可靠双臂手术子任务操纵的轨迹发散水平决策

随着临床工作量的增加，手术机器人系统越来越多地被采用，这激发了针对重复操作子任务的自主解决方案。与基于规则和分析的方法相比，基于学习的控制器提高了泛化能力，但大多数控制器都是针对单个任务进行训练的，并且仍然难以跨过程重用。视觉-语言-动作 (VLA) 模型提供了一个统一的框架，集成了视觉感知、语言基础和动作生成，为实现更具可组合性的手术自主性提供了一条有希望的道路。然而，现有的 VLA 策略依赖于固定长度的开环动作序列，其中不断变化的场景条件可能会导致手术操作中的累积错误和潜在风险。为了缓解这个问题，我们将外科 VLA 部署制定为自适应执行水平决策问题，并提出轨迹发散水平决策（TDHD），这是一种测试时间机制，通过测量小噪声扰动下两个流匹配生成的轨迹之间的差异来估计逐步动作的可靠性，并使用双阈值规则截断执行以触发及时重新规划。我们进一步建立了一个类似达芬奇的真实双臂基准，具有同步的多视图感知和语言指令，并收集了 600 个针（触及、拾取、重新抓取）和组织（触及、提起、切除）操作套件的遥控演示。在每个任务设置进行 20 次试验的真实硬件上，TDHD 持续提高了最新 VLA 基线的性能：针操作的成功率从 55\% 增加到 60\%，组织操作的成功率从 55\% 增加到 80\%，在最终操作阶段观察到最大的增益。这些结果凸显了自适应执行控制对于在手术机器人操作中可靠部署 VLA 模型的重要性。