基于演示学习的自主软组织牵开
机器人学
2021-10-04 v1
摘要
机器人辅助微创手术（RAMIS）当前的研究重点在于提升机器人自主程度，使外科医生处于监督地位。尽管演示学习（LfD）方法是自主手术系统学习专家动作的首选途径之一，但它们需要大量演示，且对手术环境多变条件的泛化能力较差。本文提出一种基于生成对抗模仿学习（GAIL）的 LfD 方法，其构建于深度强化学习（DRL）框架之上。GAIL 结合生成对抗网络以学习专家轨迹的分布，并利用 DRL 框架确保轨迹的泛化并提供类人行为。我们考虑组织牵开的自动化，这是一项涉及软组织操控以暴露感兴趣区域的常见 RAMIS 任务。在我们提出的方法中，可通过 da Vinci Research Kit（dVRK）获取少量专家轨迹，并在仿真环境中用于训练所提 LfD 方法。结果表明，我们的方法能以类人行为完成组织牵开任务，同时比基线 DRL 方法更具样本效率。最后，我们展示了所学策略可成功迁移至真实机器人平台，并部署于合成模型上的软组织牵开。
引用
@article{arxiv.2110.00336,
title = {Learning from Demonstrations for Autonomous Soft-tissue Retraction},
author = {Ameya Pore and Eleonora Tagliabue and Marco Piccinelli and Diego Dall'Alba and Alicia Casals and Paolo Fiorini},
journal= {arXiv preprint arXiv:2110.00336},
year = {2021}
}
备注
Accepted in IEEE International Symposium of Medical Robotics (ISMR 2021)