{"id":11305,"date":"2024-10-23T10:21:38","date_gmt":"2024-10-23T08:21:38","guid":{"rendered":"https:\/\/www.isir.upmc.fr\/?post_type=isir_projects&p=11305"},"modified":"2025-06-03T11:43:01","modified_gmt":"2025-06-03T09:43:01","slug":"apprentissage-profond-robuste-pour-la-robotique-chirurgicale","status":"publish","type":"isir_projects","link":"https:\/\/www.isir.upmc.fr\/projets\/apprentissage-profond-robuste-pour-la-robotique-chirurgicale\/","title":{"rendered":"RODEO"},"content":{"rendered":"\n

Projet RODEO – Apprentissage profond robuste pour la robotique chirurgicale<\/h3>\n\n\n\n

Le projet ANR RODEO vise \u00e0 transformer la robotique chirurgicale en int\u00e9grant les derni\u00e8res avanc\u00e9es en intelligence artificielle (IA). Le cadre d’application est la chirurgie guid\u00e9e par robot pour la colonne vert\u00e9brale, bas\u00e9e sur une plateforme chirurgicale disponible \u00e0 l’ISIR.<\/p>\n\n\n\n

Dans ce contexte, un bras robotique \u00e0 7 degr\u00e9s de libert\u00e9 (DoFs) est \u00e9quip\u00e9 de divers capteurs (position, vitesse, force, conductivit\u00e9 \u00e9lectrique, vibrations) et utilis\u00e9 pendant des interventions chirurgicales, comme l’insertion de vis p\u00e9diculaires dans la colonne vert\u00e9brale. Cette plateforme robotique actuelle utilise un ensemble de lois de commande d\u00e9j\u00e0 impl\u00e9ment\u00e9es (e.g., contr\u00f4le de position, de vitesse, de force) pour ex\u00e9cuter des t\u00e2ches ou sous-t\u00e2ches chirurgicales, comme le per\u00e7age d’une trajectoire pr\u00e9liminaire pour le placement des vis p\u00e9diculaires. Avant l’op\u00e9ration, un scanner 3D du patient est r\u00e9alis\u00e9, permettant au chirurgien de d\u00e9finir la proc\u00e9dure m\u00e9dicale \u00e0 suivre pendant la chirurgie.<\/p>\n\n\n\n

Bien que des contr\u00f4leurs enti\u00e8rement automatiques puissent \u00eatre utilis\u00e9s pour certaines sous-t\u00e2ches s\u00fbres, les chirurgiens pr\u00e9f\u00e8rent un paradigme de co-manipulation pour les op\u00e9rations sensibles, o\u00f9 les robots chirurgicaux assistent les proc\u00e9dures m\u00e9dicales. Dans ce cas, l’assistant robotique doit r\u00e9agir fid\u00e8lement aux instructions du chirurgien tout en garantissant la s\u00e9curit\u00e9 du patient et du personnel m\u00e9dical, et s’adapter \u00e0 l’environnement.<\/p>\n\n\n\n

Le contexte <\/h3>\n\n\n\n

Bien que le syst\u00e8me actuel de co-manipulation soit utile et r\u00e9ponde \u00e0 certains besoins des chirurgiens, il peut \u00eatre consid\u00e9rablement am\u00e9lior\u00e9 pour enrichir l’exp\u00e9rience chirurgicale. La plateforme chirurgicale de l’ISIR manque de modules de perception et d’enregistrement, et la proc\u00e9dure actuelle suppose que le patient ne bouge pas une fois positionn\u00e9 pour la chirurgie et que la colonne vert\u00e9brale est rigide. Cela peut rendre le transfert d’informations pr\u00e9op\u00e9ratoires complexe, impr\u00e9cis et dangereux pour le patient. De plus, les contr\u00f4leurs actuels ne repr\u00e9sentent pas certains ph\u00e9nom\u00e8nes physiques complexes lors de la co-manipulation, comme les frottements du robot, les vibrations ou la compensation gravitationnelle, tous cruciaux pour des interventions chirurgicales pr\u00e9cises.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Les objectifs <\/h3>\n\n\n\n

