See, Plan, Cut: MPC-Based Autonomous Volumetric Robotic Laser Surgery with OCT Guidance

📄 arXiv: 2511.17777v1 📥 PDF

作者: Ravi Prakash, Vincent Y. Wang, Arpit Mishra, Devi Yuliarti, Pei Zhong, Ryan P. McNabb, Patrick J. Codd, Leila J. Bridgeman

分类: cs.RO

发布日期: 2025-11-21

备注: 9 pages, 8 figures

💡 一句话要点

提出RATS系统以解决现有机器人激光手术缺乏体积规划与反馈的问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 机器人手术 激光切除 光学相干断层扫描 模型预测控制 超高斯模型 实时反馈 精确医疗

📋 核心要点

  1. 现有机器人激光手术平台缺乏有效的体积规划和术中反馈，限制了其在复杂手术中的应用。
  2. 本文提出RATS系统，通过集成OCT和激光技术，实现自主的体积软组织切除，并优化切除路径。
  3. 实验结果表明，RATS系统在切除精度上实现了0.842mm的均方根误差，相较于传统方法提升了64.8%的交并比一致性。

📝 摘要（中文）

机器人激光系统在亚毫米级非接触高精度组织切除方面具有潜力，但现有平台缺乏体积规划和术中反馈。本文提出RATS（机器人辅助组织手术），一个智能光机械、光学相干断层扫描（OCT）引导的机器人平台，旨在实现自主的体积软组织切除。RATS集成了宏观RGB-D成像、微观OCT和光纤耦合的手术激光，通过新颖的多阶段对准流程实现了OCT与激光的对准精度为0.161±0.031mm。基于超高斯激光-组织相互作用模型，本文在切除效果上取得了显著的改进，展示了临床可行性。

🔬 方法详解

问题定义：现有的机器人激光手术系统在进行组织切除时，缺乏有效的体积规划和实时反馈，导致切除精度不足，无法满足复杂手术的需求。

核心思路：本文提出的RATS系统通过结合OCT和激光技术，利用模型预测控制（MPC）框架，能够实时生成约束感知的切除轨迹，从而提高切除的精度和效率。

技术框架：RATS系统的整体架构包括宏观RGB-D成像模块、微观OCT成像模块和光纤耦合的激光模块。通过多阶段对准流程，确保OCT与激光的高精度对准，并利用MPC框架处理OCT体素数据生成切除路径。

关键创新：最重要的技术创新在于提出了超高斯激光-组织相互作用模型，该模型在切除效果上优于传统的高斯模型，且实现了OCT与激光的高精度对准。

关键设计：在设计中，采用了新的多阶段对准流程，确保了OCT与激光的对准精度为0.161±0.031mm，同时在切除过程中，通过MPC框架实现了0.842mm的均方根误差，显著提升了切除效果。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，RATS系统在切除精度上实现了0.842mm的均方根误差，相较于传统方法提升了64.8%的交并比一致性，展示了其在临床应用中的可行性和优势。

🎯 应用场景

该研究的潜在应用领域包括医疗手术、组织切除和再生医学等。RATS系统的高精度和实时反馈能力使其在复杂手术中具有重要的实际价值，未来可能推动机器人手术技术的进一步发展与普及。

📄 摘要（原文）

Robotic laser systems offer the potential for sub-millimeter, non-contact, high-precision tissue resection, yet existing platforms lack volumetric planning and intraoperative feedback. We present RATS (Robot-Assisted Tissue Surgery), an intelligent opto-mechanical, optical coherence tomography (OCT)-guided robotic platform designed for autonomous volumetric soft tissue resection in surgical applications. RATS integrates macro-scale RGB-D imaging, micro-scale OCT, and a fiber-coupled surgical laser, calibrated through a novel multistage alignment pipeline that achieves OCT-to-laser calibration accuracy of 0.161+-0.031mm on tissue phantoms and ex vivo porcine tissue. A super-Gaussian laser-tissue interaction (LTI) model characterizes ablation crater morphology with an average RMSE of 0.231+-0.121mm, outperforming Gaussian baselines. A sampling-based model predictive control (MPC) framework operates directly on OCT voxel data to generate constraint-aware resection trajectories with closed-loop feedback, achieving 0.842mm RMSE and improving intersection-over-union agreement by 64.8% compared to feedforward execution. With OCT, RATS detects subsurface structures and modifies the planner's objective to preserve them, demonstrating clinical feasibility.