Core Concepts
SURESTEP은 수술 도구 추적의 운동 및 관찰 불확실성을 모델링하고 이를 최소화하는 트래젝토리를 최적화하여 수술 자동화를 강화합니다.
Abstract
이 논문은 수술 자동화를 위한 SURESTEP이라는 불확실성 인식 트래젝토리 최적화 프레임워크를 소개합니다.
수술 도구 추적의 주요 문제점은 부정확한 로봇 운동학과 내시경 카메라의 낮은 시각 해상도로 인한 노isy 관찰입니다. 기존 연구는 이러한 불확실성을 고려하지 않고 환경 특화 설정이나 하드코딩된 전략을 사용했습니다.
SURESTEP은 수술 도구 추적의 운동 및 관찰 불확실성을 모델링하고 이를 최소화하는 트래젝토리를 최적화합니다. 운동 모델은 로봇 운동학과 케이블 신축성으로 인한 오차를, 관찰 모델은 깊이, 시야각, 방향 등의 요인으로 인한 관찰 오차를 고려합니다.
이를 통해 SURESTEP은 추적 불확실성을 최소화하는 최적화된 트래젝토리를 생성합니다. 다양한 실험을 통해 SURESTEP이 기존 방식 대비 수술 도구 추적 성능을 크게 향상시킴을 보였습니다.
Stats
로봇 운동 모델의 위치 및 방향 오차는 각 경로점 간 거리에 비례합니다.
관찰 모델의 깊이 오차는 이상적인 깊이와의 차이에 비례합니다.
관찰 모델의 시야각 오차는 영상 중심으로부터의 거리에 비례합니다.
관찰 모델의 방향 오차는 이상적인 방향과의 차이에 비례합니다.