⚡ electrical engineering

Surgical Robot, Path Planning, Joint Space, Riemannian Manifolds

यह शोध पत्र सर्जिकल रोबोटों के लिए जॉइंट स्पेस में एक रिमानियन मैनिफोल्ड-आधारित पाथ प्लानिंग पद्धति प्रस्तावित करता है जो पारंपरिक पोजीशन-स्पेस गणनाओं की तुलना में गैर-कनकेव (non-concave) उदर सतहों को कुशलतापूर्वक नेविगेट करने और जॉइंट एंगल मूवमेंट को कम करने के लिए ग्रेडिएंट डिसेंट का उपयोग करता है।

मूल लेखक: Yoshiki Yamamoto, Maina Sogabe, Shunichi Hirahara, Toshiki Kaisaki, Tetsuro Miyazaki, Kenji Kawashima

प्रकाशित 2026-03-17

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Yoshiki Yamamoto, Maina Sogabe, Shunichi Hirahara, Toshiki Kaisaki, Tetsuro Miyazaki, Kenji Kawashima

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप मोटे, अनाड़ी ओवन मिट्स (oven mitts) पहनकर सुई में धागा पिरोने की कोशिश कर रहे हैं, लेकिन वह सुई वास्तव में एक मरीज के शरीर के अंदर एक नाजुक सर्जिकल उपकरण है। यह मिनिमली इनवेसिव सर्जरी (MIS) की चुनौती है। सर्जन एक छोटा सा छेद (पोर्ट) बनाता है और एक रोबोटिक आर्म को अंदर डालता है। समस्या क्या है? उस आर्म को उस छोटे से छेद के चारों ओर घूमना (pivot) पड़ता है, और शरीर के अंदर का नज़ारा ऊबड़-खाबड़ और भीड़भाड़ वाला है, जहाँ बहुत सारे कोमल अंग हैं जिन्हें छुआ नहीं जा सकता।

यदि रोबोट बहुत अधिक अनियंत्रित तरीके से हिलता है, तो वह ऊतकों (tissue) को फाड़ सकता है या एक अजीब कोण पर फंस सकता है। पारंपरिक रूप से, कंप्यूटर रोबोट के पथ की योजना बनाने के लिए 3D स्पेस (जैसे कमरे का नक्शा) को देखते हैं। लेकिन यह कमरे की दीवारों को बाहर से देखने जैसा है; यह धीमा है, गणना के मामले में भारी है, और अक्सर अजीब, झटकेदार गतिविधियों की ओर ले जाता है।

यह पेपर इस समस्या को सोचने का एक चतुर नया तरीका प्रस्तावित करता है: कमरे को देखना बंद करें; रोबोट के जोड़ों (joints) को देखें।

यहाँ उनके समाधान का सरल उपमाओं (analogies) का उपयोग करके विवरण दिया गया है:

1. "जॉइंट स्पेस" बनाम "रूम मैप"

पुराना तरीका (पोजीशन स्पेस): कल्पना कीजिए कि आप अपने घर के मुख्य दरवाजे से रसोई तक जाने की कोशिश कर रहे हैं। आप घर के नक्शे को देखते हैं और फर्नीचर से बचते हैं। यदि फर्नीचर अजीब आकार का है (जैसे U-आकार), तो कंप्यूटर को यह समझने के लिए बहुत अधिक गणित करना पड़ता है कि बीच से कैसे निकलना है।
नया तरीका (जॉइंट स्पेस): कमरे को देखने के बजाय, कंप्यूटर आपके शरीर के जोड़ों (आपके घुटने, कूल्हे और कोहनी) को देखता है। यह पूछता है: "कुर्सी से बचने के लिए मुझे अपना घुटना कितना मोड़ना होगा?"
जादुई ट्रिक: लेखकों ने महसूस किया कि जबकि शरीर के अंदर (अंगों) का आकार एक अव्यवस्थित, अवतल गुफा (जैसे एक कटोरा) जैसा दिखता है, जब आप उस आकार को रोबोट के जोड़ों की भाषा में बदलते हैं, तो यह अक्सर एक चिकनी, उबड़-खाबड़ पहाड़ी जैसा दिखता है।

2. रीमानियन मैनिफोल्ड (Riemannian Manifold): "खिंचा हुआ ट्रैम्पोलिन"

