SurgicAI：面向精细外科政策学习与基准测试的分层平台
机器人学
2025-02-12 v3
摘要
尽管机器人辅助手术取得了进展，但自动化像缝合这样的复杂任务仍具有挑战性，主要因为需要适应性和精确性。基于学习的方法，特别是强化学习（RL）和模仿学习（IL），需要高保真的仿真环境来实现高效的数据收集。然而，当前的平台通常仅包含相对简单的非灵巧操作，缺乏有效学习和泛化所需的灵活性。我们引入SurgicAI，这是一个用于开发和基准测试的新平台，通过提供灵活性来容纳模块化子任务，更重要的是支持RL基于手术机器人中的任务分解。兼容da Vinci手术系统，SurgicAI提供了收集和利用专家演示的标准化流程。它支持部署多种RL和IL方法，以及在缝合场景中训练单个和组合子任务，具有高灵活性和模块化。同时，SurgicAI为所学政策的评估设定了明确的指标和基准。我们在SurgicAI上实现并评估了多种RL和IL算法。我们的详细基准分析强调了SurgicAI在手术机器人政策学习方面的潜力。详情请参见：https://github.com/surgical-robotics-ai/SurgicAI
引用
@article{arxiv.2406.13865,
title = {SurgicAI: A Hierarchical Platform for Fine-Grained Surgical Policy Learning and Benchmarking},
author = {Jin Wu and Haoying Zhou and Peter Kazanzides and Adnan Munawar and Anqi Liu},
journal= {arXiv preprint arXiv:2406.13865},
year = {2025}
}