在无菌罩下定位：分布式手术机器人时代的本体感知
机器人学
2025-10-28 v1 计算机视觉与模式识别
摘要
尽管具有机械上的复杂性，手术机器人对其周围环境仍然是“盲”的。这种空间意识的缺乏会导致碰撞、系统恢复和工作流程中断，这些问题随着具有独立交互臂的分布式机器人的引入将变得更加严重。现有的跟踪系统依赖于笨重的红外摄像机和反射标记，只能提供手术场景的有限视野，并在拥挤的手术室中增加了硬件负担。我们提出了一种无标记的本体感知方法，该方法能够在无菌罩遮挡视觉线索的情况下，实现对手术机器人的精确定位。我们的方法仅依赖于轻量级的立体RGB摄像机和基于Transformer的新型深度学习模型。它建立在迄今为止最大的多中心空间机器人手术数据集之上（来自人类尸体和临床前体内研究的140万张自标注图像）。通过跟踪整个机器人和手术场景，而非单个标记，我们的方法提供了对遮挡鲁棒的整体视图，支持手术场景理解和上下文感知控制。我们展示了在体内呼吸补偿过程中，通过获取组织动力学信息（这在现有最先进跟踪技术下是无法观察到的）所带来的潜在临床益处示例，并在多机器人系统中精确定位以实现未来的智能交互。此外，与现有系统相比，我们的方法消除了标记，并将跟踪可见性提高了25%。据我们所知，这是首次展示完全覆盖无菌手术机器人的无标记本体感知方法，降低了设置复杂性，增强了安全性，并为模块化和自主机器人手术铺平了道路。
引用
@article{arxiv.2510.23512,
title = {Localising under the drape: proprioception in the era of distributed surgical robotic system},
author = {Martin Huber and Nicola A. Cavalcanti and Ayoob Davoodi and Ruixuan Li and Christopher E. Mower and Fabio Carrillo and Christoph J. Laux and Francois Teyssere and Thibault Chandanson and Antoine Harlé and Elie Saghbiny and Mazda Farshad and Guillaume Morel and Emmanuel Vander Poorten and Philipp Fürnstahl and Sébastien Ourselin and Christos Bergeles and Tom Vercauteren},
journal= {arXiv preprint arXiv:2510.23512},
year = {2025}
}