顛覆水下探測！這款AI仿生皮膚讓機器人在激流中“觸摸”世界

如果一臺水下機器人在渾濁的河口下潛，泥沙讓能見度降到半米以內，螺旋槳攪起的湍流又把聲吶信號攪成一團亂麻——它該如何感知周圍的世界？主流方案攝像頭和聲吶系統在這里會集體失靈。前者依賴光線，后者在水流噪聲中難以分辨微弱的回波。

近日，浙江大學機械工程學院汪延成教授團隊聯合新加坡國立大學電子與計算機工程系 Chengkuo Lee教授在《Advanced Materials》發表題為“AI-Enhanced Bionic Aquatic E-Skin Enables Precise Capture of Minimal Tactile Differences Toward Undisturbed Underwater Interaction”的研究成果：一種受鯊魚啟發的仿生水下電子皮膚。

它不僅能承受深水的巨大壓力，還能在湍急水流中分辨出僅0.8微米寬度的表面紋路——相當于一根頭發絲直徑的五十分之一。

01.

為什么偏偏是觸覺

提起水下探測，你可能會想到聲吶掃描海底地形，或者水下攝像機拍攝珊瑚礁。但在水下機器人領域，觸覺幾乎長期被邊緣化，它需要物理接觸，感知距離短，更要命的是，水流本身就是個巨大的噪聲源，足以把任何由表面微小差異引起的觸覺信號淹沒在流致干擾里。

然而，研究團隊注意到了自然界中的一個現象。鯊魚在渾濁、昏暗的海洋中捕獵時，并不完全依賴視覺或聽覺。它們身體兩側有一條被稱為“側線系統”的感知器官，能通過皮膚表面的鱗片，從復雜的水流背景中篩選出獵物游動引起的微弱壓力波動。即便在湍急的洋流中，鯊魚依然能精準定位。

這給了研究者一個啟發。觸覺并非不行，而是沒有把它的潛力發揮到極致。問題的核心，在于如何從強水動力噪聲中“解耦”出真正由物體表面差異引發的微弱觸覺信號。

02.

如何讓機器人“摸”清世界

Saranga（指代水下電子皮膚，可稱為“仿生側線皮膚”）系統的解決方案，是一套“仿生機械濾波 + 深度學習特征融合”的。

首先，研究團隊從鯊魚側線鱗片獲得靈感，在傳感器表面設計了一層仿生魚鱗陣列。每片“魚鱗”以45度角翹起，長2毫米，厚度僅0.64毫米。當水流沖擊時，柔軟的鱗片會彎曲變形，像一把把小傘，消耗掉部分水流動能，同時將水流分流引導——大部分湍流從側面滑走，只有少量減弱后的水流到達傳感核心。這是一個純粹的物理降噪步驟。

實驗數據很直觀，在每秒0.2米的水流中，沒有仿生鱗片的傳感器基線波動高達±25毫伏；加上鱗片后，波動降至±13毫伏，噪聲幾乎減半。即使在每秒0.5米的較強水流中，波動也能控制在±20毫伏以內。

水下電子皮膚的工作原理及抗擾性能

但這還不夠。深海的另一個殺手是高壓。傳統電子皮膚內部常留有空氣間隙來保證靈敏度，但在幾十米水深下，這些空隙會被壓縮殆盡，兩層材料直接貼死，信號幾乎消失——40米水深時衰減高達97.2%。

研究團隊的解決方案出人意料：用微小的彈性粉末顆粒代替空氣間隙。他們選用熱塑性聚氨酯粉末，粒徑僅0.15微米，填充在兩層摩擦電材料之間。這些粉末像無數個微型彈簧，既能維持穩定的間隔距離，又能緩沖外部壓力。結果，在40米水深下，傳感器的輸出響應僅衰減17.6%。相當于給電子皮膚穿了一件“抗壓服”。

