动作进行动作捕捉的方法，能够达到高度准确的复现效果，可用于准确评估设备的可靠性和操作的准确性，可以提高稳定性测试效率和准确度，进而可以提高手术机器人在手术过程的准确性和安全性，同时有利于手术机器人设备制造者优化产品设计和生产工艺，提高设备的质量和性能。
图4为本发明实施例提供的一种手术机器人测试方法的流程图，本实施例与上述实施例中的手术机器人测试方法属于同一个发明构思，进一步描述了的过程，该方法可以由手术机器人测试装置执行，该装置可以由软件和/或硬件的方式来实现，集成于具有应用开发功能的计算机设备中。
如图4所示，手术机器人测试方法包括以下步骤：
S310、在预设测试交互界面，响应于测试控制指令的输入，确定所述目标测试动作模型。
当相关技术人员需要对手术机器人的稳定性进行测试时，可以同于一个预设测试交互界面进行测试控制指令的输入。预设测试交互界面展示有预设手术动作模仿对象及与预设手术动作模仿对象对应的预设手术动作的选择控件。预设测试交互界面的示意图可参考图5所示的示意图。图5中，手术动作控制界面可以仅为预设测试交互界面中的部分功能控件。手术动作控制界面中还可以包括测试时间设置、测试暂停、测试数据实时显示等功能控件。手术动作控制界面中，每一个手术动作名称“剥离”、“缝合”、“提拉”分别对应一个手术动作模型的选择控件。
当相关技术人员在图5中选择任意一个医生对应的任意一个手术动作时，便可以将相应的医生的相应的手术动作的手术动作模型作为目标测试动作模型。在一种可选的实施方式中，若相关技术人员连续点击多个手术动作模型的选择控件时，可以将连续点击的多个手术动作模型按照点击顺序组合为目标测试动作模型。从而可以使目标测试对象按照目标测试动作模型依次执行各个手术动作，并且循环往复。
S320、将连续的动作时间分别输入到所述目标测试动作模型中，得到与所述连续的动作时间对应的连续的动作姿态数据。
这里需要说明的是，当目标测试动作模型包含多个手术动作模型时，则按照时间先后顺序，先执行多个手术动作模型中第一个手术动作模型、第二个手术动作模型直到所有需要测试的手术动作完成。输入到在先的手术动作模型的最后一个动作时间数据，一定是早于输入到在后的手术动作模型中的第一个动作时间数据。
S330、将所述连续的动作姿态数据对应的运动控制参数发送给所述目标测试对象的运动驱动机构，使所述目标测试对象按照所述目标测试动作模型对应的预设手术动作的运动轨迹进行运动。
S340、获取所述目标测试对象在按照所述目标测试动作模型对应的预设手术动作的运动轨迹进行运动过程中的动作驱动机构的电流值和/或动作编码器工作状态。
在本实施例中，可以以动作驱动机构的电流值和/或动作编码器工作状态作为评估稳定性测试的运行状态参数。
S350、根据所述电流值和/或所述动作编码器工作状态确定所述目标测试对象的测试结果。
基于采集到的电流值和/或动作编码器工作状态可以进行相关稳定性性能参数的计算分析，与对技术领域内稳定性评估标准进行比对，从而确定目标测试对象的稳定性测试结果。
本实施例的技术方案，通过在预设测试交互界面，响应于测试控制指令的输入，确定所述目标测试动作模型；将连续的动作时间分别输入到所述目标测试动作模型中，得到与所述连续的动作时间对应的连续的动作姿态数据；将所述连续的动作姿态数据对应的运动控制参数发送给所述目标测试对象的运动驱动机构，使所述目标测试对象按照所述目标测试动作模型对应的预设手术动作的运动轨迹进行运动；获取所述目标测试对象在按照所述目标测试动作模型对应的预设手术动作的运动轨迹进行运动过程中的动作驱动机构的电流值和/或动作编码器工作状态；根据所述电流值和/或所述动作编码器工作状态确定所述目标测试对象的测试结果。即测试人员通过上位机界面，通过出发相应的工能控件，选择需要测试的医生的手术动作，系统会从动作模型数据库(预先建立的手术动作模型集合)中自动调出目标手术动作模型并发送到手术机器人系统，手术机器人按照此动作模型自动调整手术器械的位置、姿态等参数，实现与外科医生手术动作的高度一致性，从而达到精确复现外科医生的手术动作的目的。本发明实施例的技术方案解决了手术机器人稳定性测试效率低的问题，可以在测试过程中模拟完整手术动作运动轨迹，即复现外科医生手术动作，更接近实际运行过程，可以提高稳定性测试效率和准确度，进而可以提高手术机器人在手术过程的准确性和安全性。
图6为本发明实施例提供的一种手术机器人测试装置的结构示意图，本实施例可适用于手术机器人测试的场景中，特别是对手术机器人的稳定性进行测试。该装置可以由软件和/或硬件的方式来实现，集成于具有应用开发功能的计算机设备中。
