外科ロボット工学の次のフロンティアはおそらく自律型、または少なくとも現在のシステムよりもはるかに自律型である可能性があります。従来のプラットフォームはジョイスティックのようなハンド コントローラーに依存しており、外科医は各動作をしっかりと制御できます。しかし、ジョンズ・ホプキンス大学とスタンフォード大学での最近の実験は、人間の介入を最小限に抑えながらロボットが基本的な外科作業を実行できるようにする高度な模倣学習方法という重要な変化を示している。研究チームは、経験豊富な外科医のビデオ録画を分析した後、ロボットが複雑な操作を学習できることを示すことで、この能力を実証しました。視覚的な入力と近似的な運動学的基準の両方を統合することにより、ロボットはさまざまな繊細な操作を実行できる洗練された手順モデルを構築します。例には、組織の操作、針の取り扱い、結び目を結ぶことが含まれます。
ワシントン・ポスト 最近、この研究 (ペイウォール化) を強調しました。この研究は、機械学習研究論文集での出版を待っています。
研究者らは要約の中で、ロボット学習において「近似的な運動学を含む臨床データの大規模なリポジトリ」を「さらなる修正なしで」利用できるという約束についても語っている。
da Vinci Research Kit (dVRK) を使用した研究では、カメラ中心の絶対位置決めに基づくポリシーでは、次のような問題に直面した場合に組織の操作や縫合糸の処理に何度も失敗しました。 システムのよく知られた運動学的ハードル。このため、一部のタスクでは成功率がほぼゼロになりました。対照的に、ロボットの現在のエンドエフェクターまたはカメラ フレームに対してモーションが定義される相対アクションの定式化では、大幅に優れた結果が得られました。実際、組織の持ち上げや針のピックアップなどの特定のサブタスクは多くの場合すべての試行で成功し、完全な結び目結びは 90% に近づきました (18/20)。
このデモンストレーションは、外科用ロボット工学がどれほど遠くまで到達したかを強調しており、基本的な遠隔操作による支援から、自身の動きを迅速に適応して修正できるより自律的なシステムへの飛躍を示しています。相対アクション機能を備えた dVRK ベースのセットアップは、ドリフトや精度の低下が多い絶対位置データへの依存を回避します。代わりに、エンドエフェクターまたはカメラ フレームの現在の位置に応じて各動作の方向を変更し、敏感な組織や繊細な器具を扱うための繊細さをロボットに与えます。
一方、ダ ヴィンチ サージカル システムの開発者であるインテュイティブ社は、CEO のゲイリー グサート氏とカリフォルニア大学バークレー校のケン ゴールドバーグ教授が「拡張された器用さ」の概念を導入し、より洗練された制御アプローチに取り組んでいます。この枠組みの下では、外科用ロボットは、外科医が重要な決定や複雑な操作を行えるよう常に近くに置いておきながら、特定のサブタスク（縫合、壊死組織切除など）を自律的に処理できます。 Intuitive は、高度なイメージングと AI 主導のガイダンスをリアルタイムの人間による監視と組み合わせることで、純粋な遠隔操作と完全に自動化された機能の間のギャップを埋めることを目指しています。この取り組みには、継続的なハードウェアとソフトウェアの改良 (3D モデリング、手順マッピング、AI ベースの組織認識など) が含まれており、これにより外科医は手順の日常的な要素から解放され、手術室の効率と一貫性がさらに向上します。
外科用ロボット工学の進歩は、より一般的にロボット工学が大幅に成長しているときにもたらされました。 2024年を通じて、ボストン・ダイナミクスなどの企業がアップグレードされた電動アトラスを発表したり、テスラがオプティマス・ロボットの第2世代バージョンに注目したりするなど、この分野では人型ロボット開発が大きく前進した。一方、Figure などの新興企業は、製造や物流における労働集約的なタスクを処理できるユニットを展開しました。さらに、NVIDIA は、人型ロボットを支援するために設計されたコンパクト コンピューターである Jetson Thor を発表しました。
