ColoACTが摘出ブタ大腸で自律走行、直線部成功率85.4%と湾曲部72.5%を報告
中国の研究チームが開発したColoACTは、RGB画像に相対深度と勾配ベースの疑似標高マップを加えたAction Chunking Transformer方策を自走式内視鏡ロボットBGERに統合した。摘出ブタ大腸約60cmの未見環境で直線部85.4%、湾曲部72.5%、90度ターン70%、二連屈曲60%の成功率を得た。これはプレプリントであり、弱テクスチャ下でも滑らかな連続制御を実証した点で内視鏡自律ナビゲーションの前進である。
弱テクスチャ、鏡面反射、粘弾性接触が支配する大腸内で、RGB画像に明示的な幾何手がかりを追加した模倣学習方策が滑らかで連続的な自律ナビゲーションを実現できるか。
大腸は変形しやすく、頻繁な屈曲と虚脱、弱いテクスチャと鏡面ハイライト、内視鏡と粘弾性組織の接触リッチな非線形相互作用がある。既存の幾何駆動パイプラインは手動特徴量と切替ロジックに依存するためこれらの条件下で脆く、学習ベース手法は深度推論が時間的に不安定または過平滑化し、強化学習はシミュレーションと実機の差に直面する。
従来手法は、円・楕円フィッティングやハウストラ襞検出などの幾何駆動パイプラインと、単眼深度推定、強化学習、行動クローニングなどの学習ベース系統に大別される。幾何駆動は解釈性と効率が高いが手動閾値とモード切替に弱く、学習ベースは弱テクスチャ下で深度が不正確になり、強化学習は粘弾性接触のモデル化が難しくsim-to-realギャップが生じ、行動クローニングは共変量シフトと単ステップ予測によるジッタが問題だった。
ColoACTは、RGB画像にDepth Anything V2-Baseで推定した正規化相対深度と、Scharr勾配から対数変換とmin-max正規化で得た疑似標高マップを連結した5チャネル観測を入力とする。ResNet-18で256次元特徴に符号化し、CVAEベースのAction Chunking Transformerが正規化線形速度と角速度の16ステップ分のアクションチャンクを予測する。推論時は重複チャンクをボックスカー平均する時間的アンサンブルで高周波ジッタを抑える。ハードウェアは24×20×34mmの自走式ベベルギア駆動内視鏡ロボットBGERを設計し、カメラ85度FOV、照明、Arduino Uno制御、緊急停止を備える。
摘出ブタ大腸4本（約60cm）を用いたゼロショット評価で、直線部48試行、湾曲部40試行を実施した。RGBのみのACTは直線35.4%、湾曲25.0%、RGB-D ACTは58.3%、50.0%だったのに対し、RGB-D-E ACTは85.4%、72.5%を達成した。RGB-D-E入力の行動クローニングBCは45.8%、57.5%に留まった。正規化角躍度はBCの直線63.89±7.8877、湾曲58.91±6.5185に対し、ACTは4.74±0.9312、4.47±0.4298で約1桁低減した。複雑形状では90度ターン70%（7/10）、二連屈曲60%（6/10）、三連屈曲30%（3/10）だった。オフライン検証（N=43）のオープンループADEはRGB-D-Eで0.0835、FDEは0.1689で、RGB-Dに対してADE 23.8%、FDE 18.6%改善した。時間的アンサンブルのアブレーションでは、k=1の生予測が高周波振動を示し、k=16のアンサンブルが角速度コマンドを平滑化した。
プレプリントであり査読済みではない。検証は摘出ブタ大腸のex vivoのみで、蠕動や潤滑変化などの生体内生理動態は扱っていない。試行回数は複雑形状で各10回と少なく、直線・湾曲でもそれぞれ48回、40回に限られる。単一のBGERプラットフォームでの結果であり、他の内視鏡ロボットへの一般性は示されていない。軌跡精度はオドメトリがないため物理変位ではなく正規化速度の積分で評価されており、実環境での絶対位置誤差は報告されていない。コード公開や査読採録も論文では報告されていない。
内視鏡ロボットやカプセル内視鏡の自律ナビゲーションを開発する企業にとって、弱テクスチャ環境での模倣学習方策と小型自走機構の統合例として研究開発に活用できる。現在はex vivoの研究段階であり、製品化にはin vivo動物試験、力覚フィードバック統合、規制承認が前提となる。1年から3年で動物実験と臨床前評価、3年以上で臨床応用の可能性がある。力覚センサや追加の安全機構、より多数の症例での一般化が実用化の条件である。
この論文はライセンス上、全文を転載できないため、要約と原文へのリンクのみを掲載しています。