文章序号、所属单元及链接:1646-Surgical Robotics Laparascopy
一作所属单位:University of Washington
读后体会:以我浅薄的学术认知原本认为这篇论文挺牛逼的,实验细节给的很多,关键是结果提升很大。跟老师交流之后才知道这论文只能骗骗外行人,关键的问题是他是空载进行实验的,绳驱动机器人负载和空载的差距很大,还需要考虑绳经过一段时间使用之后动态特性的变化,这个也很复杂。
精确的实时数据驱动的对RAVEN-II手术机器人末端执行器位置估计器
Abstract
在过去的几十年中,外科手术机器人因其高灵敏度,小尺寸和远程可控性而被引入手术室。许多外科手术机器人的线驱动特性使系统灵巧轻巧,直径低至5mm。然而,由于线的松弛和拉伸以及齿轮的游隙,在运动学计算中不可避免地会带来不确定性。由于RAVEN-II 等外科手术机器人的末端执行器位置是使用电机编码器测量值和正向运动学直接计算得出的,因此它可能包含相对较大的误差,最大误差可达10mm,而在腹部手术中引入半自主功能时,其能够容忍的位置误差最大值为1mm。为了解决该问题,提出了一种经济高效,实时且数据驱动的机器人末端执行器位置精确估计的模型,并在RAVEN-II 上进行了测试。分析显示,在没有高分辨率运动跟踪器的情况下,遍历整个机器人工作空间的末端执行器位置误差改善后约1mm RMS。开源代码,数据集,视频和用户指南可在/github.com/HaonanPeng/RAVEN_Neural_Network_Estimator 上找到。
Introduction
A.背景
机器人辅助的微创手术(RAMIS)为经验丰富的外科医师和具有高灵活性和鲁棒性的外科手术机器人之间的协作手术打开了大门。当外科医生负责通过远程操作进行决策和机器人操纵时,机器人会遵循轨迹命令。在腹部RAMIS 中,精度要求以毫米为单位。在外科医生手动闭合环路的情况下(With surgeons manually closing the loop),机器人末端执行器姿势的准确性不是大问题。近年来,智能外科机器人已经出现在医疗机器人研究中,其中消融和清创等重复性任务可以在外科医生的监督下自主进行。现在正在开发智能机器人导航代理(navigation agents),以结合原始的远程操作命令,震颤消除和动态手术场景的运动补偿。此外,RAMIS 中基于视觉的力估计很有前景。在所有这些应用中,外科手术机器人的精确末端执行器定位是必需的。
许多外科手术机器人都设计有绳线传动装置,并在基座上安装了电动机,以使手臂更轻更紧凑。绳线的动态特性例如为刚度和内部阻尼非常重要,并且一直其随张力的变化而变化。因此,由电机传感器反馈的基于运动学的末端执行器姿势容易出错。
B.相关工作
为了补偿这种不准确性,一种直观的方法是通过在手术工具提示处(tooltip)应用运动跟踪器,或在每个机器人关节上的关节编码器上应用附加的传感器测量值,具体取决于是在笛卡尔坐标还是在关节水平上(cartesian or joint level)解决问题。两种解决方案都存在缺点。在前一种情况下,在所需的高温灭菌过程中会很复杂。但是,后者需要使传感器线和机器人线绳保持紧凑也很复杂。可替代地&#