Νέα

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Αναφορά Machine Heart

Τμήμα Σύνταξης Machine Heart

Ένα ρομπότ που μπορεί να κάνει χειρουργικές επεμβάσεις μπορεί να λειτουργήσει με στυλ.

Η χειρουργική ρομπότ έχει αναπτυχθεί σε αυτό το βαθμό Φαίνεται πολύ επιδέξιο και εξαίσιο και τα "χέρια" του είναι πολύ σταθερά

Είδα τα δύο «χέρια» του ρομπότ να κουμπώνουν ευέλικτα πάνω στο χοιρινό για να ράβουν και να δένουν κόμπους:

Η δύναμη είναι σωστή και η «πληγή» είναι τέλεια ραμμένη:

Το ρομπότ μπορεί επίσης να σηκώσει με ακρίβεια τις βελόνες ραψίματος που τοποθετούνται σε διάφορα αντικείμενα χωρίς να τσιμπήσει άλλα πράγματα:

Ανασηκώστε με ακρίβεια τον ιστό για επακόλουθη παρατήρηση και χειρισμό.

Η προαναφερθείσα έρευνα προέρχεται από το ρομπότ da Vinci που αναπτύχθηκε από κοινού από το Πανεπιστήμιο Hopkins και το Πανεπιστήμιο του Στάνφορντ.

Διεύθυνση χαρτιού: https://surgical-robot-transformer.github.io/resources/surgical_robot_transformer.pdf

Αρχική σελίδα του έργου: https://surgical-robot-transformer.github.io/

Τα μέλη της ομάδας περιλαμβάνουν τον Ji Woong (Brian) Kim, μεταδιδακτορικό στο Πανεπιστήμιο Johns Hopkins που σπούδασε υπό τον Axel Krieger και την Chelsea Finn, ο οποίος συμμετείχε επίσης στην έρευνα και ο Tony Z. Zhao, ένας διδακτορικός φοιτητής στο Πανεπιστήμιο Stanford που εργάστηκε στο Mobile ALOHA. Η έρευνα ALOHA 2 για τα οικιακά ρομπότ, ο επιβλέπων του είναι η Chelsea Finn Πανεπιστήμιο Χόπκινς.

Για μεγάλο χρονικό διάστημα, η έρευνα για τα ρομπότ εστιάζεται κυρίως στην ολοκλήρωση των καθημερινών οικιακών δραστηριοτήτων και δεν έχει διερευνηθεί πλήρως στον τομέα της χειρουργικής, ειδικά του ρομπότ da Vinci από την εταιρεία χειρουργικών ρομπότ Intuitive Surgical. Αυτά τα ρομπότ, που έχουν ήδη αναπτυχθεί σε όλο τον κόσμο, έχουν τεράστιες δυνατότητες επέκτασης: έως το 2021, έχουν πραγματοποιηθεί περισσότερες από 10 εκατομμύρια χειρουργικές επεμβάσεις χρησιμοποιώντας 6.500 συστήματα da Vinci σε 67 χώρες και 55.000 χειρουργοί έχουν εκπαιδευτεί στα συστήματα αυτά.

Αυτή η μελέτη διερευνά εάν οι χειρουργικές εργασίες μπορούν να μαθευτούν στο ρομπότ da Vinci μέσω της μάθησης μίμησης. Για την επίτευξη αυτού του στόχου, εισάγουν μια διατύπωση σχετικής δράσης που επιτρέπει την επιτυχή εκπαίδευση και ανάπτυξη πολιτικής χρησιμοποιώντας κατά προσέγγιση κινηματικά δεδομένα. Αυτή η προσέγγιση επιτρέπει την απευθείας χρήση μεγάλων ποσοτήτων κλινικών δεδομένων για εκμάθηση ρομπότ χωρίς περαιτέρω τροποποίηση. Το ρομπότ που προκύπτει υπερέχει σε τρεις βασικές χειρουργικές εργασίες, συμπεριλαμβανομένου του χειρισμού ιστού, του χειρισμού της βελόνας και του δεσίματος κόμπων.

Αυτό το χειρουργικό ρομπότ έχει ευνοηθεί από πολλούς χρήστες του Διαδικτύου, οι οποίοι το χαρακτήρισαν «απίστευτο».

