由于機器人技術能夠擴展、增強和量化醫(yī)療活動，因此它將促進醫(yī)療行業(yè)發(fā)生更大的變革。自大約30年前誕生以來，機器人手術發(fā)展到現(xiàn)在已經(jīng)成為多種常見手術的治療標準。從2018年到2019年，保持了18%的快速增長，完成了超過100萬個機器人微創(chuàng)手術。

未來，機器人技術將為外科手術形式創(chuàng)新和質量提升提供一個平臺。機器人技術通過物理和計算輔助設備有效地將操作者的眼睛、大腦和手投射到患者的身體中，機器人本身就成為評估和量化手術的一套機制。這種影響是多方面的：從患者角度來看，它能精確量化病人在手術中發(fā)生了什么。從臨床醫(yī)生角度來看，平臺集成了數(shù)千名外科醫(yī)生和數(shù)百萬次手術的數(shù)據(jù)，為醫(yī)生學習和提升提供了一個平臺，這將改善外科醫(yī)生培訓和學習曲線。從系統(tǒng)層面看，這提供了一種研究手術有效性的方法，可以將績效與患者的結果聯(lián)系起來。同時，又將對定義醫(yī)療程序和決定介入治療補償?shù)某杀拘б嫫胶猱a生巨大影響。隨著更靈活的儀器的發(fā)明，新應用的數(shù)量將顯著增加。在COVID-19期間，還演示了如何使用機器人為醫(yī)療專業(yè)人員提供遠程醫(yī)療服務。毫無疑問，這一趨勢將在未來5-10年內勢頭強勁。面對需求的多樣性，系統(tǒng)的健壯性、可靠性、安全性和靈活性至關重要，因為在許多情況下，機器人將直接與病人和醫(yī)護人員進行身體接觸，這也是下一代醫(yī)療機器人突破的標志和關鍵。

未來十五年關鍵技術突破包括：

1結構及控制設計方面60多年來，機器人學科的“感知-思考-行為”模式已經(jīng)使人類能夠擴展其對世界的操縱、互動和改造。在這期間，用于制造機器人的材料也在逐漸改變——從傳統(tǒng)的具有離散傳感/驅動關節(jié)和集中控制器的低自由度剛性連桿結構，到具有分布式/集成多模態(tài)傳感/驅動的可變拓撲可重構高內自由度系統(tǒng)。未來15年，我們預估機器人結構及控制設計技術將在實時機器人數(shù)字信息架構、傳感/驅動、機制和控制的多功能模塊化集成、新材料、新的制造技術逐步實現(xiàn)突破。

2感知方面感知是機器人在物理世界中的基礎。感知包括從傳感器獲取和解釋數(shù)據(jù)，其中包括產生圖像的傳感器（RGB、IR、深度以及醫(yī)療模式）、特定領域的模式，如OCT或雷達、觸覺和觸覺感知、聲音和潛在的其他非結構化信息通道。目前技術水平：計算機視覺通常被視為機器人學科中的主要感官形態(tài)。過去十年來，機器學習（尤其是深度學習）已經(jīng)改變了計算機視覺（以及廣義的圖像理解）。例如，標準基準ImageNet的圖像分類性能的錯誤率從10年前的25%以上上升到今天的不到2.5%——比人類的性能高出兩倍。在視頻活動識別、目標檢測、圖像字幕、癌癥檢測、語義分割等諸多相關問題上也出現(xiàn)了類似的發(fā)展趨勢，這些技術在移動電話和自動駕駛系統(tǒng)中的應用加速了將這些功能嵌入低功耗平臺的進展。Python等開源工具的出現(xiàn)加快了這些功能的開發(fā)。關鍵問題：機器人技術在可靠性和速度方面對計算機視覺提出了獨特的挑戰(zhàn)。許多最新的計算機視覺系統(tǒng)的性能與過去相比是顯著的，但操作的錯誤率遠遠低于輔助機器人長期可靠操作所需的誤差率。例如，醫(yī)療機器人1%的時間將肝臟誤認為脾臟，都是不可接受的。未來技術突破：視頻中的主動任務表現(xiàn)：活動識別技術的進步使人們能夠識別大量人類活動。然而，從觀察一個活動到執(zhí)行類似的活動需要更精細的功能來主動控制活動；主動感知：計算機視覺以被動的方式探索數(shù)據(jù)——它沒有利用主動感知和/或捕捉冗余信息的能力。創(chuàng)建能夠主動觀察的功能才能創(chuàng)建在環(huán)境中起作用的系統(tǒng)。復雜、高維推理：例如，從圖像中預測物體的抓取是一個高維連續(xù)問題。針對此類問題的高性能方法和體系結構（以及數(shù)據(jù)集）可能與那些用于識別或檢測任務的常用方法和體系結構有所不同。開放世界性能：大多數(shù)計算機視覺系統(tǒng)采用封閉世界假設——因為它們是從數(shù)據(jù)中學習的，所以數(shù)據(jù)集代表了系統(tǒng)訓練的全部示例。機器人通常會面臨從未經(jīng)歷過的刺激，或是全新的任務變化。能夠面對開放的新環(huán)境和任務是一個挑戰(zhàn)。可與系統(tǒng)集成：要將vision與其他系統(tǒng)集成，需要能夠對其內部性能進行評估。這包括驗證視覺組件或基于視覺的系統(tǒng)的方法，以及系統(tǒng)返回與其可靠性和不確定性相關的東西的方法。無縫學習與執(zhí)行的系統(tǒng)結構：能夠以端到端的方式從圖像中執(zhí)行任務的強化學習。