语言条件行为克隆用于自主内窥镜引导

研究提出用语言条件行为克隆实现自主内窥镜引导，定义了6类临床相关引导行为并采集235条子任务演示。在初步幻影实验中，单一视觉运动策略在聚焦、总览和停止三类行为上成功率为100%，搜索尖端和跟随尖端为80%，水平校准为50%。作者认为结果说明用单一策略学习多种外科医生请求的相机行为可行，而观察到的失败模式提示后续需引入时间上下文以应对更难的引导任务。