从稳健的手部动作中学习:显微镜下机器人辅助的弱监督智能体
《IEEE Transactions on Robotics》:Learning From a Steady Hand: A Weakly Supervised Agent for Robot Assistance under Microscopy
【字体:
大
中
小
】
时间:2026年10月23日
来源:IEEE Transactions on Robotics 11.1
编辑推荐:
摘要:本文使用一种弱监督框架重新思考稳态手操作(steady-hand)机器人微操作,该框架将"标定感知"的感知与导纳控制(admittance control)相融合。与依赖人工进行大量二维标注的传统自动化方法不同,本框架利用可复用的热身轨迹(warm-up traject
摘要:本文使用一种弱监督框架重新思考稳态手操作(steady-hand)机器人微操作,该框架将"标定感知"的感知与导纳控制(admittance control)相融合。与依赖人工进行大量二维标注的传统自动化方法不同,本框架利用可复用的热身轨迹(warm-up trajectories)来提取隐式的空间信息,从而在无需外部基准标记(fiducials)或逐帧人工深度标注的情况下,实现具备标定感知能力、可进行深度分辨的感知。通过显式刻画观测模型与标定模型之间的残差,该系统基于记录的热身数据建立了一个任务空间误差预算。在所评估的实验室条件下,所记录的轨迹在大平面内移动时,其经验横向误差约为 49 μm,而保守的轴向误差估计约为 291 μm。在一项组内用户研究(N=8)中,学习得到的智能体相比简单的稳态手辅助基线,将整体 NASA-TLX 工作负荷降低了 77.1%。综合而言,这些结果表明,在免外部基准标记、免逐帧人工深度标注的情况下,成功实现了闭环微操作并降低了主观工作负荷,因此这些结果支持所提出的方法作为一种显微镜引导下的机器人辅助框架。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号