日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

医療ロボティクス/データセット/基盤モデルarXiv:2604.21017

Open-H-Embodiment:医療ロボティクスにおける基盤モデルを可能にする大規模データセット

Open-H-Embodiment: A Large-Scale Dataset for Enabling Foundation Models in Medical Robotics

シェア:XThreadsFacebookLINEはてブBluesky

医療ロボットの自律化を妨げるデータ不足を解決するため、複数のロボットプラットフォームにわたる大規模な医療ロボットビデオと運動学データセットを公開し、基盤モデルの開発を実証した。

詳しい要約

1. どんなもの?

- 医療ロボティクス向けの大規模オープンデータセット「Open-H-Embodiment」を提案。 - 50以上の機関、CMR Versius、da Vinci、dVRK、BiTrack、MIRA、Maestro、カスタムシステムなど複数のロボットプラットフォームを横断。 - 手術操作、ロボット超音波、内視鏡手技のビデオと同期したkinematicsを収録。 - このデータセットを活用し、医療ロボティクス向けの2つのfoundation modelを学習。 - GR00T-H: 初のオープンな医療ロボティクス向けvision-language-actionモデル。 - Cosmos-H-Surgical-Simulator: 単一チェックポイントからマルチembodiment手術シミュレーションを可能にする初のaction-conditioned world model。

2. 先行研究と比べてどこがすごい?

- 既存の医療ロボットデータセットは小規模、単一embodiment、非公開が多く、foundation model開発の障壁となっていた。 - 本データセットは最大規模のオープンな医療ロボットビデオ+同期kinematicsを提供し、50以上の機関と多様なプラットフォームを包含。 - GR00T-Hは構造化縫合ベンチマークで完全なend-to-endタスク完了を達成した唯一の評価モデル(25% vs 他は0%)。 - Cosmos-H-Surgical-Simulatorは単一チェックポイントで9つのロボットプラットフォームにまたがるマルチembodimentシミュレーションを実現する初の試み。

3. 技術・手法の肝は?

- 複数機関・複数ロボットプラットフォームから手術操作、ロボット超音波、内視鏡手技のビデオと同期kinematicsを収集し、大規模オープンデータセットを構築。 - GR00T-H: vision-language-actionモデルを医療ロボティクス向けに学習。 - Cosmos-H-Surgical-Simulator: action-conditioned world modelを学習し、単一チェックポイントでマルチembodiment手術シミュレーションを実現。 - 詳細なアーキテクチャや学習手順は要旨からは不明。

4. どうやって有効だと検証した?

- GR00T-Hを構造化縫合ベンチマークで評価し、完全なend-to-endタスク完了率25%を達成(他の全モデルは0%)。 - 29ステップのex vivo縫合シーケンスで平均成功率64%を達成。 - Cosmos-H-Surgical-Simulatorは9つのロボットプラットフォームにまたがるマルチembodimentシミュレーションを実現し、in silico policy evaluationと合成データ生成をサポート。 - これらの結果から、オープンで大規模な医療ロボットデータ収集が研究コミュニティの基盤インフラとなり得ることを示唆。

5. 議論はある?

- オープンで大規模な医療ロボットデータ収集が、ロボット学習やworld modelingの進歩を可能にする重要なインフラとなり得ると主張。 - データセットの限界、倫理的課題、一般化可能性、臨床応用への道筋などは要旨からは不明。

6. 次に読むべき論文は?

- GR00T-H(本論文で提案) - Cosmos-H-Surgical-Simulator(本論文で提案) - da Vinci Research Kit (dVRK) 関連研究 - 医療ロボティクス向けfoundation modelの先行研究(要旨では具体的な参照なし) - 一般的なvision-language-actionモデル(例: RT-2, OpenVLAなど) - world model関連研究(例: Cosmos, Dreamerなど)

