5月25日，天津大学医疗机器人与智能系统研究院开展2026年第十一期研究生阅读报告分享会，5名研究生依次进行了阅读报告分享。

研究院2023级博士研究生孙文泽围绕《螺旋驱动结构设计研究与三螺旋柔性关节制备》展开分享。北京航空航天大学等团队在《Nature》发表的可穿戴等速抗阻机器人研究成果表明，通过可调阻抗与等速抗阻训练可实现神经肌肉协同康复，为柔性机器人结构优化和智能化控制提供了重要启发。基于此，课题提出采用三螺旋驱动结构替代传统直线丝驱动方案，以提升传动精度、降低摩擦损耗并增强负载能力。

通过结构优化设计，采用螺旋路径实现弯曲与轴向扭转的协同运动，能够有效抵消弯曲过程中的长度变化，降低线缆松弛与迟滞问题，提高运动稳定性。研究进一步分析了螺距对扭转效率、弯曲能力及轴向收缩的影响，最终确定兼顾偏摆与扭转性能的最优方案。针对内螺旋通道难加工、硅胶易塌陷及脱模困难等问题，采用PI管、漆包线与铂金固化硅胶构建螺旋通道，通过分层浇筑和真空灌注提高成型质量。实验结果表明，小尺寸关节已能够实现基础偏摆与扭转运动，但仍存在壁厚不足、通道稳定性差及材料刚度匹配等问题。后续将继续优化刚度梯度结构，并开展运动性能与寿命测试，为后续微创手术柔性器械研发奠定基础。

研究院2023级博士研究生魏倩宇分享了论文《Hyperpacked piezoelectric-powered capacitive sensor array for high-fidelity vibration detection》。针对传统柔性振动/声学传感器存在外部偏压依赖、空气阻尼大以及阵列集成密度低等问题，研究提出了一种基于压电-电容耦合机制的高密度自供能振动传感阵列。器件采用PVDF-TrFE压电振膜、Au电极和SU-8星形支撑结构，通过压电层产生内建偏置场，实现无需外部供电的电容式振动检测，同时利用横向空气通气结构降低空气阻尼并提高阵列填充率。

研究重点提出了“压电供能电容传感”机制，即利用压电振膜产生的极化电荷作为电容传感器内部偏置源，实现压电与电容传感机制的融合。同时，通过Hyperpacked星形支撑结构解决传统MEMS器件中的squeeze-film damping问题，并对振膜数量、支撑层厚度和振膜厚度进行了优化，以平衡机械响应与压电输出性能。研究进一步完成了音乐、语音及病理呼吸信号检测验证，在80dB背景噪声下仍能够稳定检测声带振动，并可识别异常呼吸频谱特征。该研究提出的“压电提供偏置场+电容高保真读出”的新型传感架构，以及材料、结构与空气动力学协同优化的设计思路，对后续柔性压电振动传感器及可穿戴医疗监测系统研究具有一定参考意义。

研究院2024级硕士研究生郝勇帅进行了题为《面向临床辅助持镜的内窥镜视野语义感知与控制策略研究》的报告分享。有文章提出一种面向医学图像分割的双域网络 FVBLNet，旨在同时解决现有方法难以兼顾细粒度边界纹理与全局结构依赖的问题。该模型构建了空间-频率双域编码器，通过空间分支捕获多尺度局部结构，频率分支增强边缘细节并抑制噪声；引入双向视觉LSTM（BViL）建模长程上下文依赖，并结合CSB、SSAM、CASA三类特征校准模块，实现跨尺度对齐、频谱增强与空间显著性放大；同时在解码阶段采用动态稀疏融合机制，提高边界重建精度。

在课题研究方面，为了验证持镜系统的有效性，研究人员在腹腔镜模拟环境中进行100次操作，系统恢复成功率达到92.00%，体现出较好的鲁棒性与可靠性。对于成功恢复的样本，其平均恢复时间为2765.02 ms，成功样本的平均误差均值为17.53，表明该方法在恢复过程中能够保持相对稳定的误差水平。同时研究引入深度模块，场景描述由二维语义关系扩展为“语义关系+空间关系”，使模型能够更准确地理解复杂场景中的目标交互与空间结构，为后续视野调整提供更准确的信息。

