摘要
为了实现不同物理设备之间的自主超声扫描技能转移，并解决传统模仿学习方法的局限性（这些方法由于依赖特定的操作参数而难以进行跨设备泛化），本研究提出了一种基于航点表示的、与物理参数解耦的模仿学习方法。该方法利用贪婪算法从专家演示轨迹中自动提取任务空间中的关键节点，构建出与低级运动参数和基础校准误差无关的轨迹表示。同时，引入了一种基于速度感知的自适应误差精度调整机制，以动态调节航点提取阈值，模拟超声技师在不同扫描阶段采用的速度-精度策略。通过在离线数据集上对两种主流生成架构（Action Chunking Transformer (ACT) 和 Diffusion Policy）进行交叉验证，证实了航点表示在抑制长时误差累积方面的即插即用能力，两种架构均显著降低了预测误差。在物理部署方面，验证了一个具有低级三重安全冗余的完整 ACT-航点系统。在肾脏长轴标准平面扫描任务中，该系统在源设备上的成功率为 92%，在目标设备上的成功率为 84%，尽管两者的低级运动参数和基础坐标不兼容。力控制精度稳定在 12 N 的目标值附近。结果表明，所提出的方法有效克服了基础坐标和 D-H 参数的差异，实现了跨设备的零样本技能转移，显著提高了模仿学习模型的适应性和扫描成功率。
