力感知的自主机器人手术
机器人学
2025-01-22 v1
摘要
本文展示了在机器人辅助手术(RAS)自主系统设计中利用器械—组织交互力的优势。手术中的自主系统必须操控具有不同刚度的组织,因此应相应施加不同大小的力。我们假设,这种能力可通过将力测量作为从人类示教中学习得到的策略的输入来实现。为验证该假设,我们使用动作分块 Transformer(ACT)通过模仿学习训练了两个策略,以在达芬奇研究套件(dVRK)上实现自动化组织牵拉。为量化使用器械—组织交互力数据的效果,我们训练了一个仅使用视觉与机器人运动学数据的“无力策略”,并将其与同时使用力、视觉与机器人运动学数据的“有力策略”进行比较。在已见过的组织样本上进行测试时,有力策略自主完成任务的成功率是无力策略的 3 倍。此外,有力策略对组织的作用更为温和,平均施加的力比无力策略少 62%。在未见过的组织样本上进行测试时,有力策略自主完成任务的成功率是无力策略的 3.5 倍,且对组织施加的力小一个数量级。这些结果为设计满足组织处理手术指南的力感知自主系统打开了大门,尤其适用于新发布的具备力反馈能力的 RAS 系统(如达芬奇 5)。
引用
@article{arxiv.2501.11742,
title = {Force-Aware Autonomous Robotic Surgery},
author = {Alaa Eldin Abdelaal and Jiaying Fang and Tim N. Reinhart and Jacob A. Mejia and Tony Z. Zhao and Jeannette Bohg and Allison M. Okamura},
journal= {arXiv preprint arXiv:2501.11742},
year = {2025}
}