Fugu-MT 論文翻訳(概要): Physically Constrained Kinematic Calibration for High-Precision Robotic Needle Guidance

論文の概要: Physically Constrained Kinematic Calibration for High-Precision Robotic Needle Guidance

arxiv url: http://arxiv.org/abs/2610.41429v1
Date: Fri, 30 Oct 2026 08:35:37 GMT
ステータス: 翻訳完了
システム内更新日: 2026-11-02 22:05:31.661731
Title: Physically Constrained Kinematic Calibration for High-Precision Robotic Needle Guidance
Title（参考訳）: 高精度ロボットニードル誘導のための身体拘束型運動学校正
Abstract要約: 本稿では,ロボット針誘導マニピュレータのための頑健な境界拘束型運動力学キャリブレーション法を提案する。シミュレーションでは, ルート平均角誤差(RMSE)を3.422mmから0.690mmに低減した。その結果, 物理的に拘束された体操キャリブレーションにより, ロボット針の精度が向上することが示唆された。
参考スコア（独自算出の注目度）: 7.920981814392296
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Percutaneous needle insertion is a common practice in minimally invasive procedures whose clinical success depends on accurate needle placement. However, achieving the necessary precision is a challenge for manual operators. Robotic assistance can improve targeting accuracy and reduce operator dependence, but residual millimeter-scale errors persist because nominal kinematic models do not fully represent the physical manipulator. This paper presents a robust bound-constrained kinematic calibration method designed to improve positional accuracy for a 6-Degree-of-Freedom (6-DoF) robotic needle-guidance manipulator. The approach uses physically plausible parameter ranges to regularize a compact 19-parameter geometric identification model. By treating these bounds as active optimization constraints rather than mere numerical safeguards, the framework effectively mitigates parameter coupling and overfitting, ensuring highly stable parameter identification. In simulation, the proposed method reduced end-effector Root Mean Square Error (RMSE) from 3.422 mm to 0.690 mm (a 79.8% improvement). In benchtop hardware experiments, the calibrated model achieved sub-millimeter validation accuracy, including 0.865 mm RMSE in experimental trajectory validation and 0.610 mm RMSE in a coordinate-lattice verification task. These results demonstrate that physically constrained kinematic calibration can enhance robotic needle-targeting accuracy, establishing a high-precision foundation for future clinical applications.
Abstract（参考訳）: 経皮的針挿入術は, 経皮的針挿入術において, 正確な針配置に依存した術式である。しかし、手動操作者にとって必要な精度を達成することは困難である。ロボット支援は、目標の精度を向上し、操作者の依存を減らすことができるが、名目上のキネマティックモデルが物理的マニピュレータを完全に表現していないため、残留ミリスケール誤差は持続する。本稿では、6自由度6自由度ロボット針誘導マニピュレータの位置精度を向上させるために,頑健な境界拘束型キネマティックキャリブレーション法を提案する。このアプローチは、コンパクトな19パラメータ幾何識別モデルを正規化するために、物理的に可算なパラメータ範囲を使用する。これらの境界を単なる数値セーフガードではなくアクティブな最適化制約として扱うことで、このフレームワークはパラメータのカップリングとオーバーフィッティングを効果的に軽減し、非常に安定したパラメータ識別を実現する。シミュレーションでは, ルート平均角誤差(RMSE)を3.422mmから0.690mmに削減した(79.8%の改善)。ベンチトップハードウェア実験では、補正されたモデルは、実験軌道検証における0.865mm RMSE、座標格子検証タスクにおける0.610mm RMSEを含む、サブミリ以下の検証精度を達成した。これらの結果から, 身体的拘束力のある体操キャリブレーションにより, ロボット針の精度が向上し, 将来臨床応用のための高精度基盤が確立できることが示唆された。

