論文の概要: Compliance-Based Sensor Placement for Force Sensing on a Sensorized Prostate Phantom

• arxiv url: http://arxiv.org/abs/2606.06977v1
• Date: Fri, 05 Jun 2026 07:09:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.606063
• Title: Compliance-Based Sensor Placement for Force Sensing on a Sensorized Prostate Phantom
• Title（参考訳）: センサ付き前立腺ファントムにおける力センシングのためのコンプライアンスに基づくセンサ配置
• Abstract要約: 本研究は, 前立腺ファントムをセンサとした力覚センサ配置法を提案する。 ファントムは内圧センサーとして使用される3つの内部空気室と10面の変位マーカーを組み合わせた。 その結果, ソフトロボット医療ファントムでは, 領域認識のスパースセンサ配置により, 力の観測性が向上することが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work presents a compliance-based sensor placement method for force sensing on a sensorized prostate phantom designed for Digital Rectal Examination training. The phantom combines three internal pneumatic chambers, used as intrinsic pressure sensors, with ten surface displacement markers. A finite-element simulation dataset is generated by applying external forces at sampled surface locations, from which a compliance matrix relating force inputs to pressure and displacement responses is constructed. Based on this matrix, we propose a weighted greedy selection strategy that maximizes local force reconstructability while prioritizing the clinically relevant posterior contact region and avoiding marker placement directly within the Region of Interest. Compared with a global QR-based placement strategy, the proposed method increases the mean reconstructability score in the target region by 22.5%. These results suggest that region-aware sparse sensor placement can improve force observability in soft robotic medical phantoms while maintaining a limited and practical sensing configuration.
• Abstract（参考訳）: 本研究は,デジタル直腸検診訓練用に設計されたセンサ付前立腺ファントムを用いた力覚センサ配置法を提案する。 ファントムは内圧センサーとして使用される3つの内部空気室と10面の変位マーカーを組み合わせた。 サンプル表面位置の外部力を適用して有限要素シミュレーションデータセットを生成し、そこから圧力及び変位応答に関するコンプライアンス行列を構築する。 この行列に基づいて,臨床上関連する後部接触領域を優先し,興味領域内でのマーカー配置を回避しつつ,局所的な力の再構築性を最大化する重み付き欲求選択戦略を提案する。 グローバルQRベースの配置戦略と比較して,提案手法は対象領域の平均再構成可能性スコアを22.5%向上させる。 これらの結果から, ソフトロボット医療ファントムの力覚能力は, 限定的かつ実用的な感覚構成を維持しつつ, 領域認識型スパースセンサ配置により向上することが示唆された。

関連論文リスト

• Towards Effective Physical Reservoir Computing with a Pneumatic Soft Robot [13.039213232857774]
  本研究は, ポーチトポロジー, ロボット剛性, 計装センサの数が曲げ角度推定性能に与える影響について検討した。 その結果, ソフトロボット状態の正確な励起のために, トポロジ, 剛性, 計測センサの数を共同設計すべきであることが示唆された。
  論文  参考訳（メタデータ） (2026-09-02T06:14:47Z)
• A Biomimetic Myoelectric Tentacle Prosthesis with Sensorless Object Detection and Vibrotactile Feedback [0.30786914102688595]
  目的は、様々な物体の形状に適応する応答性があり直感的な補助装置を開発することである。 このシステムはEMG信号に頼り、曲がり角が対数スパイラルに続く柔軟な生体模倣構造の運動を制御する。 累積的Vibrotactile刺激に基づく触覚フィードバック戦略は,触手構成に関する空間情報を伝達する。
  論文  参考訳（メタデータ） (2026-07-09T20:26:48Z)
• Autonomous Robotic Tissue Palpation and Abnormalities Characterisation via Ergodic Exploration [11.36848363285339]
  粘弾性組織モデルを用いた組織探索におけるリアルタイム弾性マッピングのための新しい自律型ロボット触診フレームワークを提案する。 商用の力/トルクセンサを用いた力に基づくパラメータ推定と、調整された予測情報密度によって駆動されるエルゴード制御戦略を組み合わせる。
  論文  参考訳（メタデータ） (2026-02-15T19:37:21Z)
• ReSPEC: A Framework for Online Multispectral Sensor Reconfiguration in Dynamic Environments [6.718801307135799]
  センサ,学習,アクティベーションをクローズドなリコンフィグレーションループに統合するフレームワークを導入する。 我々は,このフレームワークを移動体ローバー上で実装し評価し,適応制御がベースラインに比べて5.3%の精度低下で負荷を29.3%削減することを示した。
  論文  参考訳（メタデータ） (2026-02-11T05:39:24Z)
• 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)
• RSGround-R1: Rethinking Remote Sensing Visual Grounding through Spatial Reasoning [61.84363374647606]
  リモートセンシングビジュアルグラウンドディング(RSVG)は、自然言語記述に基づく大規模空中画像における対象物体のローカライズを目的としている。 これらの記述はしばしば位置的手がかりに大きく依存しており、空間的推論においてMLLM(Multimodal Large Language Models)に固有の課題を提起している。 空間理解の高度化を図るために,textbfRSGround-R1 と呼ばれる推論誘導型位置認識後学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-29T12:35:57Z)
• PhySense: Sensor Placement Optimization for Accurate Physics Sensing [53.58729034895666]
  PhySenseは、物理的なフィールドを共同で再構築し、センサー配置を最適化するフレームワークである。 最先端の物理センサーの精度を達成し、以前は考えられていなかった情報的なセンサー配置を発見する。
  論文  参考訳（メタデータ） (2025-05-19T14:59:11Z)
• Adaptive Sensor Steering Strategy Using Deep Reinforcement Learning for Dynamic Data Acquisition in Digital Twins [0.0]
  本稿では,デジタル双生児の予測精度と意思決定支援能力を高めるために,深層強化学習に基づくセンサステアリング手法を提案する。 提案手法は、デジタルツインパラダイム内のセンサ配置に適応的なフレームワークを提供することにより、この制限に対処する。
  論文  参考訳（メタデータ） (2025-04-14T14:11:00Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• Defending From Physically-Realizable Adversarial Attacks Through Internal Over-Activation Analysis [61.68061613161187]
  Z-Maskは、敵の攻撃に対する畳み込みネットワークの堅牢性を改善するための堅牢で効果的な戦略である。 提示されたディフェンスは、入力画像中の対向対象に対応する画素を検出し、隠蔽するために、内部ネットワーク機能で実行される特定のZスコア解析に依存する。 追加の実験では、Z-Maskは防衛対応攻撃に対して堅牢であることが示された。
  論文  参考訳（メタデータ） (2022-03-14T17:41:46Z)
• Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
  本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。 我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。 実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
  論文  参考訳（メタデータ） (2020-03-23T10:51:32Z)

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。