[論文レビュー] RoboCulture: A Robotics Platform for Automated Biological Experimentation

Kevin Angers, Kourosh Darvish+7 more|ArXiv.org|May 20, 2025

Scientific Computing and Data Management被引用数 4

ひとこと要約

RoboCulture は 7軸ロボットを用いて液体処理、チップ交換、成長監視を行い、挙動木とコンピュータビジョンに guided during a 15-hour yeast culture の下で、コスト効果が高く柔軟なエンドツーエンド自律生物学オートメーションプラットフォームを提供する。 それは 96ウェルプレートでの自律ピペット操作、チップ交換、成長ベースの意思決定をデモンストレーションする。

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.

研究の動機と目的

• ミリメートル精度と長時間にわたる生物学的ワークフローを、柔軟で低コストなプラットフォームで完全自動化するという課題に対処する。
• 一般用途ロボットを用いて液体処理、チップ交換、成長監視を実行するエンドツーエンド自律システムを開発する。
• コンピュータビジョンと成長曲線分析を活用して、細胞培養実験中のリアルタイム意思決定を可能にする。
• ロボットサブシステムを協調させるモジュラ式挙動木フレームワークを提供し、ロバストな実験実行を支援する。
• 新しいタスクへの適応を可能にするオープンソースコードと CAD モデルをリリースする。

提案手法

• 7軸の Franka マニピュレータを RGB-D カメラおよび実験室ハードウェアと統合し、96ウェルプレートで自律操作を可能にする。
• 取り外し可能なチップと力覚フィードバックに guided された自動チップ交換機構を備えた Digital Pipette v2 を使用する。
• 視覚サーボを用いた液体処理をビジョンベースで適用し、ランダムに配置されたウェルへ正確なピペッティングを達成する。
• プレートリーダーなしで RGB 画像による相対的成長を追跡するための光学密度ベースの成長監視を実装する。
• 人間のワークフローをロボットタスクへ翻訳し、リアクティブな意思決定を可能にするモジュラー挙動木としてプロトコルを表現する。
• エンドツーエンドの自動化を実証するため、完全自律の 15-hour 酵母培養実験を実施する。

実験結果

リサーチクエスチョン

• RQ1 一般用途ロボットは、96ウェルプレートへのピペット挿入を前もって校正せずに、信頼性のあるエンドツーエンドの液体処理タスクを自律的に実行できるか。
• RQ2 クローズドループ認識と力覚に guided なチップ交換は、生物学的ワークフローにおける堅牢なチップ取付と信頼性のある液体処理を確保できるか。
• RQ3 RGB イメージングを用いた視覚ベースの成長監視は、サブカルチャリングにおける自律的意思決定のための実用的な成長曲線を提供できるか。
• RQ4 挙動木は長時間・故障耐性のある自律的生物学実験を支える柔軟で再利用可能な制御を提供するか。

主な発見

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 v2 は、目標値に近い平均分注量と ISO 8655-2 の制限をはるかに下回る誤差を示し、1 mL、5 mL、10 mL の範囲で高い分配精度を達成する（例: 10.0 mL: 9.9909 mL, ηs = -0.09%, Cv = 0.10%）。
• ランダムに配置された 96ウェルプレートへのピペットチップ挿入は、6つのランダムプレート配置で平均成功率 0.990、平均で完璧な率 0.924 を示した。
• ピペットチップ交換は36サイクルで取り付けと除去の精度が100%、平均渦巻き探索時間は 9.08 s（SD 5.76 s）。
• RGB ベースの光学密度監視は、プレートリーダーによる人間オペレーターの測定と概ね一致する成長曲線を示し、自律的な成長追跡を支持する。
• 自律的酵母培養は 15 時間実行され、飽和ウェルを三つの娘ウェルへ段階的に分割して、初期播種密度（50、30、10 百万細胞/mL）において一貫した成長軌道を生み出した。
• システムは、知覚、視覚ベース制御、および液体処理を調整するモジュール化された再利用可能な挙動木を用いてエンドツーエンドの自律性を示した。