藤蔓机器人钻进人体：气压驱动10秒穿好防护服，还能用于插管
当所有人都在讨论 AI 时，机械工程同样可以给世界带来变化。 #欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
Kim Nam Gyun 在韩国科学技术院（KAIST）做博士后。有一回骑车碰上骤雨，他想套上雨衣，一只手却怎么也拉不上拉链，另一只手还腾不出来。
他当时冒出一个念头：雨衣要是能自己穿好，就省事多了。
听着像随口一想的念头，他的研究团队却把它做成了正经论文。
办法是把气压驱动的柔软「藤蔓」缝进衣服里。一加压，藤蔓就带着布料顺着身体往上贴、往上爬，像常春藤缠着支架长。人不用站着一动不动，也能穿完。
全过程大约 10 秒，一整套防护服就上身了。
Ryu Jee-Hwan 教授的说法是：这类机器人靠尖端不断生长来前进，所以在弯曲表面上也能稳稳移动；窄缝能钻过去，还能顺着周围环境的形状长，表面是滑的、黏的、还是斜的，都拦不住它。
用处方面，研究者点了两个地方：芯片工厂的洁净室，以及应急服务。
半导体洁净室对更衣卡得很严。工人每进出一趟都得换一整套防尘服，程序繁琐，穿得不规范还会引入污染风险。
急救人员遇上化学事故或传染病现场，得赶快把防护装备穿上，而这类装备通常要靠同伴搭手。
有了自穿系统，这两种场合都不必再额外派人，也不用复杂的培训。
专业场景之外，团队还提到老年人和行动不便者。手劲退化、肩关节活动受限，是不少老人每天穿衣时真正碰到的难题。
受访时 Ryu Jee-Hwan 说：所有人都在谈 AI 的时候，机械工程照样能给世界带来改变。
藤蔓机器人
把藤蔓生长的思路搬进实验室的，是斯坦福大学机械工程系的研究人员，时间在 2017 年。他们做了一根两端密封的软管，像一只翻过来的袜子，折叠在自己内部。气压从固定的一端泵进去，管子顶端便向外翻转，跟袜子由内往外翻一个道理，只不过这个翻转停不下来。
原型机用的是薄塑料膜，材料不贵，气源就是普通压缩空气，整套系统里没有电机，也没有传感器阵列。
这台机器人短距离冲刺最高能到约 35 公里每小时，能挤过比自身直径还窄的缝隙，能举起 100 公斤的重物，还能在狭小空间里自己盘成天线形状。
传统机器人一动，每一节关节都在移位，每一段身体都要扛住外部环境的阻力，一旦被夹住就动不了了。藤蔓机器的「身体」不动，只有尖端在往前伸，新材料从内部不断补到前端。
不规则的空腔、弯曲的通道、表面到处是障碍的地形，传统机器人基本没辙；换成藤蔓机器人，无非是调一下气压怎么分配。
插管，缩短的是时间，也是经验的距离
硬质机器人和人体接触时，力的传递往往是刚性的，压力集中在接触点上，容易造成损伤。
软体机器人自带柔性，跟人体共存是它的长处。哈工大和港中大做出的磁性粘液机器人能进到人体里，把误吞的电池等异物取出来，还计划用于消化系统手术，或者把药物送到体内特定位置。
藤蔓机器人的推进方式把「推」这个动作去掉了，换成「长」。
研究人员很快发现，这套思路不只能用在废墟搜救，还能进别的地方。
气道、消化道、血管——人体内部弯曲的管道很多。现有医疗器械穿过这些结构时，大多靠推力，靠刚性，靠操作者的手感。
人的气道在进化上是用来挡住食物和异物的。急救插管要做的，就是在这段路里又快又准地送进一根呼吸管，让氧气通过。
据 UCSB 的研究团队统计，院外急救现场气管插管的首次失败率接近 35%。视频喉镜的问世确实让这一局面有所好转，可它对操作者的门槛依旧不低：得先用眼睛找到气道入口，再用手把管子顺着弯曲的解剖路径送进去，整套动作高度依赖经验与技巧。
Elliot Hawkes 的团队以藤蔓机器人的基础原理为起点，做出了一套软体机器人插管系统 SRIS（soft robotic intubation system）。这套系统不再要求操作者先看清气道、再往里推管。推进时只有尖端在向前走，管身保持不动，不产生摩擦，也不会刮伤气道壁——像一根小藤蔓找到合适的缝隙，安静地钻过去。正是这种「无摩擦」特性，让它在曲折的解剖结构里能自主导航，而不是被硬推着走。
测试是在尸体上做的。参与者包括 8 名急救人员、4 名急救医护技师和 4 名辅助急救员，接受的培训时间只有 5 分钟。结果是 87% 的人第一次尝试就成功完成插管，平均耗时 21 秒。
同样条件下改用视频喉镜，成功率为 63%，平均耗时 44 秒。
论文已刊登在《Science Translational Medicine》上。主要作者 David Haggerty 曾在 Hawkes 实验室攻读博士，2022 年他创办 Vine Medical Inc.，推动这项技术的商业化，下一步是启动临床试验，验证设备的安全性。
Haggerty 提出要「让气道管理民主化」，意思是把这项原本只有高级专科医生才能做的操作，变成普通急救人员短训之后也能掌握的技能。
机器人技术的进步，未必总体现在更多传感器、更大数据和更复杂的模型上。有时候，关键改进来自一株藤蔓：机械结构分担了感知、导向和缓冲的部分功能，控制系统反倒可以简单一些。
