SurRoL：一个以强化学习为核心且兼容 dVRK 的手术机器人学习开源平台

自主手术执行可减轻繁琐常规工作与外科医生疲劳。近期基于学习的方法，尤其是基于强化学习（RL）的方法，在灵巧操作上取得了有前景的性能，这通常要求仿真能高效收集数据并降低硬件成本。现有面向医疗机器人的基于学习的仿真平台受限于有限场景与简化的物理交互，降低了所学策略在真实世界中的性能。本工作中，我们设计了 SurRoL，一个以 RL 为核心、兼容 da Vinci Research Kit（dVRK）的手术机器人学习仿真平台。所设计的 SurRoL 集成了用于算法开发的用户友好 RL 库与实时物理引擎，能够支持更多 PSM/ECM 场景与更真实的物理交互。平台内置十项基于学习的手术任务，这些任务在真实自主手术执行中常见。我们在仿真中使用 RL 算法评估 SurRoL，提供深入分析，将训练策略部署于真实 dVRK，并表明我们的 SurRoL 在真实世界中实现了更好的可迁移性。