Autonomous ultrasound-guided spinal surgery with a humanoid

Spinal surgery for pedicle screw placement (PSP) is an orthopedic procedure in which pre- cision and accuracy are critical to improve clinical outcomes and reduce complications. In recent years, safety concerns have driven increased interests in autonomous robotic systems in contrast to conventional manual workflows. In parallel, ultrasound represents an attractive modality for radiation-free intra-operative imaging, yet generating realis- tic simulated ultrasound images remains challenging. Building on SonoGym, a scalable simulation platform for complex robotic ultrasound tasks, this thesis investigates the fea- sibility of autonomous ultrasound-guided PSP with a humanoid platform. The humanoid platform enhances flexibility through coordinated bimanual manipulation, simultaneously controlling the ultrasound probe for imaging and the surgical drill. We implement two Deep Reinforcement Learning (DRL) tasks. In the first navigation task, the robot learns to localize the target anatomy, moving the ultrasound probe on the patient’s back surface, using only simulated ultrasound images as feedback. In the second guided surgery task, the robot simultaneously stabilizes an informative anatomical view and aligns a surgical drill with a pre-planned insertion trajectory under safety constraints. We evaluate both tasks ontwohumanoid platforms, UnitreeG1 andUnitree H1-2, analyzinghow differences in kinematic structure and dexterity affect convergence and stability, and investigating the observed failure modes. Overall, the simulation results support the feasibility of hu- manoid ultrasound-guided PSP and provide a baseline for future work toward improved safety and real-world validation.

La chirurgia spinale per il posizionamento di viti peduncolari è una procedura ortope- dica in cui precisione e accuratezza sono determinanti per migliorare gli esiti clinici e ridurre le complicanze. Negli ultimi anni, preoccupazioni crescenti legate alla sicurezza dei flussi di lavoro tradizionali puramente manuali, hanno alimentato l’interesse verso sistemi robotici autonomi come alternativa. In parallelo, l’ecografia è una tecnica per ottenere immagini intra-operatorie promettente in questo ambito, perché non espone a radiazioni. Tuttavia, la generazione di immagini ecografiche simulate realistiche resta una sfida rilevante. Sulla base di SonoGym, una piattaforma di simulazione scalabile per complessi interventi tramite ecografia robotica, questa tesi valuta la fattibilità di un op- erazione di posizionamento di viti peduncolari autonoma guidata da ecografia mediante una piattaforma umanoide. L’impiego di un umanoide offre flessibilità operativa grazie a una manipolazione bimanuale coordinata, che consente di controllare simultaneamente la sonda ecografica per l’acquisizione dell’immagine e il trapano chirurgico. Vengono implementati due compiti di DeepReinforcementLearning (DRL). Nel primo, di nav- igazione, il robot apprende a localizzare l’anatomia obiettivo muovendo la sonda sulla superficie della schiena del paziente, utilizzando unicamente le immagini ecografiche sim- ulate come segnale di retroazione. Nel secondo, di chirurgia guidata, il robot mantiene stabilmente una vista anatomica informativa e, al contempo, allinea il trapano a una trai- ettoria pre-pianificata, rispettando vincoli di sicurezza. I due compiti vengono valutati su due piattaforme umanoidi, Unitree G1 e Unitree H1-2, analizzando come differenze nella struttura cinematica e nella destrezza influenzino convergenza e stabilità delle politiche di controllo, e approfondendo le principali modalità di fallimento osservate. Nel comp- lesso, i risultati in simulazione supportano la fattibilità di una PSP autonoma guidata da ecografia con un umanoide e forniscono un riferimento per sviluppi futuri orientati ad aumentare la sicurezza e a favorire la transizione verso l’impiego in scenari reali.