Agent PPO được huấn luyện trong môi trường mô phỏng V-REP với phần thưởng liên tục dựa trên khoảng cách giữa đầu dụng cụ và mục tiêu.

• Agent GAIL được huấn luyện bằng dữ liệu từ chuyên gia và từ agent PPO, giúp học được cả kỹ năng thực tế và hành vi tối ưu.
• - Thiết bị robot hỗ trợ có 4 bậc tự do, sử dụng công cụ phẫu thuật thật, cho phép ghi lại và phát lại chuyển động.
• - Hệ thống sử dụng Mask R-CNN để phân đoạn công cụ và mục tiêu, giúp đánh giá chính xác thao tác của học viên.
• - Thử nghiệm với 50 học viên cho thấy nhóm sử dụng hệ thống mới có cải thiện kỹ năng vượt trội so với nhóm dùng phương pháp truyền thống.
• - Hệ thống cho phép học viên luyện tập tự định hướng, không cần tuân theo thứ tự cố định, nhờ khả năng nhận diện mục tiêu và đánh giá linh hoạt.
• - Các thuật toán PPO và GAIL được triển khai bằng TensorFlow, sử dụng kiến trúc mạng nơ-ron hai tầng với hàm kích hoạt ReLU và Leaky ReLU.
• - Hệ thống có thể mở rộng để huấn luyện các thao tác phức tạp hơn như pick-and-place, và có tiềm năng ứng dụng rộng rãi trong đào tạo y khoa.