从数据中学习的手术机器人，系统很难像其他机器人学习领域一样快速发展，原因如下：缺乏现有的大规模开源数据来训练模型；由于模拟无法与生物组织的物理和视觉复杂性相匹配，因此对这些手术机器人，在手术过程中，软体变形建模是极具挑战性的。在临床试验中，外科手术机器人有伤及病人的风险，需要更广泛的安全措施。
近日，美国 约翰斯·霍普金斯大学（Johns Hopkins University）Samuel Schmidgall等，在Nature Machine Intelligence上发文，旨在通过为手术机器人开发多模态、多任务、视觉-语言-动作模型，以提高机器人辅助手术中的机器人自主性提供新路径。最终，手术机器人具有独特的优势，可从通用模型中受益，并为机器人辅助手术中，以提高自主性，提供四个指导行动。
General-purpose foundation models for increased autonomy in robot-assisted surgery.
机器人辅助手术中，提高自主性的通用基础模型。
文献链接
Schmidgall, S., Kim, J.W., Kuntz, A. et al. General-purpose foundation models for increased autonomy in robot-assisted surgery. Nat Mach Intell (2024).
https://doi.org/10.1038/s42256-024-00917-4
https://www.nature.com/articles/s42256-024-00917-4
本文译自Nature。
来源：今日新材料
声明：仅代表译者观点，如有不科学之处，请在下方留言指正！
