基于深度强化学习的超声引导机器人导航
机器学习
2020-04-08 v2 机器人学
机器学习
摘要
本文提出首个利用超声(US)图像作为输入的基于强化学习(RL)的机器人导航方法。我们的方法结合最先进的 RL 技术,具体为带记忆缓冲的深度 Q 网络(DQN)与用于决定何时终止任务的二分类器。我们的方法在内部收集的 34 名志愿者数据集上训练与评估,与纯 RL 和监督学习(SL)技术相比表现大幅更优,突显了 RL 导航对超声引导操作的适用性。测试所提模型时,我们在 5 个不同未见模拟环境的 165 个不同起始位置上获得 82.91% 正确导航至骶骨的概率。
引用
@article{arxiv.2003.13321,
title = {Ultrasound-Guided Robotic Navigation with Deep Reinforcement Learning},
author = {Hannes Hase and Mohammad Farid Azampour and Maria Tirindelli and Magdalini Paschali and Walter Simson and Emad Fatemizadeh and Nassir Navab},
journal= {arXiv preprint arXiv:2003.13321},
year = {2020}
}
备注
Submitted for IROS 2020