論文の概要: RL-MACRO: A Cybernetic Closed-Loop Intelligence Framework for Multimodal Adaptive Robotic Craniotomy

• arxiv url: http://arxiv.org/abs/2607.21113v1
• Date: Thu, 23 Jul 2026 09:41:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.353187
• Title: RL-MACRO: A Cybernetic Closed-Loop Intelligence Framework for Multimodal Adaptive Robotic Craniotomy
• Title（参考訳）: RL-MACRO:マルチモーダル適応型ロボット頭蓋切開のためのサイバネティッククローズドループインテリジェンスフレームワーク
• Abstract要約: RL-MACROは,マルチモーダル認識,適応的意思決定,ロボット実行を両立させるサイバネティッククローズドループインテリジェンスフレームワークである。 CNN-LSTMオブザーバは、まず力と音のフィードバックを融合させ、隠れた温度状態を再構築する。 新しいデュアルヘッドアクターは、供給速度、スピンドル速度、切断深さを動的に調整し、厳密な安全境界内で効率を最適化する。
• 参考スコア（独自算出の注目度）: 20.084877210944295
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous robotic craniotomy requires continuous regulation of tool-tissue interactions to mitigate mechanical overload and thermal damage while maintaining surgical efficiency. However, this process is inherently partially observable due to unknown, time-varying tissue properties and the inability to directly measure cutting temperatures under physical occlusion. To address these challenges, we propose RL-MACRO, a cybernetic closed-loop intelligence framework that couples multimodal perception, adaptive decision-making, and robotic execution. This framework empowers the surgical robot to autonomously perceive inaccessible states from partial sensory feedback and dynamically optimize its behaviors under uncertain environment. A CNN-LSTM observer first fuses force and sound feedback to reconstruct the hidden temperature state (R^2=0.939, MAE = 1.717 deg C). This reconstructed temperature, alongside multi-sensor features, forms the belief state for an offline Implicit Q-Learning (IQL) policy. A novel dual-head Actor dynamically coordinates the feed rate, spindle speed, and cutting depth to optimize efficiency within strict safety bounds. These decisions are seamlessly translated into spatial motions via online trajectory re-planning and velocity servoing. Experiments on bovine ribs and six ex vivo goat skulls validate the system's robust perception, adaptive recovery from force/temperature excursions, and smooth execution on irregular surfaces, establishing a data-driven cybernetic paradigm for safe and efficient autonomous bone cutting.
• Abstract（参考訳）: 自律型ロボット頭蓋切開は、外科的効率を維持しながら、機械的過負荷と熱的損傷を軽減するために、ツールとタスクの相互作用を継続的に調整する必要がある。 しかし、このプロセスは、物理的閉塞下での切削温度を直接測定できない、未知の、時間的変化のある組織特性のために、本質的に部分的に観察可能である。 これらの課題に対処するために、マルチモーダル認識、適応的意思決定、ロボット実行を結合したサイバーネティッククローズドループインテリジェンスフレームワークであるRL-MACROを提案する。 この枠組みにより、手術ロボットは、部分的な感覚フィードバックから自律的に到達不能な状態を知覚し、不確実な環境下での動作を動的に最適化することができる。 CNN-LSTM観測者がまず力と音のフィードバックを融合させ、隠れた温度状態(R^2=0.939, MAE = 1.717 deg C)を再構築する。 この再構成された温度は、マルチセンサーの特徴とともに、オフラインのImplicit Q-Learning(IQL)ポリシーの信念状態を形成する。 新しいデュアルヘッドアクターは、供給速度、スピンドル速度、切断深さを動的に調整し、厳密な安全境界内で効率を最適化する。 これらの決定は、オンライン軌道再計画と速度サーボにより、シームレスに空間運動に変換される。 ウシのリブと6頭の外生のヤギ頭蓋骨の実験は、システムの堅牢な知覚、力と温度の運動からの適応的な回復、不規則な表面での円滑な実行を検証し、安全で効率的な自律的な骨切断のためのデータ駆動型サイバネティックパラダイムを確立した。