यह पेपर एक फैंसी गणितीय शब्द का उपयोग करता है जिसे रीमानियन मैनिफोल्ड कहा जाता है। इसे एक खिंचे हुए ट्रैम्पोलिन के रूप में सोचें जिस पर रोबोट के जोड़ चल रहे हैं।

एक सामान्य कमरे में, सीधी रेखा में चलना आसान होता है।
इस ट्रैम्पोलिन पर, कपड़ा "खतरे वाले क्षेत्रों" (अंगों) के पास कसकर खिंच जाता है।
यदि रोबston किसी अंग के बहुत करीब जाने की कोशिश करता है, तो ट्रैम्पोलिन का कपड़ा उसे पीछे खींच लेता है, जिससे वह रास्ता "महंगा" या चलने में असंभव लगने लगता है।
क्योंकि जॉइंट-स्पेस ट्रैम्पोलिन में "खतरे वाले क्षेत्र" चिकनी पहाड़ियों (non-concave) की तरह दिखते हैं, इसलिए रोबोट बस एक गेंद को पहाड़ी से नीचे लुढ़का सकता है (एक विधि जिसे ग्रेडिएंट डिसेंट कहा जाता) ताकि सबसे आसान, सुरक्षित रास्ता मिल सके। उसे हर कोने-कोने की खोज करने की आवश्यकता नहीं है; वह बस ढलान का अनुसरण करता है।

3. "एज कॉस्ट" फंक्शन: "टोल बूथ"

यह सुनिश्चित करने के लिए कि रोबोट केवल सबसे छोटा रास्ता ही नहीं बल्कि सबसे सुचारू रास्ता भी ले, लेखकों ने एक "टोल बूथ" प्रणाली बनाई है।

हर बार जब रोबोट कोई कदम उठाने पर विचार करता है, तो कंप्यूटर दो चीजें जाँचता है:
1. दूरी: यह कदम कितना दूर है?
2. "टोल": यह कदम किसी अंग के कितने करीब है?
यदि कदम किसी अंग के पास है, तो "टोल" बहुत अधिक होता है। रोबोट स्वाभाविक रूप से एक थोड़ा लंबा रास्ता चुनेगा जो उसे अंगों से दूर रखता है, बजाय एक छोटे रास्ते के जिसमें टकराने का जोखिम हो।
यह यह भी सुनिश्चित करता है कि रोबोट अपने जोड़ों को दर्दनाक, अजीब कोणों में न मोड़े (रेंज ऑफ मोशन को कम करना)।

4. प्रयोग: "ब्लैडर" टेस्ट

शोधकर्ताओं ने इसका परीक्षण एक नकली सर्जरी परिदृश्य (पित्ताशय या मूत्राशय निकालने का अनुकरण) पर किया।

सेटअप: उनके पास एक रोबोटिक आर्म थी जिसने एक नकली शरीर के अंदर एक शुरुआती बिंदु से लक्षित अंग तक जाने की कोशिश की।
परिणाम:
- पुराना तरीका (रूम मैप): रोबोट ने एक ऐसा रास्ता लिया जिसके लिए उसके जोड़ों को बहुत अधिक घुमाने की आवश्यकता थी। यह एक कुकी जार तक पहुँचने के लिए एक लचीले कलाकार (contortionist) की तरह था।
- नया तरीका (जॉइंट स्पेस ट्रैम्पोलिन): रोबोट ने एक ऐसा रास्ता खोजा जो बहुत अधिक सुचारू था। इसने अपने जोड़ों को कम हिलाया, अंगों से सुरक्षित दूरी बनाए रखी, और खुद को गांठों में बांधने की आवश्यकता नहीं पड़ी।

यह क्यों मायने रखता है

एक कार चलाने के अंतर के बारे में सोचें जो केवल सड़कों को जानने वाले GPS (पुराना तरीका) का उपयोग करती है बनाम एक GPS जो ठीक जानता है कि आपकी कार का सस्पेंशन, स्टीयरिंग और इंजन कैसे काम करता है (नया तरीका)।

रोबोट के जोड़ों के आधार पर पथ की योजना बनाकर, रोबोट:

अधिक सुचारू रूप से चलता है: कम झटकेदार गति का मतलब है मरीज के शरीर पर कम तनाव।
तेजी से सोचता है: एक पहाड़ी से गेंद को लुढ़काना एक जटिल भूलभुलैया को हल करने की तुलना में आसान है।
अधिक सुरक्षित है: यह हर बार बताए बिना ही स्वाभाविक रूप से "खतरे वाले क्षेत्रों" से बचता है।

