[논문 리뷰] RoboCulture: A Robotics Platform for Automated Biological Experimentation

Kevin Angers, Kourosh Darvish외 7명|ArXiv.org|2025. 05. 20.

Scientific Computing and Data Management인용 수 4

한 줄 요약

RoboCulture은 7축 로봇을 사용하여 액체 취급, 팁 교환, 성장 모니터링을 수행하는 비용 효율적이고 유연한 엔드-투-엔드 자율 생물학 자동화 플랫폼을 제시하며, 이는 행동 트리와 컴퓨터 비전으로 15시간의 효모 배양 동안 안내됩니다. 이는 96웰 플레이트에서 자동 피펫팅, 팁 교환 및 성장 기반 의사결정을 시연합니다.

ABSTRACT

Automating biological experimentation remains challenging due to the need for millimeter-scale precision, long and multi-step experiments, and the dynamic nature of living systems. Current liquid handlers only partially automate workflows, requiring human intervention for plate loading, tip replacement, and calibration. Industrial solutions offer more automation but are costly and lack the flexibility needed in research settings. Meanwhile, research in autonomous robotics has yet to bridge the gap for long-duration, failure-sensitive biological experiments. We introduce RoboCulture, a cost-effective and flexible platform that uses a general-purpose robotic manipulator to automate key biological tasks. RoboCulture performs liquid handling, interacts with lab equipment, and leverages computer vision for real-time decisions using optical density-based growth monitoring. We demonstrate a fully autonomous 15-hour yeast culture experiment where RoboCulture uses vision and force feedback and a modular behavior tree framework to robustly execute, monitor, and manage experiments. Video demonstrations of RoboCulture can be found at https://ac-rad.github.io/roboculture.

연구 동기 및 목표

• 밀리미터 단위의 정밀도와 긴 지속 시간에도 유연하고 저비용인 플랫폼에서 생물학적 워크플로를 완전히 자동화하는 도전을 해결한다.
• 일반-purpose 로봇을 사용하여 액체 취급, 팁 교환, 성장 모니터링을 수행하는 엔드-투-엔드 자율 시스템을 개발한다.
• 컴퓨터 비전과 성장 곡선 분석을 활용하여 세포 배양 실험 중 실시간 의사결정을 가능하게 한다.
• 로봇 하위 시스템을 조정하는 모듈식 행동 트리 프레임워크를 제공하여 견고한 실험 실행을 지원한다.
• 새로운 작업에의 적응을 가능하게 하는 오픈소스 코드 및 CAD 모델을 릴리스한다.

제안 방법

• 7축 Franks 로봇 매니퓰레이터에 RGB-D 카메라 및 실험실 하드웨어를 통합하여 96-웰 플레이트에서 자율 작동을 가능하게 한다.
• Power 공급과 함께 제거 가능한 팁과 자동 팁 교환 메커니즘이 힘 피드백으로 안내된다.
• 시각적 서보잉을 통한 비전 기반 액체 취급을 적용하여 무작위 위치의 웰에 정밀한 피펫팅을 달성한다.
• RGB 이미지를 사용한 광학 밀도 기반 성장 모니터링으로 플레이트 리더가 아닌 상대적 성장을 추적한다.
• 프로토콜을 모듈식 행동 트리로 표현하여 인간 워크플로를 로봇 작업으로 변환하고 반응적 의사결정을 가능하게 한다.
• 완전 자율의 15시간 효모 배양 실험을 수행하여 엔드-투-엔드 자동화를 시연한다.

실험 결과

연구 질문

• RQ1 범용 로봇이 사전에 보정 없이 96웰 플레이트에 대한 피펫 삽입을 포함한 엔드-투-엔드 액체 취급 작업을 신뢰할 수 있게 자율적으로 수행할 수 있는가?
• RQ2 폐루프 지각 및 힘 지향 팁 교환이 생물학적 워크플로에서 견고한 팁 부착 및 신뢰할 수 있는 액체 취급에 충분한가?
• RQ3 RGB 이미징을 이용한 비전 기반 성장 모니터링이 하위 배양에서 자율 의사결정을 위한 실행 가능한 성장 곡선을 제공하는가?
• RQ4 행동 트리가 장기간 지속되며 실패에 강한 자율 생물학 실험을 유연하고 재사용 가능한 제어를 제공하는가?

주요 결과

Volume (mL)	Device/Standard	V̄ (mL)	ηs (%)	Cv (%)
10.0	Digital Pipette v2	9.9909	-0.09	0.10
5.0	Digital Pipette v2	4.9949	-0.10	0.16
1.0	Digital Pipette v2	0.9951	-0.49	0.58
10.0	ISO 8655	-	0.6	0.3
5.0	ISO 8655	-	-	-
1.0	ISO 8655	-	-	-

• Digital Pipette v2는 1, 5, 10 mL에서 대상에 근접한 평균 분배 부피와 ISO 8655-2 한계보다 훨씬 낮은 오차를 보이며 높은 분배 정확도를 달성한다(예: 10.0 mL: 9.9909 mL, ηs = -0.09%, Cv = 0.10%).
• 무작위로 위치한 96웰 플레이트에 팁 삽입의 평균 성공률은 0.990으로 six random plate placements에서 달성되었고, 평균 완벽률은 0.924이다.
• 팁 교환은 36주기 동안 부착 및 제거에서 100% 정확도를 보여주었고, 평균 나선형 검색 시간은 9.08 s(SD 5.76 s)이다.
• RGB 기반 광학 밀도 모니터링은 인간 작가의 플레이트 리더 측정과 합리적으로 일치하는 성장 곡선을 보였으며 자율 성장 추적을 뒷받침한다.
• 자율 효모 배양은 포화된 웰을 세 대의 자식 웰로 나누는 단계적 분할과 함께 15시간 동안 수행되었으며 초기 접종 수준(50, 30, 10 백만 세포/mL) 간에 일관된 성장 궤적을 생성한다.
• 시스템은 지각, 비전 기반 제어 및 액체 취급을 조정하는 모듈식 재사용 가능한 행동 트리를 통해 엔드-투-엔드 자율성을 보여준다.