SurgiPose: 単眼手術動画からの手術器具キネマティクス推定による手術ロボット学習

- 単眼の手術動画から手術ロボットのツールの運動学情報（kinematics）を推定する手法 SurgiPose を提案する研究。 - differentiable rendering に基づき、ツールの pose パラメータを最適化して rendered image と実画像の差分を最小化することで、ツール軌道と joint angles を推定する。 - 目的は、kinematics を持たない大規模なオンライン手術動画を imitation learning（IL）に活用する道を開くこと。

- 従来の IL は kinematics 付きの臨床データセットを必要とするが、それらは乏しい。 - 大規模な手術デモの供給源としてオンラインの単眼手術動画に着目し、ground truth kinematics への直接アクセスなしで kinematics を推定できる点が特徴。 - 具体的な先行研究との定量的比較は要旨からは不明。

- differentiable rendering ベースのアプローチ。 - ツールの pose パラメータを最適化し、rendered image と real image の不一致を最小化することで、ツール軌道と joint angles を推定する。 - ground truth kinematics を必要としない点が肝。

- da Vinci Research Kit Si（dVRK Si）を用いた 2 つのロボット手術タスク（tissue lifting と needle pickup）で実験。 - ground truth の kinematics で学習した IL ポリシーと、動画から推定した kinematics で学習したポリシーを比較。 - 推定 kinematics で学習したポリシーが ground truth と同等の success rate を達成し、単眼動画ベースの kinematics 推定の実現可能性を示した。

- 単眼手術動画からの kinematics 推定により、オンライン手術データからの大規模な自律手術ポリシー学習の基盤を築く意義を主張。 - 限界や失敗ケース、推定精度の詳細な議論は要旨からは不明。

- 要旨で参照・比較されている具体的な先行研究は明示されていない。 - 関連手法として differentiable rendering、imitation learning（IL）、da Vinci Research Kit Si（dVRK Si）を用いた手術ロボット学習の文献が次に読む候補。 - 同分野の定番として monocular pose estimation や surgical robot learning の研究を挙げる。