電子科技大學AM：仿生3D觸覺傳感器，為機器人打造超越人類觸覺的“仿生皮膚”

具備觸覺感知能力的電子皮膚是機器人實現環境交互和靈巧操作的關鍵。然而，傳統二維平面傳感器難以適應復雜三維曲面，在動態滑動接觸中面臨信號延遲、制造工藝復雜及可擴展性差等挑戰。現有方法多依賴平面預組裝后轉移至目標曲面，導致制程繁瑣且難以規模化，限制了高性能觸覺系統在機器人領域的實際應用。

受生物系統啟發，電子科技大學林媛教授、黃振龍副教授合作，提出了一種創新的三維制造策略，將3D打印、材料創新與激光直寫技術相結合，直接在三維基底上構建可拉伸觸覺傳感器陣列，并實現了多層電路的立體互聯。所開發的仿生傳感器陣列具有高響應性，振幅響應時間小于0.5毫秒，最高工作頻率達473.33赫茲，頻率分辨率為0.35赫茲，角度分辨率達到1度。研究團隊成功在亞米尺度薄膜上集成了900個傳感器，結合深度學習算法實現了復雜圖案識別的100%準確率。該技術實現了從二維到可擴展三維制造的跨越，為下一代機器人仿生皮膚與智能感知系統提供了通用平臺。相關論文以“Three-Dimensional Stretchable Tactile Sensors for Robotic Bionic Skin”為題，發表在Advanced Materials上。

研究團隊所設計的傳感器結構模仿了鱷魚皮膚中富含神經末梢的三維折疊表皮結構，使傳感器性能超越了人類指尖的觸覺能力。具體而言，他們利用3D打印制備了由銻摻雜氧化錫（ATO）、多壁碳納米管（MWCNT）和聚二甲基硅氧烷（PDMS）組成的金字塔形三維微結構。隨后，通過激光直寫工藝對三維表面進行活化和粗糙化處理，暴露出ATO催化劑，進而通過化學鍍銅實現金屬層的原位選擇性生長。該金屬層與基底內的MWCNT網絡共同構成了雙層傳感結構，能夠在復雜三維表面精準感知形變。如圖1所示，這種三維觸覺傳感器具備類似鱷魚皮斑點狀的仿生凸起結構。圖1b展示了傳感器的多層架構，上下層通過通孔實現電氣互連。圖1c顯示了激光刻蝕與非刻蝕區域的對比，以及能譜分析證實ATO催化劑的存在。圖1d和1e為傳感器的顯微圖像和激光共聚焦顯微圖。圖1f的高分辨率X射線圖像展示了上下互連線與通孔構成的一體化三維傳感架構。圖1g示意了鱷魚皮的三維表皮結構。圖1h揭示了滑動過程中應力誘導裂紋產生的機理，傳感器電阻在0.5毫秒內以33.6歐姆/秒的速率顯著增加。圖1i和1j展示了傳感器在圓柱面彎曲和大面積拉伸變形下的優異機械柔韌性，以及包含900個單元的30×30陣列。圖1k則展示了傳感器成功集成于機器人手部。

圖1 | 本征三維曲面電子皮膚的設計與制造。 (a) 面向機器人應用的大面積仿生皮膚示意圖。 (b) 具有多層架構的三維觸覺傳感器示意圖，顯示通過通孔實現的層間電氣互連。 (c) 在三維曲面上金屬傳感層原位生長示意圖：(i) 在激光織構化區域形成銅層；(ii) 激光刻蝕區域（右）與非刻蝕區域（左）的SEM對比；(ii) 刻蝕區域的EDS能譜圖，顯示強烈的Sn信號，證實ATO催化劑的存在。 (d) 三維觸覺傳感器的顯微圖。 (e) 三維觸覺傳感器的激光掃描共聚焦顯微鏡圖像。 (f) 復雜三維結構的高分辨率X射線圖像，包含上下互連線。敏感區通過通孔與兩個互連層連接，形成集成的多層三維傳感架構。 (g) 鱷魚表皮斑點的示意圖，這些斑點分布在三維表皮結構上，能夠檢測微小的外部刺激。 (h) 傳感器對滑動運動響應的示意圖。應力誘導的形變表現為敏感區裂紋的形成，通過SEM觀察。這些形變導致傳感器電阻顯著增加，在0.5毫秒內速率達33.6歐姆/秒，這歸因于滑動過程中三維表面受到的直接應變。 (i) 在圓柱面上彎曲的三維觸覺傳感器圖像。 (j) 大面積傳感器陣列（30×30，900個傳感單元）圖像，以及拉伸變形下的陣列。 (k) 集成到機器人手中的三維觸覺傳感器圖像。

