Hệ thống sử dụng thuật toán Proximal Policy Optimization (PPO) để huấn luyện chính sách điều khiển trong môi trường mô phỏng. Sau đó, thuật toán Generative Adversarial Imitation Learning (GAIL) được áp dụng để học từ cả dữ liệu chuyên gia và chính sách PPO nhằm tạo ra các hành vi mô phỏng có tính chất hướng dẫn. Một thiết bị robot được thiết kế để ghi lại và phát lại các chuyển động của dụng cụ phẫu thuật thực tế, giúp người học có trải nghiệm thực hành trực tiếp. Ngoài ra, mạng nơ-ron Mask R-CNN được huấn luyện để phân đoạn và theo dõi dụng cụ phẫu thuật, hỗ trợ đánh giá hiệu suất và cung cấp phản hồi. Hệ thống được kiểm nghiệm thông qua các bài tập thực tế và mô phỏng, cho thấy khả năng học tập hiệu quả từ cả chuyên gia và mô hình động lực học, đồng thời cải thiện kỹ năng thao tác của người học.