MicroHookACT: 単眼顕微鏡視覚による柔軟マイクロ電極フッキングのための視覚運動ポリシー
MicroHookACT: Monocular Microscopic Vision Guided Visuomotor Policy for Flexible Microelectrode Hooking
単眼顕微鏡下での柔軟マイクロ電極の自動フッキングを実現する模倣学習ベースの視覚運動ポリシーを提案し、人間の実演60回から学習して96.7%の成功率を達成した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ 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: Yitong Chen, Fangbo Qin, Yang Wang, Ruihua Hu, Kui Zhang, Shan Yu
分類: cs.RO
原文アブストラクト
Automated needle-loop hooking is a critical step in flexible microelectrode (FME) implantation. This paper presents MicroHookACT, an imitation learning-based visuomotor policy for automated 3D hooking under monocular microscopic vision. First, a unidirectional hooking strategy exploits defocus cues and optical-axis guidance to enable palpation-free precise alignment and contact-rich threading. Second, an action-supervised object attention module built on a frozen ViT backbone learns to focus on the micro-needle tip and micro-loop directly from human demonstrations, without requiring manual visual annotations for training. Third, attention-centered global coarse and local fine features are dynamically weighted according to predicted action progress, enabling a single ACT policy to adapt to changing defocus blur and visual requirements throughout the operation. In the experiments, visuomotor policies were trained on 60 human demonstrations and evaluated under five setups with varying difficulties. Our MicroHookACT framework achieved the highest overall success rate of 96.7\% with an average execution time of 11.5 s. These results demonstrate the potential of visuomotor policy learning for micron-level control under varying operating conditions.
関連論文
- SeeQ: 長期的ロボットマニピュレーションのための汎用価値関数の学習マニピュレーション
- グリッパを考慮した不規則物体の自動高密度パッキングマニピュレーション
- 事前学習から熟達へ：最小限の人的介入で長期的マニピュレーションを実現する実世界サブタスクRLマニピュレーション
- ForceTwin: 計測された人間の操作からロボットマニピュレーションのための物理情報デジタルツインを構築マニピュレーション
- 並列シミュレーションにおけるロボットマニピュレーションのための視覚言語報酬学習のスケーリングマニピュレーション
- 細粒度物体操作に向けて：SAM3誘導視覚運動ポリシーと持続的メモリ学習および集中視覚条件付けマニピュレーション