ColoACT: RGB-D-E-Aktions-Chunking für glatte autonome Navigation eines selbstfahrenden Endoskopieroboters
Das Paper stellt ColoACT vor, ein autonomes Navigationssystem für den kompakten selbstfahrenden Endoskopieroboter BGER. Es kombiniert RGB, relative Tiefe und eine gradientenbasierte Pseudo-Elevationskarte mit einer Action-Chunking-Transformer-Policy und Temporal Ensembling. In Ex-vivo-Schweinekolons erreicht das System Erfolgsraten von 85,4 % in geraden und 72,5 % in gekrümmten Abschnitten; die Arbeit ist ein Preprint auf arXiv und nicht begutachtet.
Wie lässt sich eine robuste und gleichmäßige autonome Navigation eines selbstfahrenden Koloskopieroboters in deformierbaren, texturarmen und kontaktintensiven Kolonumgebungen durch multimodale geometrische Wahrnehmung und zeitlich kohärente Aktionsvorhersage erreichen?
Autonome Koloskopie-Navigation scheitert häufig an schwacher Textur, Spiegelreflexen, deformierbarer Anatomie und viskoelastischen Kontaktinteraktionen. Geometriegetriebene Verfahren sind starr und empfindlich gegenüber Wahrnehmungsrauschen, lernbasierte Tiefenschätzung verwischt feine Faltenstrukturen, und Reinforcement-Learning-Ansätze leiden unter Sim-to-Real-Lücken.
Bisherige Ansätze umfassen geometriegetriebene Pipelines, die Lumenrichtung über Kreise, Ellipsen oder Haustrenfalten bestimmen, sowie Lernverfahren mit monokularer Tiefenschätzung oder Reinforcement Learning. Erstere benötigen manuelle Schwellen und Schaltlogik und verhalten sich unstetig; Letztere liefern zeitlich inkonsistente oder geglättete Geometrie, und simulations-trainierte RL-Policies zeigen eine signifikante Sim-to-Real-Lücke. Naives Behavior Cloning sagt Einzelschritte voraus und erzeugt ruckartige Manöver.
ColoACT erweitert RGB um eine mit Depth Anything V2-Base geschätzte relative Tiefenkarte und eine Pseudo-Elevationskarte, die über Scharr-Gradienten der Tiefe berechnet wird. Die Beobachtung wird einem ResNet-18-Backbone zugeführt; eine CVAE-basierte ACT-Policy sagt Aktions-Chunks mit Horizont k=16 voraus. Überlappende Chunks werden per Temporal Ensembling gemittelt, um ruckarme Befehle für die lineare und Winkelgeschwindigkeit zu erzeugen. Die Trainingsdaten stammen aus 214 teleoperierten Trajektorien in Ex-vivo-Schweinekolons; eingesetzt wird der kompakte BGER mit 24 × 20 × 34 mm, PDMS-Ketten und zwei Mikromotoren.
In Ex-vivo-Tests an vier ungesehenen Schweinekolons von etwa 60 cm Länge erreichte die RGB-D-E-ACT-Variante 85,4 % Erfolg in geraden (48 Versuche) und 72,5 % in gekrümmten Abschnitten (40 Versuche). Die RGB-only-ACT-Variante lag bei 35,4 % bzw. 25,0 %, RGB-D-ACT bei 58,3 % bzw. 50,0 %, und die RGB-D-E-BC-Baseline bei 45,8 % bzw. 57,5 %. Bei 90-Grad-Kurven wurden 7/10 (70 %), bei Doppelbiegungen 6/10 (60 %) und bei Dreifachbiegungen 3/10 (30 %) Erfolg erreicht. Der normalisierte Winkelgeschwindigkeitsruck sank von etwa 60 auf unter 5 (a.u.) im Vergleich zu BC. In Offline-Ablationen mit N=43 reduzierten Elevationskarten die ADE um 23,8 % und die FDE um 18,6 % gegenüber RGB-D.
Die Validierung erfolgt ausschließlich ex vivo an Schweinekolons; In-vivo-Effekte wie Peristaltik und variable Schmierung fehlen. Das System hat keine Kraftsensorik und keine Odometrie, weshalb Langzeitmetriken im kinematischen Raum berechnet werden. Komplexe Anatomien wurden nur mit je 10 Versuchen evaluiert. Angaben zu veröffentlichtem Code oder Zulassungsfragen werden im Paper nicht berichtet.
Die Technik könnte von Herstellern robotischer Endoskopiesysteme oder teleoperierter Koloskopie-Plattformen aufgegriffen werden. Kurzfristig ist sie ein Forschungssystem für Ex-vivo-Studien; innerhalb von 1 bis 3 Jahren könnte sie in Forschungsplattformen integriert werden, sofern In-vivo-Daten und Kraftsensorik ergänzt werden. Für klinische Produkte sind voraussichtlich mehr als 3 Jahre nötig, da In-vivo-Validierung, Sicherheitszulassung und regulatorische Nachweise ausstehen.
Der Volltext wird hier nicht wiedergegeben, weil die Lizenz der Studie das nicht erlaubt. Das Original steht auf arXiv.