基于力-视觉多模态测量与多目标贝叶斯优化的软组织模型等效弹性参数辨识

《Biomimetics》：Force–Vision Multimodal Measurement of Model-Equivalent Elastic Parameters for Soft Tissue Modeling

　　

在机器人操控、机器人辅助手术以及其他与可变形物体发生接触密集交互的场景中，接触力与形变的可靠预测需要快速确定控制软组织模型行为的有效力学参数。然而，这些模型等效特性难以直接从物理交互中获得，尤其是对于几何形态与力学响应均具有显著变异的人体软组织而言。本研究提出了一种力-视觉多模态（force–vision multimodal）框架，用于从实测力与形变中快速辨识有效的弹性参数及接触模型参数。人体乳房被选为代表性验证对象，原因在于其高柔顺性、显著的几何变异性以及形变响应对力学特性与接触条件的敏感性。六轴力/力矩（force/torque, F/T）传感器与手眼式RGB-D相机提供三维接触力与表面标记点位移的时间同步测量。有限元（finite element, FE）接触模型将探针位姿与参数向量映射至测量响应，同时多目标贝叶斯优化（multiobjective Bayesian optimization）程序在有限的仿真预算内完成参数集辨识。采用三种几何形状与刚度各异的乳房组织模拟体（phantom）开展的实验表明，在55次模型评估内，归一化力残差为4.93%–6.00%，位移残差为7.18%–12.33%。力与位移提供互补的约束条件，且贝叶斯求解器在有限元评估次数减少5.5倍的条件下实现了与粒子群优化（particle swarm optimization, PSO）相当的残差。留出法（held-out）压痕测试与受控姿态变化测试进一步支持了所辨识模型等效参数在实验方案内的预测一致性。所提出的框架为可变形组织接触模型的快速参数辨识提供了一种有效途径，有望支持软组织仿真以及未来基于力-视觉反馈的sim2real机器人操控中接触力与形变的更一致性复现。

**论文解读：力-视觉多模态测量与贝叶斯优化结合的软组织模型等效弹性参数辨识**

**研究背景与问题**

软组织仿真越来越多地应用于接触密集操控、柔软物体处理、手术辅助与数字孪生构建，其价值取决于仿真能否同时复现接触处的力交换和物理物体的形变。然而，机器人仿真器所需的参数并不等同于可直接测量的材料常数。真实软组织具有异质性、非线性、粘弹性、多层结构等特征，其力学响应强烈依赖几何与边界条件；因此，实际中有用的量往往是模型等效参数集（model-equivalent parameter set），即针对所选几何、本构近似、边界条件与接触公式进行条件化、使正演模型能复现实测响应的参数。既有的压痕类辨识方法存在若干局限：仅用力学测量无法唯一约束多个参数；物理接触过程中难以获得密集位移场；反复的非线性接触仿真计算代价高昂。单模态感知亦无法完整观测接触下的力学响应——力/力矩传感器能测量交互载荷却无法确定空间形变，光学传感能提供表面几何或标记点位移却无法直接揭示相应的力学反力。因此，将同步力与视觉测量相结合，可将参数标定转化为一个多模态系统辨识问题：力通道约束全局反力与有效刚度水平，视觉通道约束形变的空间模式与幅度。

**研究内容与意义**

研究人员提出了一种力-视觉多模态框架，从实测力与表面形变中快速辨识有效的弹性参数和接触模型参数；人体乳房因其高柔顺性、显著几何变异性及形变响应对力学特性和接触条件的敏感性，被选为代表性验证对象。系统以六轴力/力矩传感与手眼式RGB-D视觉同步采集接触力与表面标记点位移，通过有限元接触模型将探针位姿与参数向量映射至测量响应，并采用多目标贝叶斯优化在有限仿真预算内完成参数辨识。该框架提供了一种样本高效的软组织接触模型参数校准途径，有望支持软组织仿真中接触力与形变更一致的复现，并为未来基于力-视觉反馈的sim2real机器人操控提供物理一致性接口。

**关键技术方法**

研究人员基于UR5机械臂、KWR75A六轴力/力矩传感器与手眼式Intel RealSense D405 RGB-D相机构建同步测量系统，以超声探头作为重复性接触工具，采集三维接触力与8个表面标记点的三维位移。软组织几何通过多视角RGB-D扫描、FoundationStereo深度估计与TSDF融合生成四面体网格。正演模型基于SOFA v23.06平台，采用大变形共旋有限元公式和各向同性线弹性本构，结合Signorini接触约束。逆问题采用ParEGO多目标贝叶斯优化，以加权切比雪夫标量化融合力与位移两个目标。样本包括三种乳房模拟体（phantom）：两个不同配比的PVA水凝胶模拟体（