ロボット軟性食道の非線形モデル予測制御

本論文は、食道がんによる狭窄で生じる嚥下障害の緩和を目的とした、Robotic Soft Esophagus (RoSE) のバージョン2.0 (RoSEv2.0) と、その閉ループ制御手法を提案している。RoSEv2.0は、Time Of Flight (TOF) センサと圧力センサを埋め込み、導管の変位と空気圧を計測可能にした。制御にはModel Predictive Control (MPC) を採用し、Sparse Identification Nonlinear Dynamics with Control (SINDYC) によってデータから発見した動的モデルを用いて将来状態を予測し、蠕動波と空気圧プロファイルを自律的に制御する。

先行研究のRoSEでは、導管の視認性や埋め込みセンサがなかったため、蠕動波の生成と制御はオープンループで行われていた。本研究では、センサを埋め込むことで状態計測を可能にし、MPCによる閉ループ制御を実現した点が新しい。さらに、SINDYCを用いたデータ駆動モデルをMPCに組み込んだ点が独自性であり、従来のモデルベース制御と比較して、複雑なソフトロボットの動的特性を正確にモデル化できる可能性がある。

手法の核は、RoSEv2.0に埋め込んだTOFセンサと圧力センサから得られるデータを用いて、SINDYCによりシステムの非線形動的モデルを発見することである。このモデルをMPCの予測モデルとして使用し、所望の蠕動波（速度20 mm/s、波長75 mm、振幅5, 7.5, 10 mm）を生成するための制御入力を計算する。MPCは、現在の状態と目標軌道に基づいて、有限時間ホライズン内の最適制御問題を解くことで、閉ループ制御を実現する。

有効性の検証として、MPCによって速度20 mm/s、波長75 mm、振幅5, 7.5, 10 mmの蠕動波が正常に生成されたことを示している。さらに、RoSEv2.0とMPCを用いて、様々な食品ボーラス粘度条件下でのステント移動試験を実施し、その性能を評価した。具体的な数値結果や比較は要旨からは不明である。

要旨からは、議論の内容は不明である。ただし、SINDYCベースのMPCがRoSEの閉ループ制御問題に適用可能であることが主要な貢献として主張されている。今後の課題としては、モデルの精度向上や、より複雑な蠕動パターンの生成、臨床応用に向けたさらなる検証が考えられるが、要旨には明記されていない。

要旨で参照されている関連研究として、Sparse Identification Nonlinear Dynamics with Control (SINDYC) の元論文や、Model Predictive Control (MPC) の基礎的な文献が挙げられる。また、ソフトロボティクスにおけるデータ駆動制御や、食道ステント試験に関する研究も関連する。具体的な論文名は要旨に記載がないため、同分野の定番として、SINDy (Brunton et al., 2016) やMPCの教科書などを読むことが推奨される。