本文介绍了一项关于具有力感知能力的腹腔镜抓持工具的研究，属于单一原创性研究（类型a）。该研究由Dong-Hyuk Lee、Uikyum Kim、Tauseef Gulrez、Woon Jong Yoon、Blake Hannaford和Hyouk Ryeol Choi等人合作完成，其所属机构包括韩国成均馆大学（Sungkyunkwan University）、卡塔尔大学（Qatar University）以及美国华盛顿大学（University of Washington）。该论文发表于《IEEE/ASME Transactions on Mechatronics》第21卷第1期，出版时间为2016年2月。
微创手术（Minimally Invasive Surgery, MIS）相较于传统开放手术，具有疼痛少、住院时间短和感染风险低的优势，但其手工操作存在工具灵活性低及手部震颤导致精度不足的问题。微创机器人手术（Minimally Invasive Robotic Surgery, MIRS）通过遥操作从动机器人提高了手术工具的灵巧性和操作精度，但缺乏力反馈信息是其主要缺陷之一。研究表明，外科医生在没有力反馈时容易对组织施加过度力，从而增加组织损伤风险。因此，开发具有力感知能力的手术工具成为该领域的迫切需求。本研究旨在设计一种能够测量三轴笛卡尔操作力（manipulation force）和单轴抓持力（grasping force）的腹腔镜抓持工具，并验证其在模拟手术环境中的可行性。
研究团队首先分析了现有力传感器在手术工具中的四种安装位置：抓持尖端、工具腕部、工具杆和工具底座。其中，工具腕部安装方案具有空间约束较小和易于实现多轴操作力感知的优势，但此前研究未能清晰地解决抓持力的测量问题。本研究的核心贡献在于提出了一种独特的电容式力感知机制及其对准方法，能够同时测量操作力和抓持力，简化了传感器结构，并具备低成本制造的潜力。
在系统设计方面，该工具与开源手术机器人平台Raven-II机械兼容。工具腕部的三轴力传感器由三块平面下电极和一块圆形上电极构成，电极间形成三个平行电容器。当外力作用于传感器时，弹性体发生形变，改变电极间距，从而引起电容变化。通过测量三个电容的变化量，可以解算出笛卡尔坐标系中x、y、z三个方向的力分量。该传感器的创新之处在于下电极采用印刷电路板（Printed Circuit Board, PCB）一体化制造，上电极为金属圆盘，避免了手工粘接电极的工序，有助于实现低成本批量生产。传感器的性能通过机械模型进行分析，其中条件数（condition number）被用作评价传感器质量的标准。通过计算，研究团队将弹性体的有效半径r确定为4.5 mm，力作用点距离q确定为17 mm，理论条件数为6.6805。制造完成的传感器被集成到抓持机构中，并在传感器周围填充液态硅胶进行密封，以防止液体或血液渗入电子元件，同时保证驱动腱能够穿过传感器。
抓持力的测量通过两个扭矩传感器（torque sensor）实现。扭矩传感器嵌入在工具底座的驱动滑轮中，每个传感器通过闭合的驱动腱与抓持尖端相连。当抓持组织时，抓持力通过腱传递到扭矩传感器并转化为扭矩。扭矩传感器的弹性体内部有一条狭缝，扭矩作用时狭缝间隙发生变化，电容测量电路检测该变化以推算扭矩值。为了降低摩擦，驱动腱采用了基于超高分子量聚乙烯（Ultra-High-Molecular-Weight Polyethylene, UHMWPE）纤维的编织钓鱼线，并在金属导向部件表面喷涂了液体润滑剂。
在传感器个体评估阶段，扭矩传感器首先进行了标定。实验装置将扭矩传感器与商用参考传感器（ATI Nano 17）串联，通过手动旋转台施加扭矩。标定实验测得传感器的线性感知范围为50 N·mm，标定系数为0.126。精度评估采用归一化均方根误差（Normalized Root-Mean-Square Error, NRMSE），结果为0.036。迟滞（hysteresis）为1.6%，重复性实验中漂移为2.60 N·mm。
腕部力传感器的评估则通过制造完整的原型工具进行。实验装置使用线性平台和参考传感器，通过模拟组织（橡胶带）将力施加到腕部传感器。标定实验分别测定了x、y、z三个方向的电容变化与外力之间的关系。实验结果表明，所制造传感器的感知范围分别为x轴1 N、y轴1 N、z轴1.6 N。根据标定数据计算得到的柔度矩阵条件数为6.5794，与理论预测值6.6805非常接近。腕部传感器的NRMSE在所有情况下均小于0.02，迟滞分别为0.802%（x轴）、0.684%（y轴）和0.370%（z轴）。在0.2 Hz和1 Hz的动态实验中，漂移分别为0.010 N和0.018 N，NRMSE分别为0.016和0.029。
由于腕部传感器与抓持力存在耦合，研究团队提出了解耦方法。抓持力通过驱动腱作用于腕部传感器的z轴方向，产生额外的耦合分力。通过从腕部传感器测量的z轴力中减去抓持力的绝对值，即可获得纯操作力。解耦实验表明，在无外部操作力的情况下仅施加抓持力时，解耦后的z轴输出接近零值，NRMSE为0.058，验证了该解耦方法的有效性。
在系统集成验证阶段，原型工具被安装到Raven-II手术机器人平台上。参考传感器固定在桌面上，模拟组织连接在参考传感器上。实验过程中，机器人通过远程主手控制抓持并牵拉组织，同时记录原型工具和参考传感器的力响应。为确保两种传感器在同一参考系下比较，测量力被变换到用户参考系（σuser）中。数据流程包括数据接收、标定、解耦和坐标变换四个步骤。实验持续约1分钟，期间工具末端执行器在任意方向上反复牵拉和释放组织。实验结果显示，原型工具测得的操作力与参考传感器的力响应总体吻合。x、y、z三个方向的最大施加力分别为0.78 N、0.23 N和1.05 N。NRMSE值分别为0.039（x轴）、0.056（y轴）和0.026（z轴）。实验结束时的漂移分别为−0.05 N、0.03 N和0.02 N，抓持力维持在0.3 N至0.45 N之间，其漂移为0.007 N·m。力响应中的陡峭峰值对应牵拉机制，原型工具的噪声水平与参考传感器相似或更低。
该研究的主要结论是：所提出的电容式腕部力传感器和扭矩传感器设计能够有效测量三轴操作力和单轴抓持力，并在模拟手术平台上验证了其应用的可行性。该研究为微创机器人手术中的力反馈提供了新的技术路径，其传感器结构简化且具备低成本制造潜力，为未来一次性手术工具的开发奠定了基础。研究的创新点包括：下电极PCB一体化设计、电容式扭矩传感器嵌入驱动滑轮、基于条件数的传感器参数优化以及通过解耦算法分离抓持力与操作力。此外，该研究还展示了在开源手术机器人平台上进行系统集成和实验验证的完整流程，为后续研究提供了参考。
研究的局限性在于传感器感知范围较小（x、y轴约1 N，z轴约1.6 N），尚未达到临床手术中可能出现的最大力值（如文献报道的峰值抓持力可达68 N）。未来研究计划包括提升传感器感知范围和采样频率，并进一步实现传感器的小型化。