論文の概要: Trajectory Divergence Horizon Decision for Reliable Dual-Arm Surgical Subtask Manipulation

• arxiv url: http://arxiv.org/abs/2608.09125v1
• Date: Mon, 10 Aug 2026 05:04:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:37.087942
• Title: Trajectory Divergence Horizon Decision for Reliable Dual-Arm Surgical Subtask Manipulation
• Title（参考訳）: Dual-Arm 手術用サブタスクマニピュレーションのためのトラジェクティブディバージェンス水平決定法
• Abstract要約: Vision-Language-Action(VLA)モデルは、視覚知覚、言語接地、アクション生成を統合する統一されたフレームワークを提供する。 既存のVLAポリシーは固定長のオープンループアクションシーケンスに依存しており、シーン条件の変更は外科手術におけるエラーの蓄積や潜在的なリスクにつながる可能性がある。 ステップワイズ動作の信頼性を推定するテストタイム機構であるトラジェクティブディバージェンス水平決定(TDHD)を提案する。
• 参考スコア（独自算出の注目度）: 12.14656738439713
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Surgical robotic systems are increasingly being adopted as clinical workload rises, motivating autonomous solutions for repetitive manipulation subtasks. Learning-based controllers improve generalization compared with rule-based and analytic approaches, but most are trained for individual tasks and remain difficult to reuse across procedures. Vision-Language-Action (VLA) models provide a unified framework that integrates visual perception, language grounding, and action generation, offering a promising path toward more composable surgical autonomy. However, existing VLA policies rely on fixed-length open-loop action sequences, where changing scene conditions can lead to accumulated errors and potential risks in surgical manipulation. To mitigate this issue, we formulate surgical VLA deployment as an adaptive execution-horizon decision problem and propose Trajectory Divergence Horizon Decision (TDHD), a test-time mechanism that estimates step-wise action reliability by measuring the divergence between two flow-matching-generated trajectories under small noise perturbations and truncates execution using a dual-threshold rule to trigger timely replanning. We further establish a real-world da Vinci-like dual-arm benchmark with synchronized multi-view perception and language instructions, and collect 600 teleoperated demonstrations across needle (reach, pick, regrasp) and tissue (reach, lift, resection) manipulation suites. On real hardware with 20 trials per task setting, TDHD consistently improves performance over the latest VLA baselines: success increases from 55\% to 60\% for needle manipulation and from 55\% to 80\% for tissue manipulation, with the largest gains observed in the final manipulation stages. These results highlight the importance of adaptive execution control for reliable deployment of VLA models in surgical robotic manipulation.
• Abstract（参考訳）: 手術ロボットシステムは、反復的な操作サブタスクのための自律的なソリューションを動機付け、臨床作業負荷の増加に伴って、ますます採用されている。 学習ベースのコントローラは、ルールベースや分析アプローチと比較して一般化を改善するが、その多くは個別のタスクのために訓練されており、手続き全体にわたって再利用することが困難である。 Vision-Language-Action(VLA)モデルは、視覚知覚、言語基盤、アクション生成を統合する統一されたフレームワークを提供し、より構成可能な外科的自律性への有望な道を提供する。 しかしながら、既存のVLAポリシーは固定長のオープンループアクションシーケンスに依存しており、シーン条件の変更は、外科手術におけるエラーや潜在的なリスクの蓄積につながる可能性がある。 この問題を緩和するために、適応的な実行-水平決定問題として外科的VLA展開を定式化し、小さなノイズ摂動下での2つのフローマッチング生成トラジェクトリ間のばらつきを測定してステップワイズ動作の信頼性を推定するTDHD(Trjectory Divergence Horizon Decision)を提案する。 さらに、実世界のda Vinciのようなマルチビュー認識と言語指示を同期したデュアルアームベンチマークを確立し、針(リーチ、ピック、リグラス)と組織(リーチ、リフト、リビジョン)操作スイート間で600の遠隔操作デモを収集します。 実際のハードウェアでは、タスク設定あたり20トライアルで、TDHDは最新のVLAベースラインよりも一貫してパフォーマンスを改善している。 これらの結果は,手術ロボット操作におけるVLAモデルの信頼性確保のための適応実行制御の重要性を強調した。

