Nature Reviews Bioengineering |香港中文大学任洪亮团队提出人工动觉框架，突破视觉依赖

论文作者：Tangyou Liu(刘唐有), Sishen Yuan(袁思申), Hongliang Ren(任洪亮)*

在微创手术的临床场景中，外科医生的每一次精准操作，都离不开视觉与动觉（kinaesthesia）的协同发力—— 通过视觉捕捉器械与组织的宏观互动，再借助动觉感知肢体位置、运动状态和肌肉力量，精准解读器械与组织的微观反馈，哪怕视野受限，也能灵活调整操作力度，应对复杂的手术环境。

然而，当前主流的手术机器人却陷入了 “视觉依赖” 的困境：它们高度依赖高清摄像头和深度学习算法识别解剖结构，却缺乏人类外科医生那般的“触觉感知”能力。在面对变形组织、视野遮挡、术中出血等真实手术场景时，视觉数据容易变得模糊、不完整，机器人难以感知器械受力、组织滑移或皮下硬度，只能依赖预设程序被动应对，严重限制了其适应性和安全性。

如何让手术机器人也能 “看得见、摸得着、会思考”？近日，香港中文大学电子工程系任洪亮教授团队在《Nature Reviews Bioengineering》发表评论文章，系统性提出人工动觉（artificial kinaesthesia）分层框架，为解决这一核心难题提供了全新思路，也为下一代智能手术机器人的研发奠定了基础。

01.

人工动觉：让机器人拥有 “触觉智慧”

"认知是离散的，物理交互是连续的"。要将人类外科医生的多感官协同能力迁移到机器人系统中，关键在于构建一套涵盖“物理感知 - 算法解读 - 协同控制”的分层人工动觉框架，让机器人不仅能 “看见”，更能 “感知” 和 “理解” 手术过程中的物理互动。

图 1. 组织操纵中的视觉-动觉协同融合。在手动手术中，外科医生通过动态整合视觉和动觉反馈来实现精确和自适应控制。在下一代机器人手术中，自主系统需要视觉和动觉信息来达到专家级的灵活性和情境意识。

02.

感知-算法-框架多重挑战

1.物理感知层：给机器人装上 “灵敏触觉”

这一层的核心是让手术器械具备 “感知能力”。不同于传统的简单力测量，新一代技术正朝着复刻人类触觉的双重属性迈进：

本体感知（proprioception）：通过集成形状传感技术，让机器人精准 “知晓” 自身器械的姿态和位置；

外感受（exteroception）：借助仿生触觉感知技术，分离组织-器械多模态交互力，实现对外部环境的 “触觉感知”。

这些技术能捕捉器械与组织的接触力、顺应性动态等丰富物理信息，打破单纯依赖视觉的数据局限。

2.算法解读层：为感知数据赋予 “语义意义”

物理感知是 “收集信号”，算法解读是“理解信号”。人类外科医生对动觉反馈的处理分为两层：反射层（毫秒级连续调整）和认知层（解读力信号并做出离散决策）。

作者提出，机器人算法需要突破传统的 “信号纠错” 思维，构建类似的分层处理机制 —— 不仅要对力和运动数据进行实时调整，更要从中提取语义信息（如 “组织硬度异常”“器械即将滑移”），真正实现对器械 - 组织互动的 “理解”，而非单纯的被动响应。

3.协同控制层：实现 “感知 - 决策 - 行动” 闭环

最终，物理感知与算法解读需要通过一个可扩展的框架实现融合。团队提出，可将连续的力和运动信号离散为 “动觉 tokens”，构建 “视觉 - 动觉 - 语言 - 行动” 多模态模型：让高层模型（类似人类大脑皮层）负责复杂任务规划和语义推理，低层控制器（类似人类小脑）负责高频、平滑的运动执行，形成闭环控制，实现离散认识与连续物理交互的协同。让机器人的操作更灵活、更精准、更具适应性。

03.

