論文の概要: CADeT: Causal-Aware Deformation Transmission for Indirect Robotic Manipulation of Soft Tissue
- arxiv url: http://arxiv.org/abs/2609.38483v1
- Date: Tue, 29 Sep 2026 20:11:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:26.700843
- Title: CADeT: Causal-Aware Deformation Transmission for Indirect Robotic Manipulation of Soft Tissue
- Title（参考訳）: CADeT: ソフトティッシュの間接ロボットマニピュレーションのための因果変形伝達
- Abstract要約: CADeTは因果対応の変形伝達フレームワークである。
構造因果モデル(SCM)とアクティブセンシングを統合し、遅延送信モードを推定する。
- 参考スコア（独自算出の注目度）: 4.405053430046725
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Indirect manipulation of deep-seated deformable anatomy inaccessible to the robot is challenging in robot-assisted minimally invasive surgery (RAMIS) because intervening tissues spatially filter deformation transmission. Passive observations can be ambiguous because the Decoupled and Blocked modes may produce similar motion responses. We propose CADeT, a causal-aware deformation transmission framework that integrates structural causal model (SCM) with active sensing to infer a latent transmission mode and estimate a state-dependent adhesion Jacobian online. During normal manipulation, control actions update the mode belief; when ambiguity persists, an additional probing action is selected to improve mode distinguishability. The mode belief and learned Jacobian are incorporated into a belief-aware model predictive controller for indirect target-shape control. Validation in simulation and on the da Vinci research kit (dVRK), using phantom and ex vivo porcine tissues, shows higher mode-identification accuracy and faster shape-error convergence than the evaluated model-free and model-based baselines. These results show that active sensing improves mode identification and indirect deformation control under the evaluated conditions.
- Abstract（参考訳）: ロボットに到達不能な深部変形性解剖の間接的操作は、空間的に変形をフィルタリングする組織があるため、ロボットによる最小侵襲手術(RAMIS)では困難である。
パッシブな観測は、デカップリングモードとブロックモードが同様の動作反応をもたらす可能性があるため、曖昧である。
構造因果モデル(SCM)とアクティブセンシングを統合して潜在伝達モードを推定し,オンライン上での状態依存型接着ヤコビアンを推定する因果対応変形伝達フレームワークであるCADeTを提案する。
通常の操作では、制御アクションはモードの信念を更新するが、あいまいさが持続すると、モードの識別性を改善するために追加の探索アクションが選択される。
モード信念と学習ヤコビアンは、間接的ターゲット形状制御のための信念認識モデル予測コントローラに組み込まれる。
シミュレーションおよびファントムおよび外生ブタ組織を用いたda Vinci研究キット(dVRK)での検証では、モデルフリーおよびモデルベースベースラインよりも、モード識別精度が高く、形状エラーの収束が速い。
これらの結果から, アクティブセンシングは, 評価条件下でのモード識別と間接変形制御を改善することが示された。
関連論文リスト
- Diffusion-Based Body Schema Learning Enabling Abnormal-State Adaptation in Musculoskeletal Robots [5.053821868443824]
筋肉骨格ロボットは、広範囲の物理的状態変化の下で一貫している内部のボディスキーマを必要とする。
本研究では,筋骨格ロボットにおける身体スキーマ学習のための拡散型フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-02T06:10:03Z) - Learning Context-Aware Neural ODE Dynamics for Adaptive Robotic Control [55.01272784312405]
本稿では,ニューラル常微分方程式に基づく文脈認識力学モデルを提案する。
Sphero BOLTロボットとFanucマニピュレータを実世界の実験で使用した。
論文 参考訳（メタデータ） (2026-06-13T20:55:46Z) - CIAware-Bench: Benchmarking Control Intervention Awareness Across Frontier LLMs [100.38986535324284]
我々は、フロンティアモデル全体でのtextbfcontrol textbfintervention (CI) の認識を測定するベンチマークである textbfCIAware-Bench を紹介する。
CIAware-Benchは、モデルが自身の軌跡を制御介入によって修正されたものと区別できるかどうかをテストする。
論文 参考訳（メタデータ） (2026-06-09T16:24:16Z) - Learning-Based Adaptive Control for Surgical Robotic Exposure Task on Deformable Tissues [14.594086345997582]
組織抽出作業の現実的なモデルを定式化し、ROI露光を実現するための学習ベースの適応制御フレームワークを提案する。
このフレームワークは、類似したタスクへのゼロショット適応を示し、自律的リトラクション処理を完了できることを示す。
論文 参考訳（メタデータ） (2026-05-18T06:36:53Z) - MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。
ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
論文 参考訳（メタデータ） (2026-05-18T01:52:12Z) - Counterfactual Stress Testing for Image Classification Models [12.520708194901735]
医療画像における深層学習モデルは、新しい臨床環境に配備されるとしばしば失敗する。
同様のバリデーションパフォーマンスを持つモデルでは、現実の障害モードが相違する。
本稿では,現実的な「もし」な画像を生成する因果生成モデルに基づく非現実的ストレステストフレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-11T17:36:16Z) - Attribution-Guided Model Rectification of Unreliable Neural Network Behaviors [60.06461883533697]
我々は、ランクワンモデル編集を活用して、帰属誘導モデル修正フレームワークを確立する。
まず、既存のモデル編集と整合性の設定を区別し、信頼性の低い振る舞いを補正する定式化を行う。
そこで本研究では, 帰属誘導層ローカライゼーション手法を提案する。
論文 参考訳（メタデータ） (2026-03-08T01:06:07Z) - Knob: A Physics-Inspired Gating Interface for Interpretable and Controllable Neural Dynamics [7.965536008626047]
Knobは、ディープラーニングと古典的な制御理論を結びつけるフレームワークである。
我々のフレームワークは、慣れ親しんだ物理アナログを通して「安定性」と「感度」をチューニングできる。
論文 参考訳（メタデータ） (2026-02-26T07:25:22Z) - Robot-DIFT: Distilling Diffusion Features for Geometrically Consistent Visuomotor Control [31.523644271297616]
一般化可能なロボット操作における重要なボトルネックは、現在の視覚的バックボーンと閉ループ制御の物理的要求との間の構造的ミスマッチである。
我々は,マニフォールド蒸留による推論プロセスから幾何学的情報ソースを分離するフレームワークであるRobot-DIFTを提案する。
凍結拡散教師を決定論的空間意味的特徴ピラミッドネットワーク(S2-FPN)に蒸留することにより、時間的安定性、リアルタイム実行、ドリフトに対する堅牢性を確保しつつ、生成モデルの豊富な幾何学的先行性を維持できる。
論文 参考訳（メタデータ） (2026-02-12T13:30:24Z) - Unsupervised Model Diagnosis [49.36194740479798]
本稿では,ユーザガイドを使わずに,意味論的対実的説明を生成するために,Unsupervised Model Diagnosis (UMO)を提案する。
提案手法は意味論における変化を特定し可視化し,その変化を広範囲なテキストソースの属性と照合する。
論文 参考訳（メタデータ） (2024-10-08T17:59:03Z) - Generalized Face Forgery Detection via Adaptive Learning for Pre-trained Vision Transformer [54.32283739486781]
適応学習パラダイムの下で,textbfForgery-aware textbfAdaptive textbfVision textbfTransformer(FA-ViT)を提案する。
FA-ViTは、クロスデータセット評価において、Celeb-DFおよびDFDCデータセット上で93.83%と78.32%のAUCスコアを達成する。
論文 参考訳（メタデータ） (2023-09-20T06:51:11Z)
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。