利用模拟环境、软件操作系统以及先进的机器人技术，本研究证明了通过强化学习算法学习软组织操控的可行性，为未来研究和开发能够处理刚性和软组织相互作用的外科机器人奠定了基础。

Sep, 2023

自主手术涉及让机器人自主执行手术任务，具有提高精度、利用生物信号进行干预护理、提高手术效率和指导的优点。但是，这些方法可能取代一些手术团队和单个外科医生的任务，同时也带来了新的干预能力。本章节概述商业和研究中机器人自主性的现状，并介绍了开发自主手术机器人所面临的一些挑战。

Jul, 2017

本文介绍了一种基于强化学习的手术自动化算法，使用专家演示数据来提高任务探索效率并克服探索挑战。实验显示该算法在 $10$ 个手术操作任务中取得了显著的提高，并在实际机器人上展示了有效性。

Feb, 2023

开发了第一个基于强化学习的外科手术机器人环境 ——dVRL，通过 RL 环境演示了在外科手术中实现自主机器人精准和协作问题的最新算法策略。

Mar, 2019

本文提出了一种基于实时观察的机器人脊柱手术规划方法，利用 Safe Deep Reinforcement Learning（DRL）计算钻孔路径，同时通过引入一个基于距离的不确定性感知安全过滤器保证安全，为手术提供尽可能高的成功率。实验表明，该方法是第一种在正畸手术上应用安全 DRL 方法，且能同时满足成功率和安全保障。

May, 2023

本研究开发了一个新的系统，通过无缝地融合人工智能模块和增强现实可视化，自动生成机器人手术教育的手术指导。该系统利用强化学习从专家演示中学习，生成 3D 指导轨迹，提供手术过程的先前上下文信息。将 3D 轨迹与文本提示等其他信息重叠在 dVRK 的立体视图中，让用户能够感知并学习该过程。通过 peg-transfer 手术的初步实验，证明了该系统的可行性和潜力，是下一代机器人辅助手术教育解决方案。

Jan, 2022

机器人辅助手术的进展使得手术变得更加精确、高效和微创，从而引发了机器人手术干预的新时代。本文介绍了 Surgical Gym，这是一个开源、高性能的外科机器人学习平台，通过在 GPU 上直接进行物理模拟和强化学习，实现了 100-5000 倍的更快训练时间与之前的外科学习平台相比。

Oct, 2023

基于模拟图像导引的外科手术机器人的个性化自适应方法，通过仿真环境训练强化学习和模仿学习的智能体来执行白内障手术切口阶段的所有任务，将外科医生的动作和喜好融入训练过程，从而实现对个别外科医生独特方法的隐式学习和适应，为外科医生提供更直观和个性化的手术体验，同时确保自主机器人学徒的稳定性能。

Nov, 2023

本文研究人形态智能的应用于外科机器人学习的新交互式模拟平台，以人机交互的形式，以增加更有效的策略学习，通过收集人类示范并模仿动作模式，展示了仿真环境的改进和验证最先进的强化学习算法。

Jan, 2023

通过开发多模态、多任务、视觉 - 语言 - 行为模型，本文提出一条路径，以增加机器人辅助手术中机器人的自治性，最终我们认为，机器人辅助手术能够从通用模型中获益，并提供三个指导性行动以增加机器人辅助手术的自治性。

Jan, 2024