结语：新一代自主手术机器人定义

人工动觉框架的提出，不仅指出了现有手术机器人的技术瓶颈，更为自主手术系统的发展指明了方向：未来的手术机器人将不再是 “视觉主导的执行者”，而是具备多感官协同感知能力的 “智能伙伴”—— 它们能通过物理传感捕捉细微反馈，通过算法解读理解手术场景，通过协同控制实现自适应操作，最终实现更具感知力、更直观、更强大的手术效果，为患者带来更安全、更精准的微创治疗体验。

该评论由香港中文大学电子工程系刘唐有博士（第一作者）、袁思申博士、任洪亮教授（通讯作者）共同完成，研究得到国家自然科学基金、香港研究资助局、香港中文大学等项目支持。目前，相关成果已被《Nature Reviews Bioengineering》编辑在 LinkedIn 重点推荐。

未来，随着人工动觉技术的不断发展，手术机器人将真正实现从 “视觉依赖” 到 “多感协同” 的跨越，为智能微创手术带来革命性变革。

阅读原文

Liu, T., Yuan, S. & Ren, H. Artificial kinaesthesia in autonomous robotic surgery. Nat Rev Bioeng (2026). https://doi.org/10.1038/s44222-026-00403-z

作者简介

刘唐有博士，香港中文大学电子工程系博士后研究员，于澳大利亚新南威尔士大学获得博士学位。研究方向包括手术机器人多模态感知、运动控制、智能决策，机器人与人工智能。发表论文20余篇，含一作 IEEE T-RO、T-MECH、IROS 等国际顶级期刊与会议。曾获ICRA 智能感知研讨会最佳海报奖、AIM 最佳学生论文奖，库卡机器人（KUKA）中国研发挑战赛冠军、ICRA-Robomaster AI挑战赛国际二等奖。主持香港中文大学IdeaBooster研究基金，并担任BIROB、I&R期刊青年编辑，Nature Communications、T-RO 等权威期刊的审稿人 。

袁思申博士，现为香港中文大学电子工程系博士后研究员，在香港中文大学电子工程系获博士学位 ，并曾就读于哈尔滨工业大学 。研究方向包括基于磁簇群的机械智能，显微手术机器人系统和面向大规模人群的医疗系统自动化等 ，并在 Nature Communications 、Science Advances 等学术期刊发表代表性论文，作品在“挑战杯”创新创业大赛中获银奖 。此外，还担任 Nature Communications、T-RO 等权威期刊的审稿人 ，并曾受邀担任 ICRA 等旗舰机器人会议的分会场主席。

任洪亮，香港中文大学教授、国自然青年科学基金A类（原杰青项目）获得者、全球前2%高被引科学家、IEEE 高级会员、ASME 会员、MICCAI 会员、新加坡生物医学工程学会会员。研究方向涵盖智能手术机器人、连续柔性顺应协作与认知机器人(C4R)、自主柔性机器人及传感、生物机器人与智能系统、医学机电一体化、软体机器人及传感器、多模态感知、图像引导手术的学习与控制、数据驱动机器人手术等。他曾获 IFMBE/IAMBE 早期职业奖、港中大青年研究员奖、Health Longevity Catalyst Award、NUS 工程青年研究者奖、EMedic 全球金/银奖等 30 多项国际奖项，并多次获得 IEEE ROBIO、CCECE、Cyber 等会议最佳论文奖。

【香港中文大学任洪亮教授课题组】

香港中文大学（CUHK）医学机器人感知与人工智能研究课题组欢迎博士/ 博士后/ 研究助理加入，主要领域包括：医学机器人与智能系统、图像引导手术中的AI学习与控制、医疗机电一体化、连续和柔性机器人与传感器、变刚度调控技术、AI辅助内窥诊断、医学图像处理等。更多详情，请参阅任洪亮教授Google Scholar信息页与实验室网站http://labren.org/.

来源：labren