Development of a Novel Miniaturized Dexterous Manipulator with Variable Stiffness for NOTES

经自然腔道手术（NOTES）因其能够避免体表切口、减少组织创伤并缩短术后恢复周期而具有广阔的应用前景。然而，现有手术器械难以同时兼顾尺寸小型化、操作灵巧性和负载能力，限制了NOTES技术的临床应用。为提升NOTES手术的操作灵活性，课题组研发了一款具有5毫米直径、7自由度的新型经自然腔道手术执行器。相关成果以“Development of a Novel Miniaturized Dexterous Manipulator with Variable Stiffness for NOTES”为题，被机器人领域顶会IROS 2025接收。

论文作者：丛榕，武锡彭，钱超，张凯捷，段星光，李长胜*

该款手术执行器通过融合类3-PRS柔性并联机构与连续体并联结构，在小尺寸下实现了高灵巧性和可变刚度。在结构设计方面，我们采用“钢管-镍钛绳-钢管”的柔性组合代替传统3-PRS机构中的刚性支链，该结构既可实现类球铰运动，同时可以通过调节镍钛绳的张力实现可变刚度。在传动设计方面，我们基于鲍登线（Bowden-cable）原理实现柔性管道内远距离动力传输，并将镍钛绳驱动端与弹簧相连，可通过调节弹簧张力实现对变刚度的调节。

图1：柔性并联手术机器人。（a）手术机器人整体机构示意图；(b) 柔性并联手术执行器；（c）柔性传输管；（d）驱动机构

基于新型机构运动特性与变刚度特性，我们建立机构的运动学模型，并基于LM算法求解逆运动学，同时建立机构静力学模型，得到机构的刚度表达式。

图2：（左）机构运动学模型；(右) 机构刚度模型

基于研发的新型手术执行器，我们进行了相关性能实验，包括弯曲性能测试：可实现C型弯曲和S型弯曲，最大弯曲角度达60°。

变刚度性能测试：通过改变变刚度驱动结构的弹簧伸长量，改变第一级机构刚度，变刚度比值达1.84。

图4：变刚度性能测试

套环实验：模拟验证了该机构在指定场景下的实用性和灵巧性。

图5：套环实验

Fast Real-Time Neural Network-Based Kinematics Solving of the Cosserat Rod Model for a Parallel Continuum Surgical Manipulator

在微创外科手术中，柔性操作器需要兼具 小尺寸、高精度与实时响应能力。然而，传统基于常曲率假设的运动学模型难以准确描述复杂的弯曲行为，导致控制精度不足。为此，课题组针对平行柔性连续体手术操作器，提出了一种结合 Cosserat杆理论与神经网络的快速逆运动学求解方法。相关成果以“Fast Real-Time Neural Network-Based Kinematics Solving of the Cosserat Rod Model for a Parallel Continuum Surgical Manipulator” 为题，被机器人领域顶会 IROS 2025 接收。

论文作者：武锡彭，钱超，刁金鹏，段星光，李长胜*

本文提出一种新型柔性并联手术执行器，其直径仅 4.5 mm，内部留有 2.1 mm 通道，可搭载手术器械。其驱动结构采用鲍登线原理传递动力，三对镍钛合金杆以交叉方式布置，既保证了结构刚度，又提升了柔顺性。基于该执行器的运动特性，我们采用了基于Cosserat rod理论的运动学建模方法，其能够精确描述大曲率下的复杂耦合变形，显著优于常曲率模型。

图1：（左）新型柔性并联机构；（右）基于cosserat rod理论的运动学建模

由于Cosserat rod模型求解需要通过复杂的数值求解过程，求解效率较低，我们将神经网络方法与Cosserat rod模型结合，通过采集5000 组仿真数据训练MLP神经网络得到快速逆运动学求解器。

图2：基于MLP神经网络的逆运动学求解器

实验结果表明，该方法在求解过程中的预测平均误差仅 0.046 mm (0.41%)，且在 CPU-only环境下推理速度0.16 ms，较传统数值解法快4500–20000倍。

图3：（左）执行器实际运动效果与预测结果对比；（右）神经网络求解器预测误差