notícias

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Relatório do coração da máquina

Departamento Editorial de Coração de Máquina

Um robô capaz de realizar operações cirúrgicas pode operar com estilo.

A cirurgia robótica foi desenvolvida até esse ponto? Parece muito habilidosa e requintada e suas “mãos” são muito estáveis.

Eu vi as duas “mãos” do robô posicionadas com flexibilidade na carne de porco para costurar e dar nós:

A força está certa e a "ferida" está perfeitamente suturada:

O robô também pode pegar agulhas de costura colocadas em vários objetos com precisão, sem beliscar outras coisas:

Levante com precisão o tecido para posterior observação e manipulação.

A pesquisa mencionada acima é do robô da Vinci desenvolvido em conjunto pela Universidade Hopkins e pela Universidade de Stanford.

Endereço do artigo: https://surgical-robot-transformer.github.io/resources/surgical_robot_transformer.pdf

Página inicial do projeto: https://surgical-robot-transformer.github.io/

Os membros da equipe incluem Ji Woong (Brian) Kim, pós-doutorado na Universidade Johns Hopkins que estudou com Axel Krieger e Chelsea Finn, que também participou da pesquisa, e Tony Z. Zhao, estudante de doutorado na Universidade de Stanford que trabalhou no Mobile ALOHA; ALOHA 2 pesquisa sobre robôs domésticos, seu supervisor é Chelsea Finn; Samuel Schmidgall é estudante de doutorado em engenharia elétrica e de computação na Universidade Johns Hopkins; Anton Deguet é engenheiro assistente de pesquisa na Universidade Johns Hopkins; Universidade Hopkins.

Durante muito tempo, a pesquisa sobre robôs concentrou-se principalmente na realização de atividades domésticas diárias e não foi totalmente explorada no campo da cirurgia, especialmente o robô da Vinci da empresa de robôs cirúrgicos Intuitive Surgical. Já implantados em todo o mundo, estes robôs têm um enorme potencial de expansão: até 2021, mais de 10 milhões de cirurgias foram realizadas utilizando 6.500 sistemas da Vinci em 67 países, e 55.000 cirurgiões foram treinados nos sistemas.

Este estudo explora se as tarefas operacionais cirúrgicas podem ser aprendidas no robô da Vinci por meio da aprendizagem por imitação. Para atingir este objetivo, eles introduzem uma formulação de ação relativa que permite o treinamento e a implantação de políticas bem-sucedidas usando dados cinemáticos aproximados. Esta abordagem permite que grandes quantidades de dados clínicos sejam usadas diretamente para o aprendizado do robô, sem modificações adicionais. O robô resultante se destaca em três tarefas cirúrgicas básicas, incluindo manipulação de tecidos, manuseio de agulhas e amarração de nós.

Este robô cirúrgico foi preferido por muitos internautas, que o chamaram de “incrível”.

Visão geral do método

A Figura 3 abaixo mostra o sistema dVRK, incluindo o robô e o console remoto para interação médica. O dVRK possui um manipulador de câmera endoscópica (ECM) e dois manipuladores do lado do paciente (PSM1, PSM2) que compartilham uma base robótica. Cada braço robótico é montado em uma sequência de juntas passivas (SUJs), seguidas por juntas ativas motorizadas.

As juntas passivas utilizam apenas potenciômetros para medições de juntas e, portanto, são muito imprecisas. A junta ativa usa um potenciômetro e um codificador de motor para melhorar a precisão. Porém, de modo geral, o uso de potenciômetros em todas as articulações fará com que o movimento de avanço do braço robótico seja impreciso, podendo o erro chegar até 5 cm.

O objetivo dos pesquisadores é aprender tarefas cirúrgicas por meio da aprendizagem por imitação. Considerando o movimento impreciso do robô para frente, é crucial escolher uma representação de movimento apropriada.Portanto, eles estudaram três representações de ação, a saberCentrado na câmera, centrado na ferramenta e relativo híbrido, conforme mostrado na Figura 4 abaixo.

