論文の概要: An Effectiveness Study Across Baseline and Learning-based Force Estimation Methods on the da Vinci Research Kit Si System

• arxiv url: http://arxiv.org/abs/2405.07453v3
• Date: Mon, 03 Feb 2025 22:16:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 14:53:52.593876
• Title: An Effectiveness Study Across Baseline and Learning-based Force Estimation Methods on the da Vinci Research Kit Si System
• Title（参考訳）: da Vinci Research Kit Si システムにおけるベースライン全体と学習に基づく力推定手法の有効性の検討
• Authors: Hao Yang, Ayberk Acar, Keshuai Xu, Anton Deguet, Peter Kazanzides, Jie Ying Wu,
• Abstract要約: ダ・ヴィンチ5号に先立ち、ダ・ヴィンチのシステムは直接の力覚能力に欠けており、外科医は触覚のフィードバックなしに手術をせざるを得なかった。 本研究では,従来の手法を新しいdVRK-Siシステムに拡張する。 学習に基づく手法では,dVRK-Siに対して平均根平均2乗誤差(RMSE)が5.21%に達することを示す。
• 参考スコア（独自算出の注目度）: 7.084224833676614
• License:
• Abstract: Robot-assisted minimally invasive surgery, such as through the da Vinci systems, improves precision and patient outcomes. However, da Vinci systems prior to da Vinci 5, lacked direct force-sensing capabilities, forcing surgeons to operate without the haptic feedback they get through laparoscopy. Our prior work restored force sensing through machine learning-based force estimation for the da Vinci Research Kit (dVRK) Classic. This study extends our previous method to the newer dVRK system, the dVRK-Si. Additionally, we benchmark the performance of the learning-based algorithm against baseline methods (which make simplifying assumptions on the torque) to study how the two systems differ. Results show the learning-based method achieves an average root-mean-square-error (RMSE) of 5.21\%, for the dVRK-Si, which is comparable to the dVRK Classic. In both systems, the learning-based method outperforms baselines, but the difference is much larger in the dVRK-Si. Nonetheless, dVRK-Si force estimation accuracy lags behind the dVRK Classic, with RMSE 2 to 3 times higher. Further analysis reveals poor PID control in the dVRK-Si. We hypothesize that this is due to the lack of gravity compensation, as unlike the dVRK Classic, the dVRK-Si is not mechanically balanced. This study advances the understanding of learning-based force estimation and is the first work to characterize the dynamics of the new dVRK-Si system.
• Abstract（参考訳）: da Vinciシステムなど、ロボット支援による最小侵襲手術は、精度と患者の結果を改善する。 しかし、ダ・ヴィンチ5号より前のダ・ヴィンチのシステムは直接の力覚能力に欠けており、腹腔鏡で得られる触覚フィードバックを伴わずに外科医を手術せざるを得なかった。 我々の以前の研究は、da Vinci Research Kit (dVRK) Classicの機械学習に基づく力推定によって力のセンシングを復元した。 本研究では,従来の手法を,より新しいdVRKシステムであるdVRK-Siに拡張する。 さらに,学習に基づくアルゴリズムの性能をベースライン法(トルクの仮定を単純化する)と比較し,2つのシステムの違いについて検討した。 その結果,DVRK-Siでは平均根平均2乗誤差(RMSE)が5.21 %に達し,DVRK-SiはDVRK Classicに匹敵する結果となった。 どちらのシステムでも、学習ベースの手法はベースラインよりも優れているが、dVRK-Siでは違いがはるかに大きい。 それにもかかわらず、dVRK-Siの力推定精度はdVRK Classicの2倍から3倍に向上した。 さらなる解析により、dVRK-SiにおけるPID制御の低下が明らかになった。 dVRK Classicとは異なり、dVRK-Siは機械的にバランスが取れていない。 本研究は,学習に基づく力推定の理解を深め,新しいdVRK-Siシステムの力学を特徴付ける最初の研究である。

