論文の概要: SurgVIL: Scaling Surgical Robot Imitation Learning with Open-source Surgical Videos

• arxiv url: http://arxiv.org/abs/2608.16058v1
• Date: Mon, 17 Aug 2026 03:33:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.516716
• Title: SurgVIL: Scaling Surgical Robot Imitation Learning with Open-source Surgical Videos
• Title（参考訳）: SurgVIL: オープンソースの手術ビデオによる手術ロボット模倣学習のスケーリング
• Abstract要約: SurgVILは、オープンソースの手術ビデオを使って、手術ロボットの模倣学習をスケールするためのフレームワークである。 ニードルピックアップと胆嚢摘出術の2つのロボット作業におけるSurgVILの評価を行った。
• 参考スコア（独自算出の注目度）: 3.1495623798952823
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Learning-based surgical robot autonomy requires large-scale demonstrations with synchronized videos and robot actions, but such data are exceedingly rare in clinical or realistic tissue settings because robot kinematics are typically inaccessible outside controlled research systems. In contrast, phantom data collected on research platforms provide accurate action labels but lack the visual diversity of real tissue. We propose SurgVIL, a framework for scaling surgical robot imitation learning using open-source surgical videos. SurgVIL combines kinematically labeled phantom robot demonstrations with surgical videos from open-source datasets and online sources for policy learning. Since these videos lack robot motion labels, we estimate approximate kinematics as weak supervision. We evaluate SurgVIL on two da Vinci robot tasks: needle pick-up and cholecystectomy cutting. Across ACT, $π_0$, and GR00T-H backbones, adding surgical videos substantially improves generalization to real-tissue and out-of-distribution settings, suggesting a scalable path from phantom training toward generalizable surgical robot policies.
• Abstract（参考訳）: 学習に基づく外科用ロボットの自律性は、ビデオの同期やロボットの動きによる大規模なデモを必要とするが、これらのデータは、臨床や現実的な組織設定では極めて稀である。 対照的に、研究プラットフォームで収集された幻のデータは正確なアクションラベルを提供するが、実際の組織の視覚的多様性は欠如している。 本稿では,オープンソースの手術ビデオを用いた手術ロボット模倣学習のためのフレームワークであるSurgVILを提案する。 SurgVILは、キネマティックにラベル付けされた幻ロボットのデモと、オープンソースのデータセットと、ポリシー学習のためのオンラインソースの手術ビデオを組み合わせる。 これらのビデオにはロボットモーションラベルがないため、近似キネマティクスを弱い監督力として推定する。 ニードルピックアップと胆嚢摘出術の2つのロボット作業におけるSurgVILの評価を行った。 Across ACT, $π_0$, GR00T-H backbones, add surgery video to generalization to real-t issue and out-of-distriion settings, suggests a scalable path to phantom training to generalizable surgery robot policy。

