面向手术机器人可变形组织自主操作的协同学习：一种近似 Q 学习方法
机器人学
2019-10-15 v2 人工智能
机器学习
摘要
本文中，我们提出一种协同学习算法以解决未知可变形组织的间接操作任务。组织操作是各类外科干预中常见且具挑战性的任务，这使其成为机器人自动化的良好候选。我们提出使用线性近似 Q 学习方法，其中人类知识有助于选取有用且简单的组织操作特征，而算法学习采取最优动作并完成任务。该算法在基于 OpenCV 与 CHAI3D 库的仿真中实现并评估。给出了基于真实组织操作场景的四种不同配置下的成功仿真结果。结果表明，通过谨慎选取相对简单直观的特征，所开发的 Q 学习算法可在无需任何组织动力学或相机内/外参标定参数的先验知识下成功学习最优策略。
引用
@article{arxiv.1910.03398,
title = {Toward Synergic Learning for Autonomous Manipulation of Deformable Tissues via Surgical Robots: An Approximate Q-Learning Approach},
author = {Sahba Aghajani Pedram and Peter Walker Ferguson and Changyeob Shin and Ankur Mehta and Erik P. Dutson and Farshid Alambeigi and Jacob Rosen},
journal= {arXiv preprint arXiv:1910.03398},
year = {2019}
}