論文の概要: A Physics-Based Closed-Loop Robotic Bioprinting Framework Towards Volumetric Muscle Loss Treatment

• arxiv url: http://arxiv.org/abs/2609.12159v1
• Date: Thu, 10 Sep 2026 19:44:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.531191
• Title: A Physics-Based Closed-Loop Robotic Bioprinting Framework Towards Volumetric Muscle Loss Treatment
• Title（参考訳）: 物理を基盤とした閉鎖型ロボットバイオプリンティングフレームワーク
• Abstract要約: そこで本研究では,物理系を用いたクローズドループロボットバイオプリンティングシステムを提案する。 このシステムは、3Dポイントのクラウドカメラと完全に自律的な視覚ベースのアルゴリズムを統合し、印刷された構成物の定量的評価を提供する。
• 参考スコア（独自算出の注目度）: 4.063228255504419
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Robotic bioprinting and Direct Ink Writing (DIW) are being explored towards the treatment of Volumetric Muscle Loss (VML). While previous studies have shown the importance of proper parameter selection on the print outcome, existing approaches often rely on time- and material-intensive design of experiments methods, or require large, well-curated datasets for training machine learning models. In this paper, we propose a physics-based closed-loop robotic bioprinting system capable of near real-time parameter adaptation. The system integrates a 3D point cloud camera and fully autonomous vision-based algorithms to provide quantitative evaluation of printed constructs. This evaluation is fed into a controller that adjusts printing parameters to achieve a desired bead thickness. To assess the framework's performance, four experimental configurations were tested, each repeated three times. In these tests, printing began from an arbitrary initial parameter value, and the controller was tasked with adjusting the parameters to reach the desired thickness. The system converged in all trials, achieving a tracking error below 0.5 mm within an average of 5.2 seconds from the start of printing. The low standard deviation of the converged pressure over different tests (0.04 bar on average) demonstrates robustness and repeatability. Additional experiments were conducted with the controller turned off, enabling direct comparison with open-loop DIW bioprinting, further confirming the effectiveness of the proposed closed-loop framework in achieving the desired bead geometry.
• Abstract（参考訳）: ロボットバイオプリンティングと直接インクライティング(DIW)は,VML(Volumetric muscle Loss)の治療に向けて研究されている。 従来の研究では、印刷結果に対する適切なパラメータ選択の重要性が示されているが、既存のアプローチは、実験手法の時間的および物質的集中的な設計に依存している場合が多い。 本稿では,物理に基づくクローズドループロボットバイオプリンティングシステムを提案する。 このシステムは、3Dポイントのクラウドカメラと完全に自律的な視覚ベースのアルゴリズムを統合し、印刷された構成物の定量的評価を提供する。 この評価は、所望のビーズ厚さを達成するために印刷パラメータを調整するコントローラに入力される。 フレームワークのパフォーマンスを評価するために、4つの実験的な構成がテストされ、それぞれが3回繰り返された。 これらのテストでは、任意の初期パラメータ値から印刷が開始され、コントローラは所望の厚さに達するようにパラメータを調整した。 システムは全ての試験で収束し、印刷開始から平均5.2秒以内に0.5mm未満の追跡誤差を達成した。 異なる試験(平均0.04バー)に対する収束圧力の標準偏差の低さは、堅牢性と再現性を示す。 コントローラをオフにして追加実験を行い、オープンループDIWバイオプリンティングと直接比較し、望まれるビーズ形状を達成するためのクローズドループフレームワークの有効性を確認した。