関連論文リスト

• Surgical WAM: A World-Action Model for Data-Efficient Surgical Robot Learning [46.22753169557017]
  本稿では,将来の内視鏡的観察と手術ロボットの動作チャンクを予測できる統合生成モデルであるSurgical World-Action Model(Surgical WAM)を紹介する。 手術用WAMは、まずアクションフリービデオから外科的視覚力学を学習し、固定されたアクションラベルの予算に基づいて微調整される。 4つのシミュレートされた手術作業において、ビデオプレトレーニングは平均成功率を63.5%から77.8%に改善し、ペグトランスファーでは20ポイントが絶対的に上昇した。
  論文  参考訳（メタデータ） (2026-08-11T17:59:13Z)
• Ego2Robot: Scalable Robot Data Synthesis from Egocentric Human Data [60.94418315274988]
  Ego2Robotは、キュレートされたビデオとインザワイルドのビデオの両方をサポートし、15のロボット形態にまたがる18,561時間のトレーニングデータを生成する。 Ego2Robotの合成データとロボットデータの併用による事前学習は、複数のタイプにわたるアウト・オブ・ディストリビューションの一般化を一貫して改善する。
  論文  参考訳（メタデータ） (2026-08-03T17:52:26Z)
• SurgWorld: Learning Surgical Robot Policies from Videos via World Modeling [19.99022199561975]
  SurgWorldは外科用物理AI用に設計された世界モデルである。 SurgeWorldは多様な、一般化可能な、リアルな手術ビデオを生成する。 合成外科的ビデオから擬似キネマティクスを推測するために逆動力学モデルを用いた最初の例である。
  論文  参考訳（メタデータ） (2025-12-29T03:03:00Z)
• SurgiPose: Estimating Surgical Tool Kinematics from Monocular Video for Surgical Robot Learning [5.304104136888954]
  大規模な外科的デモンストレーションの有望な情報源は、モノラルな外科的ビデオがオンラインで公開されていることである。 本稿では,単眼手術映像から運動情報を推定するための,微分レンダリングに基づくアプローチであるSurgiPoseを提案する。 本研究の結果から, 推定キネマティクスに基づいてトレーニングした政策は, 真理データに基づいてトレーニングした政策に匹敵する成功率を示した。
  論文  参考訳（メタデータ） (2025-12-19T21:15:26Z)
• Large Video Planner Enables Generalizable Robot Control [117.49024534548319]
  汎用ロボットは、様々なタスクや環境にまたがって一般化する意思決定モデルを必要とする。 最近の研究は、マルチモーダル大言語モデル(LM)をアクション出力で拡張し、視覚-アクション(VLA)システムを構築することで、ロボット基盤モデルを構築している。 本稿では,ロボット基礎モデル構築における主要なモダリティとして,大規模ビデオ事前学習を用いるための代替パラダイムについて検討する。
  論文  参考訳（メタデータ） (2025-12-17T18:35:54Z)
• H2R-Grounder: A Paired-Data-Free Paradigm for Translating Human Interaction Videos into Physically Grounded Robot Videos [58.006918399913665]
  本稿では,通常の人間と物体のインタラクションビデオからモーション一貫性のあるロボット操作ビデオに変換するビデオ間翻訳フレームワークを提案する。 私たちのアプローチでは、ロボットビデオのセットのみをトレーニングするために、ペアの人間ロボットビデオは必要とせず、システムを拡張しやすくしています。 テスト時にも同じプロセスを人間のビデオに適用し、人間の行動を模倣する高品質なロボットビデオを生成する。
  論文  参考訳（メタデータ） (2025-12-10T07:59:45Z)
• VidBot: Learning Generalizable 3D Actions from In-the-Wild 2D Human Videos for Zero-Shot Robotic Manipulation [53.63540587160549]
  VidBotは、WildのモノクルなRGBのみの人間ビデオから学習した3Dアベイランスを使って、ゼロショットロボット操作を可能にするフレームワークである。 VidBotは、人間の日常的なビデオを利用してロボットの学習をよりスケーラブルにする。
  論文  参考訳（メタデータ） (2025-03-10T10:04:58Z)
• Future Frame Prediction for Robot-assisted Surgery [57.18185972461453]
  本稿では,ロボット手術用ビデオシーケンスにおけるフレーム予測のためのtpg-vaeモデルを提案する。 コンテンツ配信に加えて、私たちのモデルは、手術ツールの小さな動きを処理するために斬新な運動分布を学習します。
  論文  参考訳（メタデータ） (2021-03-18T15:12:06Z)
• Recurrent and Spiking Modeling of Sparse Surgical Kinematics [0.8458020117487898]
  ますます多くの研究が、手術ロボットが捉えたビデオやキネマティックなデータを機械学習で分析している。 本研究では,同様のスキルレベルの外科医を予測するために,キネマティックデータのみを用いることの可能性を検討する。 本報告では, 運動特性のみに基づいて, シミュレーションエクササイズにおいて, ほぼ完全スコアの手術者を特定することが可能である。
  論文  参考訳（メタデータ） (2020-05-12T15:41:45Z)

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。