संक्षेप में, यह पेपर रोबोट को कमरे के नक्शे को केवल देखने के बजाय, अपने स्वयं के शरीर के यांत्रिकी (mechanics) को समझकर सर्जरी के माध्यम से अपना रास्ता "महसूस" करना सिखाता है। इससे ऐसे रोबोट बन सकते हैं जो एक नशे में धुत चाचा की तरह अनाड़ी होने के बजाय एक नर्तक की तरह गरिमा के साथ सर्जरी कर सकें।

यहाँ शोध पत्र "Path Planning of Surgical Robot for Minimally-Invasive Surgery on Riemannian Manifold" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

रोबोटिक प्रणालियों का उपयोग करने वाले मिनिमली इनवेसिव सर्जरी (MIS) में स्वायत्त पथ नियोजन (autonomous path planning) के समक्ष महत्वपूर्ण चुनौतियाँ हैं:

काइनेमैटिक बाधाएं (Kinematic Constraints): सर्जिकल रोबोट एक निश्चित इंसर्शन पोर्ट (ट्रोकार) के माध्यम से संचालित होते हैं, जो एक "रिमोट सेंटर ऑफ मैकेनिज्म" (RCM) बाधा उत्पन्न करता है। रोबोट की गति एक शंकु (cone) जैसे आयतन तक सीमित होती है, जिससे जटिल जॉइंट एंगल सीमाएं उत्पन्न होती हैं।
बाधाओं की जटिलता (Obstacle Complexity): उदर गुहा (abdominal cavity) और अंगों की सतह अक्सर गैर-अवतल (non-concave) यानी उत्तल (convex) या मिश्रित होती हैं। पोजीशन स्पेस (कार्टेशियन स्पेस) में पारंपरिक पथ नियोजन इन ज्यामितिों के साथ संघर्ष करता है, जिसके लिए अक्सर महंगे सैंपलिंग तरीकों (जैसे PRM या RRT) की आवश्यकता होती है या मोटे कोलिजन चेक (collision checks) का सामना करना पड़ता है।
जॉइंट मोशन लिमिट्स (Joint Motion Limits): मानक प्लानर अक्सर ऐसे प्रक्षेपवक्र (trajectories) उत्पन्न करते हैं जो जॉइंट मूवमेंट को अधिकतम करते हैं, जिससे संभावित रूप से मैकेनिकल स्ट्रेस बढ़ सकता है, जॉइंट सीमाएं पार हो सकती हैं, या पोर्ट के साथ टकराव का जोखिम बढ़ सकता है।

मुख्य समस्या एक ऐसा इष्टतम, टकराव-मुक्त प्रक्षेपवक्र खोजने की है जो जटिल उदर गुहा और अंगों की ज्यामिति का सम्मान करते हुए जॉइंट मोशन और गणनात्मक लागत (computational cost) को कम करे।

2. कार्यप्रणाली (Methodology)

लेखक एक नया दृष्टिकोण प्रस्तावित करते हैं जो पथ नियोजन को पोजीशन स्पेस से बदलकर जॉइंट स्पेस में ले जाता है, जिसमें कॉन्फ़िगरेशन स्पेस को एक रीमानियन मैनिफोल्ड (Riemannian manifold) के रूप में मॉडल किया गया है।

A. रीमानियन मेट्रिक परिभाषा (Riemannian Metric Definition)

जॉइंट स्पेस को एक फ्लैट यूक्लिडियन स्पेस मानने के बजाय, लेखक एक संयुक्त रीमान मेट्रिक $G(q)$ को परिभाषित करते हैं जो काइनेमैटिक बाधाओं और बाधा निवारण (obstacle avoidance) को समाहित करता है।

काइनेमैटिक टर्म ( $G_q$ ): यह 5-DOF होल्डर आर्म के फॉरवर्ड काइनेमैटिक्स से व्युत्पन्न है। यह तीन प्राथमिक जॉइंट्स ( $q_1, q_2, q_3$ ) और आश्रित जॉइंट्स ( $q_4, q_5$ ) के बीच के संबंध को ध्यान में रखते हुए पूर्ण 5-DOF कॉन्फ़िगरेशन को मापता है।
ऑब्स्टेकल टर्म ( $G_{obs}$ ): यह एक बैरियर फंक्शन है जो रोबोट कॉन्फ़िगरेशन के वर्जित सीमा ( $\partial Q_a$ ) के करीब पहुँचने पर अनंत लागत (infinite cost) लागू करता है। इसे इस प्रकार परिभाषित किया गया है:
$G_{obs}(q) = \frac{\sigma}{\|q - q_a\|} I$
जहाँ $q_a$ जॉइंट स्पेस में बाधा सीमा का निकटतम बिंदु है।