如图6所示，手术机器人测试装置包括：测试动作确定模块410、测试过程控制模块420和测试结果分析模块430。
其中，测试动作确定模块410，用于响应于测试控制指令，确定目标测试动作模型，其中，所述目标测试动作模型是基于手术机器人在用户操控状态下完成预设手术动作的过程中的姿态数据建立的手术动作模型；测试过程控制模块420，用于基于所述目标测试动作模型控制目标测试对象的运行过程；测试结果分析模块430，用于获取所述目标测试对象在所述运行过程中的运行状态参数，并基于所述运行状态参数确定所述目标测试对象的测试结果。
本实施例的技术方案，通过响应于测试控制指令，确定目标测试动作模型，其中，目标测试动作模型是基于手术机器人在用户操控状态下完成预设手术动作的过程中的姿态数据建立的手术动作模型；进而可以基于目标测试动作模型控制目标测试对象的运行过程；获取目标测试对象在所述运行过程中的运行状态参数，并基于运行状态参数确定目标测试对象的测试结果。本发明实施例的技术方案解决了手术机器人稳定性测试效率低的问题，可以在测试过程中模拟完整手术动作运动轨迹，即复现外科医生手术动作，更接近实际运行过程，可以提高稳定性测试效率和准确度，进而可以提高手术机器人在手术过程的准确性和安全性。
可选的，测试过程控制模块420具体用于：
将连续的动作时间分别输入到所述目标测试动作模型中，得到与所述连续的动作时间对应的连续的动作姿态数据；
将所述连续的动作姿态数据对应的运动控制参数发送给所述目标测试对象的运动驱动机构，使所述目标测试对象按照所述目标测试动作模型对应的预设手术动作的运动轨迹进行运动。
可选的，所述手术机器人测试装置还包括测试模型确定模块，用于构建手术动作模型，所述手术动作模型的建立过程包括如下步骤：
获取所述手术机器人在目标用户操控状态下完成预设手术动作过程中，手术器械臂各关节的与动作时间关联的姿态数据；
基于所述姿态数据与对应的所述动作时间建立与所述目标用户和所述预设手术动手作对应的手术动作模型，其中，所述目标用户为所述目标测试对象在测试过程中的手术动作模仿对象。
可选的，所述测试模型确定模块还可以用于：
以任一所述动作时间与对应的所述姿态数据作为一组模型输入数据，以所述模型输入数据中的所述姿态数据作为所述模型输入数据的输出标签数据；
基于所述模型输入数据和所述输出标签数据对预设深度学习模型进行训练得到与所述目标用户和所述预设手术动手作对应的手术动作模型。
可选的，所述测试动作确定模块410具体用于：
在预设测试交互界面，响应于所述测试控制指令的输入，确定所述目标测试动作模型；
其中，所述预设测试交互界面展示有预设手术动作模仿对象及与所述预设手术动作模仿对象对应的预设手术动作的选择控件。
可选的，所述测试结果分析模块430具体用于：
获取所述目标测试对象在所述运行过程中的动作驱动机构的电流值和/或动作编码器工作状态；
根据所述电流值和/或所述动作编码器工作状态确定所述目标测试对象的测试结果。
可选的，所述目标测试动作模型为多个所述预设手术动作对应的手术动作模型按照预设动作顺序的组合。本发明实施例所提供的手术机器人测试装置可执行本发明任意实施例所提供的手术机器人测试方法，具备执行方法相应的功能模块和有益效果。
图7为本发明实施例提供的一种计算机设备的结构示意图。图7示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图7显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。计算机设备12可以任意具有计算能力的终端设备，可以配置于手术机器人测试设备中。
如图7所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图7中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发实施例所提供的手术机器人测试方法，该方法包括：
响应于测试控制指令，确定目标测试动作模型，其中，所述目标测试动作模型是基于手术机器人在用户操控状态下完成预设手术动作的过程中的姿态数据建立的手术动作模型；
基于所述目标测试动作模型控制目标测试对象的运行过程；
获取所述目标测试对象在所述运行过程中的运行状态参数，并基于所述运行状态参数确定所述目标测试对象的测试结果。
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的手术机器人测试方法，该方法包括：
响应于测试控制指令，确定目标测试动作模型，其中，所述目标测试动作模型是基于手术机器人在用户操控状态下完成预设手术动作的过程中的姿态数据建立的手术动作模型；
