SurRoL
與 da Vinci Research Kit 相容的手術機器人學習模擬器
授權條款
MIT
概述
SurRoL 是以強化學習訓練手術機器人的開源模擬平台,由香港中文大學(The Chinese University of Hong Kong)為 da Vinci Research Kit 開發。它透過 OpenAI Gym 風格的 API,提供 14 個手術任務環境,從持針、攝影機控制到套環轉移(peg transfer)。在模擬中學到的策略已被轉移到實體 dVRK 機器人上。
SurRoL 是專注於手術具身智慧的開源模擬平台,由 The Chinese University of Hong Kong(CUHK)的研究人員開發。它提供以強化學習為核心的環境,用於訓練自主手術機器人,並與 da Vinci Research Kit(dVRK)完全相容。平台整合 PyBullet 與 Taichi 物理引擎,並提供 OpenAI Gym 風格的 API,讓研究人員能為各種手術任務開發、評測與部署強化學習演算法,從基本的縫針操作到複雜的雙手術式皆涵蓋在內。
平台內建 14 個手術任務環境,依難度分類:基本動作(縫針觸及、紗布取回、縫針夾取、縫針重新夾持)、內視鏡攝影機控制(ECM 觸及、定向、靜態與主動追蹤),以及進階技能訓練(套柱移轉、雙手套柱移轉、穿針、取放)。每個任務都具備以物理為基礎的擬真模擬,包括以摩擦為基礎的夾取與軟組織互動,為手術自動化研究打造完整的訓練場。
SurRoL 的最新演進是發表於 Science Robotics 2025 的 VPPV(Vision-Perception-Policy-Verification)框架,展示了端到端的手術具身智慧。其內容包括以模擬資料訓練的感知模組、搭配預訓練視覺元件的強化學習策略學習,以及成功以零樣本方式從模擬轉移到實體 dVRK 機器人的模擬到現實(sim-to-real)轉移。平台也支援透過 Touch 觸覺裝置進行人在迴路中的訓練,並已在離體組織實驗與活體動物手術試驗中通過驗證。
為何重要
手術機器人的自主化是強化學習在醫療領域最具影響力的應用之一,有潛力減少手術失誤、讓更多人獲得高品質的手術,並在微創手術中實現超越人類的精準度。SurRoL 提供標準化的開源模擬平台,為全球部署最廣的手術機器人平台 da Vinci 系統解決模擬到現實(sim-to-real)轉移的挑戰,填補 AI 研究與臨床手術實務之間的關鍵落差。
這個專案的發表歷程更凸顯了它的重要性:從 IROS 2021 一路到 Science Robotics 2025,展現出日益精密的能力,包括全球首次在活體動物上進行的多任務手術自動化測試。SurRoL 降低了手術機器人研究的入門門檻,並提供經過驗證的模擬到現實轉移流程,加速自主手術能力的發展,而這些能力可能從根本上改變全球的手術方式。
解決的問題
在真實的臨床環境中訓練自主手術機器人,成本高得難以負擔、耗時,而且對病患構成重大安全風險。像 da Vinci 系統這樣的實體手術機器人要價數百萬美元,每一次真實世界的訓練迭代都可能損壞昂貴的設備,在臨床環境中甚至可能傷害病患。這造成一個根本的雞生蛋、蛋生雞問題:手術 AI 需要大量訓練資料與迭代循環,但真實的手術環境無法安全地提供這些。
SurRoL 的解法是提供高擬真度的模擬環境,精確模擬手術機器人的運動學、器械物理與組織互動,並全部相容於真實 dVRK 機器人的控制慣例。研究人員可以在模擬中以數千個平行訓練回合快速迭代強化學習演算法,再以零樣本或極少量微調的方式,將學得的策略直接轉移到實體機器人上。這個平台也透過標準化的評測基準、一致的評估指標與可重現的實驗設定,解決手術機器人研究的分散問題,讓不同學習方法之間能公平比較。
重點
- 提供 14 個標準化、難度逐步提升的手術任務環境,用於在 da Vinci Research Kit(dVRK)上評測強化學習演算法
- 展示學得的手術策略成功以零樣本方式進行模擬到現實(sim-to-real)轉移,從模擬轉移到實體 dVRK 機器人,並已在活體動物試驗中驗證
- 支援透過 Touch 觸覺裝置進行人在迴路中的訓練,讓手術任務能進行示範引導式與互動式的強化學習
- 以 VPPV 框架發表於 Science Robotics 2025,在活體動物上完成全球首次多任務自主手術操作
- 以 MIT 授權完全開源,提供相容 OpenAI Gym 的 API,降低手術機器人與醫療 AI 研究的入門門檻
適用對象
- 為微創手術開發自主控制系統的手術機器人研究人員
- 尋找具有模擬到現實(sim-to-real)轉移需求、具挑戰性之真實應用領域的強化學習研究人員
- 為臨床手術機器人打造感知與控制流程的醫療 AI 工程師
- 在醫療情境中研究操作、控制與學習的機器人學生與教育者
- 評估 AI 輔助手術自動化以供醫院部署的臨床技術開發者
限制
- 需要 Ubuntu 20.04,以及特定的 Python 3.7 與 ROS Noetic 相依套件,限制了跨平台開發與現代 Python 生態系的相容性
- 雖然物理模擬已藉由 Taichi 改善軟質物體的模擬,仍無法完全重現手術中真實生物組織行為的複雜度
- 只專注於 da Vinci Research Kit 生態系,較難套用到其他手術機器人平台,例如 Medtronic Hugo 或 CMR Versius
- 對於複雜的多步驟術式,模擬到現實轉移的落差仍是挑戰,目前的驗證僅限於時間跨度相對短的手術子任務
- 與 ORBIT-Surgical(NVIDIA Isaac Sim)等較新的平台相比,缺乏擬真算繪,可能限制以視覺為基礎之策略學習的擬真度