B. जॉइंट स्पेस में बाधा मानचित्रण (Obstacle Mapping in Joint Space)

इस शोध पत्र का एक महत्वपूर्ण निष्कर्ष बाधाओं का ज्यामितीय रूपांतरण है:

पोजीशन स्पेस: अंगों की सतह और गुहा की दीवारें अवतल (concave) हो सकती हैं, जिससे ग्रेडिएंट-आधारित अनुकूलन (optimization) कठिन हो जाता है (लोकल मिनिमा की संभावना)।
जॉइंट स्पेस: रोबोट के काइनेमैटिक्स के मैपिंग के माध्यम से, पोजीशन स्पेस में ये अवतल बाधाएं अक्सर जॉइंट स्पेस में गैर-अवतल (उत्तल/convex) सतहों में बदल जाती हैं।
एल्गोरिदम: लेखक डेलॉने ट्राइएंगुलेशन (Delaunay triangulation) का उपयोग करके जॉइंट स्पेस में कोलिजन बाउंड्री का अनुमान लगाते हैं। वे सीमा को उत्तल पैच (convex patches) में विभाजित करते हैं। किसी भी दिए गए कॉन्फ़िगरेशन के लिए, निकटतम बाधा बिंदु को पूर्ण वैश्विक खोज के बजाय इन उत्तल पैच पर एक ग्रीडी सर्च (greedy search) का उपयोग करके कुशलतापूर्वक खोजा जाता है।

C. पथ नियोजन एल्गोरिदम (Path Planning Algorithm)

ग्राफ निर्माण: जॉइंट स्पेस में कोलिजन-मुक्त कॉन्फ़िगरेशन ( $V_q$ ) को सैंपल करके एक स्पार्स ग्राफ बनाया जाता है।
एज कॉस्ट फंक्शन: दो नोड्स के बीच एक एज की लागत रीमान मेट्रिक और बाधा की निकटता के दंड (penalty) का उपयोग करके गणना की जाती है:
$c(q_\alpha, q_\beta) = \sqrt{(q_\beta - q_\alpha)^T G(\bar{q}) (q_\beta - q_\alpha)} \left[ 1 + \frac{\sigma_q}{\|\bar{q} - q_a(\bar{q})\|^2} \right]$
खोज (Search): ग्राफ पर न्यूनतम-लागत पथ खोजने के लिए डिज्कस्ट्रा (Dijkstra) एल्गोरिदम का उपयोग किया जाता है।
स्मूथिंग (Smoothing): असतत पथ (discrete path) को क्यूबिक स्प्लाइन इंटरपोलेशन (cubic spline interpolation) का उपयोग करके एक सुचारू निरंतर प्रक्षेपवक्र में परिवर्तित किया जाता है।

3. मुख्य योगदान (Key Contributions)

रीमानियन मैनिफोल्ड फॉर्मूलेशन: यह शोध पत्र एक विधि पेश करता है जो पोजीशन स्पेस को जॉइंट स्पेस में रीमानियन मैनिफोल्ड में बदल देती है, जिससे एक जियोडेसिक पथ (geodesic path) प्राप्त होता है जो स्वाभाविक रूप से मैकेनिकल बाधाओं का सम्मान करता है।
जॉइंट स्पेस में उत्तलता (Convexity in Joint Space): लेखक यह प्रदर्शित करते हैं कि भौतिक उदर गुहा में अवतल बाधाएं अक्सर रोबोट के जॉइंट स्पेस में उत्तल (या उत्तल सतहों के संयोजन) बन जाती हैं। यह गुण कुशल ग्रेडिएंट डिसेंट और ग्रीडी सर्च विधियों के उपयोग की अनुमति देता है, जो पोजीशन-स्पेस प्लानिंग की तुलना में गणनात्मक जटिलता को काफी कम कर देता है।
एज कॉस्ट फंक्शन: एक विशिष्ट लागत फलन परिभाषित किया गया है जो जॉइंट स्पेस में सबसे छोटे पथ (मोशन को कम करना) और कोलिजन रोकने के लिए बैरियर पेनल्टी के बीच संतुलन बनाता है।
प्रायोगिक सत्यापन: विधि को 5-DOF होल्डर रोबोट का उपयोग करके सिम्युलेटेड सर्जिकल परिदृश्यों (कोलेसिस्टेक्टोमी और प्रोस्टेटेक्टोमी) पर पारंपरिक पोजीशन-स्पेस प्लानिंग के विरुद्ध प्रदर्शन का तुलनात्मक परीक्षण करके मान्य किया गया है।

