論文の概要: Overcoming Imperfect Kinematics in Surgical Robotics Through Sim-to-Real Visuomotor Learning
- arxiv url: http://arxiv.org/abs/2606.21396v1
- Date: Fri, 19 Jun 2026 13:02:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 13:41:56.820679
- Title: Overcoming Imperfect Kinematics in Surgical Robotics Through Sim-to-Real Visuomotor Learning
- Title（参考訳）: Sim-to-Real Visuomotor Learningによる外科ロボティクスにおける不完全運動学の克服
- Authors: Zhaoxuan Yan, Kaizhong Deng, Zhaoyang Jacopo Hu, George P. Mylonas, Daniel S. Elson,
- Abstract要約: この研究は、教師の学習フレームワークからトレーニングされたクローズドループ視覚フィードバックを使用して、学習ポリシを使用してハードウェア不正確性を積極的に補償する。
このポリシーは、信頼性の低い内部の読み書きを正確な外部の視覚データと融合させ、完璧な物理モデルを必要とすることなく、リアルタイムでキネマティックエラーを修正できる。
この研究は、より先進的で堅牢な外科的自動化のための基礎的で信頼性の高い制御手法を提供する。
- 参考スコア（独自算出の注目度）: 3.24203536935265
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robot-Assisted Surgery is integral to modern minimally invasive procedures, with automation emerging as the next frontier to enhance precision and reduce surgeon fatigue. This evolution is largely impeded by the inherent kinematic inaccuracies of surgical robots, where unreliable internal sensors lead to significant control errors. While previous methods attempted to mitigate these issues through complex model-based calibration, they often suffer from high cost and limited effectiveness. This work utilises a learning-policy to actively compensate for hardware inaccuracies using closed-loop visual feedback that was trained from a teacher-student learning framework. The policy can fuse unreliable internal readings with precise external visual data, allowing it to correct for kinematic errors in real time without needing a perfect physical model. The learned policy was successfully deployed on the da Vinci Research Kit, where experiments validated the fundamental feasibility of using external vision to overcome internal sensor deficits. This research provides a foundational and reliable control methodology, paving the way for more advanced and robust surgical automation.
- Abstract（参考訳）: ロボットアシスト手術は、現代において最小限の侵襲的な手術に不可欠なもので、自動化が次のフロンティアとして登場し、精度を高め、外科医の疲労を軽減する。
この進化は外科用ロボットの固有のキネマティックな不正確さによって大きく妨げられ、そこでは信頼性の低い内部センサーが重大な制御エラーを引き起こす。
従来の手法は複雑なモデルに基づくキャリブレーションによってこれらの問題を緩和しようとしたが、高コストと限られた有効性に悩まされることが多かった。
この研究は、教師の学習フレームワークからトレーニングされたクローズドループ視覚フィードバックを使用して、ハードウェア不正確さを積極的に補償する学習政策を活用する。
このポリシーは、信頼性の低い内部の読み書きを正確な外部の視覚データと融合させ、完璧な物理モデルを必要とすることなく、リアルタイムでキネマティックエラーを修正できる。
学習されたポリシーはda Vinci Research Kitでうまく展開され、内部センサーの欠陥を克服するために外部ビジョンを使用することの基本的な可能性を検証する実験が行われた。
この研究は、より先進的で堅牢な外科的自動化のための基礎的で信頼性の高い制御手法を提供する。
関連論文リスト
- Learning Context-Aware Neural ODE Dynamics for Adaptive Robotic Control [55.01272784312405]
本稿では,ニューラル常微分方程式に基づく文脈認識力学モデルを提案する。
Sphero BOLTロボットとFanucマニピュレータを実世界の実験で使用した。
論文 参考訳（メタデータ） (2026-06-13T20:55:46Z) - 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) - Give me scissors: Collision-Free Dual-Arm Surgical Assistive Robot for Instrument Delivery [4.187693745535412]
手術中、スクラブ看護師は頻繁に手術器具を外科医に届ける必要がある。
既存のロボットスクラブ看護師の研究は、計器配達のための事前に定義された経路に依存している。
本稿では,機器の配送を行うことのできる,衝突のないデュアルアーム手術支援ロボットについて述べる。
論文 参考訳（メタデータ） (2026-03-03T03:14:59Z) - Hysteresis-Aware Neural Network Modeling and Whole-Body Reinforcement Learning Control of Soft Robots [14.02771001060961]
外科的応用を目的としたソフトロボットシステムを提案する。
本稿では,ソフトロボットの全身動作を正確に把握し,予測する全身ニューラルネットワークモデルを提案する。
本手法はファントムを用いた手術実験において高い性能を示した。
論文 参考訳（メタデータ） (2025-04-18T09:34:56Z) - Embodied Neuromorphic Control Applied on a 7-DOF Robotic Manipulator [10.642836177302533]
逆ダイナミクスは、ロボットシステムの関節空間からトルク空間にマップする基本的なロボット工学の問題である。
スパイキングニューラルネットワークを用いて、動作データの連続性を利用して制御精度を改善し、チューニングパラメータを除去する。
この研究は、概念実証から複雑な実世界のタスクへの応用への一歩前進によって、具体化されたニューロモルフィック制御を推し進める。
論文 参考訳（メタデータ） (2025-04-17T07:13:37Z) - Demonstration-Guided Reinforcement Learning with Efficient Exploration
for Task Automation of Surgical Robot [54.80144694888735]
効率的な強化学習アルゴリズムであるDEX(Demonstration-Guided Exploration)を導入する。
本手法は,生産的相互作用を促進するために,高い値で専門家のような行動を推定する。
総合的な手術シミュレーションプラットフォームであるSurRoLによる10ドルの手術操作に関する実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-02-20T05:38:54Z) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳（メタデータ） (2023-01-17T21:41:21Z) - Revisiting the Adversarial Robustness-Accuracy Tradeoff in Robot
Learning [121.9708998627352]
近年の研究では、現実的なロボット学習の応用において、対人訓練の効果が公平なトレードオフを起こさないことが示されている。
本研究は,ロボット学習におけるロバストネスと精度のトレードオフを再考し,最近のロバストトレーニング手法と理論の進歩により,現実のロボット応用に適した対人トレーニングが可能かどうかを解析する。
論文 参考訳（メタデータ） (2022-04-15T08:12:15Z) - Adversarial Training is Not Ready for Robot Learning [55.493354071227174]
対人訓練は,ノルム有界摂動に耐性のあるディープラーニングモデルを訓練する有効な方法である。
敵訓練により得られたニューラルコントローラが3種類の欠陥を受けることを理論的および実験的に示す。
この結果から, ロボット学習にはまだ対応できていないことが示唆された。
論文 参考訳（メタデータ） (2021-03-15T07:51:31Z) - 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)
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。