SuFIA-BC：用于外科子任务可视-行为克隆学习的高质量示范数据生成
机器人学
2025-04-22 v1
摘要
行为克隆有助于学习灵巧操控技能，但 surgical environments 的复杂性、获取患者数据的困难和昂贵以及机器人校准误差为外科机器人学习带来了独特挑战。我们提供了一个增强的外科数字孪生体，具备光滑逼真的人类解剖器器官，集成到旨在生成解决外科自主性基本任务的高质量合成数据的综合模拟器中。我们提出了 SuFIA-BC：面向外科第一次交互式自主助手的可视行为克隆策略。我们研究了包括多视角相机和从单个内窥镜相机视角中提取的 3D 视觉表示的视觉观测空间。通过系统评估，我们发现本工作引入的多样化光滑逼真的外科任务能够全面评估针对外科环境所特有的挑战的前景行为克隆模型。我们观察到，当前的状态-of-the-art 行为克隆技术在本工作中评估的接触丰富且复杂的任务中难以解决，无论其底层感知或控制架构如何。这些发现突显了为何需要定制感知管线和控制架构，以及精选满足外科任务特定需求的大规模合成数据集的重要性。项目网站：https://orbit-surgical.github.io/sufia-bc/
引用
@article{arxiv.2504.14857,
title = {SuFIA-BC: Generating High Quality Demonstration Data for Visuomotor Policy Learning in Surgical Subtasks},
author = {Masoud Moghani and Nigel Nelson and Mohamed Ghanem and Andres Diaz-Pinto and Kush Hari and Mahdi Azizian and Ken Goldberg and Sean Huver and Animesh Garg},
journal= {arXiv preprint arXiv:2504.14857},
year = {2025}
}