4. प्रायोगिक परिणाम (Experimental Results)

प्रस्तावित विधि का परीक्षण एक अवतल शरीर गुहा के भीतर नकली अंगों (पित्ताशय और मूत्राशय) का उपयोग करके 5-DOF सर्जिकल रोबोट आर्म पर किया गया।

ज्यामितीय रूपांतरण: प्रयोगों ने पुष्टि की कि पोजीशन स्पेस में अंगों के अवतल आकार (जैसे मूत्राशय) जॉइंट स्पेस में उत्तल आकृतियों के रूप में मैप होते हैं, जो इसके सैद्धांतिक आधार को प्रमाणित करते हैं।
प्रदर्शन मेट्रिक्स: प्रस्तावित विधि की तुलना पोजीशन-स्पेस प्लानिंग से तीन सूचकांकों (indices) का उपयोग करके की गई:
- औसत इंसर्शन एंगल ( $\psi_{ave}$ ): प्रस्तावित विधि ने 31.8° प्राप्त किया बनाम 39.5° (पोजीशन स्पेस)।
- अधिकतम इंसर्शन एंगल ( $\psi_{max}$ ): प्रस्तावित विधि ने 40.3° प्राप्त किया बनाम 47.7°।
- परिवर्तन की दर ( $\dot{\psi}_{RMS}$ ): प्रस्तावित विधि ने 0.214 deg/mm प्राप्त किया बनाम 0.256।
व्याख्या: कम कोण मान यह दर्शाते हैं कि रोबोट आर्म बॉडी वॉल के सापेक्ष अधिक वर्टिकल रहता है, जिससे ट्रोकार पोर्ट पर टॉर्शन फोर्स कम होता है और जॉइंट मोशन की सीमा कम होती है। प्रस्तावित विधि ने सफलतापूर्वक कम जॉइंट मोशन और इंसर्शन पोर्ट पर कम तनाव वाले प्रक्षेपवक्र उत्पन्न किए।

5. महत्व और भविष्य का कार्य (Significance and Future Work)

महत्व: यह कार्य अर्ध-स्वायत्त सर्जिकल रोबोट के लिए एक सैद्धांतिक और व्यावहारिक ढांचा प्रदान करता है। जॉइंट स्पेस के ज्यामितीय गुणों का लाभ उठाकर, यह पारंपरिक मोशन प्लानिंग में सामान्य "डायमेंशनलिटी का अभिशाप" (curse of dimensionality) और नॉन-कॉन्वेक्सिटी की समस्याओं को हल करता है। जॉइंट मोशन में कमी रोगी की सुरक्षा (पोर्ट पर ऊतक आघात को कम करना) और रोबोट की दीर्घायता के लिए महत्वपूर्ण है।
भविet कार्य: लेखक योजना बना रहे हैं:
- अधिक जटिल बाधाओं के लिए जॉइंट स्पेस में उत्तल प्रतिनिधित्व के लिए आवश्यक शर्तों को स्पष्ट करना।
- स्प्लाइन इंटरपोलेशन से परे कोलिजन अवॉयडेंस विधियों को विकसित करना (जैसे डायनेमिक ऑब्स्टेकल अवॉयडेंस)।
- कई रोबोट आर्म्स के बीच हस्तक्षेप को संबोधित करना (मल्टी-रोबोट समन्वय)।
- अत्यधिक जटिल, गैर-मानक आकृतियों वाले वास्तविक इंट्राकोरल वातावरण में विधि को लागू करना।

निष्कर्षतः, यह शोध पत्र सफलतापूर्वक प्रदर्शित करता है कि पथ नियोजन की समस्या को जॉइंट स्पेस में रीमानियन मैनिफोल्ड में बदलना MIS रोबोटों के लिए एक गणनात्मक रूप से कुशल और यांत्रिक रूप से श्रेष्ठ समाधान प्रदान करता है, जिससे सुरक्षित और अधिक स्वायत्त सर्जिकल प्रक्रियाएं संभव होती हैं।