論文の概要: A Master-to-Simulation Interface with Demonstration-Trajectory Guidance for Vascular Intervention
- arxiv url: http://arxiv.org/abs/2610.19395v1
- Date: Wed, 14 Oct 2026 01:41:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.888334
- Title: A Master-to-Simulation Interface with Demonstration-Trajectory Guidance for Vascular Intervention
- Title（参考訳）: Demonstration-Trajectory Guidance を用いたマスター・ツー・シミュレーションインタフェースによる血管インターベンション
- Abstract要約: 本稿では,実際のロボットマスタコントローラとSOFA(Simulation Open Framework Architecture)物理シミュレーションプラットフォームを接続する,血管介入対話システムを開発した。
計器と容器の相互作用の下で得られた軌道は、実用的な誘導手段を提供し、ロボット血管介入実験のためのシンプルで効果的な視覚補助戦略を提供する。
- 参考スコア（独自算出の注目度）: 11.51482081530599
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robotic vascular intervention can reduce radiation exposure to physicians and improve manipulation stability, but effective guidance remains challenging because conventional fluoroscopic images provide limited spatial information. This paper developed a vascular intervention interactive system that connects a real robotic master controller with the SOFA(Simulation Open Framework Architecture) physical simulation platform and reused successful operation trajectories as visual guidance in physical phantom experiments. Experiments were conducted to validate the master-to-SOFA control loop and to compare three guidance conditions: no guidance, centerline guidance, and successful-trajectory guidance. The control validation results showed reliable command delivery under velocity-mode operation. In the physical phantom experiment, centerline guidance showed no obvious improvement over no guidance. In contrast, successful trajectory guidance provided a clear performance benefit. Compared with the no-guidance condition, it reduced task completion time, collision number, rollback number, and rotation number by approximately 66.8%, 34.3%, 55.6%, and 66.7%, respectively. These results indicate that successful trajectories obtained under instrument-vessel interaction can provide practical guidance cues, offering a simple and effective visual assistance strategy for robotic vascular intervention experiments.
- Abstract（参考訳）: ロボット血管の介入は、医師への放射線被曝を減少させ、治療の安定性を向上させることができるが、従来の蛍光画像が限られた空間情報を提供するため、効果的なガイダンスは依然として困難である。
本稿では,実際のロボットマスタコントローラとSOFA(Simulation Open Framework Architecture)物理シミュレーションプラットフォームを接続し,視覚的ファントム実験における操作軌跡の再利用を目的とした血管介入対話システムを開発した。
マスタ・ツー・SOFA制御ループの検証と3つのガイダンス条件(ガイダンスなし,センターラインガイダンス,軌道誘導成功)の比較実験を行った。
制御検証の結果, 速度モード動作下での指令の信頼性が示された。
物理的幻覚実験では、中心線誘導はガイダンス無しでは明らかな改善は示さなかった。
対照的に、軌道誘導の成功は明らかにパフォーマンス上の利点をもたらした。
無誘導条件と比較して、タスク完了時間、衝突数、ロールバック数、回転数をそれぞれ66.8%、34.3%、55.6%、66.7%削減した。
これらの結果から, 計器・容器間相互作用により得られた軌道は, ロボット血管介入実験において, 簡便かつ効果的な視覚支援戦略として, 実用的な誘導手段となることが示唆された。
関連論文リスト
- A Compact Top-Loading Robot for Endovascular Interventions: Design, Control and Evaluation [10.95060747006468]
ロボットによる血管内介入は、放射線曝露を減らし、外科医のエルゴノミクスを改善し、遠隔手術を可能にし、手続きの精度を高める可能性がある。
既存のシステムでは、患者側の設定が制限され、柔軟性が制限され、複雑な機器交換が臨床ワークフローの統合を妨げるため、手続き的カバレッジが制限されることが多い。
本研究は,標準的な血管内器具の連続的翻訳・回転操作を可能にする,血管内介入のための小型ロボットシステムを提案する。
