[論文レビュー] A Koopman-Bayesian Framework for High-Fidelity, Perceptually Optimized Haptic Surgical Simulation

Rohit Kaushik, Eva Kaushik|arXiv (Cornell University)|Jan 4, 2026

Teleoperation and Haptic Systems被引用数 0

ひとこと要約

論文は Koopman 埋め込み型のベイズ感覚校正フレームワークを高忠実度の侵襲的手術用触覚シミュレーションに適用し、予測ダイナミクス、知覚に合わせた力の描写、そして遅延を考慮した制御を提供し、触覚リアリズムを改善します。

ABSTRACT

We introduce a unified framework that combines nonlinear dynamics, perceptual psychophysics and high frequency haptic rendering to enhance realism in surgical simulation. The interaction of the surgical device with soft tissue is elevated to an augmented state space with a Koopman operator formulation, allowing linear prediction and control of the dynamics that are nonlinear by nature. To make the rendered forces consistent with human perceptual limits, we put forward a Bayesian calibration module based on WeberFechner and Stevens scaling laws, which progressively shape force signals relative to each individual's discrimination thresholds. For various simulated surgical tasks such as palpation, incision, and bone milling, the proposed system attains an average rendering latency of 4.3 ms, a force error of less than 2.8% and a 20% improvement in perceptual discrimination. Multivariate statistical analyses (MANOVA and regression) reveal that the system's performance is significantly better than that of conventional spring-damper and energy, based rendering methods. We end by discussing the potential impact on surgical training and VR, based medical education, as well as sketching future work toward closed, loop neural feedback in haptic interfaces.

研究の動機と目的

• 実時間の触覚レンダラーにおいて非線形のツール–組織ダイナミクスを知覚心理物理学と統合する。
• 非線形相互作用を Koopman 線形観測空間に埋め込み、予測制御を可能にする。
• ベイズ心理物理学を用いて rendered 力を人間の知覚閾値と校正する。
• フレームワークの安定性、遅延、知覚歪みの境界を分析して検証する。
• 代表的な外科タスクを通じて力の忠実度と知覚識別能力の改善を実証する。

提案手法

• Koopman 演算子を介して非線形ダイナミクスを高次元の観測空間へ lift し、EDMD 学習済みの K および B による線形予測と制御を実現する。
• 剛性/減衰モデルで生データの触力を計算し、 Koopman ベースの残差補正で不一致を補償する。
• 一次 Padé 近似を用いて遅延効果を組み込み、小ゲインおよびパッシビティ解析で安定性を担保する。
• フィルタリングされた力を知覚空間へ写像し、JNDs と Stevens の法則で制約されたベイズモデルを用いて適応的知覚校正を実現する。
• 知覚者のばらつきと知覚の不確実性をモデル化する階層ベイズ心理物理学を用い、客観的力と知覚強度の関連をモデル化する（S = alpha F^beta）。
• 知覚モデルをダイナミクスと統合して、F_perc を知覚的に関連する力 cues として描写する。

Figure 1 : Improvement in perceptual discrimination across tasks. Bars indicate mean accuracy; error bars represent 95% confidence intervals from Bayesian posterior samples.

実験結果

リサーチクエスチョン

• RQ1 非線形ツール–組織ダイナミクスを線形の観測空間に表現して予測的な触覚制御を可能にするにはどうすればよいか。
• RQ2 ベイズ知覚校正フレームワークは描画力を人間の知覚閾値に対応させ、知覚リアリズムを改善できるか。
• RQ3 Koopman 埋め込みと知覚校正を組み合わせたハプティック描写システムの安定性、遅延、知覚歪みの境界はどこか。
• RQ4 Koopman-埋め込みおよびベイズ知覚アプローチは、従来の描写法と比べて力の忠実度と知覚識別を改善しているか。

主な発見

Task	Raw Error	Adjusted Error	Perceptual Error
T1: Palpation	8.2 ± 2.1	3.5 ± 1.0	2.1 ± 0.7
T2: Rigid Contact	7.1 ± 1.8	3.0 ± 0.9	1.8 ± 0.6
T3: Bone Milling	9.5 ± 2.4	4.2 ± 1.2	2.8 ± 0.8

• Koopman 埋め込みにより、従来のスプリング–ダンピング描写と比較して平均力誤差をタスク間で約50%低減。
• ベイズ知覚校正により知覚誤差をさらに約20–25%低減し、Weber の閾値と整合。
• 遅延はタスク間で5 ms未満を維持し、予測的な触覚フィードバックを実現。
• MANOVA および階層モデルにより、Koopman–ベイズ連携パイプラインで力の忠実度と知覚識別が有意に改善（p < 0.001）。
• シミュレーションとパイロットヒューマン試験で、Stevens の法則マッピングとベイズ補正を用いた場合の知覚識別精度が向上（18.22%の改善）。
• 複合 HPI は Koopman–ベイズの性能を示し（0.91 ± 0.03）、ベースライン（0.72 ± 0.05）を上回る。

Figure 2 : Glenoid Reaming simulation