Sim4EndoR：基于强化学习的内科机器人任务自动化仿真平台
机器人学
2025-04-09 v1
摘要
经导管心血管介入（PCI）的机器人辅助技术在提升心血管手术精度和安全性方面具有巨大潜力。然而，当前系统严重依赖人类操作员，导致结果具有变异性并存在人为错误的风险。为应对这些挑战，本文首次引入基于强化学习（RL）的仿真环境Sim4EndoR，以增强PCI中任务层次的自主性。该平台为开发、评估和优化潜在自主系统提供了全面且无风险的环境，提高了数据收集效率，降低了昂贵硬件试验的需求。值得注意的是，Sim4EndoR的奖励函数考虑了血管解剖环境的约束条件，利用血管几何特征引导学习过程。通过将先进的物理仿真无缝集成到神经网络驱动的策略学习中，Sim4EndoR促进了仿真到现实的有效转化，为临床实践中更安全、更一致的机器人干预铺平了道路，从而改善患者预后。
引用
@article{arxiv.2504.05330,
title = {Sim4EndoR: A Reinforcement Learning Centered Simulation Platform for Task Automation of Endovascular Robotics},
author = {Tianliang Yao and Madaoji Ban and Bo Lu and Zhiqiang Pei and Peng Qi},
journal= {arXiv preprint arXiv:2504.05330},
year = {2025}
}
备注
7 pages, 4 figures. This paper has been accepted by IEEE ICRA 2025