Le projet RODEO vise \u00e0 d\u00e9velopper la prochaine g\u00e9n\u00e9ration d’IA g\u00e9n\u00e9ratives profondes pour surmonter les principaux d\u00e9fis mentionn\u00e9s. L’objectif est de concevoir des syst\u00e8mes d’IA avec une robustesse am\u00e9lior\u00e9e en termes de flexibilit\u00e9 et de fiabilit\u00e9, tout en restant durables, ainsi que des mod\u00e8les hybrides capables d’int\u00e9grer des connaissances physiques du monde. <\/p>\n\n\n\n

L’hypoth\u00e8se centrale de la recherche est que ces am\u00e9liorations peuvent conduire \u00e0 une avanc\u00e9e majeure dans la robotique chirurgicale. Des syst\u00e8mes d’IA plus fiables peuvent am\u00e9liorer leur acceptation par les experts m\u00e9dicaux et les patients, notamment en leur permettant d’\u00e9valuer leur propre confiance ou d’expliquer leurs d\u00e9cisions de mani\u00e8re compr\u00e9hensible. Les mod\u00e8les hybrides et durables pourraient consid\u00e9rablement am\u00e9liorer le niveau d’automatisation dans la co-manipulation robot\/chirurgien, r\u00e9duisant ainsi la charge cognitive des chirurgiens et leur permettant de se concentrer enti\u00e8rement sur les interventions m\u00e9dicales, ce qui am\u00e9liorerait les proc\u00e9dures chirurgicales et les soins aux patients.<\/p>\n\n\n\n

Les r\u00e9sultats <\/h3>\n\n\n\n

Dans notre cadre de test pour la chirurgie de la colonne vert\u00e9brale, nous attendons des am\u00e9liorations majeures dans trois domaines principaux :<\/p>\n\n\n\n

– concevoir des contr\u00f4leurs hybrides capables d’utiliser l’IA pour apprendre les composants r\u00e9siduels des contr\u00f4leurs actuels difficiles \u00e0 mod\u00e9liser, tels que les frottements ou les vibrations ;<\/p>\n\n\n\n

– augmenter la flexibilit\u00e9 du syst\u00e8me avec des IA g\u00e9n\u00e9ratives profondes multimodales pour planifier \u00e0 long terme en utilisant la perception visuelle et des m\u00e9thodes bas\u00e9es sur l’IA pour enregistrer les scanners CT pr\u00e9op\u00e9ratoires avec les cam\u00e9ras de profondeur op\u00e9ratoires ;<\/p>\n\n\n\n

– doter les syst\u00e8mes d’IA de la capacit\u00e9 de quantifier leur propre confiance et d’expliquer leurs d\u00e9cisions \u00e0 l’\u00e9quipe chirurgicale de mani\u00e8re compr\u00e9hensible.<\/p>\n\n\n\n

Partenariat et collaboration<\/h3>\n\n\n\n

Le projet ANR RODEO est un projet mono-\u00e9quipe men\u00e9 par l\u2019\u00e9quipe projet MLR (Machine Learning and Robotics) de l\u2019ISI, port\u00e9 par Nicolas Thome, chercheur \u00e0 l\u2019ISIR et professeur \u00e0 Sorbonne Universit\u00e9. <\/p>\n\n\n\n

\n","protected":false},"featured_media":11244,"template":"","isir_project_types":[236],"isir_teams":[264,262,267],"class_list":["post-11305","isir_projects","type-isir_projects","status-publish","has-post-thumbnail","hentry","isir_project_types-all-projects-fr","isir_teams-asimov","isir_teams-mlia","isir_teams-rpi-bio"],"_links":{"self":[{"href":"https:\/\/www.isir.upmc.fr\/wp-json\/wp\/v2\/isir_projects\/11305","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.isir.upmc.fr\/wp-json\/wp\/v2\/isir_projects"}],"about":[{"href":"https:\/\/www.isir.upmc.fr\/wp-json\/wp\/v2\/types\/isir_projects"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.isir.upmc.fr\/wp-json\/wp\/v2\/media\/11244"}],"wp:attachment":[{"href":"https:\/\/www.isir.upmc.fr\/wp-json\/wp\/v2\/media?parent=11305"}],"wp:term":[{"taxonomy":"isir_project_types","embeddable":true,"href":"https:\/\/www.isir.upmc.fr\/wp-json\/wp\/v2\/isir_project_types?post=11305"},{"taxonomy":"isir_teams","embeddable":true,"href":"https:\/\/www.isir.upmc.fr\/wp-json\/wp\/v2\/isir_teams?post=11305"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}