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
- 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
- Novel Ex-vivo Calf Brain Model with Integrated Sub-Skull Force Sensors to Access Simulated Neurosurgical Procedures [0.0]
模擬脳外科手術における頭蓋・頭蓋界面を横断する道具間相互作用力を測定する携帯型前立腺力センシングプラットフォームを提案し,その妥当性を検証した。
このシステムは、6自由度力/トルクセンサーとリアルタイムのデータ取得システムを備えた3Dプリントヒト頭蓋骨モデルに置かれる、脳小葉の生物学的サロゲートとして用いられる新鮮なふくらはぎ脳組織を含む。
5つの検証プロトコルは, キャリブレーション重量(0.5-50g), 最小検出力, 異なる解剖学的領域における空間的整合性を用いて, 地盤の精度と動的忠実度, 静的精度, 線形性について評価した。
論文 参考訳（メタデータ） (2026-09-13T00:11:58Z) - Scene Graph-Driven Haptic Feedback for Safety Enhancement in Robotic Ophthalmic Surgery via Physically Simulated iOCT [2.7913039067663195]
本稿では、シーングラフ(SG)を利用した網膜下注射作業のための新しい触覚フィードバックシステムを提案する。
SGは手術シーンのセマンティック抽象化層として機能し、決定論的ルールベースエンジンによってロボット入力装置に状態依存型触覚フィードバックを生成する。
その結果,SGによる触覚フィードバックにより手術精度が向上し,針のアライメント誤差が14%減少し,システムユーザビリティ尺度(SUS)のスコアが8%改善した。
論文 参考訳（メタデータ） (2026-09-07T18:16:37Z) - Feasibility of Embedded Photoplethysmography Sensing in Short-Duration Tactile Interactions With Pocket-Sized Robots Using IMU- and Confidence-Based Filtering [0.0]
本稿では,ポケットサイズのコンパニオンロボットであるAffectathyに直接組込み型フォトプレシーセンサ(Pocket)を組み込むことについて検討する。
2段階のフィルタリングパイプラインを実装することで、ハンドヘルドの使用に固有の動作アーティファクトの重大な課題に対処する。
以上の結果から, フィルタリング手法により平均絶対値の誤差が大幅に減少し, 実測値と統計的に等価であることが示唆された。
論文 参考訳（メタデータ） (2026-08-04T21:51:12Z) - An Experimental Modular Instrument With a Haptic Feedback Framework for Robotic Surgery Training [1.6206092886889898]
本稿では,実時間触覚フィードバックの枠組みを組み込んだモジュール型ロボット腹腔鏡装置を提案する。
提案装置は手首に装着した力/トルク(F/T)センサを用いて、工具と形状の相互作用力を推定する。
触覚フィードバックフレームワークは、外部接触力を抽出し、触覚デバイスに描画し、安定かつ知覚的に意味のあるフィードバックを生成する。
論文 参考訳（メタデータ） (2026-04-30T03:55:05Z) - Real-Time Non-Contact Force Compensation for Wrist-Mounted Force/Torque Sensors in Haptic-Enabled Robotic Surgery Training [1.6206092886889898]
これまでに開発したローコストロボット手術訓練装置であるRoboScopeを、触覚フィードバックトレーニング用に手首に装着した力/トルクセンサー(F/T)を組み込むことで拡張した。
論文 参考訳（メタデータ） (2026-04-26T13:21:45Z) - Beyond Prompt: Fine-grained Simulation of Cognitively Impaired Standardized Patients via Stochastic Steering [58.85421622061983]
認知障害患者の微粒化シミュレーションのためのStsPatientを提案する。
対照的な命令と応答のペアからステアリングベクトルを抽出することにより、ドメイン固有の特徴を捉える。
StsPatientは、臨床の信頼性と重症度の両方において、ベースラインを著しく上回る。
論文 参考訳（メタデータ） (2026-04-14T02:37:46Z) - 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。