論文の概要: High-Precision RCM Motion for Ophthalmic Robotics via Hierarchical QP Control and Authority-Guided Recovery Planning

• arxiv url: http://arxiv.org/abs/2610.27905v1
• Date: Tue, 20 Oct 2026 09:20:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.739495
• Title: High-Precision RCM Motion for Ophthalmic Robotics via Hierarchical QP Control and Authority-Guided Recovery Planning
• Title（参考訳）: 階層型QP制御とオーソリティ誘導型回復計画による眼科ロボティクスの高精度RCM運動
• Abstract要約: 汎用マニピュレータは、ソフトウェアリモートモーションセンター(RCM)の下で眼科機器を配置できる 我々はこの失敗を制約によって引き起こされるタスク特異性として定式化する。 本稿では,リカバリを内蔵した高精度RCMサーボアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 8.624444716141126
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: General-purpose manipulators can position ophthalmic instruments under a software Remote Centre of Motion (RCM). However, at some reachable configurations that are nonsingular for the tip task alone, the RCM and tip-tracking objectives conflict and the servo oscillates. We formalise this failure as a constraint-induced task singularity: the RCM-projected tip Jacobian loses rank while the unprojected tip Jacobian stays well conditioned. Thus, the effective tip authority collapses although the target remains reachable. We present a high-precision RCM servo architecture with built-in singularity recovery: for each commanded target, an authority-guided planner selects a well-conditioned arm configuration that reaches it and plans an RCM-consistent route, executed by a fixed hierarchical-QP controller. On a 200-scenario kinematic benchmark, the complete nominal-and-recovery protocol reaches 128/128 near-singular targets and 71/72 near-joint-limit targets (100% and 99%, respectively), with the software-RCM residual below 0.142 mm. On a physical 6-DOF arm it executes across four RCM entry points, with a worst-case kinematically reconstructed RCM residual of 178 μm and a median tip-regulation error of 32μm, within the 200μm control requirement adopted for the ophthalmic task.
• Abstract（参考訳）: 汎用マニピュレータは、ソフトウェアリモート・センター・オブ・モーション(RCM)の下で眼科機器を配置することができる。 しかしながら、いくつかの到達可能な構成では、チップタスク単独では非特異であり、RCMとチップ追跡の目的は相反し、サーボは振動する。 我々は、この失敗を制約によって引き起こされるタスク特異点として定式化する: RCM が射影した先端ヤコビアンはランクを失い、未射影の先端ヤコビアンは十分に条件付きである。 したがって、目標が到達可能であるにもかかわらず、効果的なチップ権限は崩壊する。 本稿では,各命令対象に対して,所定の階層QP制御器によって実行されるRCM整合性経路を計画し,高精度なRCMサーボアーキテクチャを提案する。 200-scenarioのキネマティック・ベンチマークでは、完全名目と回復のプロトコルは128/128のほぼ特異なターゲットに到達し、71/72の近結合のターゲット(それぞれ100%と99%)は0.142mm未満のソフトウェアRCMである。 物理的6-DOFアームでは、4つのRCMエントリーポイントにまたがって動作し、最悪のケースでは178μmのRCM残差と32μmのピーク制御誤差を、眼科領域で採用されている200μmの制御条件の中で実行している。

