論文の概要: Fine Wrist Control as a Marker of Surgical Teleoperation Expertise

• arxiv url: http://arxiv.org/abs/2609.27160v1
• Date: Tue, 22 Sep 2026 23:46:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.804171
• Title: Fine Wrist Control as a Marker of Surgical Teleoperation Expertise
• Title（参考訳）: 遠隔手術専門医としてのファイン・リストコントロール
• Abstract要約: 熟練テレオペレータの関節運動を初心者と比較して特徴付ける。 専門家は手首の動きを初心者よりも安定させ、肩や肘の運動範囲を適切に維持した。 この専門知識のマーカーは、手術ロボットの遠隔操作におけるユーザバイオメカニクスへの注意の重要性を示唆している。
• 参考スコア（独自算出の注目度）: 0.8374040635931297
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unlike most intensely physical pursuits, surgical robotic teleoperation training focuses primarily on task outcomes rather than surgeon body posture or biomechanics during task completion. Toward the question of the role of biomechanics in surgical expertise, we sought to characterize the articular motion of expert teleoperators as compared to novice users. Twenty-seven novices and nine experts completed a non-medical cylinder-on-peg transfer task while their upper limb biomechanics were recorded via motion trackers. During more difficult motions, experts stabilized their wrist motion more than novices, while maintaining adequate range of motion in their shoulder and elbow and completing the task significantly faster than novices. This marker of expertise suggests the importance of attention to user biomechanics during teleoperation of surgical robots.
• Abstract（参考訳）: 最も激しい身体的追跡とは異なり、外科的ロボット遠隔操作訓練は、主に作業完了時の外科的身体姿勢や生体力学よりも、タスク成果に焦点を当てている。 外科的専門知識におけるバイオメカニクスの役割を問うために,専門的遠隔操作者の関節運動を初心者と比較して特徴付けることを試みた。 20人の初心者と9人の専門家が、上肢のバイオメカニクスがモーショントラッカーを介して記録されている間、非医療用シリンダー・オン・ペグ転送タスクを完了した。 より困難な動作では、専門家は初心者よりも手首の動きを安定させ、肩や肘の運動範囲を適切に維持し、初心者よりもかなり早くタスクを完了させた。 この専門知識のマーカーは、手術ロボットの遠隔操作におけるユーザバイオメカニクスへの注意の重要性を示唆している。

関連論文リスト

• Skel-WAM: A Hand-Skeleton-Conditioned World Action Model for Human-to-Robot Manipulation Transfer [61.50662046794264]
  Skel-WAMは,ハンドスケルトン・モーション・インタフェースの統一による差異をブリッジする世界アクション・モデルである。 主な洞察は、人間の動きとロボットの動きを共通のハンドトポロジーで調整し、シーン内の地面の動きを、明示的な手の動きをエンコードする2.5Dキーポイントと組み合わせることである。 ビデオとキーポイントの専門家は、Mixture-of-Transformersを通じて視覚と骨格のダイナミクスを共同で学習し、ロボット訓練されたアクションエキスパートはこれらの予測を実行可能なコントロールにマップする。
  論文  参考訳（メタデータ） (2026-09-18T09:06:15Z)
• Beyond Instrument Motion: Recognizing Tissue Tension Toward Surgical Skill Assessment [36.50919068544186]
  腹腔鏡下およびロボット支援直腸癌手術のための新しい臨床的動機付けビデオ理解タスクである組織張力認識を導入した。 このタスクを支援するために,最初の専門家による組織張力データセットであるSurgTensionを構築した。 また,スパース点軌道から組織張力をモデル化する軽量なトラジェクトリベースフレームワークであるTensionTRACを提案する。
  論文  参考訳（メタデータ） (2026-08-18T15:56:08Z)
• 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)
• Biomechanics-aware Multi-view Markerless Motion Capture of Dexterous Hand Movements [2.0004822581380775]
  マーカーレスモーションキャプチャ(MMC)技術は、人間の運動の生体力学的解析において広く有用である。 本研究の目的は,手の動きを追尾するループ内の生体力学的モデルを用いた生体力学的再構成法の性能を評価することである。
  論文  参考訳（メタデータ） (2026-07-02T22:14:59Z)
• MyoChallenge 2025: A New Benchmark for Human Athletic Intelligence [57.70335388371609]
  NeurIPS 2025のMyoChallengeは、スポーツにおけるモーターコントロールインテリジェンスに関する先駆的なベンチマークを確立した。 物理シミュレーションにおける高忠実度筋骨格モデルと機械学習駆動アルゴリズムの組み合わせ チャレンジには70のチームが参加し、全世界で560以上の応募があった。
  論文  参考訳（メタデータ） (2026-05-15T06:09:44Z)
• Therapist-Robot-Patient Physical Interaction is Worth a Thousand Words: Enabling Intuitive Therapist Guidance via Remote Haptic Control [36.94429692322632]
  本研究では,腕外骨格を装着した訓練者の動きを遠隔でガイドし,監視するための触覚遠隔操作システムを提案する。 トレーナーは、外骨格の肘と手首の仮想接触点を介して、商業用ハンドヘルド触覚装置を介して外骨格と物理的に相互作用することができる。 被験者32人が訓練者-訓練者のパラダイムでこのシステムをテストし、我々のハプティック・デモシステムと従来の視覚的デモシステムを比較した。
  論文  参考訳（メタデータ） (2026-02-25T11:04:49Z)
• 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)
• Quantification of Robotic Surgeries with Vision-Based Deep Learning [45.165919577877695]
  本稿では,手術中に録画されたビデオのみを対象とする統合型ディープラーニングフレームワークRoboformerを提案する。 我々は,ミニマル侵襲型ロボット手術において,一般的な2種類のステップの4つのビデオベースデータセットに対して,我々の枠組みを検証した。
  論文  参考訳（メタデータ） (2022-05-06T06:08:35Z)
• Deep Reinforcement Learning Based Semi-Autonomous Control for Robotic Surgery [13.940778824773414]
  ロボット手術のための深層強化学習に基づく半自律制御フレームワークを提案する。 このフレームワークは完了時間を19.1%削減し、走行距離を58.7%短縮することができる。
  論文  参考訳（メタデータ） (2022-04-11T22:59:33Z)

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。