南科大郭书祥院士团队IROS 2025发表高精度磁定位方法

引言

IROS 2025上，南科大郭书祥院士团队发表论文 Physics-Informed Residual Network for Magnetic Dipole Model Correction and High-Accuracy Localization。本文提出了一种基于物理信息残差网络（PIRNet）的磁偶极模型校正和高精度定位方法，并实现了鲁棒的从仿真到真实的迁移。该研究为磁导航机器人提供了一种高精度、低成本的定位解决方案，在微创手术导航和工业检测中显示出巨大的应用潜力。

NOKOV度量动作捕捉系统助力评估本文磁定位算法在真实环境下的精度与鲁棒性。

物理信息残差网络架构

研究背景

磁定位是磁导航胶囊内窥镜和磁驱动微创手术机器人的关键技术，实现高精度磁定位的核心是建立准确的磁源磁场模型。然而，经典的磁偶极模型在近场条件下存在显著偏差，导致定位精度下降，尤其当磁体靠近传感器时（距离小于磁体半径的8倍）。此外，现实世界中传感器噪声、温度漂移和环境干扰等因素进一步加剧了模型与真实数据之间的差距。虽然更精细的解析模型可以提高精度，但通常伴随着计算复杂度增加，难以应用于实时场景。

本文贡献

针对现有方法中模型–数据不一致、泛化能力受限及实时性瓶颈等问题，论文提出了一种物理–数据融合的两阶段磁定位校正策略，主要成果包括：

1）设计了一种物理信息引导的残差网络（PIRNet），以磁偶极理论为先验，用于校正模拟数据中的系统性偏差；

2）采用了一种可插值的查找表优化方法，通过基于距离加权的三线性插值与球面线性插值（Slerp）相结合，实现亚毫米级的快速匹配。

实验验证

实验平台，包含一个磁力计阵列（QMC5883）、一个刻度板和一个环形钕铁硼磁体（等级：N45，外半径 ro = 10mm，内半径 ri = 5mm，长度 L = 10mm）。用户界面中蓝色箭头的方向和长度分别代表每个传感器检测到的磁场方向和强度。

研究团队通过仿真预训练与真实数据微调相结合的两阶段策略验证了本文方法的有效性。首先，基于磁偶极理论在工作空间内生成58,320组仿真样本，并添加合成噪声以模拟传感器非理想特性，用于对PIRNet网络进行预训练，使其学习磁场物理规律。随后，仅使用288个真实空间配置（共14,400样本）中的大部分（11,520个）进行微调，使网络适应真实噪声与环境干扰。这种策略将真实数据需求降低了90%以上，实现了高效率的仿真到真实迁移。

在真实实验-静态测试中，校正后系统平均误差降至1.15 mm与1.01°；在动态实验中，平均跟踪误差为0.7 mm与1.07°。NOKOV度量动作捕捉系统实时输出磁体亚毫米级真值位姿数据，以验证算法在真实环境下的精度与鲁棒性。

与传统的LM算法和端到端深度学习解决方案相比，本文方法在保持实时性能（22.4 FPS）的同时，确保了物理可解释性和环境鲁棒性，并且相较端到端深度学习所需的真实数据集采集量更少。

重复精度测试 (a) 控制软件捕获的磁体三维轨迹重建，蓝色和红色曲线分别代表实际手动位移和实时计算轨迹 (b) 磁体的跟踪误差 (c) 用于动态验证的实验配置，具有磁体约束轨迹系统，可实现手动轨迹执行。 

NOKOV度量动作捕捉系统实时输出磁体亚毫米级真值位姿数据，以验证算法在真实环境下的精度与鲁棒性。

作者简介

沈淼章，南方科技大学电子与电气工程系与海洋高等研究院硕士生。主要研究方向：磁性医疗机器人系统。

郭书祥，日本工程院院士、南方科技大学电子与电气工程系讲席教授。主要研究方向：微机器人技术、血管检查微系统、医疗生物用遥控微操作系统等医学机器人，智能水下机器人等。

李春英，南方科技大学研究助理教授、硕士生导师。主要研究方向：仿生机器人、两栖机器人、多机协作、多传感器融合、水下通信、协同定位与导航等。

王梓旭，南方科技大学电子与电气工程系博士后。主要研究方向：微创手术的医疗机器人系统、磁驱动柔性机器人。