基于模仿学习的自主软机器人导丝导航
机器人学
2025-10-13 v1 人工智能
摘要
在血管内手术中，血管介入医师推动一根称为导管的薄管，由一根细丝引导至患者血管内的治疗部位，以治疗各种疾病，如血栓、动脉瘤和畸形。具有机器人尖端的导丝可以增强操控性，但它们在建模和控制方面面临挑战。软机器人导丝导航的自动化有望克服这些挑战，提高血管内导航的精确性和安全性。在其他外科领域，端到端模仿学习已展现出有前景的结果。因此，我们开发了一种基于 Transformer 的模仿学习框架，具备目标条件化、相对动作输出和自动对比剂注射功能，以实现可泛化的软机器人导丝导航，完成动脉瘤靶向任务。我们在 36 种不同的模块化分叉几何体上训练模型，在模拟透视下生成共 647 次演示，并在三种先前未见过的血管几何体上进行评估。该模型能够自主驱动机器人尖端到达动脉瘤位置，在未见过的几何体上成功率为 83%，优于多个基线方法。此外，我们提出了消融实验和基线研究，以评估每个设计和数据采集选择的有效性。项目网站：https://softrobotnavigation.github.io/
引用
@article{arxiv.2510.09497,
title = {Autonomous Soft Robotic Guidewire Navigation via Imitation Learning},
author = {Noah Barnes and Ji Woong Kim and Lingyun Di and Hannah Qu and Anuruddha Bhattacharjee and Miroslaw Janowski and Dheeraj Gandhi and Bailey Felix and Shaopeng Jiang and Olivia Young and Mark Fuge and Ryan D. Sochol and Jeremy D. Brown and Axel Krieger},
journal= {arXiv preprint arXiv:2510.09497},
year = {2025}
}