用于原位生物打印的機器人平臺和路徑規(guī)劃算法

來源：生物打印與再生工程

目前的體外生物打印方法多基于支架，具有結構脆弱、污染風險大、形狀與缺陷部位不匹配等局限性。來自比薩大學的Carmelo De Maria團隊在Bioprinting雜志上發(fā)表題為“Robotic platform and path planning algorithm for in situ bioprinting”的文章。該團隊設計了一款名為IMAGObot的機器人原位生物打印平臺，將生物材料直接注入受損部位，能夠在不規(guī)則的表面上制造三維結構。

背景介紹
目前，基于支架的組織工程在臨床應用中受到一些限制。在體內處理和植入三維組織時可能會導致：(1)微觀和宏觀結構的破壞，(2)由于運輸和人工植入而造成的污染風險，(3)對高度無菌環(huán)境的要求。此外，由于計算機斷層掃描或磁共振成像掃描的分辨率限制，使得設計輸入不準確，導致所制造結構的形狀可能與實際缺陷不同。

原位生物打印是解決上述問題的一種方案。它可以按照預定義路徑將生物材料直接送入損壞部位。目前，原位生物打印方法主要分為手持式和機器人。手持式原位生物打印操作靈活簡單，可以輕松制作簡單的結構。而機器人原位生物打印可以打印多種生物材料，具有重建復雜組織層次的能力。另一方面，基于機器人的原位打印方法具有3個以上的自由度，與手持式相比涉及的人工干預更少。

該研究旨在研究5自由度機械臂作為原位生物打印平臺的潛力和局限性。5自由度的使用確保了更大的工作空間；同時，相對于傳統(tǒng)3自由度的3D生物打印機，允許材料沉積在曲面和非光滑表面上，使得缺陷部位的復雜幾何形狀可以通過精確和連續(xù)的生物墨水沉積進行修復

材料與方法
該機器人平臺是基于BCN3D的5自由度開源機器人MOVEO開發(fā)的(圖1A)，其機械結構采用3D打�。‵DM）制造，電子硬件基于Arduino開發(fā)板。

1.硬件
對原版MOVEO硬件的主要修改如下：
(1)原來的末端執(zhí)行器（夾持器）被注射泵擠壓模塊所取代(圖1B)
(2)一些連接部位被重新設計，以適應光學增量編碼器(圖1C)
(3)編碼器安裝在每個軸上，并添加了即插即用連接器，以方便維護(圖1D)
(4)為配合使用LinuxCNC開源軟件對電子設備進行了升級(圖1E)

圖1 IMAGObot的硬件組成

2.軟件
在LinuxCNC中，ini文件包含機器人的基礎配置，如名稱、固件版本、軸的數量和屬性等。為適配IMAGOBot機器人，在ini文件中定義5個軸，即每個關節(jié)一個。機器人的運動學被設置為trivial，這意味著軟件中的每個軸直接對應于物理關節(jié)。這使得可以設置g代碼中每個軸的角度來控制機器人，有效地使用了LinuxCNC外部的運動學模塊。所有軸都定義為旋轉運動，單位為度。此外，對每個軸設置了以下主要參數：最大/最小的速度和加速度、行程范圍、歸航位置和行為（即歸航速度和歸航順序），以及電機驅動設置，如表1所示。

表1 每個軸的Step Scale(SS)和Encoder Scale(ES)值

ini文件還包含了PID控制器設置，具體參數如下：
· P、I、D值
· 前饋參數FF0、FF1和FF2
· 輸出偏置量BIAS
· 死區(qū)DEADBAND
· 最大輸出量MAX_OUTPUT
另外，利用HAL邏輯將用于控制壓力調節(jié)器的Arduino UNO板與LinuxCNC 控制的機械臂集成在一起。


3.路徑規(guī)劃
為了管理生物打印過程的所有階段，在Matlab中開發(fā)了一個路徑規(guī)劃算法，如圖2所示。該算法可以表述如下：將通用打印圖案投影到表示打印區(qū)域的曲面上，為每個交點提取與局部區(qū)域相關的坐標和相應的法線向量。對于每個點，通過反向運動學來評估機械臂的關節(jié)角度，并將末端執(zhí)行器限制在法線方向上。

圖2 在Matlab中開發(fā)的路徑規(guī)劃算法

為了更快、更直觀地使用算法，使用 Matlab App Designer開發(fā)了圖形用戶界面 (GUI)，可以在其中管理之前描述的所有算法，并能可視化模擬打印過程，如圖3所示。

