기술 요약: RCM 제약 조건이 있는 시각 서보 제어를 위한 통합 벤치마크

문제 정의

로봇 보조 복강경 최소 침습 수술(MIS)에서 트로카(trocar)에서의 원격 중심점(Remote Center of Motion, RCM) 제약을 유지하는 것은 조직 손상을 방러하고 안전하고 안정적인 자동 시야(Field-of-View, FoV) 조정을 보장하는 데 매우 중요하다. 제어 기반 RCM 전략은 기계적 솔루션보다 유연성을 제공하지만, 분야 내에 통일되고 재현 가능한 벤치마크가 부족하다. 이러한 부재는 서로 다른 RCM 모델링 공식과 영상 기반 시각 서보(Image-Based Visual Servoing, IBVS) 제어 아키텍처 간의 체계적인 비교를 저해한다. 결과적으로, 특정 모델링 선택(예: 접평면 정의, 제약 차원)이 제어 구조(예: 의사 역행렬, 이차 계획법)와 어떻게 상호작용하여 성능, 특히 구조적 민감도 및 운동학적 특이점 근처에서의 강건성에 영향을 미치는지 명확하지 않다.

방법론

저자들은 세 가지 대표적인 RCM 모델링 접근 방식과 여섯 가지 IBVS 호환 제어 아키텍처를 통합된 속도 수준 정식화(velocity-level formulation) 내에 통합한 오픈 소스 시뮬레이션 프레임을 제안한다.

1. 통합 RCM 모델링

본 프레임워크는 세 가지 서로 다른 RCM 모델링 방법을 공통 제약 구조($J_{rcm,i} \dot{u} = v_{rcm,des}$)로 표준화한다:

• RCM 1 (접평면, Tangent-Plane): 트로카 점의 접평면 투영을 기반으로 스칼라 파라미터 $\lambda$를 계산한다. 이 제약은 해당 평면 내에서의 횡방향 속도를 제로로 강제한다.
• RCM 2 (축 투영, Axis Projection): 트로카 점을 복강경 샤프트 축에 투영하여 $\lambda$를 결정한다. 제약은 로컬 RCM 프레임 내에서 정의되며, x 및 y 방향의 선속도를 제어한다.
• RCM 3 (가상 조인트, Virtual Joint): $\lambda$를 가상 조인트 변수로 도입한다. 제약 방정식은 이 가상 변수의 미분값($\dot{\lambda}$)을 포함하며, 이를 통해 3D 제약 정식화를 가능하게 한다.

2. 제어 프레임워크

통합된 RCM 제약에 대해 여섯 가지 제어 전략을 평가한다:

• 의사 역행렬 (Pseudoinverse, PI) 방법:
  • PI 1: 단일 의사 역행렬 솔루션 내에서 RCM과 시각 작업을 동일하게 취급한다.
  • PI 2: RCM 제약이 시각 작업보다 우선순위를 갖도록 영공간 투영(null-space projection)을 사용한다.
• 이차 계획법 (Quadratic Programming, QP) 방법:
  • QP 1: RCM과 시각 작업을 조인트 한계와 함께 등식 제약으로 모델링한다.
  • QP 2: RCM을 등식 제약으로, 시각 작업을 비용 함수(cost function)로 모델링한다.
  • QP 3: RCM 제약을 먼저 해결한 후 영공간에서 시각 작업을 해결하는 계층적 접근 방식을 사용한다.
• 역운동학 (Inverse Kinematics, IK) 방법: 커넥터와 엔드-카메라 트위스트 사이의 직접적인 관계를 도출하기 위해 완벽한 RCM 만족을 가정하고 IK를 통해 해결한다.

3. 시뮬레이션 설정

실험은 6-DoF UR5 매니퓰레이터와 강체 복강경을 사용하여 CoppeliaSim에서 수행되었다. 시각 서보 작업은 FoV 조정을 위해 타겟 사각형(위치, 크기, 방향)을 추적하는 것을 포함한다. 변수를 격리하기 위해 다섯 가지 특정 케이스 스터디가 설계되었다:

1. 접평면 선택: RCM 1에서 평면 정의를 비교함 (글로벌 프레임 vs 로컬 프레임).
2. 제약 차원: RCM 3에서 $N_{rcm}=2$와 $N_{rcm}=3$을 비교함.
3. 개 루프 vs 폐 루프 (Open- vs. Closed-Loop): 기하학적 강제 실행(제로 원하는 속도)과 오차 피드백 강제 실행을 비교함.
4. 제어기 강건성: 직선 및 나선형(특이점) 궤적 하에서 여섯 가지 프레임워크 모두를 비교함.
5. 축소된 작업 복잡도: 2-DoF 시각 서보(위치만 해당)를 평가하고 이것이 축 방향 드리프트에 미치는 영향을 분석함.

주요 결과

시뮬레이션 연구는 몇 가지 중요한 구조적 민감도를 드러냈다:

• 모델링 민감도: RCM 1에서 접평면을 글로벌 프레임($s$)에서 정의하면 삽입 중 상당한 횡방향 드리프트가 발생했으나, 로컬 RCM 프레임에서 정의하면 물리적 제약이 유지되었다. RCM 3에서 축 방향 제약을 완화하면($N_{rcm}=2$) 가상 변수 $\lambda$가 드리프트되어, 축 방향 RCM 오차가 20mm를 초과하는 결과가 나타났다.
• 개 루프의 한계: (오차 피드백이 없는) 기하학적 강제 실행 형태의 개 루프 정식화는 일관되게 비제로(non-zero) 정상 상태 RCM 오차와 축 방향 드리프트를 초래했다. RCM 위치 오차 피드백을 포함하는 폐 루프 정식화는 오차를 서브 밀리미터 수준으로 성공적으로 줄였다.
• 제어기 강건성: 일반적인 운동 조건 하에서는 PI, IK, QP 방법이 유사하게 성능을 보였다. 그러나 운동학적 특이점 근처(예: 나선형 궤적)에서는 Jacobian의 불량 조건화(ill-conditioning)로 인해 PI 및 IK 방법이 실패하여 큰 RCM 편차와 추적 상실을 야기했다. QP 기반 방법은 제약과 정규화를 명시적으로 처리함으로써 안정성과 작업 수렴성을 유지했다.
• 트레이드오프: 축 방향 제약을 완화하는 것(예: $N_{rcm}=2$)은 조인트 운동 비용을 줄였지만 축 방향 드리프트를 유발하여, 운동 효율성과 엄격한 제약 준수 사이의 트레이드오프를 보여주었다.

의의 및 기여

본 논문은 새로운 RCM 알고리즘을 제안하는 것이 아니라, 모델링과 제어 간의 상호작용을 평가하기 위한 구조화된 벤치마크를 제공한다. 주요 기여는 다음과 같다:

1. 통합 정식화: 세 가지 서로 다른 RCM 모델을 공통 제약 구조 아래에서 표현하는 속도 수준 프레임워크를 제공하여 직접적인 비교를 가능하게 한다.
2. 모듈형 벤치마크: 세 가지 RCM 모델과 여섯 가지 제어 프레임워크를 통합한 재현 가능한 테스트를 위한 오픈 소스 시뮬레이션 인프라를 제공한다.
3. 체계적 통찰: 모델링 선택(접평면 정의, 차원)과 제어 아키텍처(PI vs. QP)가 시스템 정확도와 안정성을 결정하는 데 어떻게 상호작용하는지를 밝혀낸 연구이다.
4. 재현성: 향후 RCM 제약 시각 서보 연구의 기준점이 될 수 있도록 코드와 비디오 데모를 공개한다.

저자들은 RCM 제약 시각 서보의 강건성이 모델링이나 제어 중 어느 하나에 의해 결정되는 것이 아니라, 두 요소 사이의 **구조적 결합(structural coupling)**에 의해 결정된다고 결론짓는다. 향후 연구에는 동적 효과 및 더 현실적인 물리적 조건이 포함될 수 있음을 언급하였다.