Hongliang Ren
The Chinese University of Hong Kong
収録論文 71本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- SurgPace: 手術用マルチモーダル大規模言語モデルのための複雑度認識型段階的蒸留蒸留2026/11/2
手術用MLLMを軽量化するため、サンプルの複雑度を予測信頼度とローレンツ幾何整合性で推定し、易から難への連続カリキュラムで段階的に蒸留する枠組みを提案した論文。
- 粗から細へのフローマッチングによる詳細認識型Sim-to-Real単眼深度推定sim2real2026/10/30
粗い特徴デコードと細部復元を段階的に行うフローマッチング手法で、合成データのみで学習しながら実世界の屋内・屋外シーンで高精度な単眼深度推定を実現した。
- 視覚言語グラウンディングによる接触支援内視鏡ナビゲーションVLA2026/10/22
俯瞰画像と内視鏡観察・モータ状態を組み合わせ、視覚言語ポリシーで柔軟内視鏡の湾曲・挿入を予測する接触支援ナビゲーション手法を提案し、専用データセットと実機実験で有効性を示した。
- ロボット軟性内視鏡ナビゲーションにおける後退判断予測のためのマルチモーダル進捗残差融合医療ロボティクス2026/10/22
指令・電磁トラッキング・内視鏡映像を融合し、通常進行モデルからの残差を用いて操作者の後退判断を事前予測する因果モデルMPRFを提案し、大腸ファントム実験で有効性を示した。
- EndoVLA-OOV:ロボット内視鏡における言語条件付き視野外ターゲット獲得VLA2026/10/17
上部消化管内視鏡の再訪作業のため、言語指示と過去・現在の画像から視野外の対象へカメラを誘導するVLAポリシーを提案し、実機で93.3%の獲得成功率を達成した。
- RoPE-Flow: 単眼画像からの2Dグラフ条件付き3Dフローマッチングによるロボット姿勢推定姿勢推定2026/10/15
単眼画像からロボットの3D姿勢を推定するため、2Dヒートマップを起点にキーポイント中心の特徴抽出とグラフ誘導条件生成を用いたフローマッチング手法を提案し、異なるロボットやカメラで高精度かつゼロショットのクロスシーン推定を実現した。
- SurgCast: 手術世界モデルを制御するための行動条件付き未来骨格予測手術動画生成/世界モデル2026/10/11
現在の構造・ロボット状態・将来の行動から手術器具の未来骨格を予測し、それを用いて手術動画生成を制御する手法を提案。
- EndoRSI:物理的証拠に基づく内視鏡ロボット方策の再帰的自己改善医療ロボティクス2026/10/9
内視鏡ロボットの方策を、物理実験の証拠を基にコーディングエージェントが反復的に改良するシステムを提案し、挿入成功率を2/21から17/21へ向上させた。
- UltraWorld: 未追跡の臨床動画から対話型超音波ワールドモデルを学習する音響サンプリングマップ超音波ロボティクス/ワールドモデル2026/10/7
臨床超音波動画から自己蒸留により、プローブ動作に応じた将来観測を予測する対話型ワールドモデルを構築し、音響サンプリングマップで動作追従性を向上させた研究。
- StenoVLA-3D: 消化管狭窄ナビゲーションのための3D認識推論VLAVLA2026/9/21
点群マップを統合した3D認識VLAフレームワークを提案し、狭窄領域の内視鏡ナビゲーションと病変報告を実現した。
- EndoLIFT: 言語で曖昧性を解消する潜在条件付き整流フローによる双方向内視鏡制御医療ロボティクス2026/8/20
内視鏡検査の双方向制御において、同じ視覚情報でも逆の動作が必要となる「意図の曖昧性」を解決するため、言語指示と軌跡潜在変数を組み合わせた視覚言語行動ポリシーを提案した。
- SurgLAT: 深度認識ロボット腹腔鏡制御のための外科的潜在注意追跡手術ロボティクス/カメラ制御2026/8/8
