미세 외과 수술 로봇의 정확도 혁신: 진동으로 히스테리시스 극복

본 연구는 미세 외과 수술 로봇의 정확도 향상을 위해 진동 보조 히스테리시스 보상 기법을 제시합니다. 진동을 통해 히스테리시스를 감소시켜 RMSE와 MAE를 크게 줄이고, TCN 기반 보상 모델과의 결합을 통해 더욱 효율적인 보상이 가능함을 실험적으로 입증했습니다.

최소 침습 수술(MIS) 분야에서 널리 사용되는 힘줄-초막 기전(TSM)은 마찰, 백래시, 힘줄 신장으로 인한 히스테리시스 현상으로 인해 심각한 추적 오차를 발생시키는 문제점을 가지고 있습니다. 기존의 모델링 및 보상 방법들은 이러한 비선형성을 다루는 데 어려움을 겪고 있으며, 광범위한 매개변수 조정이 필요했습니다.

박명보, 안충길, 박준현, 강종현, 황민호 연구팀은 이 문제를 해결하기 위해 진동 보조 히스테리시스 보상 기법을 제안했습니다. 이 기법은 힘줄의 움직임 방향으로 제어된 진동 운동을 가하여 마찰을 줄이고 사각지대를 감소시키는 획기적인 접근 방식입니다.

실험 결과, 적용된 진동은 모든 테스트 주파수에서 일관되게 히스테리시스를 감소시켰습니다. RMSE(Root Mean Square Error)는 최대 23.41% 감소(2.2345 mm에서 1.7113 mm로)하여 상관관계를 향상시켰고, 더욱 정확한 궤적 추적을 가능하게 했습니다.

특히, 시간적 합성곱 신경망(TCN) 기반 보상 모델과 결합했을 때 진동의 효과는 더욱 두드러졌습니다. MAE(Mean Absolute Error)는 85.2% 감소(1.334 mm에서 0.1969 mm로)하는 놀라운 성과를 거두었습니다. 진동 없이 TCN 기반 접근 방식만 사용하더라도 MAE는 72.3% 감소(1.334 mm에서 0.370 mm로)하는 것을 확인했습니다. 이는 동일한 매개변수 설정 하에서 이루어진 결과입니다.

이러한 결과는 진동이 히스테리시스를 효과적으로 완화하고, 궤적 정확도를 향상시키며, 더 적은 학습 매개변수를 가진 보다 효율적인 보상 모델을 가능하게 함을 입증합니다. 이 접근 방식은 특히 MIS에서 TSM 기반 로봇 응용 분야에 확장 가능하고 실용적인 해결책을 제공합니다. 진동이라는 간단한 물리적 현상을 이용하여 로봇 수술의 정확도를 비약적으로 향상시킨 이 연구는 미래의 의료 기술 발전에 중요한 이정표를 제시할 것으로 기대됩니다. 🎉