論文の概要: SurgVista: Long-Horizon Surgical World Modeling with Plausible Instrument-Tissue Dynamics

• arxiv url: http://arxiv.org/abs/2606.19889v1
• Date: Thu, 18 Jun 2026 07:47:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.708184
• Title: SurgVista: Long-Horizon Surgical World Modeling with Plausible Instrument-Tissue Dynamics
• Title（参考訳）: SurgVista:プラルーシブル・インスツルメンツ・トゥイメント・ダイナミクスを用いた長期手術世界モデリング
• Authors: Wentao Pan, Wuyang Li, Shengyuan Liu, Xinyu Liu, Hengyu Liu, Yixuan Yuan,
• Abstract要約: SurgVistaは、空間的相互作用の不整合と時間的忠実性の崩壊を緩和する外科的世界モデルである。 それは、視覚的品質、時間的一貫性、相互作用の忠実性にまたがる最先端の手法を一貫して上回ります。
• 参考スコア（独自算出の注目度）: 49.771521708359955
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scaling robot policy learning for autonomous surgery is challenging, as expert demonstrations are expensive and in vivo exploration poses substantial safety risks. Surgical world models address this by generating realistic, action-conditioned future frames from an initial observation, but existing methods exhibit two persistent failure modes: spatial interaction incoherence, where visible instrument contact fails to induce spatially consistent tissue deformation, and temporal fidelity collapse, where prediction errors compound across autoregressive rollouts and progressively corrupt visual quality. We present SurgVista, a surgical world model that mitigates both failures through two training recipes. Deformation Consistency Regularization extracts scene-point trajectories from training videos and enforces cross-frame coherence through latent contrastive learning, strengthening physically consistent instrument-tissue dynamics. Drift Adaptation Training mitigates long-horizon drift by perturbing conditioning frames with online prediction residuals and photometric augmentations calibrated to long-horizon drift statistics, sustaining visual fidelity over extended rollouts. To enable rigorous evaluation, we further introduce SurgWorld-Bench, featuring diverse procedure types, long-range rollouts, and decoupled metrics for instrument-motion accuracy and tissue-response fidelity. Extensive experiments show that SurgVista consistently outperforms state-of-the-art methods across visual quality, temporal consistency, and interaction fidelity, with gains widening as the prediction horizon grows.
• Abstract（参考訳）: 自律手術のためのロボットポリシー学習のスケーリングは、専門家によるデモンストレーションが高価であり、生体内での探索は重大な安全性のリスクをもたらすため、難しい。 手術の世界モデルは、最初の観察から現実的な行動条件の将来のフレームを生成することでこの問題に対処するが、既存の手法では、空間的相互作用の不整合、可視機器接触が空間的に一貫した組織変形を誘発しない、時間的忠実性の崩壊、自動回帰的なロールアウトと漸進的に破壊的な視覚的品質の予測エラーの2つの持続的な障害モードを示す。 SurgVistaは2つのトレーニングレシピを通じて、両方の障害を緩和する外科的世界モデルである。 変形一貫性規則化は、トレーニングビデオからシーンポイントトラジェクトリを抽出し、潜在コントラスト学習を通じてクロスフレームコヒーレンスを強制し、物理的に一貫した楽器-形状のダイナミクスを強化する。 Drift Adaptation Trainingは、オンライン予測残差と、長期水平ドリフト統計に調整された測光拡張によるコンディショニングフレームの摂動により、長距離ドリフトを緩和し、延長されたロールアウトに対する視覚的忠実性を維持する。 厳密な評価を可能にするため,多種多様なプロシージャタイプ,長距離ロールアウト,楽器の運動精度と組織応答の忠実度を分離したメトリクスを特徴とするSurgWorld-Benchについても紹介する。 広範囲にわたる実験により、SurgVistaは視覚的品質、時間的一貫性、相互作用の忠実さで常に最先端の手法を上回り、予測の地平線が大きくなるにつれて増大することが示された。

