論文の概要: Observation-Referenced Tissue Deformation Forecasting with Tool-Driven and Residual Dynamics

• arxiv url: http://arxiv.org/abs/2610.14191v1
• Date: Fri, 09 Oct 2026 18:05:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 22:43:41.736904
• Title: Observation-Referenced Tissue Deformation Forecasting with Tool-Driven and Residual Dynamics
• Title（参考訳）: 工具駆動・残留動態を用いた組織変形予測
• Abstract要約: 将来の計器運動による組織変形の予測は、予測計画とより自律的な手術システムを支援する可能性がある。 本研究では,観察されたツール-タスク間相互作用ウィンドウに適応するシーン固有微分可能な表面モデルを用いて,この問題を考察する。 我々は, 各組織点を最終的有効観察に固定し, 既知, 予め計画された将来のツール軌跡による変形のみを付加する, テクトイトブロベーション参照定式化を導入する。
• 参考スコア（独自算出の注目度）: 5.162967954193813
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Forecasting tissue deformation from future instrument motion could support predictive planning and increasingly autonomous surgical systems. We study this problem using a scene-specific differentiable surface model fitted to an observed tool-tissue interaction window. Rather than forecasting absolute simulated positions, we introduce an \textit{observation-referenced} formulation that anchors each tissue point to its last valid observation and adds only the deformation induced by the known, preplanned future tool trajectory. This reduces sensitivity to reconstruction, initialization, and persistent simulation offsets while preserving the predicted deformation response. The physical model uses differentiable, mesh-free position-based dynamics with scene-specific rigidity, attachment, region scale, and grasp coupling. We further introduce an optional \textit{observation-referenced residual model} combining graph-spectral spatial modes with periodic harmonic dynamics for structured motion not explained by the tool input. We evaluate the framework retrospectively on 12 surgical manipulation clips from three datasets. Observation referencing provides the largest gain, with a median within-clip error ratio of $0.598$ relative to the corresponding absolute simulation forecast. The optional periodic residual further improves forecasting when the remaining motion exhibits periodic structure. These results support observation-referenced deformation prediction as a practical building block for future surgical world models, digital twins, and generative simulators that must predict how tissue evolves under instrument actions.
• Abstract（参考訳）: 将来の計器運動による組織変形の予測は、予測計画とより自律的な手術システムを支援する可能性がある。 本研究では,観察されたツール-タスク間相互作用ウィンドウに適応するシーン固有微分可能な表面モデルを用いて,この問題を考察する。 絶対的シミュレートされた位置を予測するのではなく,各組織点を最後の有効な観察に固定し,既知,予め計画された将来のツール軌跡によって引き起こされる変形のみを付加する<textit{observation-referenced} 定式化を導入する。 これにより、予測された変形応答を保ちながら、再構成、初期化、持続的なシミュレーションオフセットに対する感度が低下する。 物理モデルは、シーン固有の剛性、アタッチメント、領域スケール、グリップ結合を備えた、微分可能なメッシュフリーな位置ベースダイナミクスを使用する。 さらに、グラフスペクトル空間モードと、ツール入力で説明されていない構造化運動の周期的調和力学を組み合わせた、オプションの \textit{observation-referenced residual model を導入する。 この枠組みを3つのデータセットから12個の手術用クリップを用いて遡及的に評価した。 観測参照は、対応する絶対シミュレーション予測と比較して0.598ドルという中央値のクリック内誤差比で最大の利得を提供する。 任意の周期残差は、残りの動きが周期構造を示すときに予測をさらに改善する。 これらの結果は、将来の外科的世界モデル、デジタル双生児、および人工臓器の動作下で組織がどのように進化するかを予測するための生成シミュレータのための実用的なビルディングブロックとして、観察参照変形予測をサポートする。

関連論文リスト

• World Models for Embodied Intelligence: From Plausible to Controllable to Actionable [100.13060753774657]
  世界モデルは、隠れた状態を維持し、結果を予測し、介入を比較し、実行が期待から外れたときに適応することによって、インテリジェンスにおける知覚と意思決定を結びつける。 これは、どの予測能力が振る舞いを改善するかという、中心的な疑問を提起する。 可塑性モデルは、タスク関連時間的・幾何学的・物理的構造を保存し、制御可能なモデルは、介入がどのように構造を変えるかを予測し、アクション可能なモデルは、予測を計画、行動、学習、評価、検証、回復、データ選択において測定可能な利得に変換する。
  論文  参考訳（メタデータ） (2026-09-15T06:22:42Z)
• DyG$^2$T: Modeling Object Dynamics with 3D Gaussian Temporal-Spatial Particle Graph Transformer [86.4618122245946]
  DyG$2$Tは動的モデリングフレームワークで、キーポイント表現を空間的に完了し、時間的に識別することでオブジェクトの運動軌跡を推定する。 合成データセットと実世界のデータセットの両方の実験は、DyG$2$Tが正確な動的モデリングと推論を実現することを示した。
  論文  参考訳（メタデータ） (2026-08-19T03:44:28Z)
• Factorize to Generalize: Retrieval-Guided Invariant-Dynamic Decomposition for Time Series Forecasting [64.2640656619583]
  時系列基礎モデル (TSFM) は, 大規模事前学習と検索強化予測により, ゼロショット予測性能が向上した。 本稿では時系列予測のための検索誘導不変動的分解フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-24T07:31:55Z)
• K-Models: a Flexible and Interpretable Method for Ordinal Clustering with Application to Antigen-Antibody Interaction Profiles [65.21921642886367]
  K-Modelsは、順序的制約を統合し、観察された機能プロファイルを生成するランダムプロセスの基本的な要素を推定する新しいフレームワークである。 提案手法はシミュレーションと実世界の応用を通して評価する。
  論文  参考訳（メタデータ） (2026-05-14T13:35:44Z)
• SV-GS: Sparse View 4D Reconstruction with Skeleton-Driven Gaussian Splatting [19.12278036176021]
  SV-GSは変形モデルと物体の動きを同時に推定するフレームワークである。 提案手法は,PSNRの34%までのスパース観測下での既存手法よりも優れていた。
  論文  参考訳（メタデータ） (2026-01-01T09:53:03Z)
• A Robotics-Inspired Scanpath Model Reveals the Importance of Uncertainty and Semantic Object Cues for Gaze Guidance in Dynamic Scenes [8.64158103104882]
  本稿では,物体のセグメンテーションと視線挙動を相互接続的にシミュレーションする計算モデルを提案する。 このモデルでは,サスカディック・モーメントや事前サカディック・アテンションなどの拡張が可能であることを示す。
  論文  参考訳（メタデータ） (2024-08-02T15:20:34Z)
• Neural Persistence Dynamics [8.197801260302642]
  時間発展する点雲のトポロジにおける力学を学習する問題を考察する。 提案したモデル - $textitNeural Persistence Dynamics$ - は、パラメータ回帰タスクの多種多様なセットで最先端のパフォーマンスを大幅に上回る。
  論文  参考訳（メタデータ） (2024-05-24T17:20:18Z)
• Inverse Dynamics Pretraining Learns Good Representations for Multitask Imitation [66.86987509942607]
  このようなパラダイムを模倣学習でどのように行うべきかを評価する。 本稿では,事前学習コーパスがマルチタスクのデモンストレーションから成り立つ環境について考察する。 逆動力学モデリングはこの設定に適していると主張する。
  論文  参考訳（メタデータ） (2023-05-26T14:40:46Z)

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。