本論文は、動的な手術シーンにおける外科医の意図を潜在的な注意状態として追跡し、自律的な腹腔鏡カメラ制御を行うフレームワークSurgLATを提案する。凍結DINOv3エンコーダと状態条件付きトークンミキサーを用いて注意をモデル化し、RCM制約を考慮したロボット展開を実現する。
- 信頼性の高い双腕手術サブタスク操作のための軌道発散ホライズン決定手術ロボティクス2026/8/1
手術用VLAモデルの固定長オープンループ動作による累積誤差を軽減するため、軌道発散に基づく適応的実行ホライズン決定手法を提案し、実機で検証した。
- EndoWAM: 汎用内視鏡ナビゲーションのための接地された世界行動モデル医療ロボティクス2026/8/1
内視鏡ナビゲーションのための世界行動モデルを初めて提案し、将来の目標領域予測と行動生成を統合することで、変形や視点変化に対するロバスト性を向上させた。
- CrossScope: 役割非対称な世界モデルによる二視野同時手術映像予測映像予測2026/8/1
内視鏡手術の二つの視点(母視点と子視点)の映像を、役割に応じて非対称に情報をやり取りしながら未来予測する世界モデルを提案した。
- SAM3のパラメータ効率的適応によるプロンプト駆動手術領域分割医用画像分割2026/7/26
手術画像の領域分割のために、SAM3のプロンプトエンコーダ等にLoRAを注入し、全パラメータの0.98%のみを最適化する軽量適応手法を提案した。
- ロボット超音波のためのスパースな手術デモ注釈からの階層的気管解剖理解の学習医療ロボティクス2026/7/1
気管切開の正確な切開位置特定を目的に、YOLOv8nとSAM2を組み合わせた2段階の認識パイプラインを提案し、スパースな注釈から高精度な気管解剖セグメンテーションを実現した。
- GeoCFNet: ロボット支援内視鏡的粘膜下層剥離術のための幾何学認識信頼度フィールドネットワーク手術ロボティクス2026/6/11
内視鏡手術中の動的なシーンにおいて、煙やハイライト、組織変形などの課題に対処しつつ、解剖ガイドのための信頼度フィールドを幾何学的に推定するネットワークを提案した。
- BiliVLA: 強化学習を用いた自律的胆道内視鏡ナビゲーションのためのシーン認識型視覚言語行動モデル医療ロボティクス/VLA2026/6/1
胆道内視鏡ナビゲーションを指示条件付き視覚運動学習問題として定式化し、シーン認識型のVLAフレームワークを提案。対象カテゴリ、接地バウンディングボックス、3自由度モーターコマンドを予測し、2段階訓練で性能を向上させた。
- 解剖学的ランドマーク誘導による深層強化学習を用いた自律的胃内ナビゲーション医療ロボティクス2026/5/1
カプセル内視鏡の胃内ナビゲーションを、解剖学的ランドマークを利用した深層強化学習で自律化し、シミュレーションと実環境で高い被覆率と短時間化を達成した。
- 推論能力は内視鏡手術におけるAIコパイロットロボットをどう強化するか手術ロボット2026/5/1
内視鏡手術のAIコパイロットロボット(VLAモデルベース)において、推論能力が未活用であることを指摘し、推論によりマルチモーダル統合や手術意図の解釈、組織動態の推測が可能となり、ロボットを受動的実行から認知的協働者へ変革できると論じた論文。
- 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医療ロボティクス/データセット/基盤モデル2026/4/1
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。
- TMR-VLA:三脚シリコーン製ソフトロボットの磁気運動制御のための視覚-言語-行動モデルソフトロボティクス2026/3/1
磁気駆動の三脚ソフトロボットの動作を、言語指示と視覚情報から直接電圧制御するエンドツーエンドのマルチモーダルシステムを提案した。
- LiDAR-EVS: 擬似LiDAR監視による3Dガウススプラッティングの外挿視点合成の強化自動運転シミュレーション2026/3/1
自動運転シミュレーションにおいて、訓練軌道外の外挿視点でのLiDAR合成を可能にする軽量フレームワークLiDAR-EVSを提案。多フレームLiDAR融合と空間的制約付きドロップアウト正則化により、未見の走行経路でも頑健なLiDARシミュレーションを実現する。
- GeoLanG: 幾何学認識と統合RGB-Dマルチモーダル学習による言語誘導把持マニピュレーション2026/2/1
CLIPを基盤に視覚と言語を統合し、深度情報を幾何学的事前知識として活用することで、雑然とした環境でも言語指示に基づく把持を実現するエンドツーエンド手法を提案。
- 生体模倣キリガミカプセルロボットによる低侵襲消化管生検医療ロボティクス2026/2/1
キリガミ構造の展開式フィルムをカム機構で駆動し、消化管内で安全に組織を採取できる飲み込み型カプセルロボットを開発した。
- セグメンテーションを超えて:ロボット手術におけるSAM 3のセグメンテーション・3D知覚・再構成のベンチマーク評価医療画像/セグメンテーション2025/12/1
ロボット支援手術を対象に、SAM 3のゼロショットセグメンテーションとSAM 3Dの深度再構成をEndoVisやSCAREDなどのベンチマークで評価し、空間プロンプトでは改善が見られる一方、言語プロンプトや動的手術シーンには課題が残ることを示した。
- 変形可能な連続体ロボットの動的腔内ナビゲーションのためのヤコビアン探索的二段階強化学習連続体ロボット/強化学習2025/9/1
変形連続体ロボットの制御において、局所探索でヤコビアンを推定し状態表現を拡張する二段階強化学習を提案し、収束速度・ナビゲーション効率・未知環境への汎化性能を向上させた。
- 深層強化学習による柔軟ロボット内視鏡の接触支援ナビゲーション:動的胃環境への適用医療ロボティクス2025/9/1
変形する胃壁との接触力を活用し、深層強化学習で柔軟ロボット内視鏡を目標位置まで高精度に誘導する手法を提案。物理シミュレーションで訓練し、静的・動的環境で100%の成功率を達成した。
- 磁気誘導変態材料における剛性勾配効果の連続体シミュレーションと検証磁気ソフトロボティクス2025/8/1
磁気誘導変態材料を用いた連続体ロボットに剛性勾配設計を導入し、4つのパラメータを考慮した数値モデルを構築して実験で検証した。さらに高効率な曲げ予測モデルを訓練し、予測ライブラリを構築した。
- Transformerによる再帰的行動信頼度チャンキングで低接触自律経鼻気管挿管を実現医療ロボティクス2025/8/1
経鼻気管挿管を自律化するため、力センサ内蔵の模型とTransformerベースのRACCTモデルを開発し、手動よりピーク挿入力66%削減を達成した。
- Geo-RepNet: 内視鏡的粘膜下層剥離術における手術フェーズ認識のための幾何情報を考慮した表現学習手術フェーズ認識2025/7/1
内視鏡手術の深度情報を活用し、RGB画像と組み合わせることで手術フェーズ認識の精度を高める幾何情報考慮型フレームワークを提案。
- CapsDT: カプセルロボット操作のための拡散トランスフォーマーVLA2025/6/1
胃内で動作するカプセル内視鏡ロボットを、視覚と言語指示から拡散トランスフォーマーで制御する手法を提案し、シミュレータで評価した。
- 曲がりくねった管腔内で空気圧回転生検機構と階層的空気流制御によりその場で全方向に組織穿刺を調整する医療ロボティクス2025/6/1
曲がりくねった管腔内でカテーテルをねじらずに空気圧で生検方向を調整し、低流量で方向制御・高流量で針を展開してその場で全方向の組織サンプリングを可能にするロボットカテーテルを提案・試作した。
- 敵対的特徴分離による頑健な手術ワークフロー認識のためのマルチモーダルグラフ表現学習マルチモーダル認識2025/5/1
視覚と運動学データをグラフ表現で統合し、敵対的特徴分離でモダリティ間のギャップを埋めることで、データ破損やドメインシフトに頑健な手術ワークフロー認識手法を提案した。