最后，傳感器表面還涂覆了一層高疏水性油膜。海水中的離子一旦滲入，會形成額外的電流泄漏路徑，嚴重干擾信號。油膜像一層隱形雨衣，把水分子牢牢擋在外面。經過120天海水浸泡和5000次反復按壓，傳感器性能幾乎紋絲不動。

AI增強型水下電子皮膚的綜合表面紋理識別

物理降噪解決了水流和壓力問題，但真正讓這層皮膚“智能”起來的，是深度學習。

研究團隊構建了基于特征融合的深度學習模型，這個模型的并行分析兩種信息：一是時域特征——電壓信號隨時間的變化，反映按壓力度和靜水壓力造成的幅度偏差；二是頻域特征——將信號分解成不同頻率成分，這可以消除滑動速度和動態水流帶來的干擾。

兩種視角互補，大大提升了對微小差異的分辨能力。在靜態水下，帶有仿生鱗片的電子皮膚識別五種不同紋理的平均準確率高達98%。當水流開啟，準確率依然保持在94.67%。而沒有仿生鱗片的對照設備，靜態水下只有74.67%，水流中更是跌至62%。

03.

從實驗室走向海洋

研究團隊展示了兩個實際應用場景，讓這層“皮膚”從概念走向真實任務。

場景一：機器人手指識別海洋生物

將電子皮膚貼在機器人手指尖上，讓它在模擬海水中識別九種海洋生物和物體：魷魚、海綿、鯧魚、蝦、海參、螃蟹、海螺、石頭和珊瑚。這些物體的硬度和表面形貌差異很大。硬質物體（如石頭）會引發強烈、不穩定的力波動；軟質物體（如海參）表面突起在按壓下會彎曲，將連續的接觸過程打散成一連串離散的微小碰撞。

基于特征融合深度學習，機器人手指達到了98.67%的平均識別準確率。這意味著，未來水下機器人可以在能見度為零的環境中，僅靠觸摸就能區分一塊石頭和一只海參——這對于海底采樣、考古或生態監測意義重大。

AI增強型水下電子皮膚在不同場景下的觸覺感知應用

場景二：機器魚尾巴感知游泳狀態

更有想象力的是把電子皮膚貼在機器魚的尾部。這里沒有固-固滑動摩擦，傳感器感知的是魚尾拍打時反作用的水動力以及結構自身的微振動。信號幅度反映擺尾力度，頻率特征則編碼尾部擊水的節奏。

研究人員區分了靜止、抖動、撞擊、快速游動和慢速游動五種狀態，深度學習平均準確率達到90%。主要混淆發生在快游與慢游之間——這兩種狀態的信號差異確實很小，但已經足夠實用。

基于這一能力，團隊提出了一個智能水產養殖系統的構想。每條魚的尾部電子皮膚將行為狀態上傳至中央系統，匯聚成魚群活動指數。如果指數在短時間內顯著升高，說明魚群處于覓食性快游狀態，系統判定饑餓，自動觸發投喂裝置。如果整體活動指數下降，同時伴隨大量不規則抖動或撞擊行為，則推斷為水中溶解氧過低，啟動增氧器。

這套系統實現了精準投喂和按需增氧，避免了傳統養殖中定時定量投喂造成的飼料浪費和水質污染。相比依賴光學攝像頭的水產監測方案，觸覺方案不受水體渾濁度影響，且不需要對魚類進行標記或訓練。

04.

結語

這項技術的意義不僅在于“做了一款更好的傳感器”。它首次證明，在動態水流和高靜水壓的惡劣環境中，觸覺感知可以成為可靠的水下探測通道。

未來，研究團隊計劃進一步將單像素電子皮膚拓展為稀疏陣列和多手指協同系統，實現時空觸覺成像——讓機器人不僅能“摸”到物體，還能“感知”出形狀和輪廓。同時，抗生物污損涂層和自修復防水技術也在研發中，以應對海洋中長期浸泡的挑戰。