関連論文リスト

Novel Ex-vivo Calf Brain Model with Integrated Sub-Skull Force Sensors to Access Simulated Neurosurgical Procedures [0.0]
模擬脳外科手術における頭蓋・頭蓋界面を横断する道具間相互作用力を測定する携帯型前立腺力センシングプラットフォームを提案し,その妥当性を検証した。このシステムは、6自由度力/トルクセンサーとリアルタイムのデータ取得システムを備えた3Dプリントヒト頭蓋骨モデルに置かれる、脳小葉の生物学的サロゲートとして用いられる新鮮なふくらはぎ脳組織を含む。 5つの検証プロトコルは, キャリブレーション重量(0.5-50g), 最小検出力, 異なる解剖学的領域における空間的整合性を用いて, 地盤の精度と動的忠実度, 静的精度, 線形性について評価した。
論文参考訳（メタデータ） (2026-09-13T00:11:58Z)
PLS-Calib: A Partial Least Squares Framework for Event Camera and Odometry Calibration under Ground Motion Constraints [27.568640844773338]
既存のキャリブレーション技術のほとんどは、あらゆる自由度をエキサイティングするために6-DoFのフル動作に依存している。 PLS-Calib という新しい回転校正フレームワークを提案する。我々は,最先端手法に比べてキャリブレーションの堅牢性と精度が著しく向上したことを示す。
論文参考訳（メタデータ） (2026-08-04T08:07:07Z)
Beyond Prompt: Fine-grained Simulation of Cognitively Impaired Standardized Patients via Stochastic Steering [58.85421622061983]
認知障害患者の微粒化シミュレーションのためのStsPatientを提案する。対照的な命令と応答のペアからステアリングベクトルを抽出することにより、ドメイン固有の特徴を捉える。 StsPatientは、臨床の信頼性と重症度の両方において、ベースラインを著しく上回る。
論文参考訳（メタデータ） (2026-04-14T02:37:46Z)
SurgCalib: Gaussian Splatting-Based Hand-Eye Calibration for Robot-Assisted Minimally Invasive Surgery [14.264710991558124]
本稿では,ダ・ヴィンチ手術ロボットの手眼校正のためのガウススプラッティング方式のフレームワークを提案する。視覚誘導型ロボットシステムでは、ロボットベースとカメラフレーム間の剛性変換の正確な推定が、信頼できる閉ループ制御に不可欠である。
論文参考訳（メタデータ） (2026-03-09T22:17:02Z)
Automated Robotic Needle Puncture for Percutaneous Dilatational Tracheostomy [7.122041813412971]
集中治療室の患者に対して経皮的拡張性骨切り術(PDT)を施行した。 PDTパンクチャの現在の実践はすべて、ナビゲーション補助なしで手動で行われる。速度制御ロボットマニピュレータを用いて針挿入を自動化するシステムを提案する。
論文参考訳（メタデータ） (2026-02-26T12:47:04Z)
Dynamic Symmetric Point Tracking: Tackling Non-ideal Reference in Analog In-memory Training [46.75046795995564]
本稿では,SPキャリブレーションのパルス複雑度と推定誤差の最初の理論的特徴について述べる。本研究では,モデルトレーニング中にSPを追跡する動的SP推定法を提案し,その収束保証を確立する。
論文参考訳（メタデータ） (2026-02-24T19:41:34Z)
On-the-fly hand-eye calibration for the da Vinci surgical robot [35.18343759591773]
本稿では,手目変換行列をオンザフライで計算することで,正確なツールローカライズ結果を生成するキャリブレーションフレームワークを提案する。その結果, キャリブレーションフレームワークでは, ツールのローカライゼーション誤差が著しく減少した。
論文参考訳（メタデータ） (2026-01-21T10:58:28Z)
MixedNUTS: Training-Free Accuracy-Robustness Balance via Nonlinearly Mixed Classifiers [41.56951365163419]
MixedNUTSは、ロバストな分類器の出力ロジットを3つのパラメータしか持たない非線形変換で処理する訓練不要の手法である。 MixedNUTSは変換されたロジットを確率に変換し、それらを全体の出力として混合する。 CIFAR-10、CIFAR-100、ImageNetデータセットでは、MixedNUTSの精度とほぼSOTAの堅牢性を大幅に改善した。
論文参考訳（メタデータ） (2024-02-03T21:12:36Z)
Threshold-Consistent Margin Loss for Open-World Deep Metric Learning [42.03620337000911]
画像検索にDeep Metric Learning (DML) で使われている既存の損失は、しばしば非均一なクラス内およびクラス間表現構造に繋がる。不整合はしばしば、商用画像検索システムを展開する際のしきい値選択過程を複雑にする。クラス間の動作特性の分散を定量化するOPIS(Operating-Point-Inconsistency-Score)と呼ばれる,新しい分散に基づく尺度を提案する。
論文参考訳（メタデータ） (2023-07-08T21:16:41Z)
Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
論文参考訳（メタデータ） (2021-01-26T16:01:02Z)

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。