論文の概要: Language-Conditioned Behavioral Cloning for Autonomous Endoscope Guidance

• arxiv url: http://arxiv.org/abs/2610.41978v1
• Date: Fri, 30 Oct 2026 16:27:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.808545
• Title: Language-Conditioned Behavioral Cloning for Autonomous Endoscope Guidance
• Title（参考訳）: 自律型内視鏡指導のための言語記述型行動クローン
• Abstract要約: 自動内視鏡ガイドは、最小侵襲の手術において、連続的な手動カメラ制御の必要性を減らす。 臨床的に関連のある6つのガイダンス行動と235のサブタスク・デモを定義した。 我々の政策は、焦点、概要、停止に100%成功し、80%が探索・追従行動に、50%が地平線平準に到達した。
• 参考スコア（独自算出の注目度）: 36.82222201986633
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated endoscope guidance reduces the need for continuous manual camera control during minimally invasive surgery. However, the desired camera motion depends on the surgeon's immediate intentions and cannot always be inferred from the visual operative scene alone. We propose to automate the task using language-conditioned behavioral cloning; we define 6 clinically relevant guidance behaviors and collect 235 subtask demonstrations. In preliminary phantom experiments, our policy achieves 100% success on focus, overview, and stop, 80% on search-tip and follow-tip behaviors, and 50% on horizon leveling. These results demonstrate the feasibility of learning heterogeneous surgeon-requested camera behaviors with a single visuomotor policy, while the observed failure modes motivate future work on adding temporal context for more demanding guidance tasks.
• Abstract（参考訳）: 自動内視鏡ガイドは、最小侵襲の手術において、連続的な手動カメラ制御の必要性を減らす。 しかし、望まれるカメラの動きは外科医の直接的な意図に依存しており、視覚的な手術シーンだけでは推論できない。 本稿では,言語条件付き行動クローニングを用いて作業を自動化することを提案する。 予備的な幻覚実験では, 焦点, 概要, 停止に100%成功し, 探索・追従行動に80%, 地平線平準化に50%を達成している。 これらの結果は,単一ビジュモータポリシーによる異種外科医が要求するカメラ行動の学習の実現可能性を示す一方,観察された障害モードは,より要求の高いガイダンスタスクに時間的コンテキストを追加することの動機となる。

関連論文リスト

• Surgical WAM: A World-Action Model for Data-Efficient Surgical Robot Learning [46.22753169557017]
  本稿では,将来の内視鏡的観察と手術ロボットの動作チャンクを予測できる統合生成モデルであるSurgical World-Action Model(Surgical WAM)を紹介する。 手術用WAMは、まずアクションフリービデオから外科的視覚力学を学習し、固定されたアクションラベルの予算に基づいて微調整される。 4つのシミュレートされた手術作業において、ビデオプレトレーニングは平均成功率を63.5%から77.8%に改善し、ペグトランスファーでは20ポイントが絶対的に上昇した。
  論文  参考訳（メタデータ） (2026-08-11T17:59:13Z)
• SurgAM: Surgical Affordance Map Prediction with Multimodal Feature Fusion for Robot Autonomy [24.007662271891277]
  本稿では,視覚的データから基本的な手術行動のための動作可能な領域を識別する手術手当予測手法を提案する。 自己監督型視覚変換器エンコーダの相補的強度を利用する適応型特徴融合フレームワークを提案する。 シーン誘導型アテンションデコーダを提案する。
  論文  参考訳（メタデータ） (2026-07-05T16:12:01Z)
• Point Cloud Segmentation for Autonomous Clip Positioning in Laparoscopic Cholecystectomy on a Phantom [18.991664638461227]
  腹腔鏡下手術において,身体ファントムに自律的なクリップ位置決めを行うロボットシステムについて紹介する。 128,000個の合成点雲の事前学習と2つの新しいデータ拡張技術を組み合わせることでこれを克服する。 実際のロボット実験において,本システムは95%の成功率で0.75mmの精度で目標をローカライズし,100%の成功率で自律的なクリップ位置決めを行う。
  論文  参考訳（メタデータ） (2026-06-10T13:12:45Z)
• EndoVLA: Dual-Phase Vision-Language-Action Model for Autonomous Tracking in Endoscopy [26.132684811981143]
  VLA(Vision-Language-Action)モデルは、視覚知覚、言語接地、モーションプランニングをエンドツーエンドのフレームワークに統合する。 EndoVLAは,(1)ポリープ追跡,(2)異常粘膜領域の脱線・追尾,(3)周囲切削時の円形マーカーへの付着の3つのコアタスクを実行する。
  論文  参考訳（メタデータ） (2025-05-21T07:35:00Z)
• Multi-Modal Self-Supervised Learning for Surgical Feedback Effectiveness Assessment [66.6041949490137]
  そこで本研究では,音声による音声入力とそれに対応する手術映像からの情報を統合して,フィードバックの有効性を予測する手法を提案する。 以上の結果から,手書きフィードバックと手術映像の両方が,訓練者の行動変化を個別に予測できることがわかった。 本研究は,手術フィードバックの自動評価を推進するためのマルチモーダル学習の可能性を示すものである。
  論文  参考訳（メタデータ） (2024-11-17T00:13:00Z)
• PitVis-2023 Challenge: Workflow Recognition in videos of Endoscopic Pituitary Surgery [46.2901962659261]
  The Pituitary Vision (VisVis) 2023 Challengeは、内視鏡下垂体手術のビデオで、コミュニティに認識のステップと計測を課している。 これは、より小さな作業スペースのため、他の最小侵襲の手術と比較しても、ユニークなタスクである。 6つの国にまたがる9チームから18のチームがあり、さまざまなディープラーニングモデルを使用していた。
  論文  参考訳（メタデータ） (2024-09-02T11:38:06Z)
• Learning Multi-modal Representations by Watching Hundreds of Surgical Video Lectures [50.09187683845788]
  手術用コンピュータビジョンの応用の最近の進歩は、視覚のみのモデルによって駆動されている。 これらの手法は、固定されたオブジェクトカテゴリのセットを予測するために手動で注釈付き手術ビデオに依存する。 本研究では,オープンな外科的eラーニングプラットフォームを通じて提供される外科的ビデオ講義が,効果的な視覚と言語監督の信号を提供することができるという考えを提起した。
  論文  参考訳（メタデータ） (2023-07-27T22:38:12Z)
• Colonoscopy Navigation using End-to-End Deep Visuomotor Control: A User Study [7.488310579909492]
  本研究は,Deep Visuomotor Control (DVC) と呼ばれる,Deep Reinforcement Learning を用いた内視鏡のイメージベース制御を提案する。 その結果,複数の評価パラメータの同等性能がより安全であることが示唆された。 内視鏡処置のシームレスな監督は、内視鏡の制御の問題よりも、介入者が医療上の決定に焦点を合わせることを可能にする。
  論文  参考訳（メタデータ） (2022-06-30T07:42:21Z)
• One-shot action recognition towards novel assistive therapies [63.23654147345168]
  この作業は、アクション模倣ゲームを含む医療療法の自動分析によって動機づけられます。 提案手法は、異種運動データ条件を標準化する前処理ステップを組み込んだものである。 自閉症者に対するセラピー支援のための自動ビデオ分析の実際の利用事例について検討した。
  論文  参考訳（メタデータ） (2021-02-17T19:41:37Z)

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。