論文の概要: ColoACT: Multi-Cue Action Chunking for Smooth Autonomous Colon Navigation on a Self-Propelled Endoscopic Robot
- arxiv url: http://arxiv.org/abs/2610.01258v1
- Date: Thu, 01 Oct 2026 07:51:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:23.976593
- Title: ColoACT: Multi-Cue Action Chunking for Smooth Autonomous Colon Navigation on a Self-Propelled Endoscopic Robot
- Title（参考訳）: ColoACT: 自走型内視鏡ロボットによるスムースコロニーナビゲーションのためのマルチキューアクションチャンキング
- Abstract要約: 本稿では,RGB-D-Eをベースとしたアクションチャンキングトランスフォーマポリシ(ColoACT Policy)を統合した自律ナビゲーションシステムであるColoACTを提案する。
異なるテクテックス・ビビオブタ大腸(約60cm)では, 直線および湾曲セグメントでそれぞれ85.4%, 72.5%の成功率を示し, 90度回転で70%, 二重屈曲配列で60%の成功を収めた。
- 参考スコア（独自算出の注目度）: 14.308903347533061
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous colonoscopic navigation can reduce operator burden and the risk of loop formation or tissue trauma, but remains challenging due to deformable anatomy, weak-texture and specular endoscopic visuals, and contact-rich viscoelastic interactions. Existing methods either rely on geometry-driven pipelines, which are efficient and interpretable yet brittle due to manually engineered features and switching logic, or adopt learning-based policies, whose inferred depth/geometry can become temporally inconsistent or overly smooth under weak texture and specular highlights while simulation-trained variants (e.g., deep reinforcement learning) may further suffer from a sim-to-real gap. We propose ColoACT, an autonomous navigation system that integrates an RGB-D-E based Action Chunking Transformer policy (ColoACT policy) for a compact self-propelled Bevel-Gear-Based Endoscopic Robot (BGER). The ColoACT policy augments RGB with estimated relative depth and a gradient-based pseudo-elevation map to enhance fold-ridge saliency and other high-frequency geometric cues, and enables smooth continuous control of the BGER by predicting overlapping action chunks and fusing them via temporal ensembling. In different \textit{ex-vivo} porcine colons (approximately 60 cm), our system achieves success rates of 85.4\% and 72.5\% in straight and curved segments, respectively, and achieves 70\% success in 90-degree turns and 60\% in double-bend sequences, with feasibility further demonstrated in challenging triple-bend segments. The project page is available at: https://Adamhu1.github.io/ColoACT/.
- Abstract（参考訳）: 自律的大腸内視鏡ナビゲーションは、操作者の負担やループ形成や組織外傷のリスクを軽減できるが、変形可能な解剖学、弱いテクスチャと特異な内視鏡的視覚、接触豊富な粘弾性相互作用により、依然として困難である。
既存の手法では、手動で設計した特徴やスイッチングロジックによって効率的かつ解釈可能で不安定な幾何学駆動パイプラインを頼りにするか、あるいは学習ベースのポリシーを採用するか、推論された深さ/幾何学は、弱いテクスチャと特異なハイライトの下で時間的に不整合または過度に滑らかになり、シミュレーション訓練された変種(例えば、深層学習)は、さらにsim-to-realのギャップに悩まされる可能性がある。
本稿では,RGB-D-Eをベースとしたアクションチャンキングトランスフォーマポリシ(ColoACT Policy)を統合した自律ナビゲーションシステムであるColoACTを提案する。
ColoACTポリシーは、推定相対深さと勾配に基づく擬似標高マップでRGBを増強し、折りたたみリッジサリエンスやその他の高周波幾何学的手がかりを高め、重なり合うアクションチャンクを予測し、時間的アンサンブルを介してそれらを融合させることで、BGERのスムーズな連続制御を可能にする。
異なる<textit{ex-vivo} ブタ大腸 (約60cm) では, ストレートおよび湾曲セグメントで85.4\%, 72.5\%, 90度回転で70.%, ダブルベンドシーケンスで60.%, 挑戦的な三重屈曲セグメントでさらに実現可能性を示した。
プロジェクトページは、https://Adamhu1.github.io/ColoACT/.comで公開されている。
関連論文リスト
