由于機(jī)器人技術(shù)能夠擴(kuò)展、增強(qiáng)和量化醫(yī)療活動，因此它將促進(jìn)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(jī)器人手術(shù)發(fā)展到現(xiàn)在已經(jīng)成為多種常見手術(shù)的治療標(biāo)準(zhǔn)。從2018年到2019年，保持了18%的快速增長，完成了超過100萬個機(jī)器人微創(chuàng)手術(shù)。

未來，機(jī)器人技術(shù)將為外科手術(shù)形式創(chuàng)新和質(zhì)量提升提供一個平臺。機(jī)器人技術(shù)通過物理和計算輔助設(shè)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(jī)器人本身就成為評估和量化手術(shù)的一套機(jī)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(shù)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(shù)的數(shù)據(jù)，為醫(yī)生學(xué)習(xí)和提升提供了一個平臺，這將改善外科醫(yī)生培訓(xùn)和學(xué)習(xí)曲線。從系統(tǒng)層面看，這提供了一種研究手術(shù)有效性的方法，可以將績效與患者的結(jié)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(bǔ)償?shù)某杀拘б嫫胶猱a(chǎn)生巨大影響。隨著更靈活的儀器的發(fā)明，新應(yīng)用的數(shù)量將顯著增加。在COVID-19期間，還演示了如何使用機(jī)器人為醫(yī)療專業(yè)人員提供遠(yuǎn)程醫(yī)療服務(wù)。毫無疑問，這一趨勢將在未來5-10年內(nèi)勢頭強(qiáng)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(guān)重要，因為在許多情況下，機(jī)器人將直接與病人和醫(yī)護(hù)人員進(jìn)行身體接觸，這也是下一代醫(yī)療機(jī)器人突破的標(biāo)志和關(guān)鍵。

未來十五年關(guān)鍵技術(shù)突破包括：

1結(jié)構(gòu)及控制設(shè)計方面60多年來，機(jī)器人學(xué)科的“感知-思考-行為”模式已經(jīng)使人類能夠擴(kuò)展其對世界的操縱、互動和改造。在這期間，用于制造機(jī)器人的材料也在逐漸改變——從傳統(tǒng)的具有離散傳感/驅(qū)動關(guān)節(jié)和集中控制器的低自由度剛性連桿結(jié)構(gòu)，到具有分布式/集成多模態(tài)傳感/驅(qū)動的可變拓?fù)淇芍貥?gòu)高內(nèi)自由度系統(tǒng)。未來15年，我們預(yù)估機(jī)器人結(jié)構(gòu)及控制設(shè)計技術(shù)將在實時機(jī)器人數(shù)字信息架構(gòu)、傳感/驅(qū)動、機(jī)制和控制的多功能模塊化集成、新材料、新的制造技術(shù)逐步實現(xiàn)突破。

2感知方面感知是機(jī)器人在物理世界中的基礎(chǔ)。感知包括從傳感器獲取和解釋數(shù)據(jù)，其中包括產(chǎn)生圖像的傳感器（RGB、IR、深度以及醫(yī)療模式）、特定領(lǐng)域的模式，如OCT或雷達(dá)、觸覺和觸覺感知、聲音和潛在的其他非結(jié)構(gòu)化信息通道。目前技術(shù)水平：計算機(jī)視覺通常被視為機(jī)器人學(xué)科中的主要感官形態(tài)。過去十年來，機(jī)器學(xué)習(xí)（尤其是深度學(xué)習(xí)）已經(jīng)改變了計算機(jī)視覺（以及廣義的圖像理解）。例如，標(biāo)準(zhǔn)基準(zhǔn)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(biāo)檢測、圖像字幕、癌癥檢測、語義分割等諸多相關(guān)問題上也出現(xiàn)了類似的發(fā)展趨勢，這些技術(shù)在移動電話和自動駕駛系統(tǒng)中的應(yīng)用加速了將這些功能嵌入低功耗平臺的進(jìn)展。Python等開源工具的出現(xiàn)加快了這些功能的開發(fā)。關(guān)鍵問題：機(jī)器人技術(shù)在可靠性和速度方面對計算機(jī)視覺提出了獨特的挑戰(zhàn)。許多最新的計算機(jī)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(yuǎn)遠(yuǎn)低于輔助機(jī)器人長期可靠操作所需的誤差率。例如，醫(yī)療機(jī)器人1%的時間將肝臟誤認(rèn)為脾臟，都是不可接受的。未來技術(shù)突破：視頻中的主動任務(wù)表現(xiàn)：活動識別技術(shù)的進(jìn)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(xì)的功能來主動控制活動；主動感知：計算機(jī)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(fù)雜、高維推理：例如，從圖像中預(yù)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(jié)構(gòu)（以及數(shù)據(jù)集）可能與那些用于識別或檢測任務(wù)的常用方法和體系結(jié)構(gòu)有所不同。開放世界性能：大多數(shù)計算機(jī)視覺系統(tǒng)采用封閉世界假設(shè)——因為它們是從數(shù)據(jù)中學(xué)習(xí)的，所以數(shù)據(jù)集代表了系統(tǒng)訓(xùn)練的全部示例。機(jī)器人通常會面臨從未經(jīng)歷過的刺激，或是全新的任務(wù)變化。能夠面對開放的新環(huán)境和任務(wù)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?qū)ζ鋬?nèi)部性能進(jìn)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(guān)的東西的方法。無縫學(xué)習(xí)與執(zhí)行的系統(tǒng)結(jié)構(gòu)：能夠以端到端的方式從圖像中執(zhí)行任務(wù)的強(qiáng)化學(xué)習(xí)。