Sequential development and evaluation of virtual model control with integral control for robotic dry-bone resection: a benchtop study

한 외과의사가 관절 내부의 뼈를 모양 잡기 위해 작고 빠른 드릴을 사용하여 뼈를 다듬으려 한다고 상상해 보십시오. 목표는 부드러운 움직임을 회복할 수 있을 만큼만 딱 적당한 양의 재료를 제거하는 것이며, 너무 많이 제거하여 뼈가 약해지거나 부러지지 않게 하는 것입니다. 인체 내에서 이 작업은 매우 어렵습니다. 외과의사는 카메라를 통해 한 번에 아주 작은 표면만을 볼 수 있으며, 뼈 자체는 단단하고 불규칙합니다. 만약 너무 적게 제거하면 문제가 해결되지 않고, 너무 많이 제거하면 골절의 위험이 높아집니다. 이러한 정밀함을 돕기 위해, 엔지니어들은 미리 계획된 경로를 정확하게 따를 수 있는 로봇을 제작하고 있습니다. 하지만 로봇조차도 회전하는 드릴 비트가 단단한 표면에 부딪힐 때 어려움을 겪을 수 있습니다. 접촉력이 로봇 팔을 약간 경로에서 벗어나게 하여, 로봇이 있다고 생각했던 위치와 실제로 절삭한 위치 사이에 흔들림이나 간극을 만들어낼 수 있기 때문입니다.

이것이 바로 캠브리지 대학교의 연구진이 해결하고자 했던 과제입니다. 그들은 특정 유형의 로봇 제어 방식, 즉 기계가 마치 스프링처럼 뼈를 느끼고 반응할 수 있게 하는 방식이 수술에 사용할 수 있을 만큼 정밀해질 수 있는지 확인하고 싶었습니다. 그들은 환자가 아니라 실험실의 합성 뼈 블록을 대상으로 아이디어를 테스트했습니다. 그들의 연구는 '가상 모델 제어(virtual model control)'라고 불리는 방법에 집중되었습니다. 간단히 말해, 이 시스템은 드릴이 따라야 할 완벽하고 보이지 않는 경로를 상상합니다. 그리고 실제 드릴을 이 보이지 않는 경로와 가상의 스프링 및 충격 흡수 장치로 연결합니다. 만약 실제 드릴이 경로에서 벗어나면, 시스템은 이를 다시 밀어 넣습니다. 그러나 연구진은 드릴이 뼈를 강하게 누를 때 스프링이 늘어나면서, 로봇 스스로는 고칠 수 없는 작은 오차가 발생한다는 것을 발견했습니다. 이를 해결하기 위해, 그들은 과거의 실수를 기억하고 시간이 지남에 따라 점진적으로 수정하는 두 번째 단계의 보정 레이어를 추가했습니다.

연구팀은 표준 설정을 기본으로 시작했습니다: 4mm 다이아몬드 팁 드릴을 쥐고 있는 7축 로봇이며, 드릴은 분당 12,000회 회전합니다. 그들은 합성 뼈 블록에 10x10mm 정사각형 패턴을 새기도록 프로그래밍했습니다. 원래의 방식으로 드릴을 잡았던 첫 번째 시도에서는 결과가 거칠었습니다. 드릴 비트는 눈에 띄게 흔들렸고, 절삭된 모양은 계획된 정사각형에서 크게 벗어났습니다. 연구진은 낮은 점수가 더 나은 절삭을 의미하는 척도로 성능을 측정했습니다. 초기 설정의 평균 점수는 12점 만점에 11.7점으로, 모든 방향에서 큰 편차를 보이는 좋지 않은 결과를 나타냈습니다.