- GaussianDream++: Efficient 3D Gaussian World Modeling for Robotic Manipulation [55.47130289185285]
VLA(Vision-Language-Action)ポリシーは、高度な言語条件のロボット操作である。
我々は textbfWorld State Tokens と textbfWorld Prediction Tokens を VLA バックボーンに直接挿入する,コンパクトでポリシーネイティブな拡張である textbfMethodname を提示する。
論文 参考訳（メタデータ） (2026-08-26T11:41:55Z) - DeSeG: Decoupling Semantic Intent and Geometric Constraints for Physically Plausible Human-Scene Interaction [50.06148080975928]
本稿では,意味的意図を幾何学的制約から明確に分離する階層型フレームワークであるDeSeGを提案する。
DeSeGは最先端のパフォーマンスを実現し、平均シーン浸透率を47%削減し、SOTAベースラインに対するセマンティックアライメントを29%改善した。
論文 参考訳（メタデータ） (2026-07-07T03:21:08Z) - KinematicRL: A Sim-to-Real Reinforcement Learning Framework For Social Navigation With Kinodynamic Feasibility [27.73146983499444]
Deep Reinforcement Learning (DRL)はソーシャルナビゲーションを約束しているが、現実のデプロイメントは、永続的なsim-to-realギャップによって妨げられている。
この研究は、これらの制限に対処し、動的に実行可能なナビゲーションポリシーを生成する統一されたフレームワークを提示している。
実世界の環境での実験では、提案された追跡パイプラインと組み合わせることで、KinematicRLを最小限の修正で実微分駆動ロボットにデプロイできることが示されている。
論文 参考訳（メタデータ） (2026-06-10T13:07:03Z) - Anatomical Landmark-Guided Deep Reinforcement Learning for Autonomous Gastric Navigation [9.172107354380117]
ワイヤレスカプセル内視鏡(WCE)は、消化管の無痛な可視化を可能にする。
本稿では,自律型胃ナビゲーションのための移動型,解剖学的ランドマーク付き深部強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-08T03:11:21Z) - cuRoboV2: Dynamics-Aware Motion Generation with Depth-Fused Distance Fields for High-DoF Robots [12.825461775215366]
cuRoboV2は、シングルアームマニピュレータからフルヒューマノイドにスケールするモーション生成スタックである。
1)スムーズさとトルク制限を強制するB-スプライン軌道最適化,(2)フルワークスペースをカバーする高密度符号付き距離場を生成するGPUネイティブTS/ESDF認識パイプライン,(3)高DoFヒューマノイドにも拡張しながら最大61倍の速度で到達する逆ダイナミクスマップ-リデュース自己ネイティブ。
論文 参考訳（メタデータ） (2026-03-05T18:58:04Z) - Structural Action Transformer for 3D Dexterous Manipulation [80.07649565189035]
クロス・エボディメント・スキル・トランスファーは、ハイDoFロボットハンドの課題である。
既存の手法は、しばしば2次元の観測と時間中心の行動表現に依存し、3次元の空間的関係を捉えるのに苦労する。
本稿では、構造中心の視点を導入することで、このパラダイムに挑戦する新しい3Dデクスタラスな操作ポリシーを提案する。
論文 参考訳（メタデータ） (2026-03-04T11:38:12Z) - Opening the Sim-to-Real Door for Humanoid Pixel-to-Action Policy Transfer [59.02729900344616]
GPUを加速したフォトリアリスティックなシミュレーションは、ロボット学習のためのスケーラブルなデータ生成パスを開いた。
視覚に基づくヒューマノイドロコ操作のための教師-学生-ブートストラップ学習フレームワークを開発した。
これは、純粋なRGB知覚を用いた多様な調音ロコ操作が可能な初めてのヒューマノイド・シム・トゥ・リアル政策である。
論文 参考訳（メタデータ） (2025-11-30T20:07:13Z) - Coordinate Transformer: Achieving Single-stage Multi-person Mesh
Recovery from Videos [91.44553585470688]
ビデオから複数人の3Dメッシュを回収することは、バーチャルリアリティーや理学療法などにおけるグループ行動の自動認識に向けた重要な第一歩である。
本稿では,複数人物の時空間関係を直接モデル化し,同時にエンドツーエンドでマルチ・メッシュ・リカバリを行うコーディネート・トランスフォーマーを提案する。
3DPWデータセットの実験では、CoordFormerが最先端の精度を大幅に向上し、MPJPE、PAMPJPE、PVEの計測値でそれぞれ4.2%、8.8%、そして4.7%を上回った。
論文 参考訳（メタデータ） (2023-08-20T18:23:07Z) - Latent Exploration for Reinforcement Learning [87.42776741119653]
強化学習では、エージェントは環境を探索し、相互作用することでポリシーを学ぶ。
LATent TIme-Correlated Exploration (Lattice)を提案する。
論文 参考訳（メタデータ） (2023-05-31T17:40:43Z) - A Distance-Geometric Method for Recovering Robot Joint Angles From an
RGB Image [7.971699294672282]
本稿では,ロボットマニピュレータの関節角度を現在の構成の1つのRGB画像のみを用いて検索する手法を提案する。
提案手法は,構成空間の距離幾何学的表現に基づいて,ロボットの運動モデルに関する知識を活用する。
論文 参考訳（メタデータ） (2023-01-05T12:57:45Z)
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。