[논문 리뷰] Multi-Axis Force Sensing in Robotic Minimally Invasive Surgery With No Instrument Modification

A. H. Hadi-Hosseinabadi, Septimiu E. Salcudean|arXiv (Cornell University)|2021. 03. 20.

Soft Robotics and Applications참고 문헌 42인용 수 5

한 줄 요약

이 논문은 수술 기구를 수정하지 않고 da Vinci EndoWrist 기구의 근위부 축에 부착된 6축 광학적 힘 센서를 제안하며, 탄성 리벳 스프링을 이용한 이중관 캐뉼라를 통해 끝단 힘을 분리한다. 센서는 횡방향 힘 측정에서 약 10%의 정확도를 달성하고 축방향 토크 측정에서 약 6%의 정확도를 보이며, 모델 기반 및 데이터 기반 캘리브레이션(얕은 신경망을 사용)을 통해 검증되었다.

ABSTRACT

This paper presents a novel multi-axis force-sensing approach in robotic minimally invasive surgery with no modification to the surgical instrument. Thus, it is adaptable to different surgical instruments. A novel 6-axis optical force sensor, with local signal conditioning and digital electronics, was mounted onto the proximal shaft of a da Vinci EndoWrist instrument. A new cannula design comprising an inner tube and an outer tube was proposed. The inner tube is attached to the cannula interface to the robot base through a compliant leaf spring with adjustable stiffness. It allows bending of the instrument shaft due to the tip forces. The outer tube mechanically filters out the body forces from affecting the instrument bending behavior. A mathematical model of the sensing principle was developed and used for model-based calibration. A data-driven calibration based on a shallow neural network architecture comprising a single 5-nodes hidden layer and a 5x1 output layer is discussed. Extensive testing was conducted to validate that the sensor can successfully measure the lateral forces and moments and the axial torque applied to the instruments distal end within the desired resolution, accuracy, and range requirements.

연구 동기 및 목표

• 기존 수술 기구를 수정하지 않고 로봇 복합 외과 수술에서 다축 힘 감지를 가능하게 하는 것.
• 현재 로봇 수술 시스템에서의 촉각 피드백 부족으로 인한 조직 인지 및 힘 제어의 제한을 해결하는 것.
• 다양한 기구 유형에 적응 가능하고 임상 워크플로우와 호환되는 센서 시스템을 개발하는 것.
• 기계적 필터링 및 센서 설계를 통해 체강력 및 잡기력 간섭을 최소화하는 것.
• 모델 기반 및 데이터 기반 캘리브레이션 기법의 조합을 통해 고정밀 힘 측정을 달성하는 것.

제안 방법

• 6축 광학적 힘 센서에 국소 신호 조절 및 디지털 전자기구를 탑재하여 da Vinci EndoWrist 기구의 근위부 축에 장착한다.
• 신규로 개발한 이중관 캐뉼라 설계는 내부 튜브를 3지지 리벳 스프링을 통해 로봇 기반에 연결하여, 끝단 힘에 의한 기구 굽힘을 가능하게 하면서도 체강력과의 분리를 확보한다.
• 내부 튜브의 유효 스프링 강성은 내부 튜브를 회전시켜 조절 가능하여 최대 횡방향 하중에서 1.5 mm 갭이 닫히는 것을 방지한다.
• 기구 삽입 중 경계 조건 변화를 반영한 센서의 기계적 거동을 기술하는 수학적 모델을 수립하여 모델 기반 캘리브레이션을 수행한다.
• 센서 출력을 힘/토크 성분으로 매핑하기 위해 1개의 5노드 히든 레이어와 5×1 출력 레이어를 갖는 얕은 신경망을 사용하는 데이터 기반 캘리브레이션 방법을 적용한다.
• 외부 기준 센서와 제어된 하중 장치를 사용하여 실제 세계의 힘 적용 시나리오에 맞게 네트워크를 훈련시키기 위해 캘리브레이션을 수행한다.

실험 결과

연구 질문

• RQ1 수술 기구를 수정하지 않고도 다축 힘 센서를 로봇 수술 시스템에 통합할 수 있는가?
• RQ2 체강력은 어떻게 효과적으로 필터링하여 기구-조직 상호작용의 끝단 힘만을 분리할 수 있는가?
• RQ3 모델 기반 접근법에 비해 데이터 기반 신경망 캘리브레이션 기법이 힘 추정 정확도를 얼마나 향상시킬 수 있는가?
• RQ4 수술 기구를 수정하지 않은 상황에서, 잡기력과 손목 액추에이터 작동은 힘 측정 정확도에 어떤 영향을 미치는가?
• RQ5 모든 6개 자유도에서 임상 수준의 해상도 및 정확도(예: 인간의 정상 감지 차이, JND)를 달성할 수 있는가?

주요 결과

• 센서는 0.5–200 N 범위의 횡방향 힘에 대해 약 10%의 캘리브레이션 정확도를 확보하였으며, 이는 인간의 정상 감지 차이(JND)와 일치한다.
• 축방향 토크 측정은 센서의 최적 감도 및 지지 경계 변화에 대한 민감도 부족으로 약 6%의 가장 높은 정확도를 기록하였다.
• 해석 모델이 유효하지 않은 상황, 특히 잡기력 영향과 같은 비선형 효과를 포착하는 데서 데이터 기반 캘리브레이션 방법이 모델 기반 접근법을 능가하였다.
• 수정된 캐뉼라 설계는 외피 테스트를 통해 체강력이 효과적으로 필터링되었음을 확인하였으며, 기계적 분리가 성공적으로 이루어졌다.
• 손목 조작 테스트 결과, 잡기력이 피치 및 요 축의 손목 액추에이터 작동보다 측정 오차에 더 큰 영향을 미쳤다.
• 센서 설계는 da Vinci X 및 XI 시스템과 호환되지만, 산소 차폐 장치 인터페이스 간섭으로 인해 이전의 S/SI 모델과는 호환되지 않는다.