ColoACT：多线索动作分块实现自推进内镜机器人平滑结肠导航
这篇预印本提出 ColoACT 系统，将 RGB、相对深度和伪高程图结合成多线索观测，并用 Action Chunking Transformer 策略控制自推进内镜机器人 BGER。在离体猪结肠中，直线段成功率为 85.4%，弯曲段为 72.5%，复杂弯道也有一定成功率，动作平滑性比行为克隆基线改善约一个数量级。这是首次在自推进结肠机器人上验证模仿学习导航，尚未经过同行评审。
如何在没有可靠深度和弱纹理的结肠环境中，实现自推进内镜机器人平滑、稳健的自主导航？
自主结肠导航面临可变形解剖、弱纹理和镜面反射视觉、粘弹性接触交互等挑战。现有几何驱动方法依赖手工特征和规则切换，在真实组织中表现脆弱；学习型方法的深度估计在弱纹理下不稳定，强化学习仿真训练存在 sim-to-real 差距，步进式行为克隆会产生抖动和短视决策。
几何驱动管道通过拟合圆、椭圆或检测结肠袋提取管腔方向，虽可解释但需要手工阈值和模式切换，对感知噪声和接触扰动敏感；学习型方法如强化学习多在仿真中训练，难以忠实建模粘弹性结肠交互，仿真到真实差距明显；朴素行为克隆存在协变量偏移，单步预测破坏长时一致性，导致动作抖动。
ColoACT 将 RGB 图像与 Depth Anything V2-Base 估计的相对深度图、基于 Scharr 梯度的伪高程图拼接为 5 通道观测，以增强褶皱脊和其他高频几何线索。控制策略采用基于 CVAE 的 Action Chunking Transformer，预测 16 步动作块，并用时间集成平均重叠预测输出平滑的速度指令。硬件为 24×20×34 mm 的自推进伞齿轮内镜机器人 BGER，使用 PDMS 履带和双独立直流微电机，摄像头视场角 85°。
在约 60 cm 的离体猪结肠上，RGB-D-E ACT 直线段成功率 85.4%（48 次试验），弯曲段 72.5%（40 次试验）；RGB-only ACT 为 35.4% 和 25.0%，RGB-D ACT 为 58.3% 和 50.0%，RGB-D-E BC 为 45.8% 和 57.5%。复杂地形中，90 度转弯成功率 70%（7/10），双弯 60%（6/10），三弯可行 30%（3/10）。归一化角加加速度从 BC 的约 60 a.u. 降至 ACT 的低于 5 a.u.。在 N=43 的开环验证集上，RGB-D-E 的 ADE/FDE 为 0.0835/0.1689，较 RGB-D 降低 23.8% 和 18.6%。
论文为预印本，未经同行评审。作者承认尚未集成力传感，未来需在活体试验中验证蠕动和润滑等生理动态。当前仅在离体猪结肠上测试，样本量有限（直线 48 次、弯曲 40 次、复杂地形各 10 次），未报告多机器人或人体试验。代码未明确开源。训练使用单张 NVIDIA A100，部署在 RTX 4060 上 15 Hz。
该技术可应用于结肠镜检查机器人和自主内镜平台，减少医生操作负担、降低成袢和组织损伤风险。短期内可用于科研和离体培训，距离临床应用预计需要 1 至 3 年以上，前提是完成活体动物试验、集成力反馈、验证安全性并通过监管审批。
受许可协议限制，本站不转载该论文全文，仅提供摘要和原文链接。