論文の概要: AGRO-SUVIDE: Agentic Robotics for Surgical Viscoelastic Debridement
- arxiv url: http://arxiv.org/abs/2609.34823v2
- Date: Tue, 29 Sep 2026 07:38:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 02:36:33.013377
- Title: AGRO-SUVIDE: Agentic Robotics for Surgical Viscoelastic Debridement
- Title（参考訳）: AGRO-SUVIDE:外科用粘弾性潤滑剤のエージェントロボティクス
- Abstract要約: 増量デキスタリティは、反復的な手術作業中に外科医が経験する疲労を軽減する可能性がある。
神経性粘弾性障害に対する最初のAGentic RObotics frameworkを提案する。
AGRO-SUVIDEは平均85%の単一フラグメント除去成功率を達成し、連続3フラグメント除去を60%、95%で1人の介入で完了させる。
- 参考スコア（独自算出の注目度）: 23.17671325787397
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Augmented dexterity has the potential to reduce the fatigue experienced by surgeons during repetitive surgical tasks. In this paper, we propose the first AGentic RObotics framework for SUrgical VIscoelastic DEbridement (AGRO-SUVIDE), the repeated removal of small fragments attached to a viscoelastic substrate. Leveraging the self-improving and coding capability of agents, AGRO-SUVIDE adopts a modular framework. Specifically, the demonstration analysis module automatically identifies recurring skills from a single expert demonstration, using both visual and kinematic information. The construction module then builds each skill, either as a procedural model-based skill the agent codes against a scaffolded library or as a model-free policy-based skill. At runtime, the monitoring module composes the skills into a loop-style graph sized to the number of fragments it observes, then verifies pre- and post-conditions of each skill to decide whether to advance or retry. We evaluate AGRO-SUVIDE through 340 physical trials on the da Vinci Research Kit (dVRK). AGRO-SUVIDE achieves an average single-fragment removal success rate of 85%, completing consecutive three-fragment removal at 60% and at 95% with one human intervention. It further generalizes to unseen five-fragment scenarios with an average success rate of 80% for single-fragment removal. Project page: https://surgical-robotics.github.io/AGRO-SUVIDE/
- Abstract（参考訳）: 増量デキスタリティは、反復的な手術作業中に外科医が経験する疲労を軽減する可能性がある。
本稿では, 粘弾性基板に付着した小片の繰り返し除去を行う, 作動性粘弾性破壊のための最初のAGentic RObotics frameworkを提案する。
AGRO-SUVIDEはエージェントの自己改善とコーディング機能を活用し、モジュラーフレームワークを採用している。
具体的には、視覚情報と運動情報の両方を用いて、単一の専門家によるデモンストレーションから繰り返しのスキルを自動的に識別する。
構築モジュールは、各スキルをプロシージャベースのスキルとして構築し、エージェントが足場のあるライブラリに対してコーディングする。
実行時に、監視モジュールは、観察するフラグメントの数に匹敵するループスタイルのグラフにスキルを構成し、各スキルの事前条件と後条件を確認して、前進するか再試行するかを決定する。
我々はda Vinci Research Kit (dVRK) でAGRO-SUVIDEを340の物理実験により評価した。
AGRO-SUVIDEは平均85%の単一フラグメント除去成功率を達成し、連続3フラグメント除去を60%、95%で1人の介入で完了させる。
さらに、単一のフラグメント除去で平均80%の成功率で、目に見えない5つのフラグメントシナリオにも一般化される。
