論文の概要: Learning-based Force Sensing and Impedance Matching for Safe Haptic Feedback in Robot-assisted Laparoscopic Surgery
- arxiv url: http://arxiv.org/abs/2601.14445v2
- Date: Tue, 03 Feb 2026 20:58:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.870146
- Title: Learning-based Force Sensing and Impedance Matching for Safe Haptic Feedback in Robot-assisted Laparoscopic Surgery
- Title（参考訳）: ロボットによる腹腔鏡下手術における安全な触覚フィードバックのための学習型力センシングとインピーダンスマッチング
- Authors: Aiden, Mazidi, Majid Roshanfar, Amir Sayadi, Javad Dargahi, Jake Barralet, Liane S. Feldman, Amir Hooshiar,
- Abstract要約: インピーダンスマッチングアプローチ(NIMA)は、動的ダイナミクスを組み込んで、複雑なツールとタスクのインタラクションをリアルタイムで正確にモデル化し、レンダリングする。
NIMA は平均絶対誤差 0.01 (std 0.02 N) を達成し、従来の手法と比べて95%の削減を達成している。
NIMAは様々な手術条件における力の忠実度、応答性、精度を大幅に向上させる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Integrating accurate haptic feedback into robot-assisted minimally invasive surgery (RAMIS) remains challenging due to difficulties in precise force rendering and ensuring system safety during teleoperation. We present a Nonlinear Impedance Matching Approach (NIMA) that extends our previously validated Impedance Matching Approach (IMA) by incorporating nonlinear dynamics to accurately model and render complex tool-tissue interactions in real-time. NIMA achieves a mean absolute error of 0.01 (std 0.02 N), representing a 95% reduction compared to IMA. Additionally, NIMA eliminates haptic "kickback" by ensuring zero force is applied to the user's hand when they release the handle, enhancing both patient safety and operator comfort. By accounting for nonlinearities in tool-tissue interactions, NIMA significantly improves force fidelity, responsiveness, and precision across various surgical conditions, advancing haptic feedback systems for reliable robot-assisted surgical procedures.
- Abstract（参考訳）: ロボットによる最小侵襲手術(RAMIS)に正確な触覚フィードバックを組み込むことは、正確な力のレンダリングが困難であり、遠隔操作時のシステム安全性の確保が難しいため、依然として困難である。
本稿では, 非線形力学を取り入れた非線形インピーダンスマッチング手法(NIMA)を提案する。
NIMA の平均絶対誤差は 0.01 (std 0.02 N) であり、IMA と比較して95% 減少している。
さらに、NIMAはハンドルを解除する際、手の力がゼロになることを保証し、患者の安全と操作者の快適性を高めることにより、触覚的「キックバック」をなくす。
ツールとタスク間の相互作用における非線形性を考慮することにより、NIMAは様々な手術条件における力の忠実度、応答性、精度を大幅に向上させ、ロボット支援手術の信頼性向上のための触覚フィードバックシステムを進める。
関連論文リスト
- Consistency-Driven Dual LSTM Models for Kinematic Control of a Wearable Soft Robotic Arm [33.333272339511446]
本稿では,ウェアラブルデバイスに組み込まれた空気圧作動式ロボットアームの前方および逆運動学を正確に学習するための一貫性駆動型デュアルLSTMフレームワークを提案する。
この手法は, アクティベーション入力とエンドエフェクタ位置の1対1マッピング問題に対処しながら, ソフト空気圧アクチュエータの非線形およびヒステリックな挙動を効果的に捉えている。
論文 参考訳（メタデータ） (2026-03-18T12:51:12Z) - Modeling and Control of a Pneumatic Soft Robotic Catheter Using Neural Koopman Operators [3.2642164905437503]
ソフトなロボットカテーテルシステムを構築するために,ニューラルネットワークで強化されたクープマン演算子フレームワークを提案する。
心房アブレーションにおけるX線透視における放射線被曝の最小化の必要性から,オープンループ制御戦略について検討した。
提案手法は平均誤差が2.1 +- 0.4 mm、方向が4.9 +- 0.6 である。
論文 参考訳（メタデータ） (2026-03-04T14:36:22Z) - BRAVE: Brain-Controlled Prosthetic Arm with Voice Integration and Embodied Learning for Enhanced Mobility [5.528262076322921]
BRAVEは、ハイブリッド脳波と音声制御義肢システムである。
脳波駆動運動の意図を解釈することを目的としており、残筋活動に依存することなく運動制御を可能にする。
システムはリアルタイムで動作し、応答遅延は150msである。
論文 参考訳（メタデータ） (2025-05-23T11:44:33Z) - Online Adaptation for Myographic Control of Natural Dexterous Hand and Finger Movements [0.6741087029030101]
この研究は、補綴制御システムから得られる信頼性、応答性、運動の複雑さの観点から、筋電図復号における最先端の状態を再定義する。
論文 参考訳（メタデータ） (2024-12-23T21:20:32Z) - Safe Deep RL for Intraoperative Planning of Pedicle Screw Placement [61.28459114068828]
安全な深部強化学習(DRL)に基づく訓練経路計画にリアルタイムな観察を活用するロボット脊椎手術の術中計画手法を提案する。
本手法は,ゴールドスタンダード (GS) 掘削計画に関して,90%の骨貫通を達成できた。
論文 参考訳（メタデータ） (2023-05-09T11:42:53Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z) - Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle
Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。
私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。
提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
論文 参考訳（メタデータ） (2021-04-29T00:11:32Z) - Mapping Surgeon's Hand/Finger Motion During Conventional Microsurgery to
Enhance Intuitive Surgical Robot Teleoperation [0.5635300481123077]
現在の人間とロボットのインターフェイスは直感的な遠隔操作がなく、外科医の手や指の動きを模倣することはできない。
本研究は, 心臓微小外科手術における外科医の総手の動きと微細なシナジー運動を直感的に記録し, マッピングする方法を示すパイロット研究である。
論文 参考訳（メタデータ） (2021-02-21T11:21:30Z) - Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。
コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。
その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
論文 参考訳（メタデータ） (2021-01-26T16:01:02Z) - Learning Compliance Adaptation in Contact-Rich Manipulation [81.40695846555955]
本稿では,コンタクトリッチタスクに必要な力プロファイルの予測モデルを学習するための新しいアプローチを提案する。
このアプローチは、双方向Gated Recurrent Units (Bi-GRU) に基づく異常検出と適応力/インピーダンス制御を組み合わせたものである。
論文 参考訳（メタデータ） (2020-05-01T05:23:34Z)
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。