Entre elas, as abordagens centradas na câmera servem como referência, destacando as limitações da modelagem de ações como poses absolutas de efetores finais. As abordagens centradas em ferramentas são aprimoradas e aumentam as taxas de sucesso ao modelar ações como movimentos relativos. O método relativo híbrido é ainda melhorado em comparação com o método centrado em ferramenta, modelando o movimento translacional de um quadro de referência fixo e melhorando a precisão do movimento translacional.

Vejamos primeiro as ações centradas na câmera. Modelamos o movimento centrado na câmera como a pose absoluta do efetor final em relação à estrutura superior do endoscópio. Essa configuração é semelhante à forma como os aplicativos de servo visual baseados em posição (PBVS) são implementados, tornando-a uma escolha natural para dVRK.

Especificamente, dado o valor de observação o_t no tempo t, o objetivo é aprender a política π e prever a sequência de ação A_t, C = (a_t, ..., a_t+C), onde C representa o intervalo de previsão da ação.A política é definida da seguinte forma

A seguir vem a ação focada em ferramentas. Modelamos ações centradas na ferramenta como movimento relativo em relação ao quadro atual do efetor final (ou seja, o quadro do corpo em movimento). Portanto, as ações centradas em ferramentas são definidas da seguinte forma:

Finalmente, há uma ação relativa mista. Semelhante ao movimento centrado na ferramenta, os pesquisadores modelaram o movimento relativo híbrido como movimento relativo em relação a dois referenciais diferentes. A translação incremental é definida em relação à estrutura superior do endoscópio e a rotação incremental é definida em relação à estrutura atual do atuador final.Ações relativas mistas são definidas como segue

Resultados experimentais

Durante a coleta de dados, o robô foi configurado conforme mostrado na Figura 5 abaixo. Nesta configuração, os pesquisadores coletaram 224 testes de levantamento de tecido, 250 testes de coleta e entrega de agulhas e 500 testes de amarração de nós. Todos os experimentos foram coletados durante vários dias por um único usuário.

Avalie o movimento relativo quanto à consistência com o movimento absoluto para frente. Os pesquisadores procuraram entender se o movimento relativo do dVRK apresentava maior consistência do que o movimento absoluto para frente. Para testar esta hipótese, eles manipularam remotamente trajetórias de referência, como o símbolo do infinito mostrado na Figura 5.

O efetor final é então colocado na mesma pose inicial e as trajetórias são reproduzidas usando diferentes representações de movimento sob diferentes configurações do robô. Estas diferentes configurações envolvem mover a área de trabalho do robô para a esquerda e para a direita. É claro que o movimento desses espaços de trabalho causará o movimento das juntas de ajuste do robô e, como apenas potenciômetros são usados ​​para medições de juntas, essas juntas podem facilmente levar a grandes erros de medição.

A Tabela 1 abaixo mostra os resultados numéricos da raiz do erro quadrático médio (RMSE). Na configuração de referência, como as juntas definidas não se movem, todas as representações de movimento reconstroem com precisão as trajetórias de referência.

Além disso, em termos de representação relativa da ação, as trajetórias de referência dos métodos relativos centrados na ferramenta e híbridos são mais consistentes quando repetidas, e os erros numéricos não mudam significativamente. Em conclusão, na presença de erros inconsistentes de medição conjunta, o movimento relativo do dVRK comporta-se de forma mais consistente do que o seu movimento absoluto para a frente.

Em seguida, os pesquisadores avaliaram o desempenho da estratégia usando diferentes representações de ações, como levantar tecidos, pegar e entregar agulhas e dar nós. Os resultados são mostrados na Tabela 2 abaixo. A representação de ação centrada na câmera tem um desempenho ruim em todas as três tarefas.

A representação da ação centrada na ferramenta apresentou melhor desempenho em todas as três tarefas. No entanto, durante o processo de recolha e transferência de agulhas, a transferência falha frequentemente quando são realizadas grandes operações de rotação. Principalmente após pegar a agulha, o suporte esquerdo deve ser girado cerca de 90 graus para transferir a agulha para o outro braço robótico, conforme mostrado na Figura 6 abaixo. Durante esta fase do movimento, a orientação da pinça parece correta, mas o movimento translacional não parece correto, o que pode ser a causa da falha.