Oct, 2023

手术健身房：基于高性能 GPU 的机器人手术加强学习平台

PDF
TL;DR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。
robot-assisted surgeryrobotic surgical interventionautonomous robotic surgerydeep reinforcement learningsurgical gym
发现论文，激发创造
  • 面向外界开放的外科机器人强化学习环境

    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

  • Isaac Gym：面向机器学习的高性能 GPU 物理仿真平台

    该研究证明了使用 Isaac Gym 平台进行机器人学习的高效性，其在 GPU 上进行物理模拟和神经网络策略培训，大大提高了单 GPU 上复杂机器人任务训练的速度。

    Aug, 2021

  • 基于深度强化学习的半自主机器人手术控制

    本文提出了一种基于深度强化学习的半自主控制方法，可帮助外科机器人在手术过程中完成一些简单但重复的操作，用户实验表明此框架可将手术时间缩短 19.1％，行程长度缩短 58.7％。

    Apr, 2022

  • 基于 GPU 加速的分布式强化学习机器人仿真

    使用 GPU 加速物理引擎 NVIDIA Flex 模拟机器人学习在连续控制和运动任务上表现出了极大的优势，使用少量的 CPU 与单 GPU 即可短时间内训练出高效的机器人智能。

    Oct, 2018

  • 利用机器人手术视频的高效数据驱动场景模拟：基于物理嵌入的 3D 高斯方法

    我们的研究介绍了一种可学习的三维高斯表示方法，通过从立体内窥镜视频中学习，可以重建和模拟手术场景，以提高手术教育和机器人学习的效率和多样性。

    May, 2024

  • 具备交互式仿真环境的人与机器人协同的手术机器人学习

    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

  • 卷积神经网络在机器人辅助手术中客观技能评估中的深度学习

    通过深度学习框架从机器人运动数据映射到单个技能级别，提出了一种无需特征工程或精心调整手势细分，即可成功解码技能信息的模型，并能在 1-3 秒窗口内可靠地解释技能，突出了深度架构在现代外科培训中高效在线技能评估的潜力。

    Jun, 2018

  • safe-control-gym：机器人安全学习控制和强化学习一个统一的基准测试套件

    提出了一个名为 safe-control-gym 的新开源基准套件，支持模型和数据驱动控制技术，在 3 个动态系统和 2 个控制任务上提供实现，并建议将 OpenAI 的 Gym API 扩展为支持符号动态和限制条件的查询，并演示如何使用 safe-control-gym 来量化比较传统控制、基于学习的控制和强化学习的多种方法的控制性能、数据效率和安全性。

    Sep, 2021

  • 辅助健身房：辅助机器人的物理模拟框架

    本文介绍了 Assistive Gym 这个开源的物理仿真框架，可用于为多种日常生活活动提供机器人辅助，并基于强化学习方法训练不同商用机器人的基本策略。通过对人类活动模型进行建模，该框架可模拟人类活动能力和辅助偏好以提供奖励函数，从而提供更好的人机交互体验。

    Oct, 2019

  • SoftGym: 可变形物体操纵深度强化学习基准测试

    本文介绍了 SoftGym，一个开源的、用于操纵可变形物体的模拟基准测试集。它可以用于研究深度强化学习技术在高位状态表示和复杂动态环境下的可行性，并且本文针对用于解决这一问题的算法进行了实验和分析。

    Nov, 2020