論文の概要: Toward Trustworthy Robot-Assisted Sliding Palpation for Shallow Vessel Localisation with a Calibrated Digital Twin

• arxiv url: http://arxiv.org/abs/2608.29396v1
• Date: Sat, 29 Aug 2026 18:36:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 12:48:54.556686
• Title: Toward Trustworthy Robot-Assisted Sliding Palpation for Shallow Vessel Localisation with a Calibrated Digital Twin
• Title（参考訳）: キャリブレーション型ディジタル双生児による浅部血管局所化のためのロボット支援スライディング法
• Abstract要約: 本稿では,キャリブレーションされたディジタルツインがラベル付き触覚シーケンスを生成するロボット支援型スライディング・パーパレーション・フレームワークを提案する。 シミュレーションマーカー軌跡に基づいてトレーニングされた時間グラフニューラルネットワークは、ノードごとの血管分類を行う。 シム,シリコーン,ミートの3つのデータセットを評価し,後者は船体モデルが0～30mmという名目深度を持つ生肉ファントムである。
• 参考スコア（独自算出の注目度）: 6.107762561002407
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable localisation of shallow subsurface vessels is important for safe robot-assisted venous access and vessel-aware manipulation, but collecting diverse tactile data on physical hardware is costly, time-consuming, and can degrade soft vision-based tactile sensors. We present a robot-assisted sliding-palpation framework in which a calibrated digital twin generates labelled tactile sequences, reducing reliance on real-world data. The twin models sensor-vessel contact, is calibrated against real palpation trajectories using Bayesian-optimisation-based domain adaptation, and is randomised over sliding direction and contact conditions. A spatio-temporal graph neural network trained on simulated marker trajectories performs per-node vessel classification and produces a human-verifiable top-view localisation map through 2D-to-3D-to-2D geometric projection. We evaluate three datasets: Sim, Silicone, and Meat, the latter a raw-meat phantom with vessel models at nominal depths of 0 to 30 mm, using four train-to-test configurations: Sim to Sim, Sim to Silicone, Sim to Meat, and Meat to Silicone. The calibrated twin achieves a simulated-to-real marker-alignment mean absolute error of 0.50 mm at deepest contact across four canonical interactions. After reprojection onto a 1 mm top-view grid, predicted vessel pixels lie on average 1.05 to 5.49 mm from the nearest true vessel pixel across the four models, with 1.05 to 1.31 mm for all except Sim to Meat. The larger error for Sim to Meat reflects the greater domain shift and current limit of simulation transfer. These results demonstrate progress toward trustworthy tactile palpation through calibrated simulation, interpretable localisation, and transparent cross-domain evaluation. Code, model weights, and data are publicly available on GitHub and Zenodo.
• Abstract（参考訳）: 浅部地下血管の信頼性の高い局所化は、ロボットによる安全な静脈アクセスと血管認識操作において重要であるが、物理ハードウェア上の多様な触覚データを収集することは、コストがかかり、時間もかかり、ソフトビジョンベースの触覚センサーを劣化させることができる。 キャリブレーションされたデジタルツインがラベル付き触覚シーケンスを生成し,実世界のデータへの依存を低減させるロボット支援型スライディング・パーパレーション・フレームワークを提案する。 双対型センサセル接触は、ベイズ最適化に基づく領域適応を用いて実際の触覚軌跡に対して校正され、滑り方向や接触条件によってランダム化される。 シミュレーションマーカートラジェクトリに基づいてトレーニングされた時空間グラフニューラルネットワークは、ノードごとの血管分類を行い、2D-to-3D-to-2D幾何学的プロジェクションを通して、人間の検証可能なトップビューローカライゼーションマップを生成する。 我々は,Sim to Sim,Sim to Silicone,Sim to Meat,Meat to Siliconeの4つのトレイン・トゥ・テスト構成を用いて,船体モデルが0～30mmの生肉ファントムであるSim,Silicon,Meatの3つのデータセットを評価した。 キャリブレーションされた双子は、4つの標準相互作用をまたいで最も深い接触で0.50mmの絶対誤差をシミュレートして現実のマーカーアライメント平均値を得る。 1mmトップビューグリッドに再投射した後、予測された容器ピクセルは4つのモデルで最寄りの真の容器ピクセルから平均1.05から5.49mm、シム・トゥ・ミートを除いて1.05から1.31mmである。 Sim to Meatのエラーは、より大きなドメインシフトとシミュレーション転送の現在の制限を反映している。 これらの結果は, キャリブレーションシミュレーション, 解釈可能な局在化, 透明なクロスドメイン評価を通じて, 信頼性の高い触覚的触覚呈示に向けての進展を示す。 コード、モデルの重み付け、データはGitHubとZenodoで公開されている。

