An Effectiveness Study Across Baseline and Learning-based Force Estimation Methods on the da Vinci Research Kit Si System

要約

ダヴィンチに代表されるロボット支援による低侵襲手術は、精度と患者の予後を向上させる。しかし、ダヴィンチ5以前のダヴィンチシステムには、直接力を感知する機能がなく、外科医は腹腔鏡検査で得られる触覚フィードバックなしで手術することを余儀なくされていた。我々の先行研究では、ダヴィンチリサーチキット(dVRK)クラシックの機械学習ベースの力推定によって力センシングを回復させた。本研究では、我々の以前の方法を、より新しいdVRKシステムであるdVRK-Siに拡張する。さらに、2つのシステムがどのように異なるかを研究するために、ベースライン法（トルクに関する単純化した仮定を行う）に対する学習ベースのアルゴリズムの性能をベンチマークする。その結果、学習ベースの手法は、dVRK-Siにおいて、平均二乗平均誤差（RMSE）5.21%を達成し、これはdVRK Classicに匹敵する。どちらのシステムでも、学習ベースの手法はベースラインを上回るが、その差はdVRK-Siの方がはるかに大きい。それにもかかわらず、dVRK-Siの力推定精度はdVRK Classicより遅れており、RMSEは2～3倍高い。さらに分析を進めると、dVRK-SiではPID制御が不十分であることがわかった。これは、dVRK Classicとは異なり、dVRK-Siは機械的にバランスが取れていないため、重力補償がないことが原因であるという仮説を立てた。本研究は、学習ベースの力推定に関する理解を深めるとともに、新しいdVRK-Siシステムのダイナミクスを特徴付ける最初の研究である。

要約(オリジナル)

Robot-assisted minimally invasive surgery, such as through the da Vinci systems, improves precision and patient outcomes. However, da Vinci systems prior to da Vinci 5, lacked direct force-sensing capabilities, forcing surgeons to operate without the haptic feedback they get through laparoscopy. Our prior work restored force sensing through machine learning-based force estimation for the da Vinci Research Kit (dVRK) Classic. This study extends our previous method to the newer dVRK system, the dVRK-Si. Additionally, we benchmark the performance of the learning-based algorithm against baseline methods (which make simplifying assumptions on the torque) to study how the two systems differ. Results show the learning-based method achieves an average root-mean-square-error (RMSE) of 5.21\%, for the dVRK-Si, which is comparable to the dVRK Classic. In both systems, the learning-based method outperforms baselines, but the difference is much larger in the dVRK-Si. Nonetheless, dVRK-Si force estimation accuracy lags behind the dVRK Classic, with RMSE 2 to 3 times higher. Further analysis reveals poor PID control in the dVRK-Si. We hypothesize that this is due to the lack of gravity compensation, as unlike the dVRK Classic, the dVRK-Si is not mechanically balanced. This study advances the understanding of learning-based force estimation and is the first work to characterize the dynamics of the new dVRK-Si system.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL