💻 computer science

Learning-based Force Sensing and Impedance Matching for Safe Haptic Feedback in Robot-assisted Laparoscopic Surgery

تقدم هذه الورقة نهج مطابقة المعاوقة غير الخطي (NIMA) الذي يعزز بشكل كبير دقة وسلامة التغذية الراجعة اللمسية في جراحة المساعدة الروبوتية بالمنظار من خلال تقليل خطأ عرض القوة بنسبة 95% والقضاء على "الارتداد" اللمسي عبر النمذجة الآنية للتفاعلات غير الخطية بين الأداة والأنسجة.

المؤلفون الأصليون: Aiden, Mazidi, Majid Roshanfar, Amir Sayadi, Javad Dargahi, Jake Barralet, Liane S. Feldman, Amir Hooshiar

نُشر 2026-02-05

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Aiden, Mazidi, Majid Roshanfar, Amir Sayadi, Javad Dargahi, Jake Barralet, Liane S. Feldman, Amir Hooshiar

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تلعب لعبة فيديو عالية التقنية حيث تتحكم في ذراع آلي لإجراء عملية جراحية دقيقة. في معظم النسخ الحالية من هذه "اللعبة"، يمكنك رؤية ما يفعله الروبوت على الشاشة، لكن لا يمكنك الشعور بما يلمسه. الأمر يشبه محاولة ربط حذاء بينما ترتدي قفازات شتوية سميكة؛ عليك أن تخمن مدى قوة الشد لأنك لا تستطيع الشعور به.

تقدم هذه الورقة البحثية نظامًا جديدًا يسمى NIMA (نهج مطابقة الممانعة غير الخطية) والذي يعمل مثل "قفاز سحري" للجراحين، ليعيد إليهم حاسة اللمس المفقودة بطريقة آمنة ودقيقة.

إليك كيف يعمل، مقسمًا إلى مفاهيم بسيطة:

1. المشكلة: القوى "الشبحية"

عندما يحرك الروبوت أداة جراحية داخل جسم المريض (عبر فتحة صغيرة)، تحتك الأداة بحواف هذه الفتحة. هذا يخلق احتكاكًا.

التشبيه: تخيل أنك تدفع صندوقًا ثقيلًا عبر الأرض. تشعر باحتكاك الأرض بالصندوق. ولكن إذا كنت تحاول الشعور بمدى نعومة وسادة داخل الصندوق، فإن احتكاك الأرض هذا سيعترض طريقك ويشتت حواسك.
المشكلة: في الجراحة الروبوتية، تشعر مستشعرات الروبوت بكل من احتكاك الفتحة ونعومة الأنسجة. إذا قام الروبوت بنسخ هذه المشاعر ببساد للـجراح، سيشعر الجراح بـ "ركلة" أو هزة مفاجئة عندما يتوقف عن الحركة. وهذا أمر خطير وغير مريح، ويسمى "الارتداد اللمسي" (haptic kickback).

2. الحل: "الفلتر الذكي" (الشبكة العصبية)

بنى الباحثون عقلًا حاسوبيًا ذكيًا (شبكة عصبية) ليعمل كفلتر.

كيف يعمل: يمتلك الروبوت مستشعرات تقيس القوة الإجمالية. ينظر العقل الحاسوبي إلى البيانات ويقول: "حسنًا، 80% من هذه القوة هي مجرد احتكاك الأداة بالفتحة. دعونا نتخلص من ذلك. الـ 20% المتبقية هي الأنسجة الفعلية".
النتيجة: يشعر الجراح بالأنسجة فقط، وليس الاحتكاك. الأمر يشبه ارتداء سماعات إلغاء الضجيج التي تحجب ضوضاء الرياح لتتمكن من سماع الموسيقى بوضوح.

3. "الخريطة السحرية" (معايرة الإحداثيات)

يمتلك الروبوت مستشعرات في أماكن مختلفة (واحد في الذراع، وآخر في الأنسجة). وهي تتحدث "لغات" مختلفة (أنظمة إحداثيات).