プロジェクトページ: https://surgical-robotics.github.io/AGRO-SUVIDE/
関連論文リスト
- Extended KAFR: A kinematic-adaptive paradigm for the efficient analysis of surgical video [0.0]
重要な課題は、しばしば1から数時間の手術記録の長さであり、かなりの計算負担を発生させる。
我々は以前,ロボット手術のためのKinematics-Adaptive Frame Recognition (KAFR) を開発した。
本研究は, 腹腔鏡下胆嚢摘出術80例を含むColec80ベンチマークを用いて, KAFRが腹腔鏡下手術に一般化するか否かを検討した。
論文 参考訳（メタデータ） (2026-08-02T07:48:48Z) - UniSurgSAM: A Unified Promptable Model for Reliable Surgical Video Segmentation [18.74680721916099]
視覚的,テキスト的,あるいは音声的プロンプトによる信頼性の高い手術ビデオ分割を可能にする統合PVOSモデルUniSurgSAMを提案する。
本稿では,幻覚の抑制を目的とした存在認識復号法,拡張シーケンス上のマスクドリフトを防止する境界認識長期追跡法,障害回復のための段階間のループを閉じる適応状態遷移の3つの重要な設計を提案する。
UniSurgSAMは、あらゆる急進的なモダリティと粒度にわたる最先端のパフォーマンスをリアルタイムで達成し、コンピュータ支援手術の実践的な基盤を提供する。
論文 参考訳（メタデータ） (2026-04-04T08:44:10Z) - Scaling Video Pretraining for Surgical Foundation Models [51.92777479821822]
SurgRecは、スケーラブルで再現可能な、外科的ビデオ理解のための事前学習のレシピだ。
内視鏡,腹腔鏡,白内障,ロボット手術を対象とする10,535ビデオと214.5Mフレームの大規模なコーパスをキュレートした。
論文 参考訳（メタデータ） (2026-03-31T16:31:25Z) - MoE-ACT: Improving Surgical Imitation Learning Policies through Supervised Mixture-of-Experts [1.6646268910871171]
位相構造型外科手術作業のための教師付きMixture-of-Expertsアーキテクチャを提案する。
本稿では,150件未満のデモから,軽量なアクションデコーダポリシを用いて,複雑で長期にわたる操作を学習可能であることを示す。
豚のin vivo手術におけるポリシーロールアウトの予備的結果について報告する。
論文 参考訳（メタデータ） (2026-01-29T16:50:14Z) - Alita-G: Self-Evolving Generative Agent for Agent Generation [54.49365835457433]
汎用エージェントをドメインエキスパートに変換するフレームワークであるALITA-Gを提案する。
このフレームワークでは、ジェネラリストエージェントが対象ドメインタスクのキュレートされたスイートを実行する。
計算コストを削減しながら、大きな利益を得ることができます。
論文 参考訳（メタデータ） (2025-10-27T17:59:14Z) - MedSeqFT: Sequential Fine-tuning Foundation Models for 3D Medical Image Segmentation [55.37355146924576]
MedSeqFTは、医用画像解析のためのシーケンシャルな微調整フレームワークである。
事前訓練されたモデルを新しいタスクに適応させ、表現能力を改善する。
最先端の微調整戦略を一貫して上回ります。
論文 参考訳（メタデータ） (2025-09-07T15:22:53Z) - Pediatric Wrist Fracture Detection Using Feature Context Excitation Modules in X-ray Images [0.0]
この作業では4種類のFeature Contexts Excitation-YOLOv8モデルを導入し、それぞれ異なるFCEモジュールを組み込んだ。
GRAZPEDWRI-DXデータセットの実験結果から,提案したYOLOv8+GC-M3モデルにより,mAP@50値が65.78%から66.32%に向上することが示された。
提案した YOLOv8+SE-M3 モデルは,最大 mAP@50 値67.07% を実現し,SOTA 性能を上回った。
論文 参考訳（メタデータ） (2024-10-01T19:45:01Z) - Could Giant Pretrained Image Models Extract Universal Representations? [94.97056702288317]
本稿では,多種多様なコンピュータビジョンタスクに適用した凍結事前学習モデルについて述べる。
私たちの研究は、この凍結した設定にどのような事前学習タスクが最適か、凍結した設定を様々な下流タスクに柔軟にする方法、より大きなモデルサイズの影響について、質問に答えています。
論文 参考訳（メタデータ） (2022-11-03T17:57:10Z) - RethinkCWS: Is Chinese Word Segmentation a Solved Task? [81.11161697133095]
中国語の単語(CWS)システムの性能は、ディープニューラルネットワークの急速な発展とともに、徐々に高水準に達している。
本稿では、私たちが達成した事柄の株式を取得し、CWSタスクに残されている事柄を再考する。
論文 参考訳（メタデータ） (2020-11-13T11:07:08Z)
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。