[論文レビュー] An Open-Source Robotics Research Platform for Autonomous Laparoscopic Surgery

Ariel Rodriguez, Lorenzo Mazza+5 more|arXiv (Cornell University)|Mar 9, 2026

Surgical Simulation and Training被引用数 0

ひとこと要約

要約: 本論文はオープンソースのロボット非依存のRCMコントローラとROSベースのプラットフォームを提供し、UR5eとPandaアームを用いた遠隔操作、データ収集、 autonomous policy deploymentを実現する。ファントム、剥離組織、in vivo豚の手術で検証済み。

ABSTRACT

Autonomous robot-assisted surgery demands reliable, high-precision platforms that strictly adhere to the safety and kinematic constraints of minimally invasive procedures. Existing research platforms, primarily based on the da Vinci Research Kit, suffer from cable-driven mechanical limitations that degrade state-space consistency and hinder the downstream training of reliable autonomous policies. We present an open-source, robot-agnostic Remote Center of Motion (RCM) controller based on a closed-form analytical velocity solver that enforces the trocar constraint deterministically without iterative optimization. The controller operates in Cartesian space, enabling any industrial manipulator to function as a surgical robot. We provide implementations for the UR5e and Franka Emika Panda manipulators, and integrate stereoscopic 3D perception. We integrate the robot control into a full-stack ROS-based surgical robotics platform supporting teleoperation, demonstration recording, and deployment of learned policies via a decoupled server-client architecture. We validate the system on a bowel grasping and retraction task across phantom, ex vivo, and in vivo porcine laparoscopic procedures. RCM deviations remain sub-millimeter across all conditions, and trajectory smoothness metrics (SPARC, LDLJ) are comparable to expert demonstrations from the JIGSAWS benchmark recorded on the da Vinci system. These results demonstrate that the platform provides the precision and robustness required for teleoperation, data collection and autonomous policy deployment in realistic surgical scenarios.

研究の動機と目的

• 腹腔鏡ロボティクスのトロカールRCM制約を課すオープンソースかつロボット非依存のプラットフォームを提供する。
• 遠隔操作、データ収集、 autonomous policy deploymentを可能にする完全なROSベースのシステムを提供する。
• ファントム、ex vivo、in vivo豚手術でRCM精度と軌道平滑性を検証する。
• 収集データセット上での模倣学習を通じたデータ収集とポリシー学習準備を示す。

提案手法

• 任意の適切なマニピュレータに対してデカルト空間でRCMを決定論的に enforcingする閉形式の解析的速度制御器を開発する。
• ROSベースのソフトウェアスタック内で二つのハードウェア構成（UR5eとFranka Panda）を統合し、遠隔操作とポリシー展開を実現する。
• ZMQベースのサーバ–クライアントアーキテクチャを実装してポリシー推論をROSからデカップリングし、アクション検証のためのセーフティコントローラを含める。
• 遠隔操作中の生データセンサデータと内視鏡ビデオを記録し、学習のための構造化データセットを作成する。
• 5次多項式速度プロファイラを適用して、ジャーク/加速度制限内でターゲットへ向かう滑らかな動作を生成する。

Figure 2: The platform is built with modularity and scalability at its core, with inter-component communication abstracted through ROS topics to remain hardware-agnostic. This architecture allows input devices and robot actuators to be readily exchanged, and new modalities can be incorporated by sim

実験結果

リサーチクエスチョン

• RQ1 オープンソースでロボット非依存のRCMコントローラは phantom、ex vivo、in vivo の設定でサブミリメートルのRCM偏差を達成できるか。
• RQ2 プラットフォームは既存のベンチマークと同等の専門家レベルの軌道平滑性を生み出しつつ自律ポリシー展開を可能にするか。
• RQ3 ROSベースのフルスタックアーキテクチャはハードウェアと環境を跨いだ頑健な遠隔操作、データ収集、ポリシーロールアウトをサポートするか。
• RQ4 収集データで訓練された模倣学習ポリシーは結腸の把持・牽引などの腹腔鏡タスクで高い成功率を達成するか。

主な発見

• RCM偏差は phantom、ex vivo、in vivo 試験を通じてサブミリメートルを維持。
• 軌道平滑性指標（SPARC、LDLJ）は da Vinci システムのJIGSAWSベンチマークの専門家デモンストレーションと比較可能。
• プラットフォームのデータセットで訓練された模倣学習ポリシーは85%の成功率（20回中17回）を達成。
• 遠隔操作、デモ recording、および自律ポリシー展開を現実的な手術シナリオで堅牢に維持。
• システムはモジュール化されハードウェア非依存で、UR5eとPandaアーム、ステレオ内視鏡、没入型ビジュアルをサポート。
• RCMコントローラは反復最適化を使わず、閉形式の解析的速度解による決定論的制約適用を実現。

Figure 4: Immersive stereoscopic visualization through the Meta Quest headset running Endomersion [ 11 ] showing the surgical workspace captured by the endoscope. Only the left eye view is shown; the right eye receives the corresponding stereo pair to enable depth perception.