arXiv cs.AI· Angen Ye, junjie xie, Yujia Song, Junkai Huang, Dapeng Zhang·· 3 天前AI 评分32
SurgiCLAW：面向精密机器人显微操作的可解释原子技能智能体
SurgiCLAW: An Interpretable Atomic-Skill Agent for Precision Robotic Micromanipulation
AI 导读
SurgiCLAW 是一个分层技能框架，将 MLLM 限定于术中视觉理解、结构化解释与原子手术技能选择，物理执行交由可验证的确定性控制程序完成。在脑机接口植入任务上，其技能选择准确率达 94.6%、Macro-F1 为 93.0%，50 次闭环真机植入试验任务成功率为 88.0%。
正文 · AI 翻译
摘要：近期，多模态大语言模型（MLLMs）与视觉—语言—动作模型为机器人带来了长时程任务理解与规划的新能力。然而，在外科机器人领域，端到端预测底层动作仍受限于精度不足、决策不透明以及数据稀缺。本文提出 SurgiCLAW，一种用于精密外科操作的分层技能框架。SurgiCLAW 将 MLLM 限定于术中视觉理解、结构化解释与原子外科技能选择，同时将物理执行交由可验证的确定性控制程序完成。针对脑机接口植入这一具有代表性的高精度外科任务，我们构建了状态到技能调用数据集，并通过视觉与状态扰动对其进行扩展。模型首先通过监督微调学习结构化技能调用，随后使用动作正确性、操作前置条件与格式有效性三项奖励进行优化，从而提升动作选择、操作安全性与输出可解析性。我们评估了子任务成功率、离线模型对比、真机性能以及消融实验。在固定测试集上，SurgiCLAW 达到 94.6% 的技能选择准确率与 93.0% 的宏平均 F1（Macro-F1）。在 50 次闭环真机植入试验中，其任务成功率达到 88.0%。
| 学科： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.15766 [cs.RO] |
| （或使用 arXiv:2610.15766v1 [cs.RO] 引用此版本） | |
| https://doi.org/10.48550/arXiv.2610.15766 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Angen Ye [查看邮箱]
[v1]
2026年10月11日星期日 16:45:21 UTC（3,165 KB）
来源：arXiv cs.AI · arxiv.org