論文の概要: Real-Time Non-Contact Force Compensation for Wrist-Mounted Force/Torque Sensors in Haptic-Enabled Robotic Surgery Training

• arxiv url: http://arxiv.org/abs/2604.23696v1
• Date: Sun, 26 Apr 2026 13:21:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.50389
• Title: Real-Time Non-Contact Force Compensation for Wrist-Mounted Force/Torque Sensors in Haptic-Enabled Robotic Surgery Training
• Title（参考訳）: 触覚能力を有するロボット外科手術におけるリストマウント力/トルクセンサのリアルタイム非接触力補償
• Authors: Walid Shaker, Mustafa Suphi Erden,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.6206092886889898
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Haptic feedback has been a long-missed feature in robotic-assisted surgery, one that would allow surgeons to perceive tissue properties and apply controlled forces during delicate procedures. Although commercial robotic systems have begun to integrate haptic technologies, their high costs limit accessibility for training and research purposes. To address this gap, we extend our previously developed low-cost robotic surgery training setup, RoboScope, by incorporating a wrist-mounted force/torque (F/T) sensor for haptic feedback training. Wrist-mounted sensing avoids many challenges associated with tip-mounted sensors but introduces additional non-contact forces, such as gravity, sensor bias, installation offsets, and associated torques, which compromise measurement accuracy. In this paper, we propose a robust real-time compensation method based on recursive least squares (RLS). This method eliminates the need for dataset collection and frequent recalibration while adapting to changing operating conditions. Experimental validation demonstrates that the proposed approach achieves over 95% error reduction in non-contact force compensation and more than 91% in non-contact torque compensation, significantly outperforming existing methods. These results highlight the potential of our approach for providing reliable haptic feedback in robotic surgery training and research.
• Abstract（参考訳）: 触覚フィードバックは、外科医が組織の性質を知覚し、繊細な手術中に制御力を適用することができるロボット補助手術において、長い間欠かせない特徴だった。 商用ロボットシステムは触覚技術の統合を始めているが、その高コストは訓練や研究目的のアクセシビリティを制限している。 このギャップに対処するために、我々は以前開発したローコストロボット手術訓練装置であるRoboScopeを拡張し、触覚フィードバックトレーニングのために手首に装着された力/トルク(F/T)センサーを組み込んだ。 リストマウントセンサーは、先端に搭載されたセンサーに関連する多くの問題を避けるが、重力、センサーバイアス、設置オフセット、関連するトルクなどの非接触力を導入し、測定精度を損なう。 本稿では,再帰最小二乗法(RLS)に基づく頑健なリアルタイム補償手法を提案する。 この方法は,運用条件の変更に適応しながら,データセット収集や頻繁な再校正の必要性を解消する。 実験により, 提案手法は, 非接触力補償の95%以上, 非接触トルク補償の91%以上の誤差低減を実現し, 既存手法よりも大幅に優れていた。 これらの結果は,ロボット外科のトレーニングと研究において,信頼性の高い触覚フィードバックを提供するアプローチの可能性を強調した。

関連論文リスト

• A Rapid Instrument Exchange System for Humanoid Robots in Minimally Invasive Surgery [9.137620295313711]
  本稿では,没入型遠隔操作型ラピッドインスツルメンツ交換システムを提案する。 本システムは,単一軸対応ドッキングと環境制約リリースに基づく低遅延機構を利用する。
  論文  参考訳（メタデータ） (2026-04-03T04:05:00Z)
• Feel Robot Feels: Tactile Feedback Array Glove for Dexterous Manipulation [29.061513339025026]
  我々は,手の動きを正確に捉え,高精度な触覚フィードバックを組み込んだ低コストグローブシステムTAGを提案する。 モーションキャプチャーのために、TAGはドリフトフリーで電磁力のある21-DoF関節追跡を提供する非接触磁気センシング設計を採用している。 我々は,TAGが接触幾何学と動的力の信頼性の高いリアルタイム認識を可能にし,接触豊富な遠隔操作タスクの成功率を向上させるとともに,学習に基づく操作のための実演データ収集の信頼性を高めることを示す。
  論文  参考訳（メタデータ） (2026-03-30T15:04:13Z)
• A Robotic Testing Platform for Pipelined Discovery of Resilient Soft Actuators [63.07587517846448]
  本稿では,DEA寿命をスキャンできる新しいテストロボットによって実現された最適化パイプラインを提案する。 ロボットは、電気機械特性測定、プログラム可能な電圧入力、マルチチャネルテスト能力を統合する。 これを用いて,入力電圧等級,周波数,電極物質濃度,電気接続フィラーなど,Elastosil系リニアアクチュエータの寿命を走査した。
  論文  参考訳（メタデータ） (2026-02-24T14:41:28Z)
• UniForce: A Unified Latent Force Model for Robot Manipulation with Diverse Tactile Sensors [51.88112610411651]
  そこで本研究では,多様な触覚センサにまたがる共用潜在力空間を学習する,新しい統合された触覚表現学習フレームワークを提案する。 UniForceは、逆ダイナミクス(image-to-force)とフォワードダイナミクス(force-to-image)を共同モデリングすることで、クロスセンサー領域シフトを低減する 高価な外部力/トルクセンサ(F/T)への依存を避けるため,静的平衡を利用して直接センサ・オブジェクト・センサ・インタラクションを介して力対効果データを収集する。
  論文  参考訳（メタデータ） (2026-02-01T11:03:01Z)
• Learning-based Force Sensing and Impedance Matching for Safe Haptic Feedback in Robot-assisted Laparoscopic Surgery [0.0]
  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。
  論文  参考訳（メタデータ） (2026-01-20T19:57:50Z)
• Proprioceptive External Torque Learning for Floating Base Robot and its Applications to Humanoid Locomotion [17.384713355349476]
  本稿では,浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点 実際のロボット実験では、ネットワークは外部トルクと接触レンチをはるかに小さな誤差で推定できることを示した。 また,ゼロモーメントポイント(ZMP)フィードバック制御において,推定した接触レンチが有効であることを示す。
  論文  参考訳（メタデータ） (2023-09-08T05:33:56Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• NeRF in the Palm of Your Hand: Corrective Augmentation for Robotics via Novel-View Synthesis [50.93065653283523]
  SPARTN(Synthetic Perturbations for Augmenting Robot Trajectories via NeRF)は、ロボットポリシーを改善するための完全なオフラインデータ拡張スキームである。 提案手法はニューラルレイディアンス場(NeRF)を利用して,視覚的デモンストレーションに補正ノイズを合成注入する。 シミュレーションされた6-DoF視覚的把握ベンチマークでは、SPARTNは精度を2.8$times$で改善する。
  論文  参考訳（メタデータ） (2023-01-18T23:25:27Z)
• 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)
• Efficiently Calibrating Cable-Driven Surgical Robots with RGBD Fiducial Sensing and Recurrent Neural Networks [26.250886014613762]
  そこで本研究では,RGBDセンサを用いて3次元プリントされたフィデューシャル座標フレームをアームとエンドエフェクタに配置することで,ロボットを効率的に校正する手法を提案する。 提案手法では,1800サンプルのデータ収集に31分,モデルトレーニングに1分を要した。 基準軌道の試験セットの結果から、トレーニングされたモデルは、物理ロボットの平均追尾誤差を2.96mmから0.65mmに減少させることができることが示唆された。
  論文  参考訳（メタデータ） (2020-03-19T00:24:56Z)

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。