関連論文リスト

• Automated Bi-Fold Weighted Ensemble Algorithms and its Application to Brain Tumor Detection and Classification [0.3413711585591077]
  脳腫瘍は、特に第三世界の国々において重大な課題を引き起こす。 早期診断は、脳腫瘍を効果的に管理し、死亡率を下げる上で重要な役割を担っている。 重み付きアンサンブル法の有効性を高めることを目的とした2つの短辺二重み付き投票アンサンブルモデルを提案する。
  論文  参考訳（メタデータ） (2024-03-31T06:38:08Z)
• Explainable Contrastive and Cost-Sensitive Learning for Cervical Cancer Classification [0.0]
  最初に、トレーニング済みの5つのCNNを微調整し、誤分類の全体的なコストを最小化する。 教師付きコントラスト学習は、モデルが重要な特徴やパターンを捉えやすくするために含まれます。 実験の結果, 精度97.29%を達成し, 開発システムの有効性を実証した。
  論文  参考訳（メタデータ） (2024-02-24T21:03:30Z)
• A Coefficient Makes SVRG Effective [55.104068027239656]
  SVRG (Variance Reduced Gradient) は理論的に説得力のある最適化手法である。 本研究では,実世界のニューラルネットワークを最適化するSVRGの可能性を示す。 分析の結果,より深いネットワークでは,SVRGの分散低減項の強度は,トレーニングが進むにつれて小さくなり,低下することが明らかとなった。
  論文  参考訳（メタデータ） (2023-11-09T18:47:44Z)
• Neural Attention: Enhancing QKV Calculation in Self-Attention Mechanism with Neural Networks [25.75678339426731]
  本稿では,QKVを用いたニューラルネットワークの計算手法について検討する。 我々は、IWSLT 2017ドイツ語翻訳タスクデータセットの実験を行い、従来の手法で近似した。 また,Wikitext-103データセットを用いてRobertaモデルをトレーニングする際の優位性を示した。
  論文  参考訳（メタデータ） (2023-10-17T17:06:26Z)
• TWINS: A Fine-Tuning Framework for Improved Transferability of Adversarial Robustness and Generalization [89.54947228958494]
  本稿では,様々な分類タスクにおいて,逆向きに事前訓練されたモデルの微調整に焦点を当てる。 本稿では,TWINS(Two-WIng NormliSation)ファインチューニングフレームワークを提案する。 TWINSは、一般化とロバスト性の両方の観点から、幅広い画像分類データセットに有効であることが示されている。
  論文  参考訳（メタデータ） (2023-03-20T14:12:55Z)
• Weighted Ensemble Self-Supervised Learning [67.24482854208783]
  組み立ては、モデルパフォーマンスを高めるための強力なテクニックであることが証明されている。 我々は,データ依存型重み付きクロスエントロピー損失を許容するフレームワークを開発した。 提案手法は、ImageNet-1K上での複数の評価指標において、両者に優れる。
  論文  参考訳（メタデータ） (2022-11-18T02:00:17Z)
• Performance or Trust? Why Not Both. Deep AUC Maximization with Self-Supervised Learning for COVID-19 Chest X-ray Classifications [72.52228843498193]
  ディープラーニングモデルのトレーニングでは、パフォーマンスと信頼の間に妥協をしなければなりません。 本研究は、新型コロナウイルス患者のコンピュータ支援スクリーニングのための自己教師型学習と新しい代理損失を統合したものである。
  論文  参考訳（メタデータ） (2021-12-14T21:16:52Z)
• Improving Music Performance Assessment with Contrastive Learning [78.8942067357231]
  本研究では,既存のMPAシステムを改善するための潜在的手法として,コントラスト学習について検討する。 畳み込みニューラルネットワークに適用された回帰タスクに適した重み付きコントラスト損失を導入する。 この結果から,MPA回帰タスクにおいて,コントラッシブ・ベースの手法がSoTA性能に適合し,超越できることが示唆された。
  論文  参考訳（メタデータ） (2021-08-03T19:24:25Z)
• Denoising IMU Gyroscopes with Deep Learning for Open-Loop Attitude Estimation [0.0]
  本稿では,慣性計測ユニット(IMU)のジャイロスコープを地中真実データを用いて識別する学習手法を提案する。 得られたアルゴリズムは、(目に見えない)テストシーケンスで最先端の処理を行う。
  論文  参考訳（メタデータ） (2020-02-25T08:04:31Z)
• Residual Knowledge Distillation [96.18815134719975]
  本研究は,アシスタント(A)を導入し,さらに知識を蒸留する残留知識蒸留(RKD)を提案する。 このように、S は T の特徴写像を模倣するように訓練され、A はそれらの間の残差を学習することでこの過程を支援する。 提案手法は,CIFAR-100 と ImageNet という,一般的な分類データセットにおいて魅力的な結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-02-21T07:49:26Z)
• Accurate Stress Assessment based on functional Near Infrared Spectroscopy using Deep Learning Approach [0.0]
  本研究では,10名の健常者から記録された脳の機能的近赤外分光法(fNIRS)を用いて,モントリオール・イメージング・ストレス・タスクによって引き起こされるストレスを評価する。 実験の結果, トレーニングされたfNIRSモデルは, 88.52～0.77%の精度で応力分類を行うことがわかった。 その低い計算コストは、リアルタイムのストレスアセスメントに適用される可能性を開く。
  論文  参考訳（メタデータ） (2020-02-14T23:55:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。