첫 번째 주요 개선은 드릴을 잡는 방식을 바꾸는 것에서 왔습니다. 기존 설정은 드릴의 손잡이 부분만 움켜쥐고 있어, 그 아래의 긴 샤프트 부분이 자유롭게 흔들릴 수 있었습니다. 연구진은 숙련된 외과의사가 손을 안정시키는 방식을 모방하여, 절삭 팁에 더 가깝게 샤프트를 지지하는 새로운 홀더를 설계했습니다. 이 단순한 기계적 변화는 흔들림을 줄이고 절삭 표면을 매끄럽게 만들었습니다. 성능 점수는 7.7점으로 떨어졌습니다. 여전히 완벽하지는 않았지만, 표면은 더 이상 구덩이가 파인 엉망인 상태가 아니라 완만한 물결 모양처럼 보였습니다.

다음으로, 연구팀은 로봇의 방향 감각 문제를 다루었습니다. 정밀한 로봇이라 할지라도 내부 지도와 물리적 현실 사이에 미세한 불일치가 있을 수 있습니다. 연구진은 카메라 시스템을 사용하여 로봇 팔의 정확한 위치를 측정하고, 소프트웨어를 조정하여 물리적 기계와 일치시켰습니다. 이 교정 작업을 통해 점수는 5.7로 더욱 개선되었습니다. 절삭은 더욱 매끄러워졌으나, 한쪽 면이 다른 쪽보다 약간 더 깊게 파였습니다. 마지막 단계는 로봇을 뼈 블록과 정렬하는 것이었습니다. 블록이 바이스에 손으로 놓였기 때문에 결코 완벽하게 수평이 될 수 없었습니다. 연구진은 로봇이 뼈의 표면을 스캔하고 실제 블록의 각도에 맞춰 계획을 조정하도록 학습시켰습니다. 이 최종 조정을 통해 점수는 4.0으로 떨어졌습니다. 결과물인 정사각형은 시각적으로 수평이었으며, 직선의 가장자리와 날카로운 모서리가 원래의 계획과 매우 흡사했습니다.

로봇과 뼈를 안정시킨 후, 연구진은 최적의 절삭 조건을 찾기 위해 다양한 설정을 테스트했습니다. 그들은 드릴이 매 패스마다 얼마나 깊이 들어가는지, 이동 속도는 얼마인지, 그리고 뼈에 접근하는 각도를 다양하게 변화시켰습니다. 그들은 드릴이 한 번 지나갈 때마다 0.10에서 0.25mm 사이의 매우 얇은 층을 제거할 때 가장 좋은 결과가 나타난다는 것을 발견했습니다. 드릴을 초당 2.5mm보다 빠르게 움직이면 시스템의 안정성이 떨어져 점수가 악화되었습니다. 마찬가지로, 드릴을 너무 가파르거나 너무 얕은 각도로 유지해도 결과가 좋지 않았습니다. 이상적인 범위는 초당 1.5에서 2.5mm 사이의 중간 속도였으며, 드릴의 각도는 30도에서 45도 사이였습니다. 이 설정에서 로봇은 흔들림이나 경로 이탈 없이 일정하고 정밀한 절삭을 유지할 수 있었습니다.

본 연구는 안정적인 기계적 파지, 로봇 위치의 정밀한 교정, 그리고 작업물과의 세심한 정렬을 결합함으로써, 이 제어 방식을 사용하는 로봇이 불안정하고 부정확한 절삭에서 반복 가능하고 정밀한 절제(resection)를 수행하는 단계로 나아갈 수 있음을 보여줍니다. 연구진은 이러한 결과가 유망하지만, 이는 균일한 합성 재료로 된 통제된 실험실 환경에서 얻어진 것임을 언급했습니다. 다음 단계는 복잡한 형태와 연부 조직을 포함하는 실제 고관절의 더 현실적인 모델에서 이 시스템을 테스트하는 것입니다. 그때까지, 이 연구는 로봇의 뼈 절삭을 더 신뢰할 수 있게 만드는 명확한 로드맵을 제공하며, 흔들리고 부정확한 도구에서 외과의사를 위해 steady hand(안정된 손길)를 유지할 수 있는 도구로 나아가는 길을 제시합니다.