Teach Me How to Learn: A Perspective Review towards User-centered Neuro-symbolic Learning for Robotic Surgical Systems

要約

機械学習モデルの最近の進歩により、ロボットは知覚的な非記号レベルでオブジェクトを識別できるようになりました（たとえば、センサーフュージョンや自然言語理解を通じて）。
ただし、これらの主にブラックボックスの学習モデルには依然として解釈と伝達性が欠けており、高いデータと計算需要が必要です。
別の解決策は、専門家のフィードバックを備えたハイブリッド神経記号学習アプローチ (つまり、人間参加型学習) を通じて、知覚的非記号レベルと概念的象徴レベルの両方をロボットに教えることです。
この研究は、ロボット手術の状況に焦点を当てた、このユーザー中心のハイブリッド学習パラダイムの概念を提案します。
最近の研究は非ロボット領域および一部の汎用ロボット領域のハイブリッド学習に焦点を当てていますが、外科用ロボット工学に焦点を当てた研究はほとんどありません。
私たちは、人間参加型の手術ロボット システムに焦点を当てながら、この関連研究を調査します。
この評価では、自律型手術ロボットの最も優れたソリューションと、外科医がこれらのシステムを操作する際に直面する課題に焦点を当てています。
最後に、専門外科医からの暗黙的および明示的なフィードバックに基づいたオンライン実習学習を使用して、これらの課題に対処する可能な方法を想定しています。

要約(オリジナル)

Recent advances in machine learning models allowed robots to identify objects on a perceptual nonsymbolic level (e.g., through sensor fusion and natural language understanding). However, these primarily black-box learning models still lack interpretation and transferability and require high data and computational demand. An alternative solution is to teach a robot on both perceptual nonsymbolic and conceptual symbolic levels through hybrid neurosymbolic learning approaches with expert feedback (i.e., human-in-the-loop learning). This work proposes a concept for this user-centered hybrid learning paradigm that focuses on robotic surgical situations. While most recent research focused on hybrid learning for non-robotic and some generic robotic domains, little work focuses on surgical robotics. We survey this related research while focusing on human-in-the-loop surgical robotic systems. This evaluation highlights the most prominent solutions for autonomous surgical robots and the challenges surgeons face when interacting with these systems. Finally, we envision possible ways to address these challenges using online apprenticeship learning based on implicit and explicit feedback from expert surgeons.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google