Surgical Robot Transformer (SRT): Imitation Learning for Surgical Tasks

要約

私たちは、模倣学習を通じてダヴィンチロボット上で外科操作タスクを学習できるかどうかを調査します。
ただし、ダ ヴィンチ システムには、模倣学習の直接的な実装を妨げる独特の課題があります。
特に、その順運動学は不正確な関節測定により一貫性がなく、そのような近似運動学データを使用してポリシーを単純にトレーニングすると、タスクの失敗につながることがよくあります。
この制限を克服するために、近似運動学データを使用してポリシーのトレーニングと展開を成功させることができる相対アクション定式化を導入します。
このアプローチの有望な結果は、近似的な運動学を含む臨床データの大規模なリポジトリが、さらなる修正なしでロボットの学習に直接利用できることです。
私たちは、組織操作、針の取り扱い、結び目を結ぶという 3 つの基本的な外科的タスクを成功裏に実行することで、この発見を実証します。

要約(オリジナル)

We explore whether surgical manipulation tasks can be learned on the da Vinci robot via imitation learning. However, the da Vinci system presents unique challenges which hinder straight-forward implementation of imitation learning. Notably, its forward kinematics is inconsistent due to imprecise joint measurements, and naively training a policy using such approximate kinematics data often leads to task failure. To overcome this limitation, we introduce a relative action formulation which enables successful policy training and deployment using its approximate kinematics data. A promising outcome of this approach is that the large repository of clinical data, which contains approximate kinematics, may be directly utilized for robot learning without further corrections. We demonstrate our findings through successful execution of three fundamental surgical tasks, including tissue manipulation, needle handling, and knot-tying.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google