這種直接在三維表面原位制造的策略消除了堆疊結構帶來的應變傳遞誤差和制造復雜性，大幅提升了靈敏度。如圖2所示，傳感器在滑動接觸中，三維結構形變誘導敏感區微裂紋產生，改變電子傳輸路徑，導致電阻隨應變增加。圖2b和2c展示了高度為1毫米的傳感器細節及SEM與EDS圖像。圖2d的有限元模擬顯示了滑動接觸中的應變分布。圖2e表明傳感器具有0.694毫歐/毫米的最大靈敏度且遲滯可忽略，并在4000次循環中保持穩定。圖2f證明傳感器在180千帕垂直壓力下基線電阻穩定，模擬顯示應變集中于尖端而不影響傳感區。圖2g顯示通過調節MWCNT濃度可調控靈敏度。圖2h比較了敏感區位于金字塔腰部與底部的性能差異，腰部設計靈敏度更高。圖2i顯示更高高寬比的結構響應性更好。圖2j和2k表明傳感器能分辨粗紋理和細紋理，細紋理信號頻率高達473.33赫茲，且信號頻率與滑動速度呈強線性關系。憑借0.35赫茲的頻率分辨率，傳感器可精確區分微小速度變化。

圖2 | 三維觸覺傳感器的性能。 (a) 三維觸覺傳感器示意圖，使用Ecoflex保護三維表面上的敏感區。 (b) 高度為1毫米的三維觸覺傳感器細節圖像。 (c) 三維觸覺傳感器的俯視SEM圖像（左）及對應的EDS圖像（右）。 (d) 滑動接觸外部結構時三維觸覺傳感器內應變的有限元模擬分布。 (e) 重復機械加載下傳感器的循環性能，顯示0.694毫歐/毫米的最大靈敏度和可忽略的遲滯。 (f) 垂直正壓力（0-180千帕）下傳感器的響應，顯示電阻變化極小。有限元模擬表明，正壓力引起的應變主要局限于尖端，不影響整體傳感區域。 (g) 不同MWCNT濃度制造的傳感器在紋理表面滑動時的電阻變化。信號變化幅度與導電填料的濃度直接相關。 (h) 敏感區分別位于金字塔結構底部（h2:h1 = 0.2）和腰部（h2:h1 = 1.2）的傳感器比較，顯示腰部配置由于更有效的應變傳遞而具有更高的靈敏度。 (i) 具有不同微結構高度的傳感器在標準紋理樣品上重復滑動時的電阻響應。

在紋理方向識別方面，該三維觸覺傳感器能夠通過分析滑動過程中的頻率特征，實現高精度各向異性紋理方向識別。如圖3所示，滑動方向與紋理方向的夾角影響有效路徑長度，進而改變響應頻率。憑借高靈敏度和結構均勻性，傳感器實現了1度的角度分辨率。圖3b顯示實驗與理論預測一致。圖3c展示了不同角度下的頻率響應差異。為解決速度與方向耦合問題，研究團隊開發了由垂直傳感單元組成的模塊（圖3d），結合快速傅里葉變換和反正切函數，實現了與滑動速度無關的精確方向識別。圖3e展示了信號處理流程。圖3f-3h顯示傳感器集成于機器人手部后，在30度、45度和60度相對角度下，計算所得反正切值與實際角度高度吻合。

