Force-Aware Autonomous Robotic Surgery

要約

この研究は、ロボット支援手術 (RAS) における自律システムの設計においてツールと組織の相互作用力を使用する利点を実証しています。
手術における自律システムは、さまざまな硬さレベルの組織を操作する必要があるため、それに応じてさまざまなレベルの力を適用する必要があります。
私たちは、この能力は、人間のデモンストレーションから学習した政策への入力として力の測定を使用することによって可能になると仮説を立てています。
この仮説を検証するために、アクション チャンキング トランスフォーマー (ACT) を使用して、ダ ヴィンチ リサーチ キット (dVRK) による自動組織牽引のための模倣学習を通じて 2 つのポリシーをトレーニングします。
ツールと組織の相互作用の力データを使用する効果を定量化するために、ビジョンとロボットの運動学データを使用する「力なしポリシー」をトレーニングし、それを力、ビジョン、およびロボットの運動学データを使用する「力ポリシー」と比較しました。
以前に観察された組織サンプルでテストした場合、力ポリシーは、力なしポリシーと比較してタスクの自律的な実行において 3 倍成功しました。
さらに、力を加えるポリシーは力を加えないポリシーと比較して組織に対してより優しく、組織にかかる力が平均で 62% 少なくなります。
これまでに見たことのない組織サンプルでテストした場合、力ポリシーは、力なしポリシーと比較して、自律的にタスクを実行することに 3.5 倍成功し、組織にかかる力が 1 桁少なくなりました。
これらの結果は、特にダヴィンチ 5 などの力フィードバック機能を備えた新しくリリースされた RAS システムを使用して、組織ハンドリングの外科ガイドラインを満たすことができる力認識自律システムを設計するための扉を開きます。

要約(オリジナル)

This work demonstrates the benefits of using tool-tissue interaction forces in the design of autonomous systems in robot-assisted surgery (RAS). Autonomous systems in surgery must manipulate tissues of different stiffness levels and hence should apply different levels of forces accordingly. We hypothesize that this ability is enabled by using force measurements as input to policies learned from human demonstrations. To test this hypothesis, we use Action-Chunking Transformers (ACT) to train two policies through imitation learning for automated tissue retraction with the da Vinci Research Kit (dVRK). To quantify the effects of using tool-tissue interaction force data, we trained a ‘no force policy’ that uses the vision and robot kinematic data, and compared it to a ‘force policy’ that uses force, vision and robot kinematic data. When tested on a previously seen tissue sample, the force policy is 3 times more successful in autonomously performing the task compared with the no force policy. In addition, the force policy is more gentle with the tissue compared with the no force policy, exerting on average 62% less force on the tissue. When tested on a previously unseen tissue sample, the force policy is 3.5 times more successful in autonomously performing the task, exerting an order of magnitude less forces on the tissue, compared with the no force policy. These results open the door to design force-aware autonomous systems that can meet the surgical guidelines for tissue handling, especially using the newly released RAS systems with force feedback capabilities such as the da Vinci 5.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google