SRT-H：基于语言条件仿射学习的自主手术层次框架
机器人学
2025-07-09 v3
摘要
自主手术研究主要集中在受控环境下的简单任务自动化。然而，现实世界的手术应用需要对持续的深度操作以及人类组织组织的固有变异性进行灵巧操控。这些挑战在现有的基于逻辑或常规端到端学习方法中仍然 difficult to address。为此，我们提出一个用于执行灵巧、持久手术步骤的层次框架。我们的 approach utilizes 高层策略进行任务规划，以及用于生成机器人轨迹的低层策略。高层规划器在语言空间中进行规划，生成任务级或纠正指令，用于指导机器人通过持久手术步骤并纠正低层策略的错误。我们通过胆囊切除术 (cholecystectomy) 的体外实验验证了该框架，并进行消化实验以评估系统的关键组件。该方法在八个未知的体外胆囊上实现了 100% 成功率，完全自主运行，不需要人类干预。该工作在手术程序中实现了分级自主性，标志着自主手术系统向临床部署迈出了重要一步。
引用
@article{arxiv.2505.10251,
title = {SRT-H: A Hierarchical Framework for Autonomous Surgery via Language Conditioned Imitation Learning},
author = {Ji Woong Kim and Juo-Tung Chen and Pascal Hansen and Lucy X. Shi and Antony Goldenberg and Samuel Schmidgall and Paul Maria Scheikl and Anton Deguet and Brandon M. White and De Ru Tsai and Richard Cha and Jeffrey Jopling and Chelsea Finn and Axel Krieger},
journal= {arXiv preprint arXiv:2505.10251},
year = {2025}
}