[論文レビュー] Autonomous Robotic Tissue Palpation and Abnormalities Characterisation via Ergodic Exploration

Luca Beber, Edoardo Lamon+3 more|arXiv (Cornell University)|Feb 15, 2026

Soft Robotics and Applications被引用数 0

ひとこと要約

要約: 論文はオンライン粘弾性パラメータ推定とエルゴドic 探索を組み合わせてリアルタイムに組織硬度をマッピングする自律的触診フレームワークを提案し、再構成精度とロバスト性の点でベイズ最適化ベースラインを上回る。

ABSTRACT

We propose a novel autonomous robotic palpation framework for real-time elastic mapping during tissue exploration using a viscoelastic tissue model. The method combines force-based parameter estimation using a commercial force/torque sensor with an ergodic control strategy driven by a tailored Expected Information Density, which explicitly biases exploration toward diagnostically relevant regions by jointly considering model uncertainty, stiffness magnitude, and spatial gradients. An Extended Kalman Filter is employed to estimate viscoelastic model parameters online, while Gaussian Process Regression provides spatial modelling of the estimated elasticity, and a Heat Equation Driven Area Coverage controller enables adaptive, continuous trajectory planning. Simulations on synthetic stiffness maps demonstrate that the proposed approach achieves better reconstruction accuracy, enhanced segmentation capability, and improved robustness in detecting stiff inclusions compared to Bayesian Optimisation-based techniques. Experimental validation on a silicone phantom with embedded inclusions emulating pathological tissue regions further corroborates the potential of the method for autonomous tissue characterisation in diagnostic and screening applications.

研究の動機と目的

• 自律触診中に粘弾性モデルを用いてリアルタイムな組織弾性マッピングを実現する。
• 診断的に関連する硬度領域へ探索を導くため、特化した期待情報密度（EID）を用いる。
• エルゴドic 制御による実時間の軌道計画を維持し、探索と活用のバランスを取る。
• オンライン力ベースのパラメータ推定とエルゴドic 軌道最適化を統合し、エルゴド metric に基づく停止基準を設けて探索を終了する。

提案手法

• 力/トルクセンサと次元削減法（DRM）を用いた粘弾性組織モデルにより、拡張カルマンフィルタ（EKF）でオンラインに硬度を推定する。
• ガウス過渡回帰（GPR）により空間弾性をモデル化し、不確かさ推定を伴う連続的な硬度マップを生成する。
• 硬度の大きさ、空間勾配、モデル不確実性を組み合わせた期待情報密度（EID）を定義し、診断的に関連する領域へ探索をバイアスする。
• 100 Hz でのモーションと EID の整合を図るため、熱方程式駆動面積カバレッジ（HEDAC）エルゴドic 制御で軌道を計画する。
• ターゲット硬度マップを定期的に更新（1 Hz の GPR 更新）し、エルゴド metric に基づく情報理論的停止基準を用いて探索を終了する。

Figure 1: Experimental setup for the proposed ergodic search: (bottom-left) silicone sample; (top-left) ground-truth elasticity map obtained using a grid-based approach; (right) the robotic manipulator palpating the silicone sample.

実験結果

リサーチクエスチョン

• RQ1 力/トルクセンサによるオンライン粘弾性パラメータ推定はロボット触診中のリアルタイム硬度マッピングを高精度に可能にするか？
• RQ2 特化した EID によって導かれるエルゴドic 探索は、ベイズ最適化ベースの戦略と比較して硬度マップの再構成と病変境界の描写を改善するか？
• RQ3 GPR 弾性マップと HEDAC 計画の統合は探索効率とノイズに対するロバスト性にどう影響するか？
• RQ4 探索-活用の異なるトレードオフが、硬度再構成の検出率と RMSE にどのような影響を与えるか？
• RQ5 エルゴド metric に基づく停止基準は、適応的でデータ駆動の探索終了に有効か？

主な発見

Method	DR (%)	t [s]	RMSE [kPa]
BO-EI (w/o)	39	59	12.09
BO-EIS (w/o)	93	60	4.61
Ergodic (w/o)	78	41	4.69
BO-EI (w/)	38	60	12.1
BO-EIS (w/)	85	63	5.54
Ergodic (w/)	79	41	5.87

• 提案された EID を用いたエルゴドic 探索は、十分な探索後に特定の BO バリアントより高い検出率と低い RMSE を達成する。
• ノイズなし条件で3領域が硬い場合、エルゴドマッピングはシナリオに応じて RMSE が約 2.56–4.69 kPa の範囲。ノイズがあると RMSE は増加するが頑健性を維持。
• BO-EI は BO-EIS およびエルゴドアプローチに比べ、検出率と RMSE の面で一貫して劣っていた。
• BO-EIS とエルゴド法は検出率で同等に達したが、検出後のフェーズで同じ運動予算下においてエルゴド法が RMSE をより低く、実行時間を短くする。
• セグメンテーション結果は不規則な形状に対してエルゴド探索の感度が高いことを示し、全連続サンプリング法は特異度は高く保たれた。
• フレームワークはリアルタイム性能（100 Hz 計画）を維持し、硬さ領域数や測定ノイズの変化に対して頑健な性能を示す。

Figure 2: Synthetic elasticity distributions for simulated scenarios, from 1 to 3 stiffer regions. The colour scale refers to the elastic modulus (in kPa).