التشبيه: تخيل أن شخصًا يصف موقعًا بأنه "5 خطوات شمالاً"، وآخر يقول "3 خطوات شرقًا". لجعلهم يتفقون، تحتاج إلى مترجم.
الإصلاح: ابتكر الفريق طريقة ترجمة دقيقة لضمان معرفة الروبوت كيفية تحويل البيانات من مستشعر الذراع إلى لغة مستشعر الأنسجة بدقة. هذا يضمن أن يكون "الشعور" دقيقًا.

4. "الزنبرك الذكي" (الممانعة غير الخطية)

حاولت الأنظمة القديمة محاكاة اللمس باستخدام رياضيات بسيطة وخطية (مثل زنبرك أساسي يدفع دائمًا بنفس المقدار). لكن الأنسجة الحقيقية معقدة؛ فهي لينة، ثم صلبة، ثم تعود لينة مرة أخرى.

التشبيه: فكر في شريط مطاطي بسيط مقابل حبل "بنجي" عالي التقنية. الشريط المطاطي يسحب بنفس الطريقة في كل مرة، أما حبل البنجي فيغير قوة سحبه اعتمادًا على سرعة قفزك ومدى تمددك.
الابتكار: يستخدم نظام NIMA "زنبركًا ذكيًا" (ممانعة غير خطية) يغير سلوكه في الوقت الفعلي ليتناسب مع الطبيعة المعقدة والمتعرجة للأنسجة البشرية. إنه لا يكتفي بالتخمين، بل يتعلم النمط فورًا.

5. الفوز الكبير: لا مزيد من "الارتدادات"

النتيجة الأكثر إثارة هي السلامة.

الطريقة القديمة: عندما كان الجراح يترك وحدة التحكم الروبوتية، كانت الأنظمة القديمة تسبب أحيانًا هزة مفاجئة وغير مرغوب فيها (ارتداد) لأن الكمبيوتر كان لا يزال يحاول حساب القوى.
الطريقة الجديدة: مع NIMA، عندما يترك الجراح التحكم، يعرف النظام فورًا: "لا توجد حركة، لا توجد قوة". يقوم النظام بتقديم قوة صفرية. تظل المقبض ثابتة تمامًا. هذا يمنع الإصابات العرضية ويجعل الجراح يشعر بالأمان والراحة.

النتائج باللغة البسيطة

اختبر الفريق هذا النظام على إعداد روبوتي باستخدام أنسجة اصطناعية (مانيكان).

الدقة: كان نظامهم الجديد أكثر دقة بنسبة 95% من أفضل طريقة سابقة. كان الخطأ ضئيلًا جدًا — بحوالي وزن مشبك ورق صغير (0.01 نيوتن).
السلامة: نجحوا تمامًا في القضاء على مشكلة "الارتداد".
الواقعية: استطاع النظام التمييز بين احتكاك الأداة بالفتحة وبين لمس الأداة للأنسجة فعليًا، مما أعطى "شعورًا" أكثر واقعية.

باختة: تقدم هذه الورقة طريقة جديدة لمنح الجراحين الروبوتيين "حاسة اللمس". إنها تستخدم فلترًا حاسوبيًا ذكيًا لإزالة الاحتكاك المربك، ومترجمًا دقيقًا لمواءمة المستشعرات، و"زنبركًا ذكيًا" ديناميكيًا لمحاكاة الأنسجة الحقيقية. والنتيجة هي نظام دقيق للغاية، والأهم من ذلك، أنه آمن بما يكفي بحيث لن يتسبب الروبوت في هز يد الجراح عند التوقف عن الحركة.

ملخص تقني: التعلم القائم على استشعار القوة ومطابقة الممانعة لتوفير تغذية راجعة لمسية آمنة في الجراحة الروبوتية بمساعدة المنظار

