基于模仿学习的机器人在开放手术中的协作辅助：针对缝合跟随的多策略评估
机器人学
2026-05-28 v1
摘要
本研究首次评估了通用模仿学习在开放手术中用于外科医生与机器人协作辅助的可行性，目标是缝合跟随：即助理在每一次缝合时执行的抓取-拉伸-释放动作。我们在开源机器人臂上收集了160组遥操作示范数据（32,374帧），对四种架构多样化的模仿学习策略（ACT、扩散策略、SmolVLA、）进行基准测试，在28个训练模型中进行32种配置的评估，沿临床动机导向的三个维度：数据集大小、相机视角和背景变化。我们的结果表明，在理想条件下，这四种策略均可实现50%-75%的任务成功率，深度误差是所有架构中占主导地位的失败模式。在所有策略中，采用预训练视觉语言主干网络，实现了最强的性能，显示出更高的数据效率、对背景变化的鲁棒性更强，以及与手术工作流程相容的更平滑轨迹。在外科医生与机器人缝合试验中，实现了92%的缝合完成率。这些发现表明，基于模仿学习的协作式机器人辅助开放手术是可行的目标，并突出了深度感知和末端执行器设计在临床转化中的关键优先事项。
引用
@article{arxiv.2605.28736,
title = {Imitation Learning for Robot Assistance in Open Surgery: A Multi-Policy Evaluation on Suture Following},
author = {Xucheng Wang and Zhizhou Yang and Xiaoman Zhang and Sung Eun Kim and Romain Hardy and Pranav Rajpurkar},
journal= {arXiv preprint arXiv:2605.28736},
year = {2026}
}