論文の概要: Self-Supervised Mask-Aware Transformers for Fault-Tolerant FBG Force Sensing in Minimally Invasive Surgical Robotics
- arxiv url: http://arxiv.org/abs/2606.18628v1
- Date: Wed, 17 Jun 2026 02:55:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-18 17:16:50.978213
- Title: Self-Supervised Mask-Aware Transformers for Fault-Tolerant FBG Force Sensing in Minimally Invasive Surgical Robotics
- Title（参考訳）: 低侵襲手術ロボティクスにおけるフォールトトレラントFBG力センシングのための自己監督型マスク対応変圧器
- Authors: Peibo Sun, Shiyuan Dong, Shucheng Ye, Jianrong Cai, Yushan Liu, Hongen Liao, Tianqi Huang, Fang Chen,
- Abstract要約: 本稿では,多種多様な動的センサ故障下での優雅な劣化を可能にするために,チャネルの可利用性を明示的にモデル化する自己教師型マスク認識変換器を提案する。
我々のモデルは、0.0066Nの名目上のルート平均角誤差(RMSE)を達成し、重度の4チャネル障害で0.0126Nに分解する。
- 参考スコア（独自算出の注目度）: 5.8996048672482715
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In minimally invasive surgical robotics, catheter-scale Fiber Bragg Grating (FBG) sensors are promising due to their ability to estimate multi-dimensional forces by multiplexing several optical channels. However, deploying these compact multi-channel sensors introduces two critical engineering challenges: inherent nonlinear cross-axis coupling during complex deformations, and intermittent channel dropouts caused by fiber fractures in constrained workspaces. These compounding issues severely degrade force estimation. Existing fault-tolerant approaches rely on combinatorial model banks, which scale exponentially with the channel count and demand prohibitively expensive per-pattern calibration. In this paper, we propose a unified, self-supervised mask-aware Transformer that explicitly models channel availability to enable graceful degradation under diverse and dynamic sensor failures. The encoder is pretrained via masked-channel reconstruction on unlabeled data streams and fine-tuned for force regression using a balanced clean-and-corrupted-view objective alongside a dynamic corruption curriculum. Furthermore, a parallel uncertainty head, trained via heteroscedastic Gaussian negative log-likelihood, predicts per-axis confidence in a single forward pass, circumventing the overhead of multi-pass ensembles. Evaluated on a catheter-scale 8-channel FBG dataset, our single unified model achieves a nominal Root Mean Square Error (RMSE) of 0.0066~N and degrades gracefully to 0.0126~N under severe 4-channel failures. This significantly outperforms a comprehensive model bank of 255 per-pattern neural networks (0.0154~N at 4-channel loss) while eliminating pattern-specific calibration.
- Abstract（参考訳）: 最小侵襲の手術ロボットでは、複数の光学チャネルを多重化することで多次元力を推定できるため、カテーテルスケールのファイバーブラッググレーティング(FBG)センサーが有望である。
しかし、これらのコンパクトなマルチチャネルセンサの配置は、2つの重要な工学的課題をもたらしている。
これらの複合問題は、力推定を著しく低下させる。
既存のフォールトトレラントアプローチは、チャネル数と指数関数的にスケールする組合せモデルバンクに依存しており、パターンごとのキャリブレーションは極めて高価である。
本稿では,多種多様な動的センサ故障下での優雅な劣化を可能にするために,チャネルの可利用性を明示的にモデル化した,自己制御型マスク対応トランスを提案する。
エンコーダは、未ラベルのデータストリームのマスクチャネル再構成により事前訓練され、動的汚職カリキュラムとともに、バランスの取れたクリーン・アンド・破損されたビューの目的を用いて、フォースレグレッションのために微調整される。
さらに、ヘテロセダスティックなガウスの負の対数類似性によって訓練された平行不確実性ヘッドは、単一の前方通過における軸当たりの信頼を予測し、マルチパスアンサンブルのオーバーヘッドを回避する。
カテーテルスケール8チャネルFBGデータセットを用いて評価し, 単一統一モデルにより0.0066〜Nの根平均角誤差(RMSE)を達成し, 重度の4チャネル故障下では0.0126〜Nに優雅に劣化する。
