[논문 리뷰] A Koopman-Bayesian Framework for High-Fidelity, Perceptually Optimized Haptic Surgical Simulation

Rohit Kaushik, Eva Kaushik|arXiv (Cornell University)|2026. 01. 04.

Teleoperation and Haptic Systems인용 수 0

한 줄 요약

이 논문은 Koopman-임베딩된, Bayesian 지각 보정 프레임워크를 통해 고충실도 해프틱 외과 시뮬레이션에서 예측 동역학, 지각에 맞춘 힘 렌더링, 지연 인식 제어를 제공하여 촉각적 현실감을 향상시킵니다.

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.

연구 동기 및 목표

• 실시간 해프틱 렌더러에서 비선형 도구-조직 역학을 지각 심리물리학과 통합합니다.
• 비선형 상호작용을 Koopman 선형 관찰 공간에 임베딩하여 예측 제어를 가능하게 합니다.
• Bayesian 심리물리학을 사용하여 렌더링된 힘을 인간의 지각 임계값에 대해 보정합니다.
• 안정성, 지연, 지각 왜곡 한계를 분석하여 프레임워크를 검증합니다.
• 대표적 수술 과제에서 힘의 충실도와 지각 구별 능력을 향상시킵니다.

제안 방법

• Koopman 연산자를 통해 비선형 역동을 더 높은 차원의 관찰 공간으로 올려 선형 예측과 EDMD-학습된 K와 B로 제어를 가능하게 합니다.
• 강성/감쇠 모델로 원시 해프틱 힘을 계산하고 Koopman 기반 잔차 보정을 적용하여 오차 보정을 수행합니다.
• 1차 패드(Pad\
• E) 근사와 작은 이득 및 수동성 분석으로 안정성을 보장합니다.
• 필터링된 힘을 지각 공간으로 매핑하고 JNDs 및 Stevens의 법칙으로 제약된 Bayesian 모델을 사용하여 적응적 지각 보정을 가능하게 합니다.
• 지각 변화를 모델링하고 관찰자 변동성과 인지 불확실성을 다루기 위해 계층적 Bayesian 심리물리학을 활용하여 목표 힘과 지각 강도(S = alpha F^beta)를 연결합니다.
• 지각 모델을 역학과 통합하여 F_perc를 지각적으로 관련 힘 신호로 렌더링합니다.

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

실험 결과

연구 질문

• RQ1 비선형 도구-조직 역학을 선형 관찰 공간에서 표현하여 예측 가능한 햅틱 제어를 가능하게 만들 수 있는가?
• RQ2 Bayesian 지각 보정 프레임워크가 렌더링된 힘을 인간의 지각 임계값에 매핑하여 지각적 현실감을 향상시킬 수 있는가?
• RQ3 Koopman-임베딩 및 지각 보정 해프틱 렌딩 시스템의 안정성, 지연 및 지각 왜곡 한계는 무엇인가?
• RQ4 Koopman-임베딩 및 Bayesian 지각 접근 방식이 기존 렌더링 방법과 비교하여 힘의 충실도와 지각 구별 능력을 향상시키는가?

주요 결과

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 임베딩은 전통적인 스프링-댐퍼 렌더링 대비 과제 전반에서 평균 힘 오차를 약 50% 감소시켰습니다.
• Bayesian 지각 보정은 지각 오차를 추가로 약 20–25% 낮춰 Weber 임계값과 일치합니다.
• 지연은 과제 전반에서 5 ms 이하여 매칭되어 예측적 햅틱 피드백이 가능했습니다.
• MANOVA 및 계층 모델링은 Koopman–Bayesian 파이프라인에서 힘의 충실도와 지각 구별 능력이 유의하게 향상되었음을 보여주었습니다(p < 0.001).
• 시뮬레이션 및 예비 인간 실험에서 Stevens’ 법칙 매핑과 Bayesian 보정으로 지각 구별 정확도가 더 높아졌습니다(18.22% 개선).
• Composite HPI는 Koopman–Bayesian 성능(0.91 ± 0.03)을 기준선(0.72 ± 0.05)보다 상회하는 것으로 나타났습니다.

Figure 2 : Glenoid Reaming simulation