بيان المشكلة
لا يزال دمج التغذية الراجعة اللمسية الدقيقة في الجراحة طفيفة التوغل بمساعدة الروبوت (RAMIS) يمثل تحدياً حرجاً بسبب الصعوبات في تقديم تمثيل دقيق للقوة وضمان استقرار النظام أثناء التحكم عن بُعد. وبينما يمكن للتغذية الراجعة اللمسية أن تعزز الدقة الجراحية، وتقلل من تلف الأنسجة، وتحسن اتساق المهام، إلا أن معظم الأنظمة التجارية (مثل da Vinci) تفتقر إلى انعكاس مستمر للقوة للمشغل. وتواجه الحلول الحالية مقايضات: فالمستشعرات المدمجة في الأدوات توفر دقة عالية ولكنها تعاني من مشكلات التعقيم والتعقيد؛ بينما الطرق التي لا تعتمد على المستشعرات أو التي تعتمد على الرؤية غالباً ما تتطلب بيانات تدريب واسعة أو تفتقر إلى الدقة الفيزيائية. علاوة على ذلك، فإن مناهج مطابقة الممانعة الخطية (IMA)، رغم استقرارها، تفشل في التقاط الديناميكيات غير الخطية للتفاعلات بين الأداة والأنسجة، ويمكن أن تسبب "ارتداداً لمسياً" (haptic kickback)—وهو عبارة عن حركة مفاجئة غير مرغوب فيها يشعر بها المشغل عند ترك المقبض—مما يخل بالسلامة والراحة.

المنهجية
يقترح المؤلفون منهج مطابقة الممانعة غير الخطية (NIMA) الذي يوسع أطر عمل IMA الخطية السابقة من خلال دمج الديناميكيات غير الخطية لنمذجة التفاعلات المعقدة بين الأداة والأنسجة في الوقت الفعلي. يستخدم الإعداد التجريبي نظاماً ثنائي الروبوت (أذرع Kinova Gen3) وكونسول جراحي مخصص مع وحدات تحكم لمسية من نوع Omega.7. وتتوزع المنهجية حول ثلاثة مكونات تقنية أساسية:

معايرة الإحداثيات ومحاذاة المستشعرات: لضمان رسم دقيق للقوة، طور المؤلفون إجراءً لمحاذاة أنظمة الإحداثيات لمستشعرين: أحدهما مثبت على نهاية طرف الروبوت ( $S_1$ ) والآخر مثبت على بديل الأنسجة ( $S_2$ ). وباسترزام مسألة تحسين تعتمد على زوايا أويلر ومصفوفات الدوران، قاموا بتحويل بيانات $S_2$ إلى إطار $S_1$ ، محققين ارتباطاً عالياً ( $R^2 = 0.95$ ) بين المستشعرين.
استخراج القوة القائم على الشبكة العصبية: يمثل عزل قوى التفاعل الحقيقية بين الأداة والأنسجة عن قوى الاحتكاك المتولدة عند مركز الحركة البعيد (RCM) تحدياً كبيراً في روبوتات المناظير. قام المؤلفون بتدريب شبكة عصبية (NN) أمامية كاملة الاتصال لتقدير وطرح آثار الاحتكاك هذه. تأخذ الشبكة العصبية مدخلات من قوى ذراع الروبوت، والاتجاه (الرباعيات/quaternions)، ومعلمات الحركة للتنبؤ بقوة طرف الأداة الصافية. وقد تم التحقق من هذه العملية باستخدام تجربة "عدم التلامس" لضمان قدرة النموذج على كبح الضجيج وانحياز الاحتكاك دون إدخال شوائب.
نمذجة الممانعة غير الخطية (NIMA): تقوم خوارزمية التمثيل الأساسية بنمذجة قوة التلامس $f$ كاستجابة لأوامر الحركة $X$ عبر سطح ممانعة فائق غير خطي: $f = MX$ . يتم تحديث مصفوفة معامل الممانعة $M$ في الوقت الفعلي باستخدام نافذة زمنية متدحرجة (300 مللي ثانية) وحساب المعكوس الزائف. يختار النظام ديناميكياً درجة كثير الحدود المثلى ( $N=1$ إلى $5$) لكل نافذة زمنية لتقليل خطأ إعادة البناء. والأهم من ذلك، يتضمن النموذج عتبة سرعة (1 مم/ثانية)؛ حيث تكون القوة الممثلة صفراً تحت هذه العتبة، مما يمنع الارتداد اللمسي.