Επισκόπηση μεθόδου

Το σχήμα 3 παρακάτω δείχνει το σύστημα dVRK, συμπεριλαμβανομένου του ρομπότ και της απομακρυσμένης κονσόλας για την αλληλεπίδραση γιατρού. Το dVRK διαθέτει έναν χειριστή ενδοσκοπικής κάμερας (ECM) και δύο χειριστές από την πλευρά του ασθενούς (PSM1, PSM2) που μοιράζονται μια ρομποτική βάση. Κάθε ρομποτικός βραχίονας συναρμολογείται σε μια ακολουθία παθητικών σετ αρθρώσεων (SUJ), ακολουθούμενες από μηχανοκίνητες ενεργητικές αρθρώσεις.

Οι παθητικές αρθρώσεις χρησιμοποιούν μόνο ποτενσιόμετρα για μετρήσεις αρθρώσεων και επομένως είναι πολύ ανακριβείς. Η ενεργή άρθρωση χρησιμοποιεί τόσο ένα ποτενσιόμετρο όσο και έναν κωδικοποιητή κινητήρα για τη βελτίωση της ακρίβειας. Ωστόσο, μιλώντας γενικά, η χρήση ποτενσιόμετρων σε όλες τις αρθρώσεις θα προκαλέσει ανακρίβεια της κίνησης του ρομποτικού βραχίονα προς τα εμπρός και το σφάλμα μπορεί να φτάσει ακόμη και τα 5 cm.

Στόχος των ερευνητών είναι να μάθουν χειρουργικές εργασίες μέσω της μάθησης μίμησης. Λαμβάνοντας υπόψη την ανακριβή προς τα εμπρός κίνηση του ρομπότ, είναι σημαντικό να επιλέξετε μια κατάλληλη αναπαράσταση κίνησης.Ως εκ τούτου, μελέτησαν τρεις αναπαραστάσεις δράσης, δηλαδήΜε επίκεντρο την κάμερα, με επίκεντρο τα εργαλεία και Hybrid Relative, όπως φαίνεται στην Εικόνα 4 παρακάτω.

Μεταξύ αυτών, οι προσεγγίσεις με επίκεντρο την κάμερα χρησιμεύουν ως σημεία αναφοράς, υπογραμμίζοντας τους περιορισμούς των ενεργειών μοντελοποίησης ως απόλυτες θέσεις των τελικών τελεστών. Οι εργαλειοκεντρικές προσεγγίσεις βελτιώνονται και αυξάνουν τα ποσοστά επιτυχίας μοντελοποιώντας τις ενέργειες ως σχετικές κινήσεις. Η υβριδική σχετική μέθοδος βελτιώνεται περαιτέρω σε σύγκριση με την εργαλειοκεντρική μέθοδο μοντελοποιώντας τη μεταφορική κίνηση ενός σταθερού πλαισίου αναφοράς και βελτιώνει την ακρίβεια της μεταφορικής κίνησης.

Ας δούμε πρώτα τις ενέργειες με επίκεντρο την κάμερα. Μοντελοποιούμε την κίνηση με επίκεντρο την κάμερα ως την απόλυτη στάση του τελικού τελεστή σε σχέση με το επάνω πλαίσιο του ενδοσκοπίου. Αυτή η ρύθμιση είναι παρόμοια με τον τρόπο με τον οποίο υλοποιούνται οι εφαρμογές οπτικής εξυπηρέτησης βάσει θέσης (PBVS), γεγονός που την καθιστά φυσική επιλογή για το dVRK.

Συγκεκριμένα, δεδομένης της τιμής παρατήρησης o_t τη στιγμή t, ο στόχος είναι να μάθουμε την πολιτική π και να προβλέψουμε την ακολουθία ενεργειών A_t, C = (a_t, ..., a_t+C), όπου το C αντιπροσωπεύει το εύρος πρόβλεψης ενέργειας.Η πολιτική ορίζεται ως εξής

Στη συνέχεια είναι η δράση που εστιάζεται στα εργαλεία. Μοντελοποιούμε τις εργαλειοκεντρικές ενέργειες ως σχετική κίνηση σε σχέση με το τρέχον πλαίσιο τελικού τελεστή (δηλαδή, το πλαίσιο κινούμενου σώματος). Επομένως, οι εργαλειοκεντρικές ενέργειες ορίζονται ως εξής:

Τέλος, υπάρχει η ανάμειξη σχετικών ενεργειών. Παρόμοια με την εργαλειοκεντρική κίνηση, οι ερευνητές μοντελοποίησαν την υβριδική σχετική κίνηση ως σχετική κίνηση σε σχέση με δύο διαφορετικά πλαίσια αναφοράς. Η σταδιακή μετατόπιση ορίζεται σε σχέση με το άνω πλαίσιο του ενδοσκοπίου και η σταδιακή περιστροφή ορίζεται σε σχέση με το τρέχον πλαίσιο του τελικού τελεστή.Οι μικτές σχετικές ενέργειες ορίζονται ως εξής

Πειραματικά αποτελέσματα

Κατά τη συλλογή δεδομένων, το ρομπότ ρυθμίστηκε όπως φαίνεται στο σχήμα 5 παρακάτω. Σε αυτή τη διαμόρφωση, οι ερευνητές συνέλεξαν 224 δοκιμές ανύψωσης ιστού, 250 δοκιμές συλλογής και παράδοσης βελόνας και 500 δοκιμές δεσίματος κόμβων. Όλα τα πειράματα συλλέχθηκαν σε πολλές ημέρες από έναν μόνο χρήστη.