基于所述目标测试动作模型控制目标测试对象的运行过程；
获取所述目标测试对象在所述运行过程中的运行状态参数，并基于所述运行状态参数确定所述目标测试对象的测试结果。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本领域普通技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种手术机器人测试方法，其特征在于，包括：
响应于测试控制指令，确定目标测试动作模型，其中，所述目标测试动作模型是基于手术机器人在用户操控状态下完成预设手术动作的过程中的姿态数据建立的手术动作模型；
基于所述目标测试动作模型控制目标测试对象的运行过程；
获取所述目标测试对象在所述运行过程中的运行状态参数，并基于所述运行状态参数确定所述目标测试对象的测试结果。
2.根据权利要求1所述的方法，其特征在于，所述基于所述目标测试动作模型控制目标测试对象的运行过程，包括：
将连续的动作时间分别输入到所述目标测试动作模型中，得到与所述连续的动作时间对应的连续的动作姿态数据；
将所述连续的动作姿态数据对应的运动控制参数发送给所述目标测试对象的运动驱动机构，使所述目标测试对象按照所述目标测试动作模型对应的预设手术动作的运动轨迹进行运动。
3.根据权利要求1所述的方法，其特征在于，所述手术动作模型的建立过程包括如下步骤：
获取所述手术机器人在目标用户操控状态下完成预设手术动作过程中，手术器械臂各关节的与动作时间关联的姿态数据；
基于所述姿态数据与对应的所述动作时间建立与所述目标用户和所述预设手术动手作对应的手术动作模型，其中，所述目标用户为所述目标测试对象在测试过程中的手术动作模仿对象。
4.根据权利要求3所述的方法，其特征在于，所述基于所述姿态数据与对应的所述动作时间建立与所述目标用户和所述预设手术动手作对应的手术动作模型，包括：
以任一所述动作时间与对应的所述姿态数据作为一组模型输入数据，以所述模型输入数据中的所述姿态数据作为所述模型输入数据的输出标签数据；
基于所述模型输入数据和所述输出标签数据对预设深度学习模型进行训练得到与所述目标用户和所述预设手术动手作对应的手术动作模型。
5.根据权利要求1所述的方法，其特征在于，所述响应于测试控制指令，确定目标测试动作模型，包括：
在预设测试交互界面，响应于所述测试控制指令的输入，确定所述目标测试动作模型；
其中，所述预设测试交互界面展示有预设手术动作模仿对象及与所述预设手术动作模仿对象对应的预设手术动作的选择控件。
6.根据权利要求1中所述的方法，其特征在于，所述获取所述目标测试对象在所述运行过程中的运行状态参数，并基于所述运行状态参数确定所述目标测试对象的测试结果，包括：
获取所述目标测试对象在所述运行过程中的动作驱动机构的电流值和/或动作编码器工作状态；
根据所述电流值和/或所述动作编码器工作状态确定所述目标测试对象的测试结果。
7.根据权利要求1-6中任一所述的方法，其特征在于，所述目标测试动作模型为多个所述预设手术动作对应的手术动作模型按照预设动作顺序的组合。
8.一种手术机器人测试装置，其特征在于，包括：
测试动作确定模块，用于响应于测试控制指令，确定目标测试动作模型，其中，所述目标测试动作模型是基于手术机器人在用户操控状态下完成预设手术动作的过程中的姿态数据建立的手术动作模型；
测试过程控制模块，用于基于所述目标测试动作模型控制目标测试对象的运行过程；
测试结果分析模块，用于获取所述目标测试对象在所述运行过程中的运行状态参数，并基于所述运行状态参数确定所述目标测试对象的测试结果。
9.一种计算机设备，其特征在于，所述计算机设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的手术机器人测试方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的手术机器人测试方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410055355.4A CN117718967A (zh) | 2024-01-15 | 2024-01-15 | 手术机器人测试方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410055355.4A CN117718967A (zh) | 2024-01-15 | 2024-01-15 | 手术机器人测试方法、装置、设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117718967A true CN117718967A (zh) | 2024-03-19 |