関連論文リスト

• Real-Time sEMG-Based Telecontrol of an Assistive Robotic Arm Using a 1D Convolutional Neural Network [0.30786914102688595]
  本研究は、ロボットアームの遠隔操作のためのリアルタイムsEMGベースのインタフェースを提案する。 このシステムは4チャンネルのsEMG取得、信号前処理、スライディングウィンドウへのセグメント化、一次元畳み込みニューラルネットワーク(CNN)を用いた分類に依存している。 システムは安定したリアルタイム動作を示し、平均遅延は約0.32秒であり、選択したウィンドウング戦略と一致している。
  論文  参考訳（メタデータ） (2026-07-14T15:34:28Z)
• Safe Polytope-in-Polytope Motion Planning and Control with Control Barrier Functions [45.68209588239261]
  本研究は,多目的ロボットのフットプリントが凸自由空間領域内に留まることを保証する安全な局所運動計画制御手法を提案する。 提案された自由空間定式化では障害物検出やセグメンテーションは不要である。 このアプローチは、自動運転車と非ホロノミックな移動ロボットによるハードウェアによるシミュレーションで検証されている。
  論文  参考訳（メタデータ） (2026-06-08T16:44:28Z)
• Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
  マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。 既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。 本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
  論文  参考訳（メタデータ） (2026-05-26T21:17:53Z)
• Physics-Informed Reinforcement Learning of Spatial Density Velocity Potentials for Map-Free Racing [73.88859384645264]
  Out-Of-Distribution (OOD) の様々なレーストラックへの一般化は、機械学習(ML)を用いて、エンドツーエンド制御のためのセンサデータと車両アクチュエーターの間の数学的関係を符号化する。 本稿では,非幾何学的,物理インフォームド報酬を用いた深度測定のスペクトル分布から非線形車両動特性をパラメータ化して,ニューラルネットワーク(ANN)による車両の時間最適・乗換レース制御を推定するDRL法を提案する。 このポリシーは、経験的なパセジカタイヤモデルに似たタイヤのダイナミックスで摩擦円を最大化することで、OODトラックの12%で人間のデモより優れています。
  論文  参考訳（メタデータ） (2026-04-10T17:12:07Z)
• RADAR: Closed-Loop Robotic Data Generation via Semantic Planning and Autonomous Causal Environment Reset [48.645870795753105]
  ロボットのためのロバスト自動データ取得(RADAR)について紹介する。 RADARは完全に自律的でクローズドループのデータ生成エンジンで、収集サイクルから人間の介入を完全に取り除きます。 シミュレーションでは、複雑な長期タスクにおいて、最大90%の成功率を達成する。
  論文  参考訳（メタデータ） (2026-03-12T11:18:52Z)
• Dual-Agent Multiple-Model Reinforcement Learning for Event-Triggered Human-Robot Co-Adaptation in Decoupled Task Spaces [3.349003999623489]
  本稿では,カスタム6自由度上肢ロボットのための共有制御型リハビリテーションポリシーを提案する。 患者は二進法で一次到達方向を制御し、ロボットは自律的に矯正動作を管理する。
  論文  参考訳（メタデータ） (2026-03-06T11:15:10Z)
• 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)
• MDHP-Net: Detecting an Emerging Time-exciting Threat in IVN [42.74889568823579]
  我々は車載ネットワーク(IVN)に対する新たな時間的脅威モデルを特定する。 これらの攻撃は、タイムエキサイティングな効果を示す悪意のあるメッセージを注入し、徐々にネットワークトラフィックを操作して車両の動作を妨害し、安全クリティカルな機能を損なう。 時間的脅威を検出するため,MDHP-Netを導入し,Multi-Dimentional Hawkes Process(MDHP)と時間的・メッセージ的特徴抽出構造を利用した。
  論文  参考訳（メタデータ） (2024-11-15T15:05:01Z)
• Enhancing Precision in Tactile Internet-Enabled Remote Robotic Surgery: Kalman Filter Approach [0.0]
  本稿では,計算効率の良い位置推定法としてカルマンフィルタ(KF)を提案する。 この研究は、ロボットアームシステムの力学系モデルに関する事前の知識も想定していない。 シミュレーションネットワーク条件下での患者側マニピュレータ(PSM)の位置決定におけるKFの有効性について検討した。
  論文  参考訳（メタデータ） (2024-06-06T20:56:53Z)
• 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)
• OSCAR: Data-Driven Operational Space Control for Adaptive and Robust Robot Manipulation [50.59541802645156]
  オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。 本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。 本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2021-10-02T01:21:38Z)
• 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)
• VOR Adaptation on a Humanoid iCub Robot Using a Spiking Cerebellar Model [0.0]
  我々は、本物のロボット体(iCub)を操作することができる適応リアルタイム制御ループに、スパイク小脳モデルを組み込む。 本研究の目的は、小脳神経基質と分散可塑性の組み合わせが小脳神経活動を形作って運動適応を仲介する方法を明らかにすることである。
  論文  参考訳（メタデータ） (2020-03-03T09:48:15Z)

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。