提升机器人辅助手术自主性的通用基础模型
机器人学
2024-01-02 v1 机器学习
组织与器官
摘要
端到端机器人学习的主导范式侧重于优化特定任务目标，以解决诸如抓取物体或到达目标位置等单一机器人问题。然而，近期关于机器人领域高容量模型的研究表明，在大量多样化且与任务无关的视频演示数据集上进行训练具有广阔前景。随着数据量和模型复杂度的增加，这些模型展现出了对未见情况的出色泛化能力。从数据中学习的手术机器人系统的发展速度一直落后于机器人学习的其他领域，原因有几点：(1) 缺乏现有的大规模开源数据来训练模型；(2) 难以对这些机器人在手术中操作的软组织形变进行建模，因为仿真无法匹配生物组织的物理和视觉复杂性；(3) 手术机器人在临床试验中存在伤害患者的风险，需要更广泛的安全措施。这篇展望文章旨在通过为手术机器人开发多模态、多任务的视觉-语言-动作模型，为提升机器人辅助手术中的机器人自主性提供一条路径。最终，我们认为手术机器人具有从通用模型中获益的独特优势，并提出了提升机器人辅助手术自主性的三项指导行动。
关键词
引用
@article{arxiv.2401.00678,
title = {General-purpose foundation models for increased autonomy in robot-assisted surgery},
author = {Samuel Schmidgall and Ji Woong Kim and Alan Kuntz and Ahmed Ezzat Ghazi and Axel Krieger},
journal= {arXiv preprint arXiv:2401.00678},
year = {2024}
}