関連論文リスト

• PhysReflect-VLA: Physical Feasibility and Self-Reflective Regulation for Reliable Vision-Language-Action Policies [29.471598488144277]
  ロングホライゾンのロボット操作は、物理的に実現不可能な遷移、接触による障害、実行中の効果的な自己補正の欠如に非常に敏感である。 本稿では,PhysReflect-VLAを提案する。PhysReflect-VLAは,クローズドループ制御パイプラインにおいて,VLAポリシーを物理的実現可能性評価と構造化自己回帰により拡張する,プラグアンドプレイ実行時信頼性フレームワークである。
  論文  参考訳（メタデータ） (2026-06-25T15:18:10Z)
• Jump-Start Reinforcement Learning with Vision-Language-Action Regularization [1.2599533416395767]
  強化学習(RL)は、ロボット操作のための高周波閉ループ制御を可能にする。 現在の制限は、高速かつ正確な操作において直接の使用を妨げる。 探索と学習効率を向上させるために,VLAJS(Vision-Language-Action Jump-Starting)を提案する。
  論文  参考訳（メタデータ） (2026-04-15T11:17:54Z)
• DexHiL: A Human-in-the-Loop Framework for Vision-Language-Action Model Post-Training in Dexterous Manipulation [14.050551792714083]
  ヒューマン・イン・ザ・ループ(HiL)学習は、ロボットポリシーを洗練するための強力なメカニズムであることが証明されている。 DexHiLはDexterous VLAモデルのための最初の統合アームハンドヒューマン・イン・ザ・ループ・フレームワークである。
  論文  参考訳（メタデータ） (2026-03-10T02:55:27Z)
• Towards Human-Like Manipulation through RL-Augmented Teleoperation and Mixture-of-Dexterous-Experts VLA [62.16042475700567]
  本稿では,遠隔操作データ収集を簡易化する共有自律型アシスタントIMCopilotを紹介する。 我々は、不均一な力と触覚モーダルを予め訓練されたVLAバックボーンにシームレスに統合するアーキテクチャであるMoDE-VLAを提案する。 我々は,複雑度を増大させる4つの課題に対するアプローチの有効性を検証し,厳密な接触量の多い課題におけるベースラインよりも2倍の成功率の向上を実証した。
  論文  参考訳（メタデータ） (2026-03-09T09:02:30Z)
• MoE-ACT: Improving Surgical Imitation Learning Policies through Supervised Mixture-of-Experts [1.6646268910871171]
  位相構造型外科手術作業のための教師付きMixture-of-Expertsアーキテクチャを提案する。 本稿では,150件未満のデモから,軽量なアクションデコーダポリシを用いて,複雑で長期にわたる操作を学習可能であることを示す。 豚のin vivo手術におけるポリシーロールアウトの予備的結果について報告する。
  論文  参考訳（メタデータ） (2026-01-29T16:50:14Z)
• Steering Vision-Language-Action Models as Anti-Exploration: A Test-Time Scaling Approach [78.4812458793128]
  動作チャンクの高忠実度検証に軽量な擬数推定器を適用したテスト時間スケーリングフレームワークである textbfTACO を提案する。 我々の手法は、オフライン強化学習(RL)における古典的な反探索原理に似ており、勾配のないため、計算上の大きな恩恵をもたらす。
  論文  参考訳（メタデータ） (2025-12-02T14:42:54Z)
• DualVLA: Building a Generalizable Embodied Agent via Partial Decoupling of Reasoning and Action [62.70893433854428]
  推論能力を維持しつつ、慎重に設計した後処理により動作性能を向上させるDualVLAを提案する。 実験の結果、DualVLAはSimplerEnvの平均成功率は61.0であり、8つの競合するマルチモーダルベンチマークの平均スコアは65.4であることがわかった。
  論文  参考訳（メタデータ） (2025-11-27T06:03:53Z)
• dVLA: Diffusion Vision-Language-Action Model with Multimodal Chain-of-Thought [66.78110237549087]
  VLA(Vision-Language-Action)モデルは、ロボット工学の次世代パラダイムとして登場しつつある。 単一システムにおける視覚認識,言語推論,ロボット制御を統一する拡散型VLAであるdVLAを紹介する。
  論文  参考訳（メタデータ） (2025-09-30T02:36:11Z)
• SP-VLA: A Joint Model Scheduling and Token Pruning Approach for VLA Model Acceleration [70.72227437717467]
  VLA(Vision-Language-Action)モデルは、その強力な制御能力に注目が集まっている。 計算コストが高く、実行頻度も低いため、ロボット操作や自律ナビゲーションといったリアルタイムタスクには適さない。 本稿では,共同スケジューリングモデルとプルーニングトークンにより,VLAモデルを高速化する統一フレームワークSP-VLAを提案する。
  論文  参考訳（メタデータ） (2025-06-15T05:04:17Z)
• ForceVLA: Enhancing VLA Models with a Force-aware MoE for Contact-rich Manipulation [62.58034332427291]
  ForceVLAは、新しいエンドツーエンド操作フレームワークである。 外部力センシングは、VLAシステム内の第一級のモダリティとして扱う。
  論文  参考訳（メタデータ） (2025-05-28T09:24:25Z)
• EndoVLA: Dual-Phase Vision-Language-Action Model for Autonomous Tracking in Endoscopy [26.132684811981143]
  VLA(Vision-Language-Action)モデルは、視覚知覚、言語接地、モーションプランニングをエンドツーエンドのフレームワークに統合する。 EndoVLAは,(1)ポリープ追跡,(2)異常粘膜領域の脱線・追尾,(3)周囲切削時の円形マーカーへの付着の3つのコアタスクを実行する。
  論文  参考訳（メタデータ） (2025-05-21T07:35:00Z)
• Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
  本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。 私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。 提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
  論文  参考訳（メタデータ） (2021-04-29T00:11:32Z)

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。