SurgiCLAW: 精密ロボット微細操作のための解釈可能な原子スキルエージェント

- 外科手術ロボティクス向けの階層型スキルベースエージェントSurgiCLAWを提案。 - MLLMを術中視覚理解・構造化説明・原子的外科スキル選択に限定し、物理実行は検証可能な決定論的制御プログラムに委譲。 - 代表的高精度タスクとしてbrain–machine–interface implantationを対象。 - state-to-skill invocation datasetを構築し、視覚・状態摂動で拡張。

- 従来のMLLMやvision–language–actionモデルによるend-to-end低レベル行動予測は、精度不足・不透明な意思決定・データ不足に制限されていた。 - SurgiCLAWはMLLMを高レベル判断に限定し、実行を決定論的制御に任せることで精度と解釈性を両立。 - 外科ロボティクスにおける精度・透明性・データ希少性の課題に対処。

- MLLMは術中視覚理解、構造化説明、原子的外科スキル選択を担当。 - 物理実行はverifiable deterministic control programsが担う階層構造。 - state-to-skill invocation datasetを視覚・状態摂動で拡張。 - supervised fine-tuningで構造化スキル呼び出しを学習後、action correctness・operation prerequisites・format validityの3報酬で最適化。

- サブタスク成功率、オフラインモデル比較、実ロボット性能、アブレーションで評価。 - 固定テストセットでskill-selection accuracy 94.6%、Macro-F1 93.0%。 - 閉ループ実ロボット移植試験50回でタスク成功率88.0%。

- 要旨からは不明。 - 限界や失敗事例、報酬設計の詳細な議論は記述されていない。

- 要旨で参照・比較されている研究は明示されていない。 - 関連手法としてMLLM、vision–language–action models、supervised fine-tuning、reward-based optimizationが挙げられる。 - 同分野の定番としてsurgical robotics、brain–machine–interface implantationが挙げられる。