Spatiotemporal Context-dependent Personalized Movement Compensation in Delayed Telemanipulation

Résumé technique : Compensation de mouvement personnalisée dépendante du contexte spatiotemporel dans la télémanipulation différée

Énoncé du problème
Le délai de communication demeure une barrière critique dans la chirurgie téléopérée et la robotique, perturbant la coordination visuo-motrice et dégradant la précision des tâches. Bien que les délais inférieurs à 330 ms soient généralement gérables, les latences dépassant 400 ms altèrent significativement la performance du chirurgien et compromettent la sécurité perçue. Les contre-mesures existantes, telles que l'échelle de mouvement (gains inférieurs à l'unité), reposent souvent sur des paramètres uniformes qui ne parviennent pas à prendre en compte la variabilité individuelle de l'opérateur ou le contexte spécifique de la tâche (par exemple, la direction du mouvement, la distance et l'ampleur du délai). La littérature actuelle suggère que la sensibilité au délai change en fonction de la géométrie de la tâche et de l'adaptation de l'opérateur, pourtant les facteurs façonnant ces variations restent peu étudiés.

Méthodologie
Les auteurs ont mené une étude de deux sessions avec vingt participants sains pour évaluer un cadre de compensation de mouvement centré sur l'humain et personnalisé.

• Conception expérimentale :
  • Session 1 (SimOnly) : Les participants ont effectué des tâches d'atteinte téléopérées dans un environnement virtuel (CoppeliaSim) utilisant un jumeau numérique de la da Vinci Research Kit (dVRK) et une interface haptique. L'étude a utilisé un plan intra-sujets croisant quatre facteurs : Assistance (Personnalisée vs Sans assistance), Délai (100, 250, 400 ms), Distance (5, 10, 15 mm) et Direction (Latérale, Longitudinale, Verticale).
  • Session 2 (Sim2Real) : Les participants sont revenus pour effectuer une tâche modifiée de transfert de chevilles sur un système physique d.VRK. Cette session a testé le transfert des gains dérivés de la simulation vers le matériel réel. Elle incluait les conditions Sans assistance, Généralisée (moyenne de la population) et Personnalisée.
• Stratégie de personnalisation : L'innovation centrale est une méthode pour ajuster des paramètres d'échelle personnalisés ($G$) pour chaque participant en fonction de combinaisons spécifiques de délai ($\delta$), de distance ($d$) et de direction ($\theta$). Le gain est calculé comme le ratio de la distance de pointe atteinte dans une ligne de base sans délai par rapport à celle dans une condition avec délai, créant ainsi un « tenseur de gain » pour minimiser le dépassement (overshoot).
• Métriques : La performance a été évaluée par l'Erreur d'atteinte initiale (dépassement/sous-dosage), l'Erreur de l'extrémité, la Fluidité du mouvement (Longueur d'arc spectral), l'Économie de mouvement (Indice de linéarité du chemin) et une métrique combinée Erreur-Temps (nCET). La charge de travail subjective a été mesurée via le NASA-TLX.
• Analyse : Des modèles linéaires à effets mixtes ont été utilisés pour analyser les effets principaux et les interactions, les données ayant été transformées via Box-Cox pour assurer la normalité.

Contributions clés
Le document établit trois contributions principales :

1. Personnalisation dépendante du contexte : Il démontre que l'échelle de mouvement personnalisée, conditionnée par le délai, la distance et la direction, améliore significativement la performance de la télémanipulation par rapport aux essais sans assistance dans la simulation, avec des bénéfices transférables au matériel réel pour des métriques spécifiques.
2. Précision sans pénalité de temps : L'échelle personnalisée améliore la précision spatiale (réduisant le dépassement) sans augmentation fiable du temps de mouvement dans la plupart des conditions, améliorant ainsi le compromis vitesse-précision, bien que les gains de précision soient incohérents pour l'erreur de l'extrémité dans les scénarios réels.
3. Transfert de la simulation au réel (Sim-to-Real) : L'étude valide que les gains personnalisés dérivés des données de simulation se transfèrent aux tâches de manipulation sur le matériel physique réel, bien qu'avec une efficacité réduite et des limitations de métriques spécifiques par rapport à l'environnement de simulation.

Résultats

• Simulation (SimOnly) : L'assistance personnalisée a réduit systématiquement le dépassement pour tous les délais, distances et directions. Cependant, le bénéfice pour l'erreur de l'extrémité n'augmentait pas avec le délai ; au contraire, l'assistance était plus bénéfique et constante spécifiquement dans la direction d'atteinte vers l'intérieur par rapport à l'absence d'assistance. Les bénéfices étaient les plus prononcés aux délais longs (400 ms) pour le dépassement, générant des gains de performance de 20 à 25 % dans les métriques clés. La personnalisation a également amélioré significativement la fluidité du mouvement et l'économie. Notamment, les bénéfices de précision dépendaient de la direction, l'atteinte vers l'intérieur (vers la ligne médiane du corps) montrant une amélioration plus grande que l'atteinte vers l'extérieur.
• Monde réel (Sim2Real) : Le transfert des gains personnalisés au robot physique a confirmé l'amélioration de la fluidité du mouvement et de l'économie. Cependant, les bénéfices étaient moins cohérents qu'en simulation. Spécifiquement, l'assistance personnalisée n'a pas entraîné de réduction constante de l'erreur de l'extrémité dans la tâche réelle et, dans certains cas (ex: délai de 250 ms), a diminué la précision par rapport aux essais sans assistance. De plus, alors que l'assistance personnalisée améliorait l'erreur d'atteinte initiale en simulation, ce bénéfice a été éliminé lors du transfert dans le monde réel.
• Personnalisé vs Généralisé : Bien que les gains de la population (génériques) fournissent une base solide, les gains personnalisés offrent des avantages distincts dans des contextes spécifiques, particulièrement pour l'atteinte vers l'intérieur à de courtes distances sous un délai modéré. Dans la session Sim2Real, l'assistance personnalisée a significativement réduit la charge de travail subjective par rapport aux gains génériques, même lorsque les différences de charge de travail globale entre les essais assistés et non assistés étaient négligeables.

Signification et Revendications
Les auteurs affirment que ce travail met en évidence le potentiel de l'échelle personnalisée comme fondement de cadres de téléopération plus adaptatifs. Les résultats suggèrent que la compensation de délai ne doit pas être vue comme un étalonnage statique mais comme un processus dynamique et sensible au contexte. En intégrant une initialisation au niveau de la population avec un raffinement adaptatif basé sur l'état de l'utilisateur et le contexte de la tâche (direction et distance), les systèmes de téléopération peuvent atteindre à la fois fiabilité et flexibilité. Le papier conclut que, bien que les gains génériques soient des points de départ efficaces pour les nouveaux utilisateurs, la personnalisation est cruciale pour optimiser la performance dans les scénarios où le contrôle prédictif (feedforward) humain est nécessaire mais incertain, visant finalement à améliorer la sécurité et la précision des procédures téléopérées.