Confidence-based Intent Prediction for Teleoperation in Bimanual Robotic Suturing

要約

ロボット補助手順は精度の向上を提供しますが、完全自律システムはタスクの知識、非構造化環境のモデル化の難しさ、および一般化能力が制限されていますが、完全に手動のテレホ操作システムは、遅延、安定性、感覚情報の削減などの課題にも直面しています。
これらに対処するために、高レベルと低レベルの両方でモーションプランを予測することにより、人間のオペレーターを支援するインタラクティブな制御戦略を開発しました。
高レベルでは、トランスベースのリアルタイムジェスチャー分類モデルを通じてSARGEME認識システムが採用され、オペレーターのアクションに動的に適応しますが、低レベルでは、信頼ベースの意図同化コントローラーがユーザーの意図と共有コントロールパラダイムに基づいてロボットアクションを調整します。
このシステムは、ロボットとタスクのダイナミクスの運動学をキャプチャするセンサーでサポートされるロボット縫合タスクを中心に構築されています。
さまざまなスキルレベルを持つユーザーの実験により、提案されたアプローチの有効性が示され、従来のテレオ操作と比較してタスクの完了時間とユーザーの満足度の統計的に有意な改善が示されました。

要約(オリジナル)

Robotic-assisted procedures offer enhanced precision, but while fully autonomous systems are limited in task knowledge, difficulties in modeling unstructured environments, and generalisation abilities, fully manual teleoperated systems also face challenges such as delay, stability, and reduced sensory information. To address these, we developed an interactive control strategy that assists the human operator by predicting their motion plan at both high and low levels. At the high level, a surgeme recognition system is employed through a Transformer-based real-time gesture classification model to dynamically adapt to the operator’s actions, while at the low level, a Confidence-based Intention Assimilation Controller adjusts robot actions based on user intent and shared control paradigms. The system is built around a robotic suturing task, supported by sensors that capture the kinematics of the robot and task dynamics. Experiments across users with varying skill levels demonstrated the effectiveness of the proposed approach, showing statistically significant improvements in task completion time and user satisfaction compared to traditional teleoperation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google