研究院2024级硕士研究生陈思纯分享了论文《Surgical-VQLA++: Adversarial contrastive learning for calibrated robust visual question-localized answering in robotic surgery》。针对智能手术机器人领域中医疗视觉问答（VQA）系统无法精确定位目标且在恶劣临床环境下鲁棒性差的痛点，文章创新提出了Surgical-VQLA++端到端多任务学习框架。

在框架核心的多模态融合阶段，研究引入了全新的C2G-ViL嵌入模块。模块通过协同注意力机制建立文本引导的视觉聚焦，并利用多模态协同校准与基于成对双线性池化的全局上下文校准，在跨模态对齐的同时提炼模态内部的全局高阶语义，最后通过智能门控网络动态调节视觉与文本的融合权重。研究进一步在深层表征学习网络Deit骨干上引入基于对抗样本的对比学习策略，训练阶段的算法利用多任务梯度主动在嵌入层构造细微的对抗扰动，并施加对抗对比损失函数进行空间约束。在扩展的EndoVis-18与跨域验证的EndoVis-17数据集上的广泛实验表明，Surgical-VQLA++在准确率Acc和定位指标mIoU上均全面超越现有前沿模型。该框架在包含19种图像污染、5个严峻度等级的极端压力测试中表现出了极强的韧性，性能退化最为平缓，展现出了极高的工程落地可行性与卓越的临床实用价值。

研究院2024级硕士研究生何宇石围绕《输尿管软镜机器人灵巧性优化设计与控制研究》进行报告分享。2026年发表在《Nature Communications》上的一篇文献针对内耳解剖空间极度曲折狭窄、传统直线器械难以无创到达圆窗膜进行微量采样与精准给药的临床痛点，提出了一种创新性的经外耳道微创干预机器人系统。

研究团队开发了一款超低长径比的双段微型灵巧连续体机器人，采用无过渡段的马鞍形关节正交串联设计，并结合“物理推导+数据驱动”的混合补偿控制算法，实现了受限空间内±136°的高精度解耦弯曲与安全三维导航。在执行端，系统集成了一根外径仅100微米的独立进给金属微针，并通过施加预紧力工艺成功内嵌了FBG光纤传感器。该感知模块拥有1.0 mN的极高力学分辨率，使医生在视觉盲区内依然能敏锐区分软膜穿刺与硬骨碰撞的微弱力学阶跃。研究通过工作台解耦测试、仿体力觉验证、人类尸体精准导航、首例活体犬类的全流程内耳微量淋巴液采样与造影剂注射实验，展示出了微型医疗连续体机器人在机构设计与多模态感知集成上的顶尖水平，更为内耳疾病的早期无创诊疗打通了一条极具革命性与临床转化潜力的全新范式。

文献来源：

[1]Li, Y., Ren, J., Shu, T. et al. Spinal neuromotor rehabilitation using a portable isokinetic training robot. Nature (2026).

[2]K.H. Cho, J.-H. Lee, S. Yun, et al. Hyperpacked piezoelectric-powered capacitive sensor array for high-fidelity vibration detection, Nature Sensors, 2026, 1(1): 73-84.

[3]Liu S, Wang H, Ren Y, et al. FVBLNet: A Dual-Domain Network with Vision LSTM and Multi-Feature Calibration for Medical Image Segmentation[J]. Expert Systems with Applications, 2026: 132790.

[4]BAI L, WANG G, ISLAM M, et al. Surgical-VQLA++: Adversarial contrastive learning for calibrated robust visual question-localized answering in robotic surgery[J/OL]. Information Fusion, 2025, 113: 102602.

[5]Li Haiming, Gao Peiyuan, Tan Haoyue, et al. Interaction-aware dexterous robot for minimally invasive transcanal inner ear interventions [J]. Nature Communications, 2026.