《iScience》:How far are vision-free medical robots from achieving trustworthy embodied intelligence?
编辑推荐:
具身智能(Embodied Intelligence, EI)正在迅速重塑机器人手术领域,实现前所未有的临床精确度,同时将外科医生从过度的认知和体能负担中解放出来。然而,对于无法整合直接视觉感知的“无视觉(vision-free)”手术机器人——例如血管内机器
具身智能(Embodied Intelligence, EI)正在迅速重塑机器人手术领域,实现前所未有的临床精确度,同时将外科医生从过度的认知和体能负担中解放出来。然而,对于无法整合直接视觉感知的“无视觉(vision-free)”手术机器人——例如血管内机器人和无系留(untethered)集群——其对外部医学影像的持续依赖从根本上阻碍了它们向安全、可信的具身智能手术(EI-surgery)演进。
《无视觉医学机器人迈向可信具身智能:感知困境与自主控制架构》解读
一、研究背景与问题
机器人辅助手术借助人工智能与具身智能(Embodied Intelligence, EI)获得了更强的精确度和自主化能力,但显著进步主要集中在具备直接视觉输入的平台,如腹腔镜和支气管镜机器人。相比之下,血管内介入、经皮穿刺以及无线微型机器人等“无视觉(vision-free)”设备,因体积需缩减至亚毫米级或更小,无法安装机载相机,只能依赖计算机断层血管造影(CTA)、数字减影血管造影(DSA)和超声等外部医学影像。这类影像仅提供类似“GPS”的全局地图,缺乏器械末端及邻近区域的实时细节,难以准确反映血管壁与器械之间的动态相互作用。相反,融合全局感知与直接视觉的系统能够获得高保真局部信息,为安全低层控制提供基础。作者引用的实证数据表明,仅依靠外部视角的EI系统任务成功率为40%–70%,而加入机载直接视觉后升至70%–90%。因此,缺少直接视觉被确认为无视觉手术机器人向高水平自主跃迁的核心障碍。
二、研究内容与意义
该研究系统审视了无视觉手术机器人在感知、控制与临床转化中面临的关键缺口。通过回顾14项自主血管内机器人研究,发现其中10项仅使用物理仿体验证,4项为计算机模拟(in-silico)验证,无一进入在体(in vivo)阶段,说明该领域仍处于实验性概念验证阶段。虽然一项2025年的模拟研究在12个患者特异性血管病例中实现双器械自主导航96%的成功率,但仍严格局限于仿真环境。研究者在感知、泛化、安全、人机控制和临床证据五个维度明确了现状、剩余差距和所需里程碑,指出即使任务成功率提高,物理一致性也不等于临床可信性;异常检测、决策可解释性、医生监督和故障安全机制同样不可缺失。这项研究首次系统提出无视觉手术机器人实现可信EI的必要条件,即引入某种形式的直接视觉感知,并给出了一个可操作的医生监督式分层自主控制架构,为后续软硬件研发和临床试验设计提供了理论框架。
三、关键技术方法
本研究属于观点与综述型论文,主要方法包括文献证据归纳、感知模态对比分析和架构设计。研究人员筛选了14项血管内自主导航研究,评估其实验模型(物理仿体或仿真)与验证阶段;对比了医学影像、光纤布拉格光栅(FBG)应变传感、电磁(EM)跟踪、力/触觉传感、超声和光学传感等模态的空间分辨率、信息维度、局限性与临床适配性;在此基础上提出三层感知架构,并设计了由感知-决策-安全验证-执行-反馈构成的医生监督闭环控制框架。研究未使用临床样本队列或实验数据,其结论主要基于现有证据的定性综合和工程推理。
四、研究结果
(一)感知困境:缺乏直接视觉
通过对比直接视觉和非视觉传感器,作者论证了医学影像的全局“地图”信息不足以支撑低层精细控制。力/触觉传感器难以区分“无关接触力”与“关键接触力”;EM和FBG只能提供本体感觉,不能感知周围组织;即使组合多类传感器,仍无法达到视觉的信息丰富度和高保真度。因此,无视觉机器人即使在遥操作层面也难以媲美达芬奇(DaVinci)等直接视觉平台,更不必说实现自主控制。
(二)自主控制的困境
作者指出,生物组织和连续体机构的内在非线性使传统模型控制方法难以适用;端到端数据驱动方法在医学高风险场景中难以保证泛化、安全与可解释性。同时,受真实临床数据规模、试验成本和模拟-现实差距限制,控制模型的大规模训练只能依赖仿真平台,但机器人-人体相互作用的仿真存在流体-固体耦合、动态环境和大变形等巨大计算挑战。解决这些困难的先决条件是拥有直接视觉信息。
(三)如何实现真正的具身智能
针对血管内机器人,作者提出可通过远端微型光学或超声传感器实现直接视觉,并与EM/FBG定位结合构建同时定位与建图(SLAM)能力,从而实时三维重建环境并减少电离辐射和造影剂暴露。在架构层面,理想感知由全局影像、定位感知、直接视觉三层组成。在控制层面,作者提出医生监督下的自主框架:多模态信息统一为包含管腔解剖、器械构型、器械-组织相互作用和置信度的表征;一个专用生物医学视觉语言模型将临床目标转化为高层动作;底层控制策略通过高保真模拟器训练,再经sim-to-real迁移部署。候选动作须在解剖、生物力学、程序和设备约束下进行校验,不确定性或异常超过预设阈值时,系统可拒绝或暂停动作、进入故障安全状态或移交医生;全部决策与执行过程可追溯、可审计,医生可随时修改或接管。该框架还可扩展至世界模型驱动的自主导航,利用持续更新的患者特异性心血管模型进行前瞻性轨迹规划和风险预测。对于无法携带传感器的无系留磁性微型机器人集群,作者提出将集群整体视为“物理点云”,推至血管边界后通过外部成像实时重建局部解剖,以获得类似直接视觉的空间信息。
五、讨论与结论
讨论部分强调,可信EI手术不只是追求更高平均任务成功率,而必须包含异常检测、决策可解释性、医生监督与接管、故障安全和事后追溯等完整证据体系。作者明确主张,医生应保留最终决策权和临床责任,自主系统只能作为受监督的辅助或任务级自主工具。直到残余风险能在临床可接受范围内被识别、量化、解释并控制,可信自主手术的转化鸿沟仍将存在。研究结论指出,无视觉机器人实现真正EI的必由之路是引入某种形式的直接视觉感知;尽管当前传感微型化和系统集成仍受工程限制,但这是技术性问题而非原理性障碍。所提出的层级感知架构和医生监督控制框架,为无视觉手术机器人从间接成像依赖走向安全可信的具身智能提供了潜在可行路径。