针对自主 X-ray 指导脊椎手术的机器人控制策略学习研究
计算机视觉与模式识别
2026-05-25 v2 人工智能
机器学习
机器人学
摘要
基于模仿学习的机器人控制策略正受到重新关注。然而，如何应用于以稀疏输入为特征的 X-ray 指导程序（如脊柱内植入）仍不明确。我们检验了在双平面 X-ray 指导下插入针管的模仿策略学习的可行性、机会与挑战。我们开发了一个用于模拟 X-ray 指导脊椎手术的仿真沙盒，具备可扩展的自动化能力和高度的真实性。我们整理了一个正确轨迹及其对应的双平面 X-ray 序列的数据集，模拟供应商的步骤对齐过程。随后我们训练了用于规划和开环控制的模仿学习策略，仅凭视觉信息在脊柱成椎体手术场景中迭代对齐针管。这种精确控制的设置为我们洞察了该方法的局限性和能力提供了见解。我们的策略在 68.5% 的情况下首次尝试即成功，保持安全的腰椎内轨迹覆盖多样的椎体水平。该策略成功移植到包括骨折在内的复杂解剖结构，以及不同的解剖结构和初始化情况。在真实 X-ray 上的 rollout 表明，部分仿真到现实的迁移具有可行的轨迹。尽管这些初步结果令人鼓舞，我们也识别出了局限性，特别是入口点精度问题。当前结果为未来工作提供了明确的基准，同时在更稳健的先验和领域知识的帮助下，这些模型可能为未来致力于轻量级无 CT 机器人内操作脊柱导航奠定基础。
引用
@article{arxiv.2511.03882,
title = {Investigating Robot Control Policy Learning for Autonomous X-ray-guided Spine Procedures},
author = {Florence Klitzner and Blanca Inigo and Benjamin D. Killeen and Lalithkumar Seenivasan and Michelle Song and Axel Krieger and Mathias Unberath},
journal= {arXiv preprint arXiv:2511.03882},
year = {2026}
}