SurgGoal：通过目标满足性重新思考手术规划评估
计算与语言
2026-01-16 v1 机器人学
摘要
手术规划融合了视觉感知、长期推理和程序知识，但目前尚不清楚当前的评估协议是否可靠地评估视觉语言模型 (VLM) 在安全关键环境中的表现。受目标导向视角的启发，我们通过相位-目标满足性定义规划的正确性，其中计划的有效性由专家定义的手术规则决定。基于此定义，我们引入一个多中心元评估基准，包含有效的程序变体和包含顺序错误和内容错误的无效计划。使用这个基准，我们显示，序列相似性度量标准系统地误判了规划质量，惩罚有效的计划，同时未能识别无效的计划。因此，我们采用基于规则的目标满足度量标准作为高精度元评估参考来评估 Video-LLM 在逐步受限设置下的表现，揭示了由于感知错误和受限推理导致的失败。结构化知识一致地提高了性能，而语义指导 alone 是不可靠的，仅当与结构约束结合时才受益于更大的模型。
引用
@article{arxiv.2601.10455,
title = {SurgGoal: Rethinking Surgical Planning Evaluation via Goal-Satisfiability},
author = {Ruochen Li and Kun Yuan and Yufei Xia and Yue Zhou and Qingyu Lu and Weihang Li and Youxiang Zhu and Nassir Navab},
journal= {arXiv preprint arXiv:2601.10455},
year = {2026}
}