从自由手演示到自主机器人超声：一种解剖锚定的学习框架
该研究提出解剖锚定的模仿学习框架，将解剖引导的探头放置与学习式超声导航结合：放置模块从外部视觉识别任务特定解剖起点并确立初始探头位姿为参考系，基于流的策略依据锚点相对位姿、超声图像、探头相机视图与接触力生成扫查动作，终止头预测任务完成。手持采集平台可在无机器人条件下采集自由手扫查的多模态演示。在16名未见参与者上，肾脏、胆囊、肝脏标准切面采集与桡动脉扫查成功率分别为96%、94%、88%、94%；相比微调pi_0模型，腹部任务成功率提升10-42个百分点，目标到达时间、峰值接触力与轨迹抖动更低。自动放置端到端试验成功率90-100%，策略无需重训迁移至第二台机器人成功率83-100%。
发布于 10-27 10:54来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《From Freehand Demonstrations to Autonomous Robotic Ultrasound: An Anatomy-Anchored Learning Framework》查看原链
超声成像高度依赖操作者，这促使人们研发能够稳定复现专家扫查技能的机器人系统。 这些技能涉及对解剖标志、超声图像以及探头-组织相互作用的协同解读，难以用人工设计的控制策略编码。 模仿学习提供了另一种途径，但其观测与动作表示应反映扫查在解剖结构上的特性。
我们提出一种解剖锚定的模仿学习框架，将解剖引导的探头放置与学习得到的超声导航相结合。 放置模块从外部视觉观测中识别任务特定的解剖起点，并将初始探头位姿确立为扫查的参考坐标系。 随后，基于流的策略根据相对于锚点的探头位姿、超声图像、探头搭载相机的视图以及接触力生成扫查运动，同时由终止头预测任务完成。
这避免了对第三人称视觉的持续依赖，并降低了对机器人-患者配置的依赖。 手持采集平台使多模态演示能够在自然自由手扫查过程中采集，无需机器人参与。 在16名未见过的参与者上，肾脏、胆囊、肝脏标准切面采集和桡动脉扫查的任务成功率分别达到96%、94%、88%和94%。
与微调后的pi_0模型相比，腹部任务成功率提升10-42个百分点，同时目标到达时间、峰值接触力和轨迹抖动更低。 消融实验支持了解剖锚定、自我中心视觉和力反馈的互补作用。 自动放置的端到端试验成功率为90-100%，且策略无需重新训练即可迁移到第二台机器人，成功率为83-100%。