面向手术机器人的基于世界模型的视觉运动抓取

arXiv 25.8 2025 50.1 method, application

TLDR

基于世界模型的手术机器人视觉运动抓取框架，实现仿真到现实迁移和单立体相机物体无关抓取。

评分理由

The paper presents a clear contribution with a world-model-based architecture for surgical grasping, addressing sim-to-real transfer and generalization. Strengths include practical deployment on real robots in ex vivo settings. Weaknesses are the lack of quantitative results or comparisons in the abstract, and limited detail on the world model's specific role.

Read-first 评分解释

综合优先阅读分 50.1，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 30。

近期性 8%

86.7

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：2025

方法质量 25%

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：评估、实验

主题相关性 42%

42.9

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 25%

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

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：379。

关键词评分

world model

model-based reinforcement learning world model

world simulator

world dynamics prediction

interactive world model

generative world model

video world model

深度分析

创新点

GASv2：一种利用世界模型的手术抓取视觉运动学习框架
通过域随机化解决视觉运动策略向离体手术场景的仿真到现实迁移
实现与物体无关的抓取，单一策略无需重新训练即可泛化到各种未见过的手术物体
仅使用单个立体相机对（标准RAS设置）进行视觉运动学习，避免显式姿态跟踪或手工特征
用于手术环境中安全执行的混合控制系统

方法

GASv2采用基于世界模型的架构，结合手术感知流水线处理来自单个立体相机对的视觉观测。策略在仿真中使用域随机化进行训练以促进仿真到现实迁移，并使用混合控制系统在真实机器人上安全执行。评估在体模和离体手术环境中进行。

关键结果

该策略在体模和离体环境中均达到65%的成功率，泛化到未见过的物体和夹爪，并适应多种干扰，展示了强大的性能、通用性和鲁棒性。

局限性

65%的成功率表明仍有很大改进空间，尤其对于需要更高可靠性的安全关键手术应用
评估仅限于体模和离体环境；体内性能和向真实手术环境的泛化尚未验证

资源

论文