Page 10 - 《中国医疗器械杂志》2026年第2期

Chinese Journal of Medical Instrumentation 2026年 第50卷 第2期

医 疗 机 器 人

来的动作选择。 机器人运动 红外感应与激光雷达
开始 数据融合与权重调节 改进人工势场
r t = −α·d goal +β·d obs +δ· H (s t )+κ · F att −γ · F rep (8)
式中：α是与目标点的距离惩罚系数；d 是机器
goal 否
人当前与目标点的距离；β是障碍物距离的奖励系 环境是否复杂? 全局规划
数；d 是机器人与障碍物的最短距离；δ是一个控
obs
制探索强度的权重因子，决定了机器人在不确定区 是 人工势场
域的探索力度；δ·H(s )是探索奖励函数；κ是引力 否 局部规划 路径规划
t
场的奖励系数；F 是引力场的强度；γ是斥力场的 强化学习
att
惩罚系数；F 是斥力场的强度。 路径规划
rep
通过主动探索和不确定性估计，强化学习的策
略更新基于探索获得的反馈，从而不断优化路径规 是
划。PPO的目标函数限制策略更新的幅度，防止策 是否到达目标点？ 机器人运动
结束
略更新得过快，导致策略陷入不稳定状态。目标函
数通常使用裁剪的概率比率来保持稳定： 图6 轨迹规划设计
Fig.6 Trajectory planning and design
[
π θ
L PPO (θ) = E t min(r t (θ)· A (s t ,a t ),
环境复杂度的总体评分C 为以下环境关
] complexity
clip(r t (θ),1−ϵ,1+ϵ)· A (s t ,a t )) (9)
π θ
/ 键参数的加权和，定义为：
式中： r t (θ) = π θ (a t |s t ) π θ old (a t |s t )是新策略和旧策略
C complexity =
的比率； ϵ是控制策略更新幅度的裁剪参数，通常设
1
为0.1~0.3，防止比率偏离过大； clip(r t (θ),1−ϵ,1+ϵ) w 1 ·d density +w 2 · +w 3 ·v obs +w 4 ·T obs (10)
d obs
限制了更新步长，使得策略不会过度变化； A (s t ,a t ) 式中：w 、w 、w 、w 是各关键参数的权重，可以
π θ
1 2 3 4
是反映在给定状态下选择某一动作相较于其他动作 根据具体应用场景进行调整；d density 为障碍物密集
的优势的函数。 度，可根据激光雷达检测到的障碍物数量和它们的
通过PPO算法，在每个时间步中，机器人感知 分布范围来计算，障碍物数量越多，密集度越高，
环境状态（状态函数s ），根据当前策略选择动作 环境越复杂；d 是机器人与障碍物的最短距离，
t
obs
（动作函数a ），并根据反馈的奖励信号（奖励函 越接近障碍物，复杂度越高；T 为障碍物的温
t
obs
数r ），通过最大化裁剪目标函数 L PPO (θ)更新策略。 度，由红外感应器采集得到；v 为障碍物的移动
t
obs
通过主动探索与不确定性估计，机器人不仅能够在 速度，由激光雷达采集得到。
已知环境中规划路径，还能够动态应对未知环境 系统基于机器人上集成的红外感应器和激光雷
的变化，从而优化整体的路径规划过程。这种机制 达，将人工势场法与强化学习有机结合，使得机器
有效避免了机器人陷入局部最优点，并提高了探索 人能够在全局路径规划和局部避障决策中实现高效
效率。 协同，能够有效处理医院走廊转角、门口拥堵、人
基于以上方法，轨迹规划设计如图6所示。首 群干扰等高频动态事件，提升导航成功率与任务完
先，机器人基于融合感知模型获取当前环境的整体 成效率，为机器人在中医门诊、康复社区等非结构
信息，并通过环境复杂度评估模型，判断环境中障 化动态环境中稳定运行提供了技术保障。
碍物的分布、密集程度以及是否存在动态障碍物。
5 硬件建设
然后，基于评估结果，机器人可以选择全局规划或
局部规划。全局规划：适用于障碍物较少、距离较 Multi-RevRobot定位为面向中医药证据转化与
长的路径。此时，机器人可以使用较为简单的引力 临床服务场景的服务型机器人，整体设计注重系统
场模型，向目标点快速前进，同时使用斥力场模型 运行的稳定性、功能模块的拓展性及人机交互的自
避开静态障碍物。局部规划：当机器人靠近障碍物 然性。其硬件系统围绕三大核心模块展开，分别
密集区域或动态障碍物时，系统会切换到局部规划 为：移动导航系统、通用感知模块、中医交互终
模式，通过高精度的局部势场模型实时更新机器人 端。各模块协同工作，构建了面向临床、科研、社
的避障路径。 区等多场景的中医药证据转化平台。Multi-RevRobot

124