何が起きたか
研究チームは、手術用ロボットの自律操作におけるVision-Language-Action（VLA）モデルの信頼性向上を目的とした手法「Trajectory Divergence Horizon Decision（TDHD）」を提案した。既存のVLAポリシーは固定長のオープンループ動作列に依存し、環境変化による誤差蓄積のリスクがある。TDHDは、小さなノイズ摂動下で生成された2つのフローマッチング軌道間の乖離を測定し、二重閾値ルールで実行を打ち切ってタイムリーな再計画を促す。研究チームは、実際のda Vinci類似の双腕ロボットを用いたベンチマークを構築し、針操作（リーチ、ピック、リグラスプ）と組織操作（リーチ、リフト、切除）の600回の遠隔操作デモを収集した。実機での各タスク20回の試行で、TDHDは最新のVLAベースラインと比較して、針操作で成功率55%から60%、組織操作で55%から80%に向上し、特に最終操作段階で最大の改善が見られた。
Key Facts
| 研究チームは、手術用ロボットの自律操作向けに、軌道分岐に基づく適応的実行制御手法「Trajectory Divergence Horizon Decision（TDHD）」を提案した。 | [0] |
| 既存のVLAポリシーは固定長のオープンループ動作列に依存し、環境変化による誤差蓄積のリスクがあるとしている。 | [0] |
| TDHDは、小さなノイズ摂動下で生成された2つのフローマッチング軌道間の乖離を測定し、二重閾値ルールで実行を打ち切って再計画を促す。 | [0] |
| 研究チームは、実際のda Vinci類似の双腕ロボットを用いたベンチマークを構築し、針操作（リーチ、ピック、リグラスプ）と組織操作（リーチ、リフト、切除）の600回の遠隔操作デモを収集した。 | [0] |
| 実機での各タスク20回の試行で、TDHDは最新のVLAベースラインと比較して、針操作で成功率55%から60%、組織操作で55%から80%に向上した。 | [0] |
| 最大の改善は最終操作段階で見られた。 | [0] |
なぜ重要か
手術用ロボットの自律化において、VLAモデルは有望な枠組みだが、固定長のオープンループ実行では環境変化による誤差蓄積が課題だった。TDHDは実行の信頼性を適応的に制御することで成功率を向上させ、手術操作の自律化に向けた実用性を高める成果である。