Robot assisted minimally invasive surgery-performance analysis

This thesis compares the performance of two controllers for a 7-DoF (Degree of Freedom) robot used for robot assisted minimally invasive surgery (RAMIS). This guarantees a constraint called “Remote Center of Motion” (RCM). Two controllers called Cartesian Compliance Controller (CCC) and Adaptive Fuzzy Controller (AFC) are implemented and experiments with virtual surgical tasks, in an augmented reality environment are performed. The robot followed the path autonomously over a virtual reality task that is generated online, to verify and validate the proposed control strategy using the KUKA LWR4+ robot. The obtained results are analyzed with the Analysis of Variance (ANOVA) and Kruskal-Wallis tools and further followed by several tests based on the normality distribution of the obtained data using MATLAB,2018a (Statistics and Machine Learning Toolbox). The results demonstrate that the end-effector’s accuracy as well as RCM constraint can be guaranteed, thereby reducing the Cartesian positional error and the RCM constraint error. In addition to this, Kruskal-Wallis results also prove that the CCC controller being influenced by the virtual task to a greater significance while the AFC being less influenced by the virtual tasks, thereby making its performance better. The results of ANOVA and Kruskal-Wallis also report that the Cartesian positional error and RCM constraint error were all reduced in the AFC compared to the CCC, thus making AFC with higher performance characteristics than CCC.

Questa tesi confronta le caratteristiche di prestazione di due controllori per un robot 7- GdL (Gradi di libertà) utilizzato per la chirurgia mini-invasiva assistita da robot (RAMIS). Questa tecnica garantisce il soddisfacimento di un vincolo chiamato "Remote Center of Motion" (RCM). Sono stati implementati due controller chiamati Cartesian Compliance Controller (CCC) e Adaptive Fuzzy Controller (AFC). Sono stati eseguiti esperimenti con compiti chirurgici virtuali, in un ambiente di realtà aumentata. Per validare la strategia di controllo proposta, sono stati eseguiti esperimenti con il robot KUKA LWR4+ in cui il robot ha seguito autonomamente il percorso relativo ad una attivita in realtà virtuale generata online. I risultati ottenuti sono stati analizzati con i metodi Analysis of Variance (ANOVA) e Kruskal-Wallis, sono stati inoltre eseguiti vari test, basati sulla distribuzione normale, dei dati ottenuti con lo Statistics and Machine Learning Toolbox di MATLAB. I risultati dimostrano che l'accuratezza dell’end-effector finale e il vincolo RCM possono essere garantiti, riducendo quindi l'errore di posizione cartesiano e l'errore di restrizione RCM. Oltre a questo, i risultati Kruskal-Wallis dimostrano anche che il controller CCC è influenzato dal compito virtuale in modo più evidente mentre l'AFC è meno influenzato dalle attività virtuali, migliorando così le sue prestazioni. I risultati di ANOVA e Kruskal-Wallis riportano anche che l'errore di posizione cartesiano e l'errore di restrizione RCM sono stati tutti ridotti nell'AFC rispetto al CCC, dimostando così che l'AFC ha caratteristiche di prestazioni più elevate rispetto a CCC.