関連論文リスト

• PETA:Parameter-Efficient Test-Time Adaptation for Virtual Screening [49.976632553053285]
  我々は,事前学習されたモデルをテスト時に直接適応するパラメータ効率のフレームワークであるPETAを提案する。 PETAは、分子拡散と化学的妥当性フィルタリングを通じてポケット特異な陰性を形成する。 ランク付け対象は、上位のスクリーニング結果が汚染される可能性のある、上位の無効候補の抑制に重点を置いている。
  論文  参考訳（メタデータ） (2026-08-20T11:17:27Z)
• Learning Unsteady Aneurysm Hemodynamics with Physics-Informed DeepONets [0.0]
  M3PI-DeepONetは、平均相対的なL2速度誤差を4%以下、圧力誤差を5%程度で、非定常な3次元流速と圧力場を同時に予測する。 本研究は, 心血管疾患モデルにおける深層学習の応用を推し進め, リアルタイム非侵襲的臨床診断への一歩を踏み出した。
  論文  参考訳（メタデータ） (2026-08-13T09:08:24Z)
• Multimodal Auto-regressive Transformer Surrogate for Modeling Variable Operations and Quantifying Uncertainty in Geological Carbon Storage [0.0]
  可変井戸穿孔および注入戦略は、地質的な炭素貯蔵の効率を向上させることができる。 地質的な不確実性の下でこれらの操作をモデル化する多モード自動回帰変換器を開発した。
  論文  参考訳（メタデータ） (2026-07-26T13:54:07Z)
• From Closed-Loop Optimization to Open Decision Making: Coupled Digital Twins for Predictive and Autonomous Microscopy [3.1436710947241053]
  サンプルと楽器の双子を分離する結合型デジタルツインフレームワークを提案する。 この枠組みでは、サンプルツインは、事前の知識と測定からその時点まで推定された物質状態を符号化する。 機器ツインは、事前の知識に基づいて信号生成、フィードバックダイナミクス、操作制約をキャプチャする。
  論文  参考訳（メタデータ） (2026-07-07T02:31:01Z)
• A Robotic Testing Platform for Pipelined Discovery of Resilient Soft Actuators [63.07587517846448]
  本稿では,DEA寿命をスキャンできる新しいテストロボットによって実現された最適化パイプラインを提案する。 ロボットは、電気機械特性測定、プログラム可能な電圧入力、マルチチャネルテスト能力を統合する。 これを用いて,入力電圧等級,周波数,電極物質濃度,電気接続フィラーなど,Elastosil系リニアアクチュエータの寿命を走査した。
  論文  参考訳（メタデータ） (2026-02-24T14:41:28Z)
• ShapeGen3DCP: A Deep Learning Framework for Layer Shape Prediction in 3D Concrete Printing [0.4666493857924357]
  本研究は3次元コンクリート印刷におけるフィラメント断面形状予測のための深層学習フレームワークであるShapeGen3DCPを紹介する(3DCP)。 このフレームワークは、流体状態(密度、降伏応力、塑性粘度)の材料特性とプロセスパラメータ(ノズル径、ノズル高さ、印刷速度、流れ速度)の両方を入力として、押出層形状を直接予測するニューラルネットワークアーキテクチャに基づいている。 トレーニングデータセットは、3DCPの確立されたパーティクル有限要素(PFEM)モデルを用いて合成され、実験データの不足を克服した。
  論文  参考訳（メタデータ） (2025-10-02T13:30:20Z)
• Learning IMM Filter Parameters from Measurements using Gradient Descent [45.335821132209766]
  トラック下のターゲットの固有のパラメータは、システムがデプロイされるまで完全に観測不可能である。 最先端のセンサーシステムはますます複雑になり、パラメータの数が自然に増加する。 本稿では,対話型多重モデル (IMM) フィルタのパラメータを計測のみで最適化する。
  論文  参考訳（メタデータ） (2023-07-13T08:35:40Z)
• Read Pointer Meters in complex environments based on a Human-like Alignment and Recognition Algorithm [16.823681016882315]
  これらの問題を克服するための人間ライクなアライメントと認識アルゴリズムを提案する。 STM(Spatial Transformed Module)は,画像のフロントビューを自己自律的に取得するために提案される。 VAM(Value Acquisition Module)は、エンドツーエンドのトレーニングフレームワークによって正確なメーター値を推測するために提案される。
  論文  参考訳（メタデータ） (2023-02-28T05:37:04Z)
• Physics-informed machine learning with differentiable programming for heterogeneous underground reservoir pressure management [64.17887333976593]
  地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。 地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。 過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
  論文  参考訳（メタデータ） (2022-06-21T20:38:13Z)
• Visual-tactile sensing for Real-time liquid Volume Estimation in Grasping [58.50342759993186]
  変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。 我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。 ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
  論文  参考訳（メタデータ） (2022-02-23T13:38:31Z)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)

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。