Surgical Robot, Path Planning, Joint Space, Riemannian Manifolds

Titolo

Pianificazione del percorso per robot chirurgici nella chirurgia minimamente invasiva su varietà di Riemann.

1. Il Problema

La chirurgia minimamente invasiva (MIS) assistita da robot offre vantaggi significativi, ma la pianificazione del movimento rimane una sfida complessa a causa di vincoli fisici e geometrici specifici:

• Vincoli di Inserimento: Il robot è vincolato a un punto di inserimento fisso (trocar), il che limita i gradi di libertà e impone vincoli cinematici rigidi.
• Limitazioni Angolari: Il robot spesso incontra limiti angolari durante l'operazione.
• Complessità Geometrica: Le superfici degli organi interni e delle cavità addominali sono spesso non concave (o complesse), rendendo computazionalmente costoso trovare percorsi ottimali nello spazio delle posizioni (position space) tradizionale.
• Limiti dei Metodi Attuali: I pianificatori basati sullo spazio delle posizioni (come PRM o RRT) devono convertire i percorsi in comandi articolari tramite cinematica inversa, il che può ignorare i vincoli meccanici intrinseci o richiedere risorse di memoria elevate per la proiezione degli ostacoli.

2. Metodologia Proposta

Gli autori propongono un approccio innovativo che sposta la pianificazione del percorso dallo spazio delle posizioni allo spazio delle articolazioni (joint space), utilizzando la geometria differenziale su una varietà di Riemann.

A. Mappatura degli Ostacoli nello Spazio delle Articolazioni

• Invece di definire gli ostacoli nello spazio cartesiano ($R^3$), il metodo mappa la regione proibita (gli organi e le pareti della cavità) direttamente nello spazio delle articolazioni ($Q \subset R^5$).
• Viene definita una metrica di Riemann composta $G(q)$ che combina due termini:
  1. Termine Cinematico ($G_q$): Deriva dalla cinematica diretta e tiene conto della lunghezza del percorso nello spazio delle articolazioni, includendo i contributi di tutte le 5 articolazioni (anche se la metrica è calcolata su un sottoinsieme di 3 articolazioni principali).
  2. Termine di Ostacolo ($G_{obs}$): Agisce come una barriera di costo infinito quando la configurazione si avvicina al confine della regione proibita ($\partial Q_a$).

B. Sfruttamento della Non-Concavità

• Un'osservazione chiave è che, sebbene le pareti delle cavità corporee siano concave nello spazio fisico, la loro rappresentazione nello spazio delle articolazioni del robot può essere approssimata come una combinazione di superfici non concave (convexe).
• Questa proprietà permette di utilizzare algoritmi di discesa del gradiente (gradient descent) per trovare efficientemente il percorso più breve, evitando la necessità di ricerche globali complesse.

C. Funzione di Costo degli Archi e Pianificazione

• Poiché la soluzione analitica dell'equazione geodetica è intrattabile a causa della non linearità, viene adottato un approccio basato sul campionamento.
• Viene costruita una rete di nodi (configurazioni libere da collisioni) e triangolata (Delaunay).
• Viene definita una nuova funzione di costo per gli archi (Eq. 6) che include:
  • La distanza geodetica nello spazio delle articolazioni.
  • Una penalità che aumenta drasticamente quando l'arco si avvicina agli ostacoli.
• L'algoritmo utilizza Dijkstra per trovare il percorso discreto a costo minimo, seguito da un'interpolazione spline cubica per generare una traiettoria continua e liscia.

D. Algoritmo di Ricerca

Per gestire la complessità, il confine degli ostacoli viene suddiviso in patch convessse. Viene utilizzato un metodo "greedy" per trovare la configurazione di ostacolo più vicina ($q_a$) su ciascuna patch, riducendo drasticamente il tempo di calcolo rispetto a una ricerca esaustiva.

3. Contributi Chiave

1. Pianificazione nello Spazio delle Articolazioni su Varietà di Riemann: Trasformazione dello spazio delle posizioni in una varietà di Riemann per pianificare direttamente i comandi delle articolazioni, rispettando intrinsecamente i vincoli meccanici.
2. Efficienza Computazionale tramite Non-Concavità: Dimostrazione che la rappresentazione degli ostacoli nello spazio delle articolazioni permette di trattare superfici complesse come combinazioni di superfici non concave, rendendo possibile l'uso di metodi di ottimizzazione locale (gradiente) per una ricerca di percorso rapida.
3. Riduzione del Movimento delle Articolazioni: Definizione di una funzione di costo che minimizza non solo la distanza, ma anche l'escursione angolare delle giunture, riducendo lo stress meccanico.

4. Risultati Sperimentali

Gli esperimenti sono stati condotti simulando due scenari chirurgici comuni: la colecistectomia (rimozione della cistifellea) e la prostatectomia (rimozione della vescica), utilizzando organi fittizi (mimic organs).

• Confronto: Il metodo proposto è stato confrontato con la pianificazione tradizionale nello spazio delle posizioni.
• Metriche di Valutazione:
  • Angolo di Inserimento ($\psi$): Angolo tra le pinze e l'asse verticale. Un angolo minore riduce la torsione sul trocar.
  • Lunghezza del Percorso: Lunghezza totale della traiettoria.
  • Variazione dell'Angolo: Derivata dell'angolo rispetto alla lunghezza del percorso (smoothness).
• Dati Quantitativi (Tabella 1):
  • Angolo Medio ($\psi_{ave}$): Il metodo proposto ha ottenuto 31.8° contro 39.5° del metodo tradizionale.
  • Angolo Massimo ($\psi_{max}$): Il metodo proposto ha ottenuto 40.3° contro 47.7°.
  • Variazione Massima ($\dot{\psi}_{max}$): Il metodo proposto ha ottenuto 0.214 deg/mm contro 0.256 deg/mm.
• Conclusione Sperimentale: Il metodo proposto genera traiettorie con un movimento delle articolazioni significativamente ridotto e un angolo di inserimento più favorevole, riducendo lo stress sul paziente e sul trocar.

5. Significato e Impatto

Questo lavoro rappresenta un passo avanti significativo verso l'autonomia nei robot chirurgici:

• Sicurezza: Riducendo il movimento delle articolazioni e mantenendo un angolo di inserimento più verticale, si minimizza il rischio di danni ai tessuti e lo stress meccanico sul punto di inserimento (RCM).
• Efficienza: Sfruttare la geometria dello spazio delle articolazioni rende la pianificazione più veloce e robusta rispetto ai metodi basati su voxel o mesh nello spazio cartesiano.
• Futuro: Il framework proposto può essere integrato in sistemi chirurgici semi-autonomi esistenti, migliorando la capacità del robot di navigare in ambienti anatomici complessi senza intervento continuo del chirurgo, affrontando la carenza globale di chirurghi robotici esperti.

In sintesi, l'articolo dimostra che trasformare il problema di pianificazione del percorso in una varietà di Riemann nello spazio delle articolazioni non solo risolve i problemi computazionali legati alla geometria complessa degli organi, ma produce anche traiettorie chirurgiche più sicure ed efficienti.