S2-HWM、長期外科手術ロボット操作で成功率98.7%を達成

何が起きたか

研究者らは、長期の手術ロボット操作のための新しい階層型ワールドモデル「S2-HWM」を提案した。このモデルは、プリミティブ軌跡から疎なイベント証拠を学習し、イベントレベルのマネージャーとプリミティブステップのワーカーを調整する。SurRoLベースのPegTransferタスクで成功率98.7%を達成し、ベースラインのGAS DreamerV3を22.7ポイント上回った。

詳細

長期の手術ロボット操作は、タスク報酬が疎であり、意味のある相互作用の変化が不規則な間隔で発生するため、困難である。既存のワールドモデルエージェントは通常、プリミティブステップ解像度で想像し、可変期間のタスク進行を暗黙のうちに残す。手動で指定されたステージは中間構造を提供できるが、そのタスク固有の境界は状態依存の相互作用遷移と整合させることが難しい。 S2-HWMは、プリミティブ潜在軌跡から疎なイベント証拠を学習し、イベントレベルのマネージャーとプリミティブステップのワーカーを調整する。イベント証拠はマネージャーの目標更新をスケジュールし、選択された潜在目標は次の更新までワーカーのプリミティブアクションを条件付ける。学習されたイベント証拠は、イベント遷移モデル（ETM）のための可変期間セグメントも形成し、次の境界確率状態、セグメント期間、累積セグメント報酬を予測する。 これらのイベントレベルの予測を連鎖させることで、マネージャー学習のためのプリミティブ想像地平線を超えた可変期間の継続が提供され、ワーカーはプリミティブステップのアクタークリティック学習を維持する。SurRoLベースのPegTransferタスクでは、S2-HWMは成功率98.7%を達成し、フラットなGAS DreamerV3ベースラインを22.7パーセントポイント上回った。

Key Facts

なぜ重要か

この研究は、長期の手術ロボット操作における疎な報酬と不規則な相互作用変化という課題に対処するものである。S2-HWMは、イベント構造を学習することで、マネージャーとワーカーの階層的調整を可能にし、既存のベースラインを大幅に上回る性能を示した。これは、手術ロボットの自動化における進歩を示すものである。