Αξιολογήστε τη σχετική κίνηση για συνέπεια με την απόλυτη κίνηση προς τα εμπρός. Οι ερευνητές προσπάθησαν να καταλάβουν εάν η σχετική κίνηση του dVRK έδειξε μεγαλύτερη συνέπεια από την απόλυτη κίνηση προς τα εμπρός. Για να ελέγξουν αυτή την υπόθεση, χειρίστηκαν εξ αποστάσεως τροχιές αναφοράς, όπως το σύμβολο του απείρου που φαίνεται στο Σχήμα 5.

Ο τελικός τελεστής τοποθετείται στη συνέχεια στην ίδια αρχική θέση και οι τροχιές αναπαράγονται χρησιμοποιώντας διαφορετικές αναπαραστάσεις κίνησης κάτω από διαφορετικές διαμορφώσεις ρομπότ. Αυτές οι διαφορετικές διαμορφώσεις περιλαμβάνουν τη μετακίνηση του χώρου εργασίας του ρομπότ προς τα αριστερά και προς τα δεξιά. Φυσικά, η κίνηση αυτών των χώρων εργασίας θα προκαλέσει την κίνηση των αρθρώσεων ρύθμισης του ρομπότ και δεδομένου ότι χρησιμοποιούνται μόνο ποτενσιόμετρα για τις μετρήσεις των αρθρώσεων, αυτοί οι σύνδεσμοι μπορούν εύκολα να οδηγήσουν σε μεγάλα σφάλματα μέτρησης.

Ο Πίνακας 1 παρακάτω δείχνει τα αριθμητικά αποτελέσματα για το ριζικό μέσο τετραγωνικό σφάλμα (RMSE). Στη διαμόρφωση αναφοράς, δεδομένου ότι οι καθορισμένοι σύνδεσμοι δεν κινούνται, όλες οι αναπαραστάσεις κίνησης ανασυνθέτουν με ακρίβεια τις τροχιές αναφοράς.

Επιπλέον, όσον αφορά την αναπαράσταση σχετικής δράσης, οι τροχιές αναφοράς των εργαλειοκεντρικών και υβριδικών σχετικών μεθόδων είναι πιο συνεπείς όταν επαναλαμβάνονται και τα αριθμητικά σφάλματα δεν αλλάζουν σημαντικά. Συμπερασματικά, με την παρουσία ασυνεπών σφαλμάτων μέτρησης της άρθρωσης, η σχετική κίνηση του dVRK συμπεριφέρεται πιο σταθερά από την απόλυτη κίνηση προς τα εμπρός.

Στη συνέχεια, οι ερευνητές αξιολόγησαν την απόδοση της στρατηγικής χρησιμοποιώντας διαφορετικές αναπαραστάσεις δράσης, όπως η ανύψωση ιστού, το σήκωμα και η παράδοση βελόνων και το δέσιμο κόμπων. Τα αποτελέσματα φαίνονται στον Πίνακα 2 παρακάτω.

Η αναπαράσταση δράσης με επίκεντρο το εργαλείο έδειξε καλύτερη απόδοση και στις τρεις εργασίες. Ωστόσο, κατά τη διαδικασία λήψης και μεταφοράς βελόνων, η μεταφορά συχνά αποτυγχάνει όταν εκτελούνται μεγάλες λειτουργίες περιστροφής. Ειδικά μετά τη λήψη της βελόνας, η αριστερή θήκη πρέπει να περιστραφεί περίπου 90 μοίρες για να μεταφερθεί η βελόνα στον άλλο ρομποτικό βραχίονα, όπως φαίνεται στην Εικόνα 6 παρακάτω. Κατά τη διάρκεια αυτής της φάσης κίνησης, ο προσανατολισμός της λαβής φαίνεται να είναι σωστός, αλλά η μεταφορική κίνηση δεν φαίνεται να είναι σωστή, γεγονός που μπορεί να είναι η αιτία της αστοχίας.