日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ロボット超音波/ワールドモデル/プローブ誘導arXiv:2607.21918

ロボット超音波における目標平面プローブ誘導のための行動条件付きワールドモデル

Action-Conditioned World Model for Goal Plane Probe Guidance in Robotic Ultrasound

シェア:XThreadsFacebookLINEはてブBluesky

ロボット超音波検査のプローブ誘導を、行動条件付き拡散ワールドモデルと目標条件付きトランスフォーマーを用いた2段階学習で実現した。実機実験で頸動脈70%、甲状腺65%の成功率を達成した。

詳しい要約

1. どんなもの?

本論文は、ロボットによる頸部超音波スキャンにおいて、目標断面(goal plane)へのプローブ誘導を実現するための、action-conditioned world modelフレームワークを提案している。具体的には、潜在条件付き拡散ワールドモデル(latent conditional diffusion world model)を用いて将来の超音波観測を予測し、その予測に基づいて目標条件付き時間トランスフォーマー(goal-conditioned temporal transformer)がプローブの動作系列を生成する。実世界の閉ループ実験で、頸動脈ガイダンスで成功率70.0%、甲状腺ガイダンスで65.0%を達成した。

2. 先行研究と比べてどこがすごい?

従来の自律超音波タスクでは、大量のプローブ動作軌跡のデモンストレーションが必要であり、収集に労力を要する。また、超音波画像は接触状態や組織変形、視点依存の音響アーチファクトに依存するため、明示的なシミュレータの構築が困難である。本手法は、モデルベースの学習パイプラインを採用し、ワールドモデルを学習することで、実データのデモンストレーションを大量に必要とせず、シミュレータなしでロボットの動作学習を可能にしている点が新しい。

3. 技術・手法の肝は?

手法の核は2段階のモデルベース学習パイプラインである。第一段階では、潜在条件付き拡散ワールドモデルが、最近のコンテキストフレーム、プローブ動作、時間オフセットから将来の超音波観測を予測する。第二段階では、目標条件付き時間トランスフォーマーが順序だったプローブ動作を予測し、凍結されたワールドモデルからの報酬を用いて微調整される。これにより、実環境でのデモンストレーションなしに、目標指向のプローブナビゲーションを学習できる。

4. どうやって有効だと検証した?

自己収集したデータセットを用いて、ワールドモデルが目標指向スキャンにおいて動作依存の解剖学的構造を保持することを確認した。さらに、実世界の閉ループ実験を行い、頸動脈ガイダンスで成功率70.0%、甲状腺ガイダンスで成功率65.0%を達成した。

5. 議論はある?

要旨からは、成功率が70%程度であり、まだ改善の余地があること、また、提案手法が頸部超音波に特化しているため、他の部位やタスクへの一般化については不明である。また、ワールドモデルの予測精度や、実環境でのロバスト性に関する議論は要旨には含まれていない。

6. 次に読むべき論文は?

要旨で参照されている関連研究として、action-conditioned world model、latent conditional diffusion model、goal-conditioned temporal transformer、model-based reinforcement learning、robotic ultrasound probe guidanceなどが挙げられる。具体的な論文タイトルは要旨に記載がないため、これらの手法を提案した元論文を読むことが推奨される。

※ 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: Siqi Fan, Mingcong Chen, Ran Liu, Zixuan Yang, Xiaoyu Fu, Xiaoqing Gao, Yunhui Liu, Hongbin Liu

分類: cs.RO

原文アブストラクト

We present an action-conditioned world model framework for goal plane probe guidance in robotic ultrasound, with a focus on neck ultrasound scanning. Autonomous ultrasound tasks often require large numbers of probe-motion trajectories for training, but collecting high-quality demonstrations is labor-intensive and explicit simulators are difficult to build because ultrasound appearance depends on contact, tissue deformation, and view-dependent acoustic artifacts. We address this problem with a two-stage model-based learning pipeline. First, a latent conditional diffusion world model predicts future ultrasound observations from recent context frames, probe motions and temporal offset. Second, a goal-conditioned temporal transformer predicts ordered probe motions and is fine-tuned using rewards from the frozen world model. Experiments on the self-collected dataset show that the world model preserves action-dependent anatomical structure on target-directed scans. In real-world closed loop experiments, the framework achieves success rates of 70.0\% for carotid guidance and 65.0\% for thyroid guidance. These results demonstrate the potential of learned ultrasound dynamics for training goal-directed robotic probe navigation.

  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

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI