Open-H-Embodiment: A Large-Scale Dataset for Enabling Foundation Models in Medical Robotics
여러 병원과 여러 종류의 의료 로봇에서 모은 영상과 동작을 한데 묶었다. 의료 로봇용 대규모 학습 데이터가 어떤 모습일지 보여주는 사례다.
논문과 짧은 메모
연구 라이브러리
이 주제를 공부하며 읽은 자료들이다. 초록을 옮겨 적는 대신, 왜 눈에 들어왔는지와 무엇이 아직 부족한지를 짧게 적었다.
08 편관찰 · 행동 · 반응 · 결과
GR00T-H: A Foundation Vision-Language-Action Model for Healthcare Robotics
서로 다른 의료 로봇의 시연을 하나의 모델로 학습하려는 시도다. 장비가 달라도 공유할 수 있는 행동 표현이 핵심이다.
ImitateCholec: A Multimodal Dataset for Long-Horizon Imitation Learning
성공한 동작만 모으지 않고 실수 뒤에 어떻게 회복했는지까지 담았다. 실제 진료를 배우려면 이런 장면이 빠져서는 안 된다.
MiDAS: A Multimodal Data Acquisition System for Robot-Assisted Surgery
특정 로봇 회사의 내부 데이터에 기대지 않고 손과 발의 움직임, 영상, 장비 신호를 같은 시간축에 기록하는 방법을 제시한다.
A Deep Learning Model for Assistive Decision-Making During Robot-Aided Rehabilitation
기계가 늘 도와주는 것이 아니라 환자에게 도움이 필요한 순간을 고른다. 치료사의 판단을 배운 뒤 새 환자에게 맞춰 조정한다.
Collaborative AI for Precision Neurorehabilitation: A Roadmap
한 번의 검사보다 시간에 따라 달라지는 환자를 모델링해야 한다고 말한다. AI와 치료사가 일을 어떻게 나눌지도 함께 다룬다.
Kinematic Data Profile and Clinical Outcomes in Robotic Inguinal Hernia Repairs
로봇의 움직임이 능숙해 보이는 것과 환자가 실제로 잘 회복하는 것은 같은 일이 아니다. 둘을 직접 연결해보려 한 초기 연구다.
Autonomic Robotic Ultrasound Imaging System Based on Reinforcement Learning
화면에 보이는 영상을 바탕으로 탐촉자를 어디로 움직일지 정한다. 인식과 신체 행동이 한 과정 안에서 이어지는 단순하고 분명한 사례다.