関連論文リスト

• Face-D(^2)CL: Multi-Domain Synergistic Representation with Dual Continual Learning for Facial DeepFake Detection [21.09692782202372]
  継続的な学習は、顔のディープフェイク検出モデルをフォージェリパターンに適応するための効果的なアプローチを提供する。 顔のディープフェイク検出のためのフレームワークFace-D(2)CLを提案する。
  論文  参考訳（メタデータ） (2026-04-09T12:18:42Z)
• 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)
• FutureVLA: Joint Visuomotor Prediction for Vision-Language-Action Model [73.03346643967309]
  我々は、効果的な共同運動予測モデルには、時間的連続性と視覚的条件による監督的疎結合の両方が必要であると論じる。 FutureVLAは、視覚情報と運動情報を最初に分離することで、関節振動子埋め込みを抽出するように設計されている。 訓練後の段階において、我々は遅延埋め込みアライメント戦略を採用し、様々な下流VLAモデルによりこれらの時間的先行を内部化することができる。
  論文  参考訳（メタデータ） (2026-03-11T12:39:55Z)
• STRIDE: Structured Lagrangian and Stochastic Residual Dynamics via Flow Matching [2.5845893156827158]
  本研究では、保守的な剛体力学を不確実かつ効果的に非保守的な相互作用効果から分離する動的学習フレームワークSTRIDEを提案する。 本研究は,ペンデュラム,Unitree Go1ruped,Unitree G1 humanoidなど複雑度の高いシステム上でのSTRIDEの評価である。 その結果, 長軸予測誤差が20%減少し, 接触力予測誤差が30%減少した。
  論文  参考訳（メタデータ） (2026-03-09T15:15:21Z)
• Optimization-Guided Diffusion for Interactive Scene Generation [52.23368750264419]
  本稿では,拡散型サンプリングにおける構造的一貫性と相互作用認識を実現するための,最適化誘導型トレーニングフリーフレームワークであるOMEGAを提案する。 OMEGAは生成リアリズム,一貫性,可制御性を向上し,身体的および行動学的に有効なシーンの比率を増大させることを示す。 当社のアプローチでは,3秒未満の時間対コリションで,より近いコリジョンフレームを5ドル(約5,500円)で生成することも可能だ。
  論文  参考訳（メタデータ） (2025-12-08T15:56:18Z)
• On the Real-World Adversarial Robustness of Real-Time Semantic Segmentation Models for Autonomous Driving [59.33715889581687]
  現実世界の敵対的な例(通常はパッチの形で)の存在は、安全クリティカルなコンピュータビジョンタスクにおけるディープラーニングモデルの使用に深刻な脅威をもたらす。 本稿では,異なる種類の対立パッチを攻撃した場合のセマンティックセグメンテーションモデルのロバスト性を評価する。 画素の誤分類を誘導する攻撃者の能力を改善するために, 新たな損失関数を提案する。
  論文  参考訳（メタデータ） (2022-01-05T22:33:43Z)
• Heteroscedastic Uncertainty for Robust Generative Latent Dynamics [7.107159120605662]
  本稿では,潜在状態表現と関連するダイナミクスを協調的に学習する手法を提案する。 我々の主な貢献として、我々の表現がヘテロスセダスティックあるいは入力固有の不確実性の概念を捉えることができるかを説明します。 画像に基づく2つのタスクの予測と制御実験の結果を示す。
  論文  参考訳（メタデータ） (2020-08-18T21:04:33Z)
• Consistency Guided Scene Flow Estimation [159.24395181068218]
  CGSFは立体映像からの3次元シーン構造と動きの同時再構成のための自己教師型フレームワークである。 提案モデルでは,課題の画像の相違やシーンフローを確実に予測できることを示す。 最先端技術よりも優れた一般化を実現し、目に見えない領域に迅速かつ堅牢に適応する。
  論文  参考訳（メタデータ） (2020-06-19T17:28:07Z)

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。