関連論文リスト

• Sim-to-Real Reinforcement Learning for Path-Safe Target Reaching in Robotic Harvesting of Hydroponic Lettuce [3.4581162231177185]
  本研究は,PSA-PPO(Path-Safe Approach Proximal Policy Optimization)を提案する。 PSA-PPOは、温室における栄養膜技術(NFT)-ヒドロポニックレタスのロボット収穫用に設計された目標条件付き局所到達フレームワークである。 提案したPSA-PPOは、収穫指向の政策定式化を導入しながら、標準的なクリップされたPPOの目的を保っている。
  論文  参考訳（メタデータ） (2026-10-15T17:54:16Z)
• MeshHeal: Two-Timescale Self-Healing for Gray Failures in Decentralized LLM Agent Networks [60.95806999869478]
  MeshHealは、完全に分散化された自己修復フレームワークである。 能力にマッチしたピアレビューを2つのタイムスケールに分けている。 1タスクあたり51kのトータルモデルトークンを使用して0.839の劣化位相精度を達成し、最強のベースラインでは1タスクあたり115kの0.807の精度を達成した。
  論文  参考訳（メタデータ） (2026-09-24T04:29:37Z)
• Distributed Motion Planning with Safety Guarantees for Self-Reconfiguring Robotic Boats [76.98547580312116]
  本稿では,分散モデル予測制御(MPC)と制御バリア関数(CBF)を組み合わせたハイブリッドフレームワークを提案する。 リアルタイムに安全を確保するため、分散CBFベースのフィルタを適用し、エージェント間回避を強制する。
  論文  参考訳（メタデータ） (2026-07-22T16:37:05Z)
• AnchorRefine: Synergy-Manipulation Based on Trajectory Anchor and Residual Refinement for Vision-Language-Action Models [60.04879435087352]
  視覚言語アクション(VLA)ポリシーは、単一の統一空間内でアクションを生成する。 本稿では,VLAの動作モデリングを軌跡アンカーと残留精細化に分解する階層的フレームワークであるAnchorRefineを提案する。 LIBERO、CALVIN、および実ロボットタスクの実験では、AnchorRefineは回帰ベースと拡散ベースの両方のVLAバックボーンを一貫して改善している。
  論文  参考訳（メタデータ） (2026-04-20T04:25:24Z)
• Bridging Discrete Planning and Continuous Execution for Redundant Robot [12.278986080239692]
  冗長マニピュレータの経路計画にはボクセルグリッド強化学習が広く採用されている。 しかし、7-DoFアーム上の点数逆キネマティクスによる直接実行は、しばしばステップサイズジッタをもたらす。 この研究は、個別の計画立案者自体を変更することなく、離散的な計画と連続的な実行の間にブリッジングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-02T13:23:54Z)
• Deep-Learning-Based Control of a Decoupled Two-Segment Continuum Robot for Endoscopic Submucosal Dissection [18.275311106852424]
  DESectBotは、分離された構造と統合された外科用シロップを備えた、新しい二重セグメント連続ロボットである。 チップ位置と方向制御を同時に行うための繰り返し単位(GRU)に基づくディープラーニングコントローラを提案する。 ペグ転送タスクにおいて、GRUは平均転送時間11.8秒で100%の成功率を達成した。
  論文  参考訳（メタデータ） (2026-02-03T11:35:02Z)
• Towards a Science of Scaling Agent Systems [79.64446272302287]
  エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。 協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。 ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
  論文  参考訳（メタデータ） (2025-12-09T06:52:21Z)
• Diagnose, Localize, Align: A Full-Stack Framework for Reliable LLM Multi-Agent Systems under Instruction Conflicts [75.20929587906228]
  LLM(Large Language Model)を利用したマルチエージェントシステム(MAS)は、複雑なタスクにおける協調推論、ツールの使用、役割特化調整を急速に進めている。 しかし、信頼性クリティカルなデプロイメントは、体系的な障害モード、すなわち命令の競合による階層的コンプライアンスによって妨げられている。
  論文  参考訳（メタデータ） (2025-09-27T08:43:34Z)
• EmbodiedAgent: A Scalable Hierarchical Approach to Overcome Practical Challenge in Multi-Robot Control [2.9374620169143673]
  EmbodiedAgentは異種マルチロボット制御のための階層的なフレームワークである。 提案手法は,次アクション予測パラダイムと構造化メモリシステムを統合し,タスクを実行可能なロボットスキルに分解する。 100のシナリオにまたがる18,000以上のアノテートされたプランニングインスタンスのデータセットであるMultiPlan+を紹介します。
  論文  参考訳（メタデータ） (2025-04-14T09:33:42Z)

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。