論文 参考訳（メタデータ） (2026-07-13T16:35:14Z) - BiliVLA: Scene-Aware Vision-Language-Action Model with Reinforcement Learning for Autonomous Biliary Endoscopic Navigation [6.2182538853159]
内視鏡的逆行性胆管膵管造影(ERCP)は正確な内視鏡ナビゲーションと安定した胆道狭窄を必要とする。
最近のロボットシステムと視覚に基づく支援技術は、オペレーター・エルゴノミクスを改善し、知覚的手がかりを提供する。
本稿では,ビジュモータ学習問題として胆道内視鏡ナビゲーションを定式化するシーン認識型視覚・言語・アクションフレームワークであるBiliVLAを提案する。
論文 参考訳（メタデータ） (2026-06-22T16:11:15Z) - Toward AI Autonomous Navigation for Mechanical Thrombectomy using Hierarchical Modular Multi-agent Reinforcement Learning (HM-MARL) [57.65363326406228]
In vitroにおける自律型2デバイスナビゲーションのための階層型モジュールマルチエージェント強化学習フレームワークを提案する。
HM-MARLは、大腿動脈から内頸動脈(ICA)へのガイドカテーテルとガイドワイヤを自律的にナビゲートするために開発された。
モジュール型マルチエージェントアプローチは、複雑なナビゲーションタスクを特別なサブタスクに分解するために用いられ、それぞれがソフトアクター・クライブRLを用いて訓練された。
In vitroでは、両方のHM-MARLモデルが大腿動脈から右総頸動脈への100%の治験に成功し、右ICAへの80%は失敗に終わった。
論文 参考訳（メタデータ） (2026-02-20T23:50:35Z) - DINO-CVA: A Multimodal Goal-Conditioned Vision-to-Action Model for Autonomous Catheter Navigation [0.33727511459109777]
本研究は,マルチモーダルな目標条件行動クローニングフレームワークであるDINO-CVAの導入により,自律カテーテルナビゲーションへ移行する。
提案モデルでは,視覚観測とジョイスティックのキネマティクスを統合埋め込み空間に融合し,視覚とキネマティクスの両方を意識したポリシーを実現する。
その結果, DINO-CVAは動作予測の精度が高く, キネマティクスのみのベースラインの性能と一致していることがわかった。
論文 参考訳（メタデータ） (2025-10-19T22:59:32Z) - Autonomous Soft Robotic Guidewire Navigation via Imitation Learning [3.1381624795986345]
血管内手術では、インターベンショニストはカテーテルと呼ばれる細いチューブを細いワイヤーで導かれ、患者の血管内の治療部位へ押し込む。
ロボットの先端を持つガイドワイヤは操作性を高めることができるが、モデリングと制御の課題を提示する。
我々は,目標条件付け,相対的な動作出力,および自動コントラスト染料注入を用いたトランスフォーマーに基づく模倣学習フレームワークを開発した。
論文 参考訳（メタデータ） (2025-10-10T15:57:09Z) - EchoWorld: Learning Motion-Aware World Models for Echocardiography Probe Guidance [79.66329903007869]
本稿では,プローブ誘導のためのモーションアウェアな世界モデリングフレームワークであるEchoWorldを紹介する。
解剖学的な知識と運動によって引き起こされる視覚力学を符号化する。
200以上の定期的なスキャンから100万枚以上の超音波画像で訓練されている。
論文 参考訳（メタデータ） (2025-04-17T16:19:05Z) - Setup-Invariant Augmented Reality for Teaching by Demonstration with Surgical Robots [49.26692555627371]
本稿では,dV-STEARというオープンソースのシステムについて紹介する。
dV-STEARは腹腔鏡下手術の基本課題の初級成績を有意に改善した。
両課題とも,dV-STEARを用いた被験者では,手指使用のバランスが有意に改善し,フラストレーションの低下が報告された。
論文 参考訳（メタデータ） (2025-04-09T08:34:25Z) - Demonstration-Guided Reinforcement Learning with Efficient Exploration
for Task Automation of Surgical Robot [54.80144694888735]
効率的な強化学習アルゴリズムであるDEX(Demonstration-Guided Exploration)を導入する。
本手法は,生産的相互作用を促進するために,高い値で専門家のような行動を推定する。
総合的な手術シミュレーションプラットフォームであるSurRoLによる10ドルの手術操作に関する実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-02-20T05:38:54Z) - Towards Autonomous Atlas-based Ultrasound Acquisitions in Presence of
Articulated Motion [48.52403516006036]
本稿では、自律型ロボットUS手足のスキャンを可能にする視覚ベースのアプローチを提案する。
この目的のために、アノテートされた血管構造を有するヒト腕のアトラスMRIテンプレートを使用して、軌跡を生成する。
いずれの場合も、このシステムはボランティアの手足で計画された血管構造を取得することができる。
論文 参考訳（メタデータ） (2022-08-10T15:39:20Z) - Domain Adaptive Robotic Gesture Recognition with Unsupervised
Kinematic-Visual Data Alignment [60.31418655784291]
本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。
ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。
その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
論文 参考訳（メタデータ） (2021-03-06T09:10:03Z)
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。