論文の概要: Transferable Tool-Tissue Contact Detection from Stereo Depth in Robot-Assisted Surgery

• arxiv url: http://arxiv.org/abs/2608.18270v1
• Date: Tue, 18 Aug 2026 19:41:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-20 20:13:55.197503
• Title: Transferable Tool-Tissue Contact Detection from Stereo Depth in Robot-Assisted Surgery
• Title（参考訳）: ロボット支援手術におけるステレオ深度からの移動式工具形状接触検出
• Abstract要約: ステレオペアから生成された深度画像を用いて,ツールの接触情報を提供する。 完全教師付き2状態隠れマルコフモデルを用いて、この観測を形式化する。 以上の結果から, ロボット支援手術における接触検出には, 工具間距離が強く, 伝達可能なキューであることが示唆された。
• 参考スコア（独自算出の注目度）: 6.51211407546955
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable tool--tissue contact detection can support interaction-aware control and downstream force estimation in robot-assisted surgery. Most existing methods learn a contact classifier from RGB appearance, which is hard to generalize. In this work, we use the depth image generated from a stereo pair to give more information about tool--tissue contact. For each depth frame, we localize a spatially supported minimum-distance patch around the tool boundary and reduce it to a single scalar, $-\log_{10}|d|$; this signal rises and falls in step with ground-truth contact. We formalize this observation with a fully supervised two-state hidden Markov model. We fit this model as a six-fold leave-one-session-out (LOSO) ensemble on six palpation sessions against a single silicone cup-like phantom, with the decision threshold selected from the pooled out-of-fold predictions. It is evaluated on four held-out sessions of three categories: 1. same task on same phantom; 2. same task on different phantom; 3. different task on different phantom. This model reaches held-out macro F1 $0.927$ and AUPRC $0.980$. We further compare against a reproduction of an RGB-based contact classifier from prior work. This RGB-based model achieves high performance on the first category (F1 $0.965$), but substantially lower performance on the other two, resulting in macro F1 $0.320$ across all four sessions. These results indicate that the tool--tissue distance is a strong, transferable cue for contact detection in robot-assisted surgery.
• Abstract（参考訳）: 信頼性の高いツール-タスクコンタクト検出は、ロボット支援手術における相互作用認識制御と下流力推定をサポートする。 既存のほとんどの手法は、RGBの外観から接触分類器を学習するが、一般化は困難である。 本研究では,ステレオペアから生成された深度画像を用いて,ツール間の接触についてより詳細な情報を提供する。 各深度フレームに対して、ツール境界付近で空間的に支持された最小距離パッチを局所化し、それを1つのスカラーである$-\log_{10}|d|$に還元する。 完全教師付き2状態隠れマルコフモデルを用いて、この観測を形式化する。 このモデルを,1つのシリコーンカップのようなファントムに対する6つのパプリケーションセッションにおいて,プールされたアウト・オブ・フォールド予測から選択された決定しきい値を用いて,LOSOアンサンブルとして適合させる。 3つのカテゴリーの4つのセッションで評価される。 1 同じ幻の同じ課題 2 異なる幻の同じ課題 3. 幻の異なるタスク。 このモデルはホールドアウトマクロF1$0.927$とAUPRC$0.980$に達する。 さらに,RGBベースのコンタクト分類器の再現を先行作業から比較した。 このRGBベースのモデルは、最初のカテゴリで高いパフォーマンスを達成する(F1$0.965$)が、他の2つのカテゴリでは大幅にパフォーマンスが低下し、4つのセッションでマクロF1$0.320$となる。 以上の結果から,ロボット支援手術における接触検出のための工具間距離が強く伝達可能なキューであることが示唆された。