- EndoVLA: 内視鏡自律追従のための二段階視覚-言語-行動モデルVLA2025/5/1
消化管内視鏡の連続体ロボット向けに、術者の指示に従いポリープや病変部、円周切開マーカーを自律追従する視覚-言語-行動モデルを提案し、教師あり微調整と強化学習微調整の二段階戦略で性能とゼロショット汎化を向上させた。
- DeepSeekは外科医のように推論できるか?ロボット支援手術における視覚言語理解の実証評価VLA2025/3/1
DeepSeekモデルをロボット手術の視覚言語タスク(単語QA・視覚QA・詳細記述)で評価し、汎用マルチモーダルモデルより優れるが臨床要件には未達であることを示した実証研究。
- 2Dガウシアンスプラッティングによる表面法線を考慮した内視鏡SLAMSLAM/内視鏡2025/1/1
内視鏡手術向けに、2Dガウシアンスプラッティングと表面法線を活用したリアルタイムSLAMシステムを提案し、高精度な深度・表面再構成を実現した。
- V²-SfMLearner:振動信号を統合したマルチモーダルカプセル内視鏡の単眼深度・自己運動学習マルチモーダル/医療ロボティクス2024/12/1
カプセル内視鏡の視覚信号に振動信号を融合し、振動ノイズを除去しながら深度とカプセル運動を教師なしで推定するマルチモーダル手法を提案。
- SurgSora: 物体認識拡散モデルによる制御可能な手術動画生成動画生成2024/12/1
単一フレームとユーザ指定の動きキューから、物体特徴と深度情報を活用して高精細かつ動きを制御できる手術動画を生成する拡散モデルフレームワーク。
- マーカーレスARによる神経介入術前計画・頭部装着型ロボット針刺入トレーニングのための自動スケーリングとリアルタイム頭部追跡AR/手術支援2024/11/1
MediaPipeとReact Three Fiberを用いたマーカーレスWeb ARアプリを開発し、頭部解剖の自動スケーリングとリアルタイム頭部追跡により、神経介入の術前計画・教育を支援する。
- ETSM: ロボット支援内視鏡的粘膜下層剥離術における剥離軌道提案と信頼度マップに基づく安全マージン予測の自動化手術ロボティクス2024/11/1
ロボット支援ESD向けに1849クリップのデータセットETSMを構築し、最適剥離軌道予測と信頼度マップによる安全マージン予測を統合したフレームワークと回帰型ネットワークRCMNetを提案した。
- ロボット手術における変形組織の3次元再構成技術のレビュー3D再構成2024/8/1
ロボット手術の内視鏡映像から変形する組織を3次元再構成するNeRFや3Dガウシアンスプラッティングなどの最新手法をレビューし、2つのデータセットで評価した。
- ロボット手術におけるSAM 2:手術映像セグメンテーションの堅牢性と汎化性能の実証評価手術映像セグメンテーション2024/8/1
セグメンテーションモデルSAM 2を手術映像にゼロショット適用し、点・ボックスプロンプトでの精度や画像劣化への堅牢性をEndoVisベンチマークで評価した。
- デュアルステレオビジョンによるミリメートルスケールソフト連続ロボットの三次元形態再構成ソフトロボティクス/3D再構成2024/8/1
2台の対向するステレオカメラで撮影した点群を、既知の形状を参照にKD木で位置補正し、直径3.5mmのノッチ付き管状連続ロボットの3D形態を再構成する手法を提案した。
- Surgical-VQLA++: ロボット手術における校正済みロバスト視覚質問局所回答のための敵対的対照学習VLA2024/8/1
手術画像に対する質問応答で、回答とともに関連領域を局所化するVQLAタスクを提案し、マルチモーダル情報を統合する校正済み共注意ゲート付き視覚言語埋め込みと敵対的対照学習で性能とロバスト性を向上させた。
- SegSTRONG-C: 非敵対的生成劣化に対する手術器具のロバストセグメンテーション — EndoVis'24チャレンジセグメンテーション2024/7/1
