用强化学习微调的小模型让机器人超声按指南自主扫描胆囊、脊柱和肾脏

提出一个统一的、由指南驱动的智能体式机器人超声框架，用LLM作为高层规划器，从扫描手册检索指南步骤并动态调用感知与控制工具，从而支持可变、依赖决策的工作流，例如重复步骤、调整扫描策略、依据图像质量调整轨迹或力度。 与以往把专家经验显式编码为固定流程和任务专用模型的规则式系统相比，该框架不写死扫描步骤，而是让智能体在每一步基于观测和当前状态重新推理并选择下一个工具调用。 论文给出框架的三个组成部分（机器人/感知工具、指南数据库、作为高层规划器的LLM）与工具设计细节，包括轨迹规划、机器人执行、接触调整、语音引导和轨迹细化五类工具；证据来自方法描述与后续实验，而非仅概念性论述。

用基于强化学习的微调（先SFT再PPO，LoRA秩分别为16和8）提升小模型的规划推理与工具调用行为，并设计了包含工具名匹配、参数键存在性、参数值正确性和多余参数惩罚的稠密奖励。 以往将LLM用于机器人超声的工作通常强调指南执行与工具使用，较少显式建模和评估智能体的中间推理；该工作把推理与工具选择/参数化的正确性一起作为优化目标。 奖励函数以公式形式给出：工具名错误给−0.5，否则为clip[0,1](0.1+0.9·s_args)，s_args由键存在性、值正确性（离散字段精确匹配、部分数值字段容差匹配）和多余键惩罚混合而成。

在10条训练指南上微调Qwen3-4B-Instruct-2507、在10条内容不重叠的留出指南上评测，微调后步骤级准确率从0.6512提升到0.8973，整体成功率从0.5384提升到0.9230。 该评测针对未见过的指南内容，用于检验对未见过指南指令的泛化能力，而不仅是复现训练指南。 参考输出由Qwen3-30B-A3B-Instruct-2507生成，训练与测试工具集保持一致；结果以表格形式报告，属于语言层面的执行验证。

在三名人类志愿者上完成胆囊、脊柱和肾脏的真实机器人扫描，脊柱和肾脏实验全部成功，胆囊有一例失败，原因是流程复杂度更高、需要屏气指令和患者与机器人之间的紧密配合。 该工作把同一套统一流程从语言层面验证推进到多解剖目标的真实机器人可行性演示，而非针对单一解剖的专用系统。 实验使用KUKA LBR iiwa机器人、Siemens ACUSON Juniper超声系统与5C1探头（3D打印支架固定）、Epiphan采集卡和安装在末端执行器上的Azure Kinect；任务成功以能否在超声图像中正确显示目标器官判定，研究获得机构审查委员会批准且参与者签署书面知情同意。

该框架面向需要按临床扫描指南执行自主超声的场景，适用于具备机械臂、超声系统、RGBD相机与可访问GPU硬件的机器人平台；其设计意图是让同一套系统在统一流程下跟随不同指南并覆盖多个解剖目标，语言层面验证针对10条未见过的指南，真实世界验证针对胆囊、脊柱和肾脏三类检查。对读者而言，这意味着该工作提供的是一个可复用的“指南到动作”的规划与工具调用范式，以及一个可检查推理轨迹的接口，而不是一个已可直接部署的临床产品。

真实世界证据来自三名志愿者、三类解剖目标，胆囊扫描出现一例失败，因此多解剖、多受试者条件下的稳定性仍是开放问题；语言层面评测使用10条训练与10条留出指南，指南数量与覆盖范围有限，向更多指南和更复杂交互流程扩展时的表现尚待观察。此外，论文以表格和图示报告结果，若只阅读文字部分，部分细节（如各工具的具体参数取值、失败案例的完整过程）需要回到原文图表核对。