※ 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: Open-H-Embodiment Consortium, :, Nigel Nelson, Juo-Tung Chen, Jesse Haworth, Xinhao Chen, Lukas Zbinden, Dianye Huang, Alaa Eldin Abdelaal, Alberto Arezzo, Ayberk Acar, Farshid Alambeigi, Carlo Alberto Ammirati, Yunke Ao, Pablo David Aranda Rodriguez, Soofiyan Atar, Mattia Ballo, Noah Barnes, Federica Barontini, Filip Binkiewicz, Peter Black, Sebastian Bodenstedt, Leonardo Borgioli, Nikola Budjak, Benjamin Calmé, Fabio Carrillo, Nicola Cavalcanti, Changwei Chen, Haoxin Chen, Sihang Chen, Qihan Chen, Zhongyu Chen, Ziyang Chen, Shing Shin Cheng, Meiqing Cheng, Min Cheng, Zih-Yun Sarah Chiu, Xiangyu Chu, Camilo Correa-Gallego, Giulio Dagnino, Anton Deguet, Jacob Delgado, Jonathan C. DeLong, Kaizhong Deng, Alexander Dimitrakakis, Qingpeng Ding, Hao Ding, Giovanni Distefano, Daniel Donoho, Anqing Duan, Marco Esposito, Shane Farritor, Jad Fayad, Zahi Fayad, Mario Ferradosa, Filippo Filicori, Chelsea Finn, Philipp Fürnstahl, Jiawei Ge, Stamatia Giannarou, Xavier Giralt Ludevid, Frederic Giraud, Aditya Amit Godbole, Ken Goldberg, Antony Goldenberg, Diego Granero Marana, Xiaoqing Guo, Tamás Haidegger, Evan Hailey, Pascal Hansen, Ziyi Hao, Kush Hari, Kengo Hayashi, Jonathon Hawkins, Shelby Haworth, Ortrun Hellig, S. Duke Herrell, Zhouyang Hong, Andrew Howe, Junlei Hu, Zhaoyang Jacopo Hu, Ria Jain, Mohammad Rafiee Javazm, Howard Ji, Rui Ji, Jianmin Ji, Zhongliang Jiang, Dominic Jones, Jeffrey Jopling, Britton Jordan, Ran Ju, Michael Kam, Luoyao Kang, Fausto Kang, Siddhartha Kapuria, Peter Kazanzides, Sonika Kiehler, Ethan Kilmer, Ji Woong Kim, Przemysław Korzeniowski, Chandra Kuchi, Nithesh Kumar, Alan Kuntz, Federico Lavagno, Yu Chung Lee, Hao-Chih Lee, Hang Li, Zhen Li, Xiao Liang, Xinxin Lin, Jinsong Lin, Chang Liu, Fei Liu, Pei Liu, Yun-hui Liu, Wanli Liuchen, Eszter Lukács, Sareena Mann, Miles Mannas, Brett Marinelli, Sabina Martyniak, Francesco Marzola, Lorenzo Mazza, Xueyan Mei, Maria Clara Morais, Luigi Muratore, Chetan Reddy Narayanaswamy, Michał Naskręt, David Navarro-Alarcon, Cyrus Neary, Chi Kit Ng, Christopher Nguan, David Noonan, Ki Hwan Oh, Tom Christian Olesch, Allison M. Okamura, Justin Opfermann, Matteo Pescio, Doan Xuan Viet Pham, Tito Porras, Hongliang Ren, Ariel Rodriguez Jimenez, Ferdinando Rodriguez y Baena, Septimiu E. Salcudean, Asmitha Sathya, Preethi Satish, Lalithkumar Seenivasan, Jiaqi Shao, Yiqing Shen, Yu Sheng, Lucy XiaoYang Shi, Zoe Soulé, Stefanie Speidel, Mingwu Su, Jianhao Su, Idris Sunmola, Kristóf Takács, Yunxi Tang, Patrick Thornycroft, Yu Tian, Jordan Thompson, Mehmet K. Turkcan, Mathias Unberath, Pietro Valdastri, Carlos Vives, Quan Vuong, Martin Wagner, Farong Wang, Wei Wang, Lidian Wang, Chung-Pang Wang, Guankun Wang, Junyi Wang, Erqi Wang, Ziyi Wang, Tanner Watts, Wolfgang Wein, Yimeng Wu, Zijian Wu, Hongjun Wu, Luohong Wu, Jie Ying Wu, Junlin Wu, Victoria Wu, Kaixuan Wu, Mateusz Wójcikowski, Yunye Xiao, Nan Xiao, Wenxuan Xie, Hao Yang, Tianqi Yang, Yinuo Yang, Menglong Ye, Ryan S. Yeung, Nural Yilmaz, Chim Ho Yin, Michael Yip, Rayan Younis, Chenhao Yu, Sayem Nazmuz Zaman, Milos Zefran, Han Zhang, Yuelin Zhang, Yidong Zhang, Yanyong Zhang, Xuyang Zhang, Yameng Zhang, Joyce Zhang, Ning Zhong, Peng Zhou, Haoying Zhou, Xiuli Zuo, Nassir Navab, Mahdi Azizian, Sean D. Huver, Axel Krieger

分類: cs.RO, cs.AI

原文アブストラクト

Autonomous medical robots hold promise to improve patient outcomes, reduce provider workload, democratize access to care, and enable superhuman precision. However, autonomous medical robotics has been limited by a fundamental data problem: existing medical robotic datasets are small, single-embodiment, and rarely shared openly, restricting the development of foundation models that the field needs to advance. We introduce Open-H-Embodiment, the largest open dataset of medical robotic video with synchronized kinematics to date, spanning more than 50 institutions and multiple robotic platforms including the CMR Versius, Intuitive Surgical's da Vinci, da Vinci Research Kit (dVRK), Rob Surgical BiTrack, Virtual Incision's MIRA, Moon Surgical Maestro, and a variety of custom systems, spanning surgical manipulation, robotic ultrasound, and endoscopy procedures. We demonstrate the research enabled by this dataset through two foundation models. GR00T-H is the first open foundation vision-language-action model for medical robotics, which is the only evaluated model to achieve full end-to-end task completion on a structured suturing benchmark (25% of trials vs. 0% for all others) and achieves 64% average success across a 29-step ex vivo suturing sequence. We also train Cosmos-H-Surgical-Simulator, the first action-conditioned world model to enable multi-embodiment surgical simulation from a single checkpoint, spanning nine robotic platforms and supporting in silico policy evaluation and synthetic data generation for the medical domain. These results suggest that open, large-scale medical robot data collection can serve as critical infrastructure for the research community, enabling advances in robot learning, world modeling, and beyond.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI