研究人员开发了一种新颖的自主手术组织牵拉状态估计方法，该方法在部分和嘈杂的视觉观察场景下特别有用。所提出的方法利用了一个学习到的估计器，该估计器可以从有限数量的顶点观测中重建完整的可变形网格状态。该估计器结合了多层感知器和低维PCA潜在表示，并使用几何感知正则化进行训练，以确保物理上可行的变形。在2D模拟中进行评估，该方法在多步牵拉任务中达到了Oracle性能的98.1%，证明了其在现实感知约束下的效率和有效性。 AI
影响 通过在有限的感官输入下改进状态估计，实现更精确的机器人手术。
排序理由 该集群包含一篇详细介绍特定应用新AI方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.13475v1 Announce Type: cross Abstract: Surgical tissue retraction requires effective manipulation planning under partial and noisy perception. We study state estimation for deformable tissue retraction, where only sparse observations of the tissue surface are available…
Surgical tissue retraction requires effective manipulation planning under partial and noisy perception. We study state estimation for deformable tissue retraction, where only sparse observations of the tissue surface are available at decision time. We propose a learned state esti…