圖3 由Matlab App Designer開發(fā)的圖形用戶界面

4.打印性能評價
將機械臂末端的擠出泵更換為記號筆，并在打印平臺上放置一張方格紙，用于評價系統(tǒng)的可重復性和最高分辨率。

重復性測試：將已知位置的一系列點打印三遍，并測量每次測試與前一次測試的偏差程度。打印路徑由9個點組成，這些點以方形圖案排列，彼此相距20毫米。機器人在從一個點到另一個點的路徑中上升10毫米，在每個點的Z = 0處接觸平臺。然后進行另一項測試，沿兩個主要方向（x和y）打印一系列點（11 個點間隔5毫米），測量偏離理想直線的程度以及這兩條線垂直的程度。該測試重復兩次。

分辨率測試：以遞減的距離（5 mm、2 mm、1 mm、500 μm、200 μm、100 μm）打印平行線，確定可以分辨線條的最小距離。每輪測試都以10、20和30毫米/秒的速度重復，并使用Matlab采集和分析圖像。

5.原位生物打印的初步測試
將30% w/v Pluronic Acid（Sigma-Aldrich，Italy）在去離子水中（一種用于擠出式生物打印的水凝膠）擠出到不同的不規(guī)則表面上，進行了原位生物打印的初步測試。該測試以10毫米/秒的線速度進行，這是生物打印應用的典型值（范圍2-20 毫米/秒）。三種基底被設計具有不同的斜率和曲率，以模擬有缺陷的肱骨頭，并在其上進行了原位生物打印試驗。

結果
1.重復性測試
用于分析可重復性的打印測試一式三份進行，每次測試后獲取圖像（圖4A為第三次試驗的結果）。將參考系的原點固定在圖案的中心點，使用Matlab計算9個點的坐標（表2中顯示了10mm/s打印速度下的結果）。所有打印速度下的測試都獲得了類似的結果。

表2 重復性測試（印刷速度10 毫米/秒）：
印刷圖案上9個點的坐標（毫米）

2.共線性和垂直測試
圖4B的紅色圖例顯示了原點和XY坐標軸，作為Matlab分析的參考坐標軸。使用線性回歸方法擬合數據點，得到兩條直線。對每次測試，還計算了相關系數R2，以評估模型的優(yōu)劣，如表3所示。最小R2為0.71，因此在最壞情況下，線性模型足以代表數據。

表3 共線性測試（印刷速度10 毫米/秒）：
每次試驗的R2值

根據這些數據，計算出兩條印刷線之間的角度以及印刷線與系統(tǒng)參考線之間的角度，如表4所示。所有測試的打印速度都獲得了類似的結果。

表4 垂直度測試（印刷速度10 毫米/秒）：
評估印刷線與主方向之間的角度

3.分辨率測試
如圖4C所示，線條可以被分辨的最小間距為200um。因此，機器人能夠以至少200um的分辨率打印。所有測試的打印速度都得到了類似的結果。

4.原位生物打印的初步測試
第一次打印試驗是在一個有三個不同斜坡區(qū)的支架上進行的。如圖4D所示，擠出軸始終保持垂直于支架表面，表明了算法的可靠性。

另外兩個測試在兩個不同的表面上進行：第一個具有坡度劇烈變化的區(qū)域(圖4E)，第二個在整個表面上具有漸變且連續(xù)的曲率(圖4F)。最后，對骨模型進行了原位生物打印試驗，如圖4G所示。在所有情況下，該算法被證明是魯棒的，確保了材料的連續(xù)擠出。

圖4 IMAGObot 的性能評估

總結
本文介紹了機器人原位生物打印機和路徑規(guī)劃算法的設計和開發(fā)，以控制生物打印過程的所有階段。更高的自由度為在不規(guī)則表面打印材料提供了可能性。在這種情況下，原位生物打印可能在不久的將來成為現實，特別是對于最容易實現的器官，如皮膚。同時，也要面對安全人機交互的新挑戰(zhàn)：外科醫(yī)生和機器人將在手術室4.0中合作。擁有一臺“協作”的生物打印機，能夠在手術階段協助外科醫(yī)生，進行更精確的介入，并盡量減少人為錯誤。

參考文獻
Gmfa B ,  Gr A ,  Afba B , et al. Robotic platform and path planning algorithm for in situ bioprinting[J]. Bioprinting, 2021.

https://doi.org/10.1016/j.bprint.2021.e00139