関連論文リスト

• Pointing-VLA: Typed Spatial Grounding Interfaces for Vision-Language-Action Manipulation [5.156481604986546]
  本稿では,Embodied-R1上に構築された隠れ状態空間読み出し型Pointing-VLAを提案する。 Pointing-VLA は Bridge/WidowX 上で SOTA のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-08-24T11:43:49Z)
• Multi-View Unified Camera Fields: Geometry-Shaped Action-Facing Representations for RGB-Only Multi-Camera VLA Policies [12.27577524307746]
  Multi-View Unified Camera Fields (MVUCF) は、ビューをまたいだ共有アクション対応潜在フィールドを形成するトレーニング専用フレームワークである。 ジオメトリインジェクション、奥行き、カメラキャリブレーション、補助ヘッドが取り除かれた後、配置は、追加の推論FLOPを持たない元のRGBのみのグラフを使用する。
  論文  参考訳（メタデータ） (2026-08-03T07:36:09Z)
• What Do EEG Foundation Models Capture from Human Brain Signals? [64.48249643001402]
  現代の脳波基礎モデルは、自己教師付き事前訓練を通じて生信号から直接学習する。 我々は3つのサブクエストに分解する: モデルが何を学習するか、モデルを何に使用するのか、そしてどのように説明できるのか。 3つの基礎モデル(CSBrain, CBraMod, LaBraM),5つの臨床タスク(MDD, Stress, ISRUC-Sleep, TUSL, Siena)と6ファミリー63機能レキシコンを含む。
  論文  参考訳（メタデータ） (2026-05-12T01:57:53Z)
• A Rapid Deployment Pipeline for Autonomous Humanoid Grasping Based on Foundation Models [1.1412720572948085]
  本稿では,3つの基盤モデルコンポーネントを統合したエンドツーエンドの迅速なデプロイメントパイプラインを提案する。 Roboflowベースの自動アノテーションは、YOLOv8オブジェクト検出器のトレーニングを支援する。 Meta SAM 3Dに基づく3D再構成により、専用のレーザースキャナが不要になる。 SAM3D生成メッシュを直接テンプレートとして使用して,FoundationPoseに基づいた0ショット6-DoFのポーズトラッキングを行う。
  論文  参考訳（メタデータ） (2026-04-19T04:42:14Z)
• OrthoAI v2: From Single-Agent Segmentation to Dual-Agent Treatment Planning for Clear Aligners [0.0]
  私たちは、AI支援矯正治療計画のためのオープンソースのパイプラインの2番目のイテレーションであるOrthoAI v2を紹介します。 v2は3つの主要な貢献を通じて 3つの制限に対処します 200のクラウドシナリオの合成ベンチマークで、OrthoAI v2の並列アンサンブルは、計画品質スコアが92.8 pm 4.1$対76.4 pm 8.3$に達し、OrthoAI v1は+21%$相対的ゲインとなり、完全なCPUデプロイ可能性(4.2 pm 0.8$s)を維持した。
  論文  参考訳（メタデータ） (2026-03-10T13:03:44Z)
• Lightweight Visual Reasoning for Socially-Aware Robots [41.776442767736604]
  視覚言語モデル(VLM)におけるLLMとビジョンエンコーダのループを閉じる軽量な言語間フィードバックモジュールを提案する。 本研究では,シミュレーション環境におけるナビゲーション,シーン記述の逐次的記述,人間意図認識という,ロボット中心の3つのタスクに対して,このアプローチを評価する。 その結果,Qwen 2.5 (7B) を$3.3%(非距離),$+0.057$記述スコア,$+2.93%$精度で改善し,さらに$3%未満のパラメータが得られた。
  論文  参考訳（メタデータ） (2026-03-04T11:08:44Z)
• ROPA: Synthetic Robot Pose Generation for RGB-D Bimanual Data Augmentation [3.1921574296387916]
  RGB-D Bimanual Data Augmentation (ROPA) のための合成ロボットポス生成法を提案する。 ROPAファインチューン安定拡散法による新規ロボットポーズの3人RGBとRGB-D観察の合成 2625回のシミュレーション実験と300回の実世界の実験の結果、ROPAはベースラインとアブレーションを上回ります。
  論文  参考訳（メタデータ） (2025-09-23T18:11:53Z)
• Efficient Verification-Based Face Identification [50.616875565173274]
  効率の良いニューラルモデルで顔認証を行う際の問題点を$f$で検討する。 我々のモデルは、23kパラメータと5M浮動小数点演算(FLOPS)しか必要としない、かなり小さな$f$に導かれる。 我々は、6つの顔認証データセットを用いて、我々の手法が最先端のモデルよりも同等か優れていることを示す。
  論文  参考訳（メタデータ） (2023-12-20T18:08:02Z)
• Coordinate Transformer: Achieving Single-stage Multi-person Mesh Recovery from Videos [91.44553585470688]
  ビデオから複数人の3Dメッシュを回収することは、バーチャルリアリティーや理学療法などにおけるグループ行動の自動認識に向けた重要な第一歩である。 本稿では,複数人物の時空間関係を直接モデル化し,同時にエンドツーエンドでマルチ・メッシュ・リカバリを行うコーディネート・トランスフォーマーを提案する。 3DPWデータセットの実験では、CoordFormerが最先端の精度を大幅に向上し、MPJPE、PAMPJPE、PVEの計測値でそれぞれ4.2%、8.8%、そして4.7%を上回った。
  論文  参考訳（メタデータ） (2023-08-20T18:23:07Z)
• Dual Swin-Transformer based Mutual Interactive Network for RGB-D Salient Object Detection [67.33924278729903]
  本研究では,Dual Swin-Transformerを用いたMutual Interactive Networkを提案する。 視覚入力における長距離依存をモデル化するために,RGBと奥行きモードの両方の機能抽出器としてSwin-Transformerを採用している。 5つの標準RGB-D SODベンチマークデータセットに関する総合的な実験は、提案手法の優位性を実証している。
  論文  参考訳（メタデータ） (2022-06-07T08:35:41Z)
• Joint Spatial-Temporal and Appearance Modeling with Transformer for Multiple Object Tracking [59.79252390626194]
  本稿ではTransSTAMという新しい手法を提案する。Transformerを利用して各オブジェクトの外観特徴とオブジェクト間の空間的時間的関係の両方をモデル化する。 提案手法はMOT16, MOT17, MOT20を含む複数の公開ベンチマークで評価され, IDF1とHOTAの両方で明確な性能向上を実現している。
  論文  参考訳（メタデータ） (2022-05-31T01:19:18Z)
• DeepFusion: Lidar-Camera Deep Fusion for Multi-Modal 3D Object Detection [83.18142309597984]
  ライダーとカメラは、自動運転における3D検出を補完する情報を提供する重要なセンサーである。 我々はDeepFusionという名前の汎用マルチモーダル3D検出モデル群を開発した。
  論文  参考訳（メタデータ） (2022-03-15T18:46:06Z)

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。