医療ロボティクス2026/8/25arXiv:2608.24155

密集制約環境下でのロボットによる歯牙形成のカバレッジ計画

Coverage Planning for Robotic Tooth Preparation in Densely Constrained Environments

歯科修復のための自動全冠形成を実現するロボットシステムを提案し、解剖学的認識に基づく工具経路計画とクリアランス重視のエンドエフェクタ姿勢割り当てにより、平均0.117mmの精度で歯牙を削合する。

詳しい要約

1. どんなもの？

本論文は、歯科修復治療の核心である歯牙形成（tooth preparation）を自動化するロボットシステムを提案している。提案システムは、解剖学的構造を考慮したツールパス計画アルゴリズムと、クリアランス指向のエンドエフェクタのヨー角割り当て戦略から構成される。これにより、歯科技工士が設計した形成モデルに正確に適合しつつ、隣接歯を保護し、軟組織との干渉リスクを低減しながら、密集した制約のある口腔内作業空間で自動的にフルクラウン形成を実行する。

2. 先行研究と比べてどこがすごい？

先行研究と比較して、本手法は、密集した制約環境（intraoral workspace）でのロボットによる歯牙形成を、解剖学的認識とクリアランス指向の戦略を統合することで実現している点が優れている。特に、サブミリメートルの精度（平均幾何学的偏差0.117 mm RMSE）を達成し、修復品質と臨床安全性の両立を可能にしている。従来の手法では、このような高精度と安全性の両立が困難であった。

3. 技術・手法の肝は？

技術の肝は、1) 解剖学的認識に基づくツールパス計画アルゴリズム：歯科技工士が設計した形成モデルに正確に適合し、隣接歯を保護する。2) クリアランス指向のエンドエフェクタのヨー角割り当て戦略：口腔内へのアクセスを可能にしつつ、軟組織との干渉リスクを低減する。これらの統合により、不規則な歯面を正確に切削する。

4. どうやって有効だと検証した？

有効性の検証は、一連のシミュレーションとファントムヘッド実験（phantom-head experiments）によって行われた。その結果、平均幾何学的偏差0.117 mm（RMSE）を達成し、システムの実現可能性と有効性が確認された。

5. 議論はある？

要旨からは、議論の詳細は不明であるが、提案システムが臨床応用に向けて、さらなる安全性や精度の検証が必要である可能性が示唆される。また、実際の患者への適用には、個々の解剖学的変異や動きへの対応など、追加の課題があるかもしれない。

6. 次に読むべき論文は？

要旨で参照されている先行研究や関連手法は明示されていないが、同分野の定番として、ロボット支援歯科手術、ツールパス計画、クリアランス最適化に関する研究が挙げられる。具体的には、歯科用ロボットの自動化に関する論文や、密集環境でのモーションプランニングに関する研究が関連する。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Yunwen Li, Chen Chen, Xiangjie Yan, Chang Shu, Jianxia Hou, Shiji Song, Xiang Li

分類: cs.RO

原文アブストラクト

Tooth preparation refers to the controlled removal of tooth structure to create an optimal substrate for fixed restorations and is a core procedure in restorative dentistry. Automating this task is particularly challenging for robots because the dental bur must operate within a densely constrained intraoral workspace, where even sub-millimeter deviations can compromise outcomes or damage adjacent structures. This paper presents a novel robotic system for autonomous full-crown tooth preparation. The proposed framework includes: 1) an anatomy-aware toolpath planning algorithm that conforms precisely to a technician-designed preparation model while protecting adjacent teeth, and 2) a clearance-oriented end-effector yaw assignment strategy that allows intraoral access while reducing the risk of soft-tissue interference. Together, these features enable the robot to accurately mill the irregular tooth surface with an average geometric deviation of 0.117 mm (RMSE), achieving both restoration quality and clinical safety. A series of simulations and phantom-head experiments validate the system's feasibility and effectiveness.

arXivで原文を読む →arXiv概要ページ