マニピュレーション2025/10/1arXiv:2510.20965

SutureBot：自律的な端から端までの縫合のための精密フレームワークとベンチマーク

SutureBot: A Precision Framework & Benchmark For Autonomous End-to-End Suturing

da Vinci Research Kit上で針の把持から組織への刺入、結紮までの自律縫合を実現するベンチマークを提案し、1890件の縫合デモデータセットを公開。目標条件付きフレームワークで刺入点精度を59-74%改善し、最先端VLAモデルを評価した。

詳しい要約

1. どんなもの？

- da Vinci Research Kit (dVRK) 上での自律縫合の end-to-end benchmark を提案 - needle pickup、tissue insertion、knot tying の3段階をカバー - 1,890件の縫合 demonstration を含む高忠実度 dataset を公開 - 目標条件付き (goal-conditioned) の枠組みで挿入点精度を明示的に最適化 - 物理ハードウェア上での完全自律縫合パイプラインの実証を目指す

2. 先行研究と比べてどこがすごい？

- 従来は end-to-end 自律縫合の完全なパイプラインが物理ハードウェアで未実証 - 本研究は needle pickup から knot tying までを一貫して扱う benchmark を初提示 - 挿入点精度を明示最適化し、task-only baseline 比で targeting accuracy を 59%–74% 改善 - 再現可能な評価のため 1,890 件の demonstration dataset を公開 - 最先端 VLA モデルを同一 benchmark 上で比較評価する枠組みを提供

3. 技術・手法の肝は？

- goal-conditioned framework により挿入点精度を明示的に最適化 - 高レベル task-prediction policy を各 VLA モデルに付加する構成 - 評価対象 VLA: π0、GR00T N1、OpenVLA-OFT、multitask ACT - dVRK 上で needle pickup・tissue insertion・knot tying を統合 - 詳細なアルゴリズム構成は要旨からは不明

4. どうやって有効だと検証した？

- dVRK 上の自律縫合 benchmark で評価 - 挿入点精度を task-only baseline と比較し 59%–74% の改善を報告 - π0、GR00T N1、OpenVLA-OFT、multitask ACT を高レベル task-prediction policy 付きで評価 - 1,890 件の demonstration dataset を再現評価用に公開 - 具体的な被験者数や統計手法は要旨からは不明

5. 議論はある？

- 自律縫合は手術ロボティクス自律化の重要なマイルストーンと位置付け - 精度重視の long-horizon dexterous manipulation policy の必要性を強調 - 再現可能な評価と開発を支援する benchmark としての意義を主張 - 限界・失敗事例・一般化性に関する議論は要旨からは不明

6. 次に読むべき論文は？

- π0 - GR00T N1 - OpenVLA-OFT - multitask ACT - vision-language-action (VLA) モデル全般 - imitation learning による dexterous manipulation の関連研究

※ 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: Jesse Haworth, Juo-Tung Chen, Nigel Nelson, Ji Woong Kim, Masoud Moghani, Chelsea Finn, Axel Krieger

分類: cs.RO, cs.LG

原文アブストラクト

Robotic suturing is a prototypical long-horizon dexterous manipulation task, requiring coordinated needle grasping, precise tissue penetration, and secure knot tying. Despite numerous efforts toward end-to-end autonomy, a fully autonomous suturing pipeline has yet to be demonstrated on physical hardware. We introduce SutureBot: an autonomous suturing benchmark on the da Vinci Research Kit (dVRK), spanning needle pickup, tissue insertion, and knot tying. To ensure repeatability, we release a high-fidelity dataset comprising 1,890 suturing demonstrations. Furthermore, we propose a goal-conditioned framework that explicitly optimizes insertion-point precision, improving targeting accuracy by 59\%-74\% over a task-only baseline. To establish this task as a benchmark for dexterous imitation learning, we evaluate state-of-the-art vision-language-action (VLA) models, including $\pi_0$, GR00T N1, OpenVLA-OFT, and multitask ACT, each augmented with a high-level task-prediction policy. Autonomous suturing is a key milestone toward achieving robotic autonomy in surgery. These contributions support reproducible evaluation and development of precision-focused, long-horizon dexterous manipulation policies necessary for end-to-end suturing. Dataset is available at: https://huggingface.co/datasets/jchen396/suturebot

arXivで原文を読む →arXiv概要ページ

SutureBot：自律的な端から端までの縫合のための精密フレームワークとベンチマーク

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？

原文アブストラクト

関連論文

今週よく読まれている記事

OZ GAMING（GPU搭載BTOゲーミングPC）

双腕モバイルマニピュレーター OpenShell