手術ロボティクス2026/8/10arXiv:2608.09125v1

信頼性の高い双腕手術サブタスク操作のための軌道発散ホライズン決定

Trajectory Divergence Horizon Decision for Reliable Dual-Arm Surgical Subtask Manipulation

手術用VLAモデルの固定長オープンループ動作による累積誤差を軽減するため、軌道発散に基づく適応的実行ホライズン決定手法を提案し、実機で検証した。

詳しい要約

1. どんなもの？

本論文は、外科手術用ロボットにおけるVision-Language-Action (VLA)モデルの信頼性向上を目的とし、固定長のオープンループ行動系列による累積誤差を軽減する適応的実行ホライズン決定機構を提案する。具体的には、Trajectory Divergence Horizon Decision (TDHD)と呼ばれるテスト時メカニズムを導入し、flow-matchingで生成された軌道間の乖離を測定して行動の信頼性を推定し、二重閾値ルールで実行を打ち切って再計画を促す。さらに、da Vinci類似の実機デュアルアームベンチマークを構築し、針と組織の操作サブタスクで600件の遠隔操作デモを収集して評価している。

2. 先行研究と比べてどこがすごい？

従来の学習ベースの制御器は個別タスクに特化し再利用が難しいのに対し、VLAモデルは視覚・言語・行動を統合し構成可能な外科的自律性を提供する点で優れている。しかし、既存のVLAポリシーは固定長のオープンループ行動系列に依存し、環境変化による累積誤差がリスクとなる。TDHDは、テスト時に軌道乖離を監視して適応的に実行ホライズンを決定する点で、固定長実行の限界を克服し、信頼性を向上させる新しいアプローチである。

3. 技術・手法の肝は？

TDHDの核心は、flow-matchingで生成された軌道に小さなノイズ摂動を加え、その乖離をステップごとの行動信頼性の指標として用いること。二重閾値ルールにより、乖離が閾値を超えた時点で実行を打ち切り、再計画をトリガーする。これにより、動的なシーン変化に適応し、累積誤差を防ぐ。また、実機ベンチマークでは、同期マルチビュー知覚と言語指示を統合し、針と組織の操作サブタスクを設計している。

4. どうやって有効だと検証した？

実機ハードウェア上で、タスク設定ごとに20回の試行を実施し、最新のVLAベースラインと比較。針操作では成功率が55%から60%に、組織操作では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。これにより、適応的実行制御の有効性を実証した。

5. 議論はある？

要旨からは、TDHDの汎用性や他のロボットプラットフォームへの適用可能性、計算コスト、閾値設定の感度などに関する議論は不明。また、ベンチマークが特定のタスクに限定されており、より複雑な手術手順への拡張性については言及されていない。

6. 次に読むべき論文は？

要旨で参照されているVLAモデルやflow-matching関連の研究、および外科手術ロボティクスにおける学習ベース制御の既存研究が挙げられる。具体的には、Vision-Language-Actionモデルの基盤となる研究や、flow-matchingによる軌道生成手法、および外科手術用ロボットの自律制御に関する定番論文が該当する。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Mingwu Su, Guankun Wang, Jinsong Lin, Rulin Zhou, Ziyi Hao, Zhiwei Fang, Huxin Gao, Jiewen Lai, Jiazheng Wang, Fan Zhang, Hongliang Ren

分類: cs.RO

原文アブストラクト

Surgical robotic systems are increasingly being adopted as clinical workload rises, motivating autonomous solutions for repetitive manipulation subtasks. Learning-based controllers improve generalization compared with rule-based and analytic approaches, but most are trained for individual tasks and remain difficult to reuse across procedures. Vision-Language-Action (VLA) models provide a unified framework that integrates visual perception, language grounding, and action generation, offering a promising path toward more composable surgical autonomy. However, existing VLA policies rely on fixed-length open-loop action sequences, where changing scene conditions can lead to accumulated errors and potential risks in surgical manipulation. To mitigate this issue, we formulate surgical VLA deployment as an adaptive execution-horizon decision problem and propose Trajectory Divergence Horizon Decision (TDHD), a test-time mechanism that estimates step-wise action reliability by measuring the divergence between two flow-matching-generated trajectories under small noise perturbations and truncates execution using a dual-threshold rule to trigger timely replanning. We further establish a real-world da Vinci-like dual-arm benchmark with synchronized multi-view perception and language instructions, and collect 600 teleoperated demonstrations across needle (reach, pick, regrasp) and tissue (reach, lift, resection) manipulation suites. On real hardware with 20 trials per task setting, TDHD consistently improves performance over the latest VLA baselines: success increases from 55\% to 60\% for needle manipulation and from 55\% to 80\% for tissue manipulation, with the largest gains observed in the final manipulation stages. These results highlight the importance of adaptive execution control for reliable deployment of VLA models in surgical robotic manipulation.

arXivで原文を読む →arXiv概要ページ

← 論文一覧