基于世界模型的安全自主机器人血管内介入治疗

arXiv 2026 49.6 method, application

TLDR

基于世界模型的自主血管内导航框架（TD-MPC2），在仿真和体外患者特异性模型中验证。

评分理由

The paper presents a clear contribution by applying TD-MPC2 to a challenging medical robotics task, with both simulated and real-world (in vitro) validation. Strengths include rigorous comparison to SAC and demonstration of safety constraints; weaknesses include moderate success rates and longer procedure times, and limited scope to a single navigation task.

Read-first 评分解释

综合优先阅读分 49.6，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 33。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准、实验、结果

引用影响力 18%

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.58999954

主题相关性 29%

47.1

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

前沿论文桥接论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：227。

关键词评分

world model

model-based reinforcement learning world model

world dynamics prediction

world simulator

interactive world model

generative world model

video world model

深度分析

创新点

首次在保留的计算机模拟数据和荧光透视引导的体外实验中验证自主机械取栓导航
使用基于世界模型的框架（TD-MPC2）进行血管内导航

方法

本研究采用TD-MPC2，一种结合规划与学习动力学的基于模型的强化学习方法，在多个保留的患者特异性血管结构上训练智能体，并与最先进的Soft Actor-Critic（SAC）算法在仿真中进行基准测试，随后在荧光透视引导下使用患者特异性血管模型进行体外验证。

关键结果

在仿真中，TD-MPC2的平均成功率显著高于SAC（58% vs 36%，p<0.001），平均尖端接触力为0.15 N，远低于1.5 N的血管破裂阈值。在体外实验中，TD-MPC2的成功率与SAC相当（68% vs 60%），但路径比更优（p=0.017），代价是手术时间更长（p<0.001）。

局限性

与SAC相比，手术时间更长（p<0.001）

技术栈

TD-MPC2Soft Actor-Critic (SAC)

资源

论文