Semi-Autonomous Laparoscopic Robot Docking with Learned Hand-Eye Information Fusion

要約

この研究では、商用カメラとオクルージョンロバストな姿勢推定および手と目の情報融合技術を組み合わせた、鍵穴ドッキング操作のための新しい共有制御システムを紹介します。
このシステムは、ドッキングの精度と力コンプライアンスの安全性を強化するために使用されます。
手と目の情報融合ネットワーク モデルをトレーニングするために、このドッキング システムを使用して自己教師ありデータセットを生成しました。
トレーニング後、私たちの姿勢推定方法は、観察のみのアプローチ、手と目のキャリブレーション、従来の状態推定フィルターなどの従来の方法と比較して精度が向上していることがわかりました。
実際のファントム実験では、当社のアプローチは、従来の方法と比較して、位置分散 (1.23 \pm 0.81 mm 対 2.47 \pm 1.22 mm) と力分散 (0.78 \pm 0.57 N 対 1.15 \pm 0.97 N) が減少し、その有効性を実証しました。
対照群。
半自律型の共同操作シナリオにおけるこれらの進歩により、インタラクションと安定性が強化されます。
この研究は、腹腔鏡手術を超えて他の低侵襲手術にまで応用できる可能性のある、干渉防止、安定した高精度のソリューションを示しています。

要約(オリジナル)

In this study, we introduce a novel shared-control system for key-hole docking operations, combining a commercial camera with occlusion-robust pose estimation and a hand-eye information fusion technique. This system is used to enhance docking precision and force-compliance safety. To train a hand-eye information fusion network model, we generated a self-supervised dataset using this docking system. After training, our pose estimation method showed improved accuracy compared to traditional methods, including observation-only approaches, hand-eye calibration, and conventional state estimation filters. In real-world phantom experiments, our approach demonstrated its effectiveness with reduced position dispersion (1.23\pm 0.81 mm vs. 2.47 \pm 1.22 mm) and force dispersion (0.78\pm 0.57 N vs. 1.15 \pm 0.97 N) compared to the control group. These advancements in semi-autonomy co-manipulation scenarios enhance interaction and stability. The study presents an anti-interference, steady, and precision solution with potential applications extending beyond laparoscopic surgery to other minimally invasive procedures.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google