論文の概要: From Instrument-Mounted Demonstrations to In-Vivo Execution: Learning Bimanual Laparoscopic Appendectomy Without Robot-Collected Demonstrations
- arxiv url: http://arxiv.org/abs/2609.25625v1
- Date: Tue, 22 Sep 2026 03:33:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-23 18:04:04.193587
- Title: From Instrument-Mounted Demonstrations to In-Vivo Execution: Learning Bimanual Laparoscopic Appendectomy Without Robot-Collected Demonstrations
- Title（参考訳）: インストゥルメンテッド・デモストレーションからイン・ヴィボ・エクセプションへ:ロボット・コレクション・デモストレーションを使わずにバイマナル腹腔鏡下虫垂切除術を学習する
- Abstract要約: 最も小さな侵襲的な手術は手持ちの腹腔鏡装置で行われており、手術が終わると手術器の運動療法が失われる。
本稿では手術室でこの動きを捉え,手術ロボットポリシーの訓練に使用するエンドツーエンドパイプラインを提案する。
その結果、外科医自身の器具から記録されたデモは、双方向の手術方針を訓練し、選択し、展開するのに十分であることがわかった。
- 参考スコア（独自算出の注目度）: 4.205839348241725
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Most minimally invasive surgery is still performed with hand-held laparoscopic instruments, and the surgeon's instrument kinematics are lost when the operation ends; only the endoscope video is kept. This paper presents an end-to-end pipeline that captures this motion in the operating room and uses it to train a surgical robot policy, validated on live animals. We introduce a surgical instrument-state logger that mounts on the shaft of a standard laparoscopic instrument and recovers its pose and jaw state from an inertial sensor, a time-of-flight sensor and a Hall sensor, with no external camera or tracker. A data pipeline measures the latency of every sensor channel against a robot ground truth and aligns the channels before forming observation-action pairs. On these demonstrations we train a diffusion policy with a fine-tuned DINOv3 backbone, selecting its design by closed-loop rollouts in a physics simulator reconstructed from depth maps of an ex-vivo rabbit appendix. The policy is then retrained on 849 in-vivo demonstrations from four live rabbits and deployed on four additional live rabbits with electrosurgery armed. With the surgeon selecting the surgical phase, the policy completed the appendectomy in three of the four animals. The results show that demonstrations recorded from a surgeon's own instruments are sufficient to train, select and deploy a bimanual surgical policy in vivo. The robot serves only as the timing reference for sensor calibration and as the executor, and collects no demonstrations. Both demonstration corpora are released to support future surgical robot learning research.
- Abstract（参考訳）: 最も小さな侵襲的な手術は手持ちの腹腔鏡装置で行われており、手術が終わると手術器のキネマティクスが失われ、内視鏡ビデオのみが維持される。
本稿では,この動作を手術室で捉え,生体上での手術ロボット政策の訓練に使用するエンド・ツー・エンドパイプラインを提案する。
標準的な腹腔鏡装置のシャフトに装着し,そのポーズと顎の状態を,外部カメラやトラッカーのない慣性センサ,飛行時間センサ,ホールセンサから回収する手術器具式ロガーを導入する。
データパイプラインは、ロボットの地上真実に対するすべてのセンサチャネルのレイテンシを測定し、観察とアクションのペアを形成する前にチャネルを整列する。
これらの実演において、我々はDINOv3バックボーンを微調整して拡散ポリシーを訓練し、前生家兎の虫垂の深度マップから再構成した物理シミュレータにおける閉ループロールアウトによる設計を選択する。
その後、この方針は4匹の生きたウサギから849匹の生きたウサギのデモで再訓練され、電気外科を装備した4匹の生きたウサギに配備される。
外科的段階を選択すると、4頭の動物のうち3頭で虫垂切除術を完了した。
その結果、外科医自身の楽器から記録されたデモは、生体内でのバイマニュアルの手術方針を訓練、選択、展開するのに十分であることがわかった。
ロボットは、センサーキャリブレーションのタイミング基準としてのみ機能し、エグゼキュータとして機能し、デモを収集しない。
どちらのデモコーパスも、将来の外科ロボット学習研究をサポートするためにリリースされている。
関連論文リスト
- SurgVIL: Scaling Surgical Robot Imitation Learning with Open-source Surgical Videos [3.1495623798952823]
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。
論文 参考訳（メタデータ） (2026-08-17T03:33:03Z) - 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) - Point Cloud Segmentation for Autonomous Clip Positioning in Laparoscopic Cholecystectomy on a Phantom [18.991664638461227]
腹腔鏡下手術において,身体ファントムに自律的なクリップ位置決めを行うロボットシステムについて紹介する。
128,000個の合成点雲の事前学習と2つの新しいデータ拡張技術を組み合わせることでこれを克服する。
実際のロボット実験において,本システムは95%の成功率で0.75mmの精度で目標をローカライズし,100%の成功率で自律的なクリップ位置決めを行う。
論文 参考訳（メタデータ） (2026-06-10T13:12:45Z) - Learning Surgical Robotic Manipulation with 3D Spatial Priors [73.00031539525202]
本稿では,3次元空間認識を持つ手術ロボットを支援する,終端から終端までのバイスモータポリシーであるSSTを紹介した。
立体内視鏡画像から頑健な3次元潜伏表現を抽出するために、手術3Dに基づいて強力な幾何学変換器を微調整する。
SSTは、複雑な外科手術における最先端性能と強力な空間一般化を実現する。
論文 参考訳（メタデータ） (2026-03-04T07:19:56Z) - Creating a Digital Twin of Spinal Surgery: A Proof of Concept [68.37190859183663]
手術デジタル化は、現実世界の手術の仮想レプリカを作成するプロセスである。
脊椎外科手術に応用した手術デジタル化のための概念実証(PoC)を提案する。
5台のRGB-Dカメラを外科医の動的3D再構成に、ハイエンドカメラを解剖学の3D再構成に、赤外線ステレオカメラを手術器具追跡に、レーザースキャナーを手術室の3D再構成とデータ融合に使用した。
論文 参考訳（メタデータ） (2024-03-25T13:09:40Z) - AiAReSeg: Catheter Detection and Segmentation in Interventional
Ultrasound using Transformers [75.20925220246689]
血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。
本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
論文 参考訳（メタデータ） (2023-09-25T19:34:12Z) - Intuitive Surgical SurgToolLoc Challenge Results: 2022-2023 [55.40111320730479]
我々は、先進的なRA応用の文脈において、難しい機械学習問題を解決するために、外科データ科学のコミュニティに挑戦してきた。
ここでは,手術ツールの局所化(SurgToolLoc)を中心に,これらの課題の成果を報告する。
これらの課題に対応する公開データセットは、別の論文arXiv:2501.09209で詳述されている。
論文 参考訳（メタデータ） (2023-05-11T21:44:39Z) - Predicting the Timing of Camera Movements From the Kinematics of
Instruments in Robotic-Assisted Surgery Using Artificial Neural Networks [1.0965065178451106]
本稿では,人工知能を用いてカメラの動きを予測するための予測手法を提案する。
ブタモデルを用いたロボット支援手術訓練中に記録した手術器具のキネマティクスデータを用いて検討した。
その結果,装置のキネマティックデータを用いて,カメラの動きがいつ起こるのかを予測し,セグメント長やアンサンブルサイズの違いによる性能評価を行った。
論文 参考訳（メタデータ） (2021-09-23T07:57:27Z) - Mapping Surgeon's Hand/Finger Motion During Conventional Microsurgery to
Enhance Intuitive Surgical Robot Teleoperation [0.5635300481123077]
現在の人間とロボットのインターフェイスは直感的な遠隔操作がなく、外科医の手や指の動きを模倣することはできない。
本研究は, 心臓微小外科手術における外科医の総手の動きと微細なシナジー運動を直感的に記録し, マッピングする方法を示すパイロット研究である。
論文 参考訳（メタデータ） (2021-02-21T11:21:30Z)
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。