在现代医疗体系中，机器人已广泛应用于诊断、手术、康复等场景，但大多数医疗机器人仍然依赖医生的实时操控，难以实现自主决策和精准动作。以超声检查为例，作为我国年检查量高达20亿人次、市场规模超4000亿的“国民级”诊断方式，极度依赖医生经验和手法，且优质超声医生资源分布不均，在基层医院很难享受到足够优质的超声检查服务。虽然已经有多款超声扫查机器人拿到了三类医疗器械注册证，但都是采用远程遥操作的方案，没能真正解决优质超声医生短缺的问题。

要从根本上突破这一瓶颈，核心在于让机器人具备自主感知、智能决策与复杂操作的能力，这正是当前最前沿的技术方向——具身智能（Embodied AI）。

近期，北京智源人工智能研究院（简称“智源研究院”）智能超声机器人研究中心、清华大学自动化系黄高课题组等在《自然·通讯》（Nature Communications）上发表相关研究成果。团队开发的基于具身智能技术的全自主颈动脉超声机器人系统，实现了从影像获取、参数自动测量到斑块诊断分析的全流程自动化。临床验证表明，其性能与高年资超声专家高度一致，为缓解超声医师短缺、推动超声检查标准化提供了创新性的解决方案，对于推动医学超声检查范式的智能化变革具有重要意义。

《自然·通讯》发表论文：《迈向专家级的自主颈动脉超声扫查——大规模学习驱动的机器人系统》

一、智源策源：以数据驱动的自主超声新路径

在具身智能尚未成为行业热点之前，智源研究院就前瞻性地将“智能超声机器人”确立为重点攻关方向之一，并长期支持顶尖人才与临床协同创新。2019年，时任清华大学自动化系助理教授的黄高入选首批“智源青年学者”，成为智源与顶级AI人才合作的起点。2022年初，智源研究院携手黄高课题组共同发起“智能化心脏超声检查系统”项目，并成立专门研究中心，推动AI与临床需求深度融合。

团队选择了更具挑战性的“数据驱动”AI路线，通过大规模采集和学习顶级超声专家的扫查手法数据，让机器人自主“学会”如何进行标准、规范的超声检查。同时，借助轻量化的神经网络，机器人能够实现高动态、高实时的感知、决策与控制，像真人医生一样应对检查中遇到的各种情况，具备强大的泛化能力和稳定性。

此次刊发的颈动脉超声机器人研究，将“自主扫查”建模为端到端的视觉驱动操作任务，利用深度神经网络直接输出探头调整策略。团队构建了全球首个大规模颈动脉专家示教数据集（包含超24万组“影像-动作”数据），显著提升了系统在复杂、真实临床场景下的泛化与适应能力，首次实现了集扫查、解剖参数测量、斑块筛查于一体的全自主工作流程，向真正临床可用的超声机器人系统迈出关键一步。

全自主超声机器人工作流：（a）标准化扫查流程（b）探头六自由度示意图（c）颈动脉结构参数示意图（d）专家示教数据集

颈动脉场景的成功突破，不仅验证了“数据驱动”路线的技术可行性与临床可用性，也为更高难度的心脏超声等复杂场景提供了可迁移的算法与工程基础。2024年6月，团队成功实现了全球首例全自主式真人心脏超声医学检查，标志着项目在处理强动态、复杂器官的道路上取得了关键性进展。

科研临床验证表明，研发的颈动脉超声机器人在准确性和高效性方面已达到高年资专家水平，在舒适性和稳定性方面优于人工操作。未来，团队将按照赋能超声诊断、赋能超声治疗、打造智能化通用医疗机器人三个阶段持续推进，力争不断拓展智能医疗机器人应用边界。

二、开放协作，共绘智能医疗蓝图

此次全自主颈动脉超声机器人研究成果的发表，是智能超声项目的一个重要里程碑，更是一个全新的起点。我们深知，要让具身智能技术真正惠及大众健康，前路依然漫长，单点的技术突破远远不够。

为此，智源研究院智能超声机器人研究中心将继续在深度上，以高质量的自主扫查为基础，逐步向智能辅助诊断延伸，探索覆盖“筛、扫、诊、治”全流程的技术方案；在广度上，持续攻关颈动脉和心脏超声的同时，将已验证的核心技术逐步拓展至甲状腺、乳腺、肝、胆、脾、胰、肾等更多人体器官的检查中，为构建更通用的全身检查AI能力贡献力量。更长远来看，从医院内的精准诊断，到医院外更广阔的慢病管理和居家体检场景，具身智能在医疗领域的应用潜力巨大。

清华大学自动化系副教授黄高指出，智能超声机器人的研究不仅涉及模仿学习、强化学习等人工智能技术，也对机器人柔顺控制和超声医学有着较高的经验依赖，智源研究院的开放合作生态，使得不同学科背景的科研人员可以开始凝聚在一起，这是取得项目突破的关键。智源研究院具身数据负责人姚国才补充道：本项目选择了“数据驱动”的人工智能技术范式，自然地“数据的获取和处理”成为项目攻关中最核心的问题之一，智源研究院的工程团队开发了数据采集与处理系统，正是智源凝聚的医疗资源和工程团队助力了模型算法的高效开发及落地。

人工智能正处在从“数字世界”迈入“物理世界”的关键时刻，而推动这一历史性跨越的关键，正在于实现人工智能与机器人控制、生物医学等前沿学科的有效交叉融合。为此，智源研究院将持续专注于原创技术的策源与赋能，并欢迎更多优秀的科研人才、临床专家与产业伙伴加入我们，共同探索合作，携手推动AI医疗创新，为普惠医疗贡献力量。

论文信息

Jiang, H., Zhao, A., Yang, Q. et al. Towards expert-level autonomous carotid ultrasonography with large-scale learning-based robotic system. Nat Commun 16, 7893 (2025). https://doi.org/10.1038/s41467-025-62865-w