これにより、パターン固有のキャリブレーションを排除しつつ、パターン毎のニューラルネットワーク(0.0154〜N)の包括的モデルバンク(4チャネル損失で0.0154〜N)を著しく上回る。
関連論文リスト
- Spectrally Regularized Latent Flow Matching for Turbulence Generation [0.0]
本稿では,スペクトル正規化圧縮ステージを備えた潜在フローマッチングフレームワークを提案する。
Re_f Approx 2250の2562 DNSデータセットでは、MSEで訓練されたVAEをゾーン重み付き対数スペクトルの目的に置き換えることで、スペクトルパワーが深い。
改良された潜在表現はまた、コスト-忠実性のトレードオフを著しく改善する。
論文 参考訳（メタデータ） (2026-06-10T06:09:51Z) - Hardware-Free Polarization Stabilization for Measurement-Device-Independent Quantum Key Distribution via Correlated Twirling [0.0]
本稿では,ハードウェアフリーの偏光安定化手法を提案する。
このプロトコルは、完全に仮想後処理ステップとして実行され、2/3の係数で固有のチャネルノイズを数学的に抑制する。
デコイ状態の弱いコヒーレントパルスと親和性のあるこのアルゴリズムは、堅牢な長距離量子ネットワークのための高度にスケーラブルでリソース効率の高いフレームワークを提供する。
論文 参考訳（メタデータ） (2026-05-08T04:27:30Z) - Generalizing GNNs with Tokenized Mixture of Experts [75.8310720413187]
安定性の向上には,変化に敏感な特徴への依存を低減し,既約最悪の一般化フロアを残す必要があることを示す。
本研究では,STEM-GNNを提案する。STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN。
9つのノード、リンク、グラフのベンチマークで、STEM-GNNはより強力な3方向バランスを実現し、クリアグラフ上での競争力を維持しながら、次数/ホモフィリーシフトや特徴/エッジの破損に対する堅牢性を改善している。
論文 参考訳（メタデータ） (2026-02-09T22:48:30Z) - SKANet: A Cognitive Dual-Stream Framework with Adaptive Modality Fusion for Robust Compound GNSS Interference Classification [47.20483076887704]
グローバルナビゲーション衛星システム(GNSS)は、洗練された妨害による脅威の増大に直面している。
時間周波数画像(TFI)とパワースペクトル密度(PSD)を統合した2重ストリームアーキテクチャに基づく認知的ディープラーニングフレームワークを提案する。
SKANetは96.99%の精度を達成し、複合妨害分類において優れたロバスト性を示した。
論文 参考訳（メタデータ） (2026-01-19T07:42:45Z) - A Universal and Robust Framework for Multiple Gas Recognition Based-on Spherical Normalization-Coupled Mahalanobis Algorithm [16.05394499283827]
本研究では,開集合ガス認識のための共通後処理モジュールである球正規化結合マハラノビス (SNM) モジュールを提案する。
Vergaraデータセットの実験により、Transformer+SNM構成は、複数のターゲットガス間での判別において、ほぼ理論的な限界性能を達成することが示された。
論文 参考訳（メタデータ） (2025-12-28T05:33:05Z) - AdaFortiTran: An Adaptive Transformer Model for Robust OFDM Channel Estimation [22.40154714677385]
本稿では,アダフォーティトラン(Adaptive Fortified Transformer, AdaFortiTran)を提案する。
AdaFortiTranは最先端モデルと比較して平均2乗誤差(MSE)を最大6dB削減する。
論文 参考訳（メタデータ） (2025-05-14T02:22:37Z) - Analytically Solvable Robust Single-Qubit Gates for Multi-Qubit Systems with Unwanted Couplings [5.169264860833405]
キュービット間の結合は、単一キュービットゲートの忠実度を低下させるクロストークエラーを引き起こす。
不要結合の存在下で高忠実度単一量子ゲートを構築するための新しい非摂動的枠組みを提案する。
論文 参考訳（メタデータ） (2025-03-16T09:33:23Z) - Evaluating ML Robustness in GNSS Interference Classification, Characterization & Localization [42.14439854721613]
ジャミング装置はグローバルナビゲーション衛星システム(GNSS)からの信号を妨害する
本稿では、低周波アンテナから得られたスナップショットからなる広範囲なデータセットを提案する。
本研究の目的は,機械学習モデル(ML)の環境変化に対するレジリエンスを評価することである。
論文 参考訳（メタデータ） (2024-09-23T15:20:33Z) - Macroscopic noise amplification by asymmetric dyads in non-Hermitian
optical systems for generative diffusion models [55.2480439325792]
非対称な非エルミートダイアドは、効率的なセンサーと超高速な乱数発生器の候補である。
このような非対称なダイアドからの集積光放射は、機械学習の全光学的退化拡散モデルに効率的に利用できる。
論文 参考訳（メタデータ） (2022-06-24T10:19:36Z) - Non-Singular Adversarial Robustness of Neural Networks [58.731070632586594]
小さな入力摂動に対する過敏性のため、アドリヤルロバスト性はニューラルネットワークにとって新たな課題となっている。
我々は,データ入力とモデル重みの共振レンズを用いて,ニューラルネットワークの非特異な対角性の概念を定式化する。
論文 参考訳（メタデータ） (2021-02-23T20:59:30Z)
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。