A Hybrid Model and Learning-Based Force Estimation Framework for Surgical Robots

要約

ロボット手術中の外科医への触覚フィードバックにより、より安全で没入型の手術が可能になりますが、ロボット制御の手術器具の先端での組織相互作用力の推定は困難であることが判明しています。
相互作用力を直接測定できる既存の手術ロボットはほとんどなく、追加のセンサーによって器具の寿命が制限される可能性があります。
ダ ヴィンチ リサーチ キット (dVRK) の患者側マニピュレーター (PSM) の力推定のためのハイブリッド モデルと学習ベースのフレームワークを紹介します。
モデルベースのコンポーネントはロボットの動的パラメータを特定し、自由空間関節トルクを推定します。一方、学習ベースのコンポーネントは、PSM 器具と患者の体壁の間のトロカールの相互作用によって生じる追加トルクなどの環境要因を補償します。
腹部ファントムでこの方法を評価し、力の推定誤差が 10% 未満の正規化二乗平均平方根誤差を達成しました。
モデルベースの方法を使用してダイナミクス識別を実行することにより、ワークスペース全体をカバーするトレーニング データへの依存度が低減されることを示します。
元々は dVRK 用に開発されましたが、提案された方法は他の準拠した手術ロボットにも一般化可能なフレームワークです。
コードは https://github.com/vu-maple-lab/dvrk_force_estimation で入手できます。

要約(オリジナル)

Haptic feedback to the surgeon during robotic surgery would enable safer and more immersive surgeries but estimating tissue interaction forces at the tips of robotically controlled surgical instruments has proven challenging. Few existing surgical robots can measure interaction forces directly and the additional sensor may limit the life of instruments. We present a hybrid model and learning-based framework for force estimation for the Patient Side Manipulators (PSM) of a da Vinci Research Kit (dVRK). The model-based component identifies the dynamic parameters of the robot and estimates free-space joint torque, while the learning-based component compensates for environmental factors, such as the additional torque caused by trocar interaction between the PSM instrument and the patient’s body wall. We evaluate our method in an abdominal phantom and achieve an error in force estimation of under 10% normalized root-mean-squared error. We show that by using a model-based method to perform dynamics identification, we reduce reliance on the training data covering the entire workspace. Although originally developed for the dVRK, the proposed method is a generalizable framework for other compliant surgical robots. The code is available at https://github.com/vu-maple-lab/dvrk_force_estimation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google