Family
ID=90205465
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410055355.4A Pending CN117718967A (zh) | 2024-01-15 | 2024-01-15 | 手术机器人测试方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117718967A (zh) |
-
2024
- 2024-01-15 CN CN202410055355.4A patent/CN117718967A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20030090491A1 (en) | Simulation device | |
| CN107395844A (zh) | 测试设备、方法、系统、介质、装置和计算设备 | |
| EP3889887A1 (en) | Image generation device, robot training system, image generation method, and image generation program | |
| CN109591013B (zh) | 一种柔性装配仿真系统及其实现方法 | |
| JP7458741B2 (ja) | ロボット制御装置及びその制御方法及びプログラム | |
| CN110083541A (zh) | 游戏测试方法、装置、计算机存储介质和电子设备 | |
| CN111887990B (zh) | 基于5g技术的远程手术导航云桌面系统 | |
| JP2020026025A (ja) | トレーニング処理装置、仲介装置、トレーニングシステム及びトレーニング処理方法 | |
| CN111599459A (zh) | 一种远程手术的控制方法、控制装置及手术系统 | |
| CN111833682A (zh) | 基于vr技术的虚拟查体教学方法和装置 | |
| CN116431707A (zh) | 一种基于Agent技术的虚实一体化管控系统及方法 | |
| Jung et al. | Lessons learned from the development of component-based medical robot systems | |
| Ivanova et al. | Design of a Multifunctional Operating Station Based on Augmented Reality (MOSAR) | |
| CN105653460A (zh) | 触屏式产品人机接口测试动作录制与回放的方法及系统 | |
| KR102529023B1 (ko) | 트레이닝 처리 장치, 중개 장치, 트레이닝 시스템 및 트레이닝 처리 방법 | |
| CN117718967A (zh) | 手术机器人测试方法、装置、设备和介质 | |
| KR102571997B1 (ko) | 정보 처리 장치, 중개 장치, 시뮬레이트 시스템 및 정보 처리 방법 | |
| CN116629373A (zh) | 一种模型训练系统、训练方法、装置及存储介质 | |
| CN115469160A (zh) | 屏幕的测试方法、测试系统、装置和电子设备 | |
| CN112828895B (zh) | 机器人仿真系统 | |
| JP7390405B2 (ja) | 統合された物理的環境および模擬された環境でロボットシステムを試験するための方法およびシステム | |
| CN114897339A (zh) | 任务评价方法、装置、存储介质及电子设备 | |
| Gao et al. | Development of a teleoperation system based on virtual environment | |
| CN108804098A (zh) | 一种点击拖动式编程控制方法及其软件系统 | |
| CN114161479B (zh) | 一种机器人拖动示教性能测试系统及测试方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |