Overcoming Imperfect Kinematics in Surgical Robotics Through Sim-to-Real Visuomotor Learning

Resumo Técnico: Superando a Cinemática Imperfeita em Robótica Cirúrgica através de Aprendizado Visuomotor Sim-to-Real

Definição do Problema
A Cirurgia Assistida por Robô (RAS), particularmente com sistemas como o da Vinci Research Kit (dVRK), enfrenta uma barreira fundamental para a automação total: a imprecisão cinemática inerente. Esses erros surgem de fatores de hardware, como histerese, flexibilidade mecânica e folga nas juntas, levando a sensores proprioceptivos internos não confiáveis. Consequentemente, existe uma discrepância entre a trajetória comandada e o movimento real do robô. Métodos clássicos de calibração baseados em modelos (ex: calibração geométrica, compensação de gravidade) frequentemente falham ao generalizar para diferentes ambientes cirúrgicos e sofrem com altos custos de implementação. Embora abordagens baseadas em aprendizado ofereçam promessas, elas tipicamente requerem medições precisas da pose do efetor final, que são difíceis de obter na prática. O desafio central abordado é o desenvolvimento de um controlador de baixo nível capaz de executar trajetórias precisas, apesar de dados de estado internos não confiáveis e erros cinemáticos dependentes da configuração.

Metodologia
Os autores propõem um framework de aprendizado Professor-Aluno (Teacher-Student) projetado para transferência sim-to-real, aproveitando o feedback visual de malha fechada para compensar os déficits dos sensores internos.

1. Política do Professor (Simulação):

   • Treinamento: Treinado usando Aprendizado por Reforço (Proximal Policy Optimization, PPO) dentro de um simulador de alta fidelidade (NVIDIA Isaac Sim/Orbit-Surgical).
   • Informação Privilegiada: O professor tem acesso a dados "privilegiados" indisponíveis no robô físico, incluindo posições reais das juntas, velocidades e poses precisas do efetor final.
   • Arquitetura: Um Perceptron Multicamadas (MLP) que recebe trajetórias futuras (waypoints) e o estado real como entrada para produzir incrementos de junta.
   • Ajuste de Robustez: O professor passa por uma segunda etapa de treinamento envolvendo perturbações procedurais de junta (ruído e viés) para transformá-lo de um executor perfeito em um "especialista em recuperação", capaz de guiar um aluno através de desvios de estado.

2. Política do Aluno (Implantação no Mundo Real):

   • Treinamento: Treinado via Aprendizado por Imitação usando o algoritmo DAgger (Data Aggregation) para mitigar o deslocamento de distribuição (distribution shift). O aluno aprende a imitar as ações do professor, mas opera sob restrições realistas.
   • Representação de Estado: O aluno funde dados proprioceptivos não confiáveis (posições/velocidades de junta enviesadas do dVRK) com feedback visual externo confiável. A entrada visual consiste em keypoints 2D rastreados no efetor do instrumento.
   • Arquitetura: Um modelo baseado em Transformer (4 camadas de encoder, 1 camada de decoder), inspirado no Action Chunking Transformer (ACT), utilizando autoatenção para modelar dependências temporais e multimodais.
   • Randomização de Domínio: O treinamento envolve a randomização de vieses de junta (±0,05 rad), poses de câmera (±2 cm de translação, ±10° de rotação) e ruído de observação para garantir que a política aprenda características invariantes à visão e se generalize a offsets cinemáticos.

3. Transferência Sim-to-Real:

   • Um algoritmo de fluxo óptico Lucas-Kanade (LK) piramidal rastreia keypoints 2D em tempo real no dVRK físico.
   • A política do aluno treinada é implantada diretamente no robô físico sem novo ajuste fino, utilizando o loop de feedback visual para corrigir erros cinemáticos em tempo real.

Principais Contribuições

• Controlador Visuomotor: Um controlador de baixo nível treinado em um paradigma professor-aluno que compensa ativamente erros cinemáticos internos ao fundir propriocepção não confiável com feedback visual externo.
• Validação Sim-to-Real: Implantação bem-sucedida em uma plataforma dVRK física, demonstrando desempenho competitivo contra métodos de controle clássicos e outras políticas baseadas em aprendizado (ACT).
• Demonstração de Robustez: Evidência experimental da capacidade da política de se generalizar através de deslocamentos de workspace e variações de viewpoint da câmera, estabelecendo uma base para a automação cirúrgica agnóstica a tarefas.

Resultos Experimentais
Experimentos foram conduzidos em uma tarefa modificada de transferência de pino (peg-transfer) usando o dVRK.

• Desempenho em Simulação: A política do aluno alcançou um erro de posição de ~1,2 mm e erro de orientação de ~0,03 rad, sendo ligeiramente superior ao professor (0,6 mm, 0,015 rad), porém estável e precisa.
• Generalização de Relocação: Quando o workspace da tarefa foi deslocado horizontalmente (−4 cm a +6 cm):
  • IK Replay (Baseline): Falhou completamente (0% de sucesso) em offsets > ±2 cm, pois depende de um modelo cinemático interno falho que não considera erros dependentes da configuração.
  • Método Proposto: Manteve >80% de taxa de sucesso dentro de ±2 cm e alcançou 55% de sucesso no maior offset (+6 cm), demonstrando a capacidade de aprender um mapeamento de erro visual para ação corretiva.
• Generalização de Viewpoint: Sob variações de pose de câmera (translação ±3 cm, rotação ±10°):
  • O método proposto superou significativamente a baseline ACT (ex: 40% vs. 15% de sucesso em ±10° de rotação), atribuído às características invariantes à visão aprendidas durante o treinamento.
• Robustez de Características Visuais:
  • A política tolerou ruído Gaussiano moderado nos keypoints (a taxa de sucesso caiu apenas levemente de 90% para 80%).
  • O desempenho degradou significamente quando 2 keypoints foram mascarados (30% de sucesso) e falhou totalmente (0% de sucesso) quando 4 keypoints foram mascarados ou quando a entrada visual foi removida, confirmando a dependência de feedback visual em vez de apenas propriocepção.

Significância e Alegações
O artigo afirma fornecer uma metodologia de controle fundamental e confiável para a automação cirúrgica. Ao mudar de calibração baseada em modelos para uma abordagem baseada em aprendizado que compensa ativamente imprecisões de hardware usando visão externa, o trabalho aborda o gargalo crítico da incerteza cinemática em robôs cirúrgicos. Os autores afirmam que esta pesquisa pavimenta o caminho para sistemas de automação cirúrgica mais avançados, robustos e inteligentes, que podem operar efetivamente apesar das limitações físicas do hardware atual.

Os autores mantêm um tom modesto quanto às limitações, reconhecendo que o módulo atual de percepção visual requer inicialização manual, é sensível a oclusões e iluminação, e que o framework atualmente modela erros lineares em vez dos erros sistemáticos não lineares presentes no dVRK. Trabalhos futuros são propostos para abordar essas restrições específicas e expandir a avaliação para uma gama mais ampla de tarefas cirúrgicas.