手術器具セグメンテーションの深層学習モデルが、出血・煙・低照度などの現実的な画像劣化に対してどれだけ頑健かを評価するEndoVis'24チャレンジを開催し、ベースラインと参加手法を比較した。
- ASI-Seg: 音声駆動による術者意図を理解する手術器具セグメンテーション手術支援/マルチモーダル2024/7/1
術者の音声コマンドを解析し、意図に沿った手術器具だけをセグメンテーションするマルチモーダルフレームワークを提案。
- 内視鏡手術のためのニューラル4Dガウシアンの位置合わせ医療画像/4D再構成2024/7/1
4Dガウシアンスプラッティングで手術シーンを再構成し、動的なシーン同士を高精度に位置合わせする手法を提案した論文。
- 非線形システムのオンライン時間情報付きキノダイナミック運動計画運動計画2024/7/1
深層学習とKoopman作用素理論を組み合わせ、非線形制御システムの時間情報付き集合をオンラインで近似し、時間最適な運動計画を高速化する手法を提案した。
- Surgical-LVLM:手術支援のための視覚的質問応答に適応する大規模視覚言語モデルVLA2024/5/1
手術動画の視覚的質問応答と領域特定のため、大規模視覚言語モデルにVP-LoRAとToken-Interactionモジュールを組み込み、複雑な手術シーンでの性能を向上させた。
- OSSAR: ロボット支援手術におけるオープンセット手術活動認識に向けて手術活動認識2024/2/1
手術活動認識において未知クラスを既知クラスと誤認しないオープンセット認識フレームワークOSSARを提案し、超球相反点戦略とキャリブレーション改善で既存手法を上回る性能を示した。
- 外科手術ロボティクスにおける深層強化学習:自動化レベルの向上手術ロボティクス2023/9/1
手術ロボットの自動化に向けた強化学習の応用研究を網羅的にレビューし、術前・体内・経皮手技での事例と手法を比較した。
- ロボット支援経鼻気管挿管に向けたTransformerによるランドマーク検出医療ロボティクス2023/8/1
変形可能なDeTRと意味整合モジュールを用いて、鼻孔と声門という2つの重要ランドマークを高精度に検出する手法を提案し、公開データセットで有効性を示した。
- LLCaps: 曲線ウェーブレット注意と逆拡散による低照度カプセル内視鏡画像の照明改善学習医用画像強調2023/7/1
カプセル内視鏡の低照度画像を、マルチスケールCNNと曲線ウェーブレット注意、逆拡散過程を組み合わせて高画質化する手法を提案し、消化管疾患のセグメンテーション精度も向上させた。
- 手術支援のための継続的視覚質問応答における蒸留の再検討VLA2023/7/1
手術教育支援のための視覚質問局所回答システムにおいて、古いデータにアクセスできない状況でも壊滅的忘却を防ぐため、剛性-可塑性を考慮した蒸留と自己校正異種蒸留を提案し、継続学習フレームワークを構築した。
- CAT-ViL: 手術映像における視覚的質問位置特定応答のための共注意ゲート付き視覚言語埋め込みVLA2023/7/1
手術映像に対する質問応答で、答えの内容だけでなく位置も特定するVQLAシステムを提案。視覚と言語の特徴を融合する共注意ゲート付き埋め込みとTransformerで高精度を実現した。
- 手術支援ロボットにおける視覚質問局所回答:ゲート付き視覚言語埋め込みを用いたTransformerVLA2023/5/1
手術動画に対する質問応答で、答えの予測と同時に該当する手術領域を局所化するSurgical-VQLAを提案し、ゲート付き視覚言語埋め込みとLViTで異種モダリティを融合した。
- 深層強化学習によるワイヤレスカプセル内視鏡の胃カバレッジスキャン制御医療ロボティクス/強化学習2023/5/1
磁気カプセル内視鏡で胃全体をくまなくスキャンするため、VR-Capsシミュレータ上でPPOとSACを比較し、150秒で98%のカバレッジを達成した。
