dARt Vinci：面向大规模手术机器人学习的以自我为中心的数据采集

数据稀缺长期以来一直是机器人学习社区面临的一个问题。特别是在手术应用等安全攸关领域，获取高质量数据尤为困难。这给希望利用强化学习和模仿学习最新进展的研究人员带来了挑战，这些进展极大地提高了泛化能力并使机器人能够自主执行任务。我们介绍了 dARt Vinci，一个用于手术环境中机器人学习的可扩展数据采集平台。该系统使用增强现实（AR）手部追踪和高保真物理引擎来捕捉基础手术任务中的细微操作：通过消除对物理机器人设置的需求，并在时间、空间和硬件资源（如多视图传感器和执行器）方面提供灵活性，专用模拟成为一种可行的替代方案。同时，AR 凭借其身体追踪和内容叠加功能，使机器人数据采集更加以自我为中心。我们的用户研究证实了所提出系统的效率和可用性，其中我们使用广泛使用的基础任务来训练 da Vinci 手术机器人的遥操作。与真实机器人设置相比，所有任务的数据吞吐量平均提高了 41%。总实验时间平均减少了 10%。任务负荷调查中的时间需求得到了改善。这些增益具有统计学意义。此外，收集的数据大小缩小了 400 多倍，所需的存储空间大大减少，同时实现了两倍的频率。