[論文レビュー] Multi-Axis Force Sensing in Robotic Minimally Invasive Surgery With No Instrument Modification

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

Soft Robotics and Applications参考文献 42被引用数 5

ひとこと要約

本論文では、手術用器具を改造せずに、da Vinci EndoWrist器具の近位シャフトに取り付けた新規6軸光力センサを提案する。コンプライアントリーフスプリングを用いた二重チューブキャニュラにより、先端部の力と体壁からの力の分離を実現している。センサは横方向力測定でほぼ10%の精度を達成し、軸方向トルク測定で約6%の精度を示し、モデルベースおよびデータ駆動型のキャリブレーションにより検証された。

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.

研究の動機と目的

• 既存の手術用器具を改造せずに、ロボット支援最小侵襲手術における多軸力センシングを可能にすること。
• 現在のロボット手術システムに触覚フィードバックが欠如していることによる、組織認識および力制御の制限を是正すること。
• 異なる器具タイプに適応可能で、臨床ワークフローと互換性のあるセンサーシステムを開発すること。
• 機械的フィルタリングおよびセンサ設計により、体壁からの力や把持力の干渉を最小限に抑えること。
• モデルベースとデータ駆動型のキャリブレーション技術を組み合わせることで、高精度な力測定を達成すること。

提案手法

• 局所的な信号処理およびデジタルエレクトロニクスを備えた6軸光力センサを、da Vinci EndoWrist器具の近位シャフトに取り付ける。
• 新規の二重チューブキャニュラ設計では、内チューブを3本のアームリーフスプリングでロボットベースに接続しており、先端部の力によって器具が曲がる一方で、体壁からの力を分離可能である。
• 内チューブの有効剛性は内チューブの回転により調整可能であり、最大横方向荷重下でも1.5 mmのギャップが閉じないよう設計されている。
• モデルベースキャリブレーションのため、器具挿入に伴う境界条件の変化を捉えるためのセンサの機械的挙動を記述する数学的モデルを構築した。
• データ駆動型キャリブレーション法では、1層5ノードの隠れ層と5×1出力層を持つ浅いニューラルネットワークを用い、センサ出力を力・トルク成分にマッピングする。
• 外部基準センサと制御された荷重装置を用いてキャリブレーションを実施し、実世界の力の適用シナリオに適応したネットワークの学習を実現した。

実験結果

リサーチクエスチョン

• RQ1 手術用器具を改造せずに、ロボット支援手術システムに多軸力センサを統合可能か？
• RQ2 体壁からの力はどのように効果的にフィルタリングされ、器具-組織相互作用に起因する先端力が分離されるか？
• RQ3 モデルベース手法と比較して、データ駆動型ニューラルネットワークキャリブレーションが、力推定精度をどの程度向上できるか？
• RQ4 器具を改造しない状態で、把持力とワristアクチュエーションが、力測定精度に与える影響はいかほどか？
• RQ5 すべての6自由度において、臨床レベルの分解能および精度（例：人間の最小識別差（JND）以内）を達成できるか？

主な発見

• センサは0.5–200 Nの範囲で横方向力測定において約10%のキャリブレーション精度を達成し、これは人間の最小識別差（JND）と整合的である。
• 軸方向トルク測定は6%程度の最高精度を示し、これはセンサの最適な感度と支持境界の変化に対する不感度によるものである。
• 解析モデルが有効でない状況、特に把持力の影響を含む非線形効果を捉える際、データ駆動型キャリブレーション手法がモデルベース手法を上回った。
• 変更されたキャニュラ設計は、オーバーコatテストにより体壁からの力が効果的にフィルタリングされたことが確認され、優れた機械的分離が実現した。
• ワrist操作テストでは、ピッチおよびヨー軸におけるワristアクチュエーションよりも、把持力が測定誤差により顕著に影響していた。
• センサ設計はda Vinci XおよびXIシステムと互換性があるが、S/SIモデルではステリルアダプタインターフェースとの干渉により非対応である。