- ロボット支援気管挿管に向けた中咽頭器官のドメイン適応Sim-to-Realセグメンテーションsim2real2023/5/1
SOFAで生成した仮想データセットとIoU-Ranking Blend・スタイル変換によるドメイン適応手法を組み合わせ、中咽頭器官の画像セグメンテーション精度と学習安定性を向上させた。
- SAMはロボット手術に使えるか?ロバスト性の実証研究セグメンテーション2023/4/1
ロボット手術の器具セグメンテーションにおいて、SAMのゼロショット汎化性能とロバスト性を様々な設定で評価し、バウンディングボックスプロンプトでは有効だが点プロンプトや複雑な手術シーンでは不十分であることを示した。
- 生物に学ぶソフトロボティクス:生物から何をどう学ぶかソフトロボティクス2023/2/1
生物の自己成長・自己修復・自己応答・自己循環という機能に基づいてソフトロボットを分類し、生物から学ぶ設計と応用の現状・課題・展望を整理したレビュー。
- 手術シーン理解のためのタスク認識型非同期マルチタスクモデルとクラス増分対照学習マルチタスク学習/手術シーン理解2022/11/1
手術シーン理解のためのマルチタスク学習モデルを提案し、クラス増分対照学習とタスク認識型非同期最適化により、ドメインシフトに対処しつつキャプション生成と器具-組織インタラクション予測を同時に行う。
- NiTiワイヤを用いた消化管内視鏡手術向け小型3自由度柔軟パラレルロボット手首医療ロボティクス2022/7/1
NiTiワイヤで駆動する小型3自由度の柔軟パラレルロボット手首を開発し、電気メスを搭載してブタ胃の内視鏡的粘膜下層剥離術を遠隔操作で実施、その有効性を示した。
- Transformerを用いた手術シーンにおける視覚的質問応答VQA2022/6/1
手術シーンを対象とした視覚的質問応答(Surgical-VQA)タスクを設計し、分類回答と文回答の2種類のデータセットを構築するとともに、視覚と言語のトークン間の相互作用を強化する残差MLPベースのVisualBertエンコーダを提案した。
- 大域的推論を統合したマルチタスク手術シーン理解モデル手術シーン理解2022/1/1
手術シーン理解のため、大域的関係推論とマルチスケール局所推論を組み合わせ、器具セグメンテーションと道具-組織インタラクション検出を同時に行うマルチタスクモデルを提案した。
- 手術器具追跡中の走査経路予測のための時空間マルチタスク学習モデル医療ロボティクス2021/12/1
ロボット手術において、器具のセグメンテーションとタスク指向の顕著性検出を同時に行う時空間マルチタスク学習モデルを提案し、非同期最適化とSinkhorn正則化で走査経路を予測する。
- 喉頭領域の能動触診と切開位置推薦のためのエネルギー制約付き獲得戦略RASEC触覚2021/11/1
触覚センサで喉頭領域の組織硬さを測り、SE-OU融合カーネルとエネルギー制約を導入した獲得戦略で切開位置を高精度かつ省移動・省回転で推定する手法を提案した。
- モデル校正を伴うドメイン適応によるロボット手術レポート生成の学習手術レポート生成/ドメイン適応2021/3/1
勾配反転の敵対的学習とラベルスムージングによるモデル校正を組み合わせ、複数ドメインの手術画像から手術レポート文を生成するマルチ層Transformerモデルを提案した。
- 補助教師付き敵対的学習によるロボット手術のリアルタイム器具セグメンテーション医療画像セグメンテーション2020/7/1
商用ロボット手術システムの高解像度映像から手術器具をリアルタイムにセグメンテーションする軽量CNNを開発し、補助損失と敵対的損失を組み合わせて精度を向上させた。
- Type-2ファジィ論理と移動ホライズン推定を用いた力推定型バイラテラル遠隔操作遠隔操作2018/5/1
Type-2ファジィ論理と移動ホライズン推定を組み合わせ、正確な動的モデルなしでもノイズに頑健に力を推定する新たな力オブザーバを開発し、遅延下での高精度な力追従を実現した。
