在醫(yī)療科技飛速發(fā)展的當(dāng)下，介入治療憑借創(chuàng)傷小、恢復(fù)快的優(yōu)勢，逐漸成為眾多疾病治療的首選方案。然而，傳統(tǒng)手術(shù)機器人多為“關(guān)節(jié)式”剛性結(jié)構(gòu)，在人體內(nèi)迂回狹窄的天然腔道中難以施展拳腳。與之不同的是，連續(xù)體機器人宛如章魚觸手，沒有明顯關(guān)節(jié)，由柔性材料構(gòu)成，可實現(xiàn)平滑連續(xù)彎曲，具備極高的靈活性與形狀適應(yīng)性，能自然貼合復(fù)雜解剖結(jié)構(gòu)，直達(dá)深部目標(biāo)。但這種靈活性也帶來新挑戰(zhàn)：在不可視管腔內(nèi)行進時，機器人易與血管壁、支氣管壁等組織接觸，若無法感知接觸而“硬闖”，輕則操作不精準(zhǔn)，重則可能刺穿管壁，引發(fā)嚴(yán)重并發(fā)癥。因此，為連續(xù)體機器人賦予“觸覺”，使其能實時量化與環(huán)境相互作用力并調(diào)整自身形狀，成為實現(xiàn)安全、精準(zhǔn)介入手術(shù)的關(guān)鍵。

現(xiàn)有力傳感技術(shù)路徑，如基于模型、電子傳感器的方法，常面臨體積大、剛性高的問題，難以微型化并集成到柔性機器人全身，實現(xiàn)全身范圍接觸感知成為亟待解決的難題。面對這一挑戰(zhàn)，上海交通大學(xué)醫(yī)療機器人研究院的高安柱教授研究團隊另辟蹊徑，提出多路復(fù)用光纖的連續(xù)體機器人綜合性解決方案。

該技術(shù)的硬件核心是巧妙的光纖復(fù)用設(shè)計。研究人員將特殊的單芯光纖（SCF）作為驅(qū)動連續(xù)體機器人彎曲的“纜繩”，這些光纖內(nèi)部刻寫有多個FBG傳感器。當(dāng)電機拉動光纖驅(qū)動機器人彎曲時，光纖自身形變會引發(fā)FBG傳感器反射波長變化，且這一變化與光纖所受張力成正比。如此一來，同一根光纖既充當(dāng)傳遞力量的“肌肉”，又扮演感知張力的“神經(jīng)”。同時，機器人內(nèi)部還嵌入一根多芯光纖（MCF），用于精確感知機器人身體的實時彎曲形狀（曲率）。通過解調(diào)這些分布式“神經(jīng)”信號，系統(tǒng)能同步獲取驅(qū)動張力分布和機器人三維形狀兩大關(guān)鍵信息。

有了驅(qū)動和形狀信息，如何反推出外部接觸位置和大小？研究團隊將其視為“逆問題”求解。首先，他們建立連續(xù)體機器人的物理模型，清晰描述外部接觸力、內(nèi)部驅(qū)動張力與最終機器人形狀三者之間的力學(xué)關(guān)系，如同為機器人賦予“運動力學(xué)常識”，幫助理解何種受力情況會產(chǎn)生何種變形。然而，實際環(huán)境中摩擦、材料非線性等因素，使純粹依靠物理模型進行實時、精準(zhǔn)反推計算困難重重。于是，研究人員引入神經(jīng)網(wǎng)絡(luò)，設(shè)計多層感知器（MLP）模型，其輸入為光纖的驅(qū)動張力數(shù)據(jù)和機器人形狀數(shù)據(jù)，輸出是預(yù)測的接觸位置和三維接觸力。通過大量數(shù)據(jù)訓(xùn)練，該網(wǎng)絡(luò)能學(xué)習(xí)從機器人狀態(tài)到接觸狀態(tài)的復(fù)雜、非線性映射關(guān)系，為機器人裝備“觸覺大腦”，可瞬間做出判斷。

訓(xùn)練高性能神經(jīng)網(wǎng)絡(luò)需要海量且多樣化數(shù)據(jù)，但對物理機器人施加成千上萬次不同力進行數(shù)據(jù)采集，不僅效率低，還可能損壞機器人。為此，團隊運用生成對抗網(wǎng)絡(luò)（GAN）這一數(shù)據(jù)增強技術(shù)。他們先依據(jù)物理模型生成100萬組模擬數(shù)據(jù)，再結(jié)合少量真實實驗數(shù)據(jù)訓(xùn)練GAN，使其生成的模擬數(shù)據(jù)不斷逼近真實情況。通過這種方式，AI模型訓(xùn)練數(shù)據(jù)從“少量真實數(shù)據(jù)”擴展為“真實數(shù)據(jù) + 大量高質(zhì)量模擬數(shù)據(jù)”，有效緩解數(shù)據(jù)短缺問題，大幅降低對真實機器人的損耗。

為驗證該方法的普適性和準(zhǔn)確性，研究人員開展一系列實驗，從“二維平面”到“三維空間”，再到模擬醫(yī)療場景逐步推進。在二維平面實驗中，研究團隊用“平面連續(xù)體機器人”（只能在一個平面內(nèi)彎曲）進行測試，在機器人不同位置掛不同質(zhì)量砝碼模擬接觸力，讓AI預(yù)測接觸位置和力。實驗結(jié)果顯示，接觸位置平均誤差僅0.8毫米，接觸力誤差僅7.1毫牛（約相當(dāng)于0.7克物體的重力，比一張A4紙還輕）。團隊還展示有趣應(yīng)用場景——讓兩臺機器人協(xié)同“抓取氣球”，AI能實時計算兩者對氣球的抓取力，既不捏破氣球，也不讓其脫落。

隨后在“空間連續(xù)體機器人”（可在三維空間中任意彎曲，更貼近真實體內(nèi)運動情況）上展開實驗。盡管接觸情況更復(fù)雜，但在GAN生成模擬數(shù)據(jù)輔助下，AI表現(xiàn)優(yōu)異。接觸位置平均誤差為1.7毫米，接觸力平均誤差為8.7毫牛，這一精度已能滿足醫(yī)療操作基本需求。無論機器人向左彎還是向前扭，AI都能準(zhǔn)確算出掛在其中部的3克砝碼（約29.4毫牛的力）的位置和力大小，誤差始終在可控范圍內(nèi)。

最后，研究團隊模擬兩個關(guān)鍵醫(yī)療場景驗證技術(shù)實用性。一是“避障運動”：在微創(chuàng)手術(shù)中，機器人通常設(shè)有“遠(yuǎn)程運動中心”，如腹壁切口處。實驗中，當(dāng)機器人觸碰障礙物，AI檢測到接觸力超過安全閾值，即控制其反向轉(zhuǎn)動避開障礙，確保RCM點安全。二是“氣道介入”：團隊用3D打印的人體氣道模型模擬機器人進入肺部過程。當(dāng)機器人接觸氣道壁，AI能實時在屏幕上顯示接觸位置與力度。如在氣道彎曲處，機器人外側(cè)與管壁接觸，系統(tǒng)準(zhǔn)確顯示接觸力為12毫牛，醫(yī)生可據(jù)此調(diào)整機器人姿態(tài)，避免損傷氣道黏膜。