LUDO: Low-Latency Understanding of Highly Deformable Objects using Point Cloud Occupancy Functions

要約

変形可能な物体の内部構造の形状と位置を正確に決定することは、ロボットによる生検など、正確なターゲットを必要とする医療作業にとって非常に重要です。
変形可能なオブジェクトを低遅延で正確に理解するための手法である LUDO を紹介します。
LUDO は、占有ネットワークを使用して、単一視点の点群観測から、内部構造を含む変形状態の物体を 30 ミリ秒未満で再構築します。
私たちは、高度に変形可能なオブジェクトの内部関心領域 (ROI) を自律的にターゲットにする LUDO の機能を実証します。
さらに、LUDO は不確実性の推定値とその予測の説明可能性を提供します。これらはどちらも外科的介入などの安全性が重要なアプリケーションで重要です。
私たちは実際のロボット実験で LUDO を評価し、高度に変形可能な物体の内部のさまざまな ROI を穿刺する成功率 98.9% を達成しました。
LUDO は、変形可能な登録メソッドを必要とせずに変形可能なオブジェクトと対話できる可能性を示しています。

要約(オリジナル)

Accurately determining the shape and location of internal structures within deformable objects is crucial for medical tasks that require precise targeting, such as robotic biopsies. We introduce LUDO, a method for accurate low-latency understanding of deformable objects. LUDO reconstructs objects in their deformed state, including their internal structures, from a single-view point cloud observation in under 30 ms using occupancy networks. We demonstrate LUDO’s abilities for autonomous targeting of internal regions of interest (ROIs) in highly deformable objects. Additionally, LUDO provides uncertainty estimates and explainability for its predictions, both of which are important in safety-critical applications such as surgical interventions. We evaluate LUDO in real-world robotic experiments, achieving a success rate of 98.9% for puncturing various ROIs inside highly deformable objects. LUDO demonstrates the potential to interact with deformable objects without the need for deformable registration methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google