関連論文リスト

• Solution for UCF UrbanTwin V2X-Real Track: Sim-to-Real Urban LiDAR 3D Object Detection [54.03436243843709]
  本報告では,Sim2Real 3D検出のためのマルチソース協調学習とクラス認識融合フレームワークを提案する。 この方法は、デジタルツインスキャン、拡散露光スキャン、密度安定化スキャン、歩行者形態に整列したサンプルを補完的な役割を持つ統合トレーニングプールに整理する。
  論文  参考訳（メタデータ） (2026-09-07T15:16:15Z)
• Solution for UCF UrbanTwin LUMPI Track: Sim-to-Real Urban LiDAR 3D Object Detection [54.03436243843709]
  UCF UrbanTwin Sim2Real LiDAR Challenge at the 6th DriveX Workshop, ECCV 2026。 検出器は合成データのみに基づいて訓練され、50個の実LiDARフレームで評価される。 ポイントクラウドリアリズムに対して、別の50フレームの合成提案が評価される。
  論文  参考訳（メタデータ） (2026-09-07T15:03:36Z)
• Tactile Sim2Real without Tactile Simulation via Bottlenecked Latent Reconstruction [11.374127908457446]
  Sim2Realは、シミュレータネイティブなオラクルセンサーのトレーニングポリシによって、センサ固有のシミュレーションを完全に回避する。 SBLRは触覚シミュレーションに直接アクセスしてオラクルの性能と一致または接近することを示す。
  論文  参考訳（メタデータ） (2026-08-16T19:09:55Z)
• Image2Sim: Scaling Embodied Navigation via Generative Neural Simulator [70.34667754804168]
  Embodied Navigationは、マルチモーダルな目標を解釈し、3D空間を推論し、現実の世界で確実に目的地に到達するエージェントを構築することを目的としている。 本稿では,RGB-D画像シーケンスから高品質な対話環境を構築するリアルタイムニューラルネットワークフレームワークであるImage2Simを紹介する。
  論文  参考訳（メタデータ） (2026-07-07T02:42:41Z)
• TactSpace: Learning a Physics-enriched Shared Latent Space for Tactile Sim-to-Real Transfer [8.357674069719524]
  共用潜在空間内での不均一な触覚を整列する多モード表現学習フレームワークを提案する。 本手法では, 様々な触覚観測を共通埋め込み空間に投影するために, モダリティ特異的エンコーダを用いる。 本結果は, 物理的に異なる表現間のゼロショットsim-to-real転送を実証する。
  論文  参考訳（メタデータ） (2026-06-17T11:41:27Z)
• SOFTMAP: Sim2Real Soft Robot Forward Modeling via Topological Mesh Alignment and Physics Prior [21.30232105970865]
  SOFTMAPは、腱作動型ソフトフィンガーマニピュレータのリアルタイム3次元フォワードモデリングのためのsim-real learning frameworkである。 我々は、シミュレーションにおいて、シミュレーションと物理ハードウェアの両方でSOFTMAPを評価し、チャンファー距離0.389mmの形状予測精度を達成した。 この結果から,SOFTMAPはソフトマニピュレータの3次元フォワードモデリングと制御にデータ効率のよいアプローチを提供することがわかった。
  論文  参考訳（メタデータ） (2026-03-19T18:21:44Z)
• JiSAM: Alleviate Labeling Burden and Corner Case Problems in Autonomous Driving via Minimal Real-World Data [49.2298619289506]
  本稿では,ジッタリング強化,ドメイン認識バックボーン,メモリに基づくセクタライズAlignMentのためのJiSAMというプラグイン・アンド・プレイ手法を提案する。 有名なADデータセットであるNuScenesで実施された広範な実験において、SOTA 3Dオブジェクト検出器を用いて、JiSAMはシミュレーションデータと2.5%の実データにラベルを付けるだけで、実データで訓練されたモデルに匹敵する性能が得られることを示した。
  論文  参考訳（メタデータ） (2025-03-11T13:35:39Z)
• Geometry-Informed Neural Operator for Large-Scale 3D PDEs [76.06115572844882]
  大規模偏微分方程式の解演算子を学習するために,幾何インフォームド・ニューラル演算子(GINO)を提案する。 我々はGINOを訓練し、わずか500点のデータポイントで車両表面の圧力を予測することに成功した。
  論文  参考訳（メタデータ） (2023-09-01T16:59:21Z)
• DiSECt: A Differentiable Simulator for Parameter Inference and Control in Robotic Cutting [71.50844437057555]
  軟質材料を切断するための最初の微分可能シミュレータであるDiSECtについて述べる。 シミュレータは、符号付き距離場に基づく連続接触モデルにより有限要素法を増強する。 このシミュレータは, 最先端の商用解法を用いて, 結果の力やフィールドに適合するようにキャリブレーションできることを示す。
  論文  参考訳（メタデータ） (2022-03-19T07:27:19Z)
• Forward and Inverse models in HCI:Physical simulation and deep learning for inferring 3D finger pose [2.8952292379640636]
  機械学習を用いて、位置、ポーズ、センサーの読み取りを推測するために、データ駆動モデルを開発する。 条件付き変分オートエンコーダとドメインの専門知識/モデルを実験的に収集したデータを組み合わせる。
  論文  参考訳（メタデータ） (2021-09-07T23:11:21Z)
• Transferable Active Grasping and Real Embodied Dataset [48.887567134129306]
  ハンドマウント型RGB-Dカメラを用いて把握可能な視点を探索する方法を示す。 現実的な3段階の移動可能な能動把握パイプラインを開発し、未確認のクラッタシーンに適応する。 本研究のパイプラインでは,カテゴリ非関連行動の把握と確保において,スパース報酬問題を克服するために,新しいマスク誘導報酬を提案する。
  論文  参考訳（メタデータ） (2020-04-28T08:15:35Z)

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。