通过深度模仿学习与最优控制相结合实现自主眼科手术
机器人学
2020-11-17 v1
摘要
在视网膜显微手术中，需要对脆弱的视网膜组织进行精确操作以获得积极的手术结果。然而，由于受限的操作空间以及手术期间的俯视视角限制了外科医生估计深度的能力，手术工具的精确操作与导航仍然困难。为缓解此类困难，我们提出通过从当前工具尖端位置学习预测视网膜表面上的相对目标位置来实现工具导航任务的自动化。给定视网膜上的估计目标，我们生成一条通向预测目标的最优轨迹，同时施加与安全相关的物理约束以最小化组织损伤。作为一项扩展任务，我们生成到视网膜上各点的目标预测以定位眼部几何结构，并进一步在估计范围内生成安全轨迹。通过在仿真及多个眼部模型上的实验，我们证明我们的框架可允许导航至视网膜上各点，其 xy 误差分别为 0.089mm 和 0.118mm，小于人类外科医生工具尖端的 0.180mm 平均震颤。所有安全约束均得到满足，且该算法对先前未见的眼睛及场景中未见物体具有鲁棒性。实时视频演示见：https://youtu.be/n5j5jCCelXk
引用
@article{arxiv.2011.07778,
title = {Towards Autonomous Eye Surgery by Combining Deep Imitation Learning with Optimal Control},
author = {Ji Woong Kim and Peiyao Zhang and Peter Gehlbach and Iulian Iordachita and Marin Kobilarov},
journal= {arXiv preprint arXiv:2011.07778},
year = {2020}
}
备注
Accepted to Conference on Robot Learning (CoRL) 2020