基于视觉和接触的自主trocar对接最优控制

未来的手术室将配备机器人来执行各种外科任务，例如内镜控制。人机交互式监督控制架构，其中外科医生从几种自主序列中进行选择，已在临床前测试中成功应用。将内镜插入trocar或introducer是每种关键手术程序中的关键步骤——本文中我们仅将该设备称为“trocar”。我们的目标是为自主trocar对接开发控制器。自主trocar对接是 peg-in-hole 问题的一个版本。机器人文献中对该问题进行了广泛研究。peg-in-hole 问题通常在装配上下文中受到广泛研究，其中通常将孔视为静态刚性的。然而，在我们的情况下，trocar并非固定，而是会对相互作用作出响应。我们考虑了各种外科程序，外科医生将利用内镜与trocar之间的接触来成功完成插入。鉴于我们所知，尚无文献直接探讨了该问题的这一特定推广。本文的主要贡献是为自动化trocar对接提出最优控制公式。我们使用非线性优化程序来建模该任务，最小化受约束条件支配的代价函数，以找到最优关节配置。控制器包含用于插入的几何模型和力反馈（FF）项，以确保患者安全，防止与trocar之间的过度相互作用。实验在真实硬件实验室设置上进行，验证了该方法。我们的方法成功实现了在真实机器人实验室设置上的trocar插入，仿真试验表明其能够减少相互作用力。