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

要約

オブジェクトの形状と変形可能なオブジェクト内の内部構造の位置を正確に決定することは、ロボット生検などの正確なターゲティングを必要とする医療タスクにとって重要です。
変形可能なオブジェクトの正確な低遅延理解の方法であるLudoを紹介します。
Ludoは、占有ネットワークを使用して30ミリ秒未満の単一ビューポイントクラウド観測から、内部構造を含む変形状態のオブジェクトを再構築します。
Ludoは、その予測の不確実性の推定値を提供します。
さらに、入力観測の主要な機能を強調することにより、説明可能性を提供します。
不確実性と説明可能性の両方は、外科的介入などの安全性の高いアプリケーションにとって重要です。
変形可能なオブジェクトにおける関心のある内部領域（ROI）の自律的なターゲティングに対するLudoの能力を示します。
％さらに、LUDOは、その予測の不確実性の推定値と説明可能性を提供します。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。
現実世界のロボット実験でLUDOを評価し、変形可能なオブジェクト内でさまざまなROIに穴を開けるために98.9％の成功率を達成します。
Ludoは、変形可能な登録方法を必要とせずに、変形可能なオブジェクトと相互作用する可能性を実証しています。

要約(オリジナル)

Accurately determining the shape of objects and the location of their 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. LUDO provides uncertainty estimates for its predictions. Additionally, it provides explainability by highlighting key features in its input observations. Both uncertainty and explainability are important for safety-critical applications such as surgical interventions. We demonstrate LUDO’s abilities for autonomous targeting of internal regions of interest (ROIs) in 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 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