基于潜在任务表示与机器人技能自适应的自主超声学习
机器人学
2023-07-26 v1 人工智能
摘要
随着医学超声日益成为一种主流的检查手段，机器人超声系统可辅助扫描过程，使专业超声医师免于重复繁琐的工作。尽管近期取得进展，如何让机器人自主完成超声检查仍具挑战，这主要源于缺乏恰当的任务表示方法，以及一种能将所学技能泛化至不同患者的自适应方法。为解决这些问题，本文提出用于自主超声的潜在任务表示与机器人技能自适应。在离线阶段，通过全自监督框架将多模态超声技能融合并封装为低维概率模型，该框架综合考虑了临床示教的超声图像、探头位姿与接触力。在在线阶段，概率模型将筛选并评估最优预测。对于不稳定的奇异点，自适应优化器将其微调至高置信度区域中邻近且稳定的预测。实验结果表明，所提方法能为不同人群生成复杂的超声策略，并在定量结果上显著优于我们此前的方法。
引用
@article{arxiv.2307.13323,
title = {Learning Autonomous Ultrasound via Latent Task Representation and Robotic Skills Adaptation},
author = {Xutian Deng and Junnan Jiang and Wen Cheng and Miao Li},
journal= {arXiv preprint arXiv:2307.13323},
year = {2023}
}