المساهمات الرئيسية
يقدم البحث خمس مساهمات رئيسية:

عزل القوة القائم على الشبكة العصبية: طريقة مبتكرة لاستخراج قوى التفاعل الحقيقية بين الأداة والأنسجة من خلال عزل مكونات الاحتكاك عند مركز الحركة البعيد (RCM)، مما يسمح باستخدام المستشعرات القريبة لتقدير القوة عند الطرف البعيد.
معايرة الإحوديات: إجراء صارم لتحويل بيانات القوة بين أطر مستشعرات متعددة (المثبتة على الروبوت والمثبتة على الأنسجة) لضمان اتساق البيانات.
إطار عمل NIMA الموسع: نموذج ممانعة غير خطي تكيفي يحقق دقة تصل إلى أجزاء من السنتينيوتن، متفوقاً بشكل كبير على IMA الخطي.
التحقق الشامل: بروتوكول تجريبي ثلاثي المراحل للتحقق من معايرة الإحداثيات، وعزل القوة القائم على الشبكة العصبية، وإعادة بناء القوة باستخدام NIMA.
القضاء على الارتداد اللمسي: استراتيجية نمذجة غير خطية تكيفية تضمن تطبيق قوة صفرية على يد المستخدم عند ترك المقبض أو تحريكه ببطء، مما يعزز سلامة المشغل.

النتائج
تم التحقق من صحة إطار العمل المقترح من خلال تجارب محكومة تحاكي المهام الجراحية بالمناظير (مثل نقل القطع/peg transfer):

معايرة الإحداثيات: حقق التحويل بين أطر المستشعرات متوسط خطأ مطلق (MAE) قدره 0.11 نيوتن، و0.09 نيوتن، و0.13 نيوتن للمحاور X وY وZ، على التوالي، مع ارتباط خطي قدره $R^2 = 0.95$ .
عزل القوة: نجحت الشبكة العصبية في عزل قوى طرف الأداة عن احتكاك مركز الحركة البعيد (RCM). بلغ متوسط الخطأ المطلق بين القوى المقاسة والمتوقعة 0.19 نيوتن (X)، و0.16 نيوتن (Y)، و0.16 نيوتن (Z). وفي اختبارات عدم التلامس، توقع النموذج قوى قريبة من الصفر (متوسط 0.02 نيوتن)، مما يؤكد الفعالية في كبح الضجيج والاحتكاك.
تمثيل القوة: حقق إطار NIMA في النهاية متوسط خطأ مطلق قدره 0.01 ± 0.02 نيوتن لتمثيل القوة. ويمثل هذا تحسناً بنسبة 95% في الدقة مقارنة بـ IMA الخطي الذي تم التحقق من صحته سابقاً (والذي كان لديه MAE قدره 0.2 نيوتن).
الاستقرار والسلامة: نجح النظام في القضاء على الارتداد اللمسي. فعندما ترك المشغل المقبض، قام النظام بتمثيل قوة صفرية، مما ضمن بقاء الجهاز ثابتاً. اختار الخوارزمية ملاءمة غير خطية في أكثر من 64% من النوافذ الزمنية، مما يثبت ضرورة النمذجة غير الخطية لالتقاط التفاعلات الديناميكية بين الأداة والأنسجة.

الأهمية والادعاءات
يزعم المؤلفون أن NIMA يعالج الفجوة الحرجة بين المهارة البشرية والدقة الروبوتية في الجراحة بمساعدة الروبوت عبر توفير تغذية راجعة لمسية مستقرة، عالية الدقة، وآمنة. ومن خلال القضاء على الارتداد اللمسي والنمذجة الدقيقة لديناميكيات الأنسجة غير الخطية، يعزز النظام راحة المشغل وسلامته مع تحسين واقعية التحكم عن بُعد. ويشير العمل إلى أن مطابقة الممانعة غير الخطية هي الأفضل مقارنة بالمناهج الخطية لالتقاط الصلابة المتغيرة والمعقدة للأنسجة الرخوة. ويضع المؤلفون NIMA كخطوة قابلة للتطبيق نحو الموافقة التنظيمية والتكامل السريري، مشيرين إلى إمكانية استخدامه لسد الفجوة الحسية في الجيل القادم من الروبوتات الجراحية دون الحاجة إلى إعادة تصميم الأدوات بشكل جراحي. وتؤكد الدراسة أنه بينما يركز العمل الحالي على القوة، فإن النسخ المستقبلية يمكن أن تدمج ردود فعل العزم والشبكات العصبية القائمة على الفيزياء للتكيف بشكل أكبر مع البيئات الجراحية المتنوعة.