SutureBot：面向自主全链路缝合的精度框架与基准
机器人学
2025-10-27 v1 机器学习
摘要
机器人缝合是原型长期时间尺度的灵巧操控任务，需要协调针头抓取、精确组织 Penetration 和安全结绳。尽管已有众多努力致力于端到端自主性，但在物理硬件上尚未演示完整的自主缝合流程。我们引入 SutureBot：在 da Vinci Research Kit（dVRK）上实现的自主缝合基准，涵盖针头拾取、组织插入和结绳。为确保可重复性，我们发布了由 1,890 组缝合示范构成的高保真数据集。此外，我们提出一种以目标为导向的框架，显式优化插入点精度，使其在针对特定任务的基线方法上实现 59%-74% 的定位精度提升。为将此任务建立为灵巧模仿学习的基准，我们评估了包括 、GR00T N1、OpenVLA-OFT 和 multitask ACT 在内的多种最新视觉-语言-动作（VLA）模型，每个模型都配备了高层次任务预测策略。自主缝合是实现手术机器人自主性的关键里程碑。这一贡献支持可重复的评估和开发，以实现面向端到端缝合的精度导向、长期时间尺度灵巧操控策略。数据集可在：https://huggingface.co/datasets/jchen396/suturebot 访问。
引用
@article{arxiv.2510.20965,
title = {SutureBot: A Precision Framework & Benchmark For Autonomous End-to-End Suturing},
author = {Jesse Haworth and Juo-Tung Chen and Nigel Nelson and Ji Woong Kim and Masoud Moghani and Chelsea Finn and Axel Krieger},
journal= {arXiv preprint arXiv:2510.20965},
year = {2025}
}
备注
10 pages, 5 figures, 4 tables, NeurIPS 2025