Optimizing Base Placement of Surgical Robot: Kinematics Data-Driven Approach by Analyzing Working Pattern

要約

ロボット支援低侵襲手術 (RAMIS) では、手術を成功させるためには手術ロボット ベースの最適な配置が重要です。
不適切に配置すると、マニピュレータの制限やワークスペースにアクセスできないため、パフォーマンスが低下する可能性があります。
従来のベース配置は、訓練を受けた医療スタッフの経験に依存しています。
この研究は、外科医の作業パターンに基づいて最適な基本ポーズを決定するための新しい方法を提案します。
提案された方法は、機械学習ベースのクラスタリング技術を使用して、記録されたエンドエフェクターのポーズを分析し、外科医が好む重要な位置と方向を特定します。
ジョイントの限界と特異点の問題に対処するために、ジョイント マージン スコアと操作性スコアという 2 つのスコアリング メトリクスを導入します。
次に、多層パーセプトロン リグレッサーをトレーニングして、これらのスコアに基づいて最適な基本ポーズを予測します。
da Vinci Research Kit を使用した模擬環境での評価では、4 人のボランティアの独自の基本ポーズ スコア マップが示され、作業パターンの個性が強調されます。
ランダムに選択された 20,000 個のベースポーズと比較した結果は、提案された方法を使用して取得されたスコアが、ランダムなベース配置によって取得されたスコアより 28.2% 高いことを示唆しています。
これらの結果は、RAMIS でのベース配置時のオペレーター固有の最適化の必要性を強調しています。

要約(オリジナル)

In robot-assisted minimally invasive surgery (RAMIS), optimal placement of the surgical robot base is crucial for successful surgery. Improper placement can hinder performance because of manipulator limitations and inaccessible workspaces. Conventional base placement relies on the experience of trained medical staff. This study proposes a novel method for determining the optimal base pose based on the surgeon’s working pattern. The proposed method analyzes recorded end-effector poses using a machine learning-based clustering technique to identify key positions and orientations preferred by the surgeon. We introduce two scoring metrics to address the joint limit and singularity issues: joint margin and manipulability scores. We then train a multi-layer perceptron regressor to predict the optimal base pose based on these scores. Evaluation in a simulated environment using the da Vinci Research Kit shows unique base pose score maps for four volunteers, highlighting the individuality of the working patterns. Results comparing with 20,000 randomly selected base poses suggest that the score obtained using the proposed method is 28.2% higher than that obtained by random base placement. These results emphasize the need for operator-specific optimization during base placement in RAMIS.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google