圖3 | 基于3D滑動傳感器的自適應高精度紋理方向識別。 (a) 不同角度的紋理方向識別示意圖。 (b) 不同角度下的滑動頻率響應。 (c) 紋理方向識別的角度分辨率。 (d) 相互垂直的傳感單元組合示意圖。 (e) 不同滑動方向下的頻率響應。 (f) 集成到機器人手中的傳感器陣列。 (g) 機器人手抓取不同紋理方向物體的示意圖。 (h) 不同角度下的紋理識別結果。

為實現復雜觸覺感知，研究團隊進一步構建了6×6傳感器陣列，用于滑動路徑重建。如圖4所示，該陣列具有優異的機械柔順性，可拉伸彎曲。圖4b和4c展示了陣列的拉伸和彎曲狀態。研究團隊開發了多通道高頻數據采集系統，實現所有傳感單元電阻變化的實時測量。圖4d-4o展示了手指在陣列上描繪“S”、“I”、“A”形軌跡時，各傳感單元電阻隨時間的變化圖。通過電阻變化序列可重建滑動路徑（圖4e、4h、4k、4n），而結合頻譜分析與接觸速度則可確定滑動方向（圖4f、4i、4l、4o）。與依賴時域信號的傳統壓力傳感器陣列不同，該三維陣列通過自身結構設計即可確定滑動速度和方向，實現了類人皮膚的觸覺感知。

圖4 | 用于滑動路徑重建的傳感器陣列。 (a) 用于檢測滑動接觸的三維觸覺傳感器陣列示意圖。 (b) 拉伸變形下的傳感器陣列圖像。 (c) 共形附著在圓柱面上的傳感器陣列圖像。 (d-o) 基于單個傳感單元電阻映射的滑動路徑重建。當手指沿“S”形軌跡移動時，每個傳感單元的電阻隨接觸位置變化。面板(d)和(m)顯示了基于電阻映射的一致重建結果。沿“S”軌跡的傳感單元接觸序列(e和n)對應于觀察到的電阻變化。滑動方向(f和o)通過結合電阻信號的頻譜和接觸速度測量值確定。對于“I”形軌跡，電阻圖(g)和相應的時域信號(h)實現了路徑重建，而方向確定(i)通過頻譜和速度的聯合分析實現。類似地，對于“A”形軌跡，電阻圖(j)與實際路徑匹配，兩個傳感單元中電阻變化的序列(k)與接觸序列一致，推斷的方向(l)與計算結果一致。

最后，研究團隊將傳感器陣列集成到機器人手部，用于三維表面識別，并結合深度學習算法實現了復雜結構的精準識別。如圖5所示，機器人手部集成了三維觸覺傳感器陣列（圖5a）和高速度多路復用數據采集系統（圖5b）。圖5c和5d顯示了機器人滑動掠過三維漢字結構時傳感單元的時域信號。基于這些數據，研究團隊成功重建了三維漢字結構（圖5e）。進一步地，他們建立了基于SE-ResNeXt深度學習網絡的識別框架（圖5f）。圖5g的主成分分析與k-means聚類結果顯示，七種復雜圖案的數據形成了各自獨立的簇。最終，基于700個樣本和25200個單元數據點，該系統對七個復雜三維漢字結構的平均識別準確率達到100%（圖5h）。

圖5 | 集成到機器人中用于3D表面識別。 (a) 集成到機器人手中的三維觸覺傳感器示意圖和照片。 (b) 高速多路復用數據采集系統框圖。 (c) 三維觸覺傳感器陣列中的傳感單元在三維漢字結構上滑動時的時域信號。 (d) 單個傳感單元（第三列）在三維漢字結構上滑動時的時域信號。 (e) 基于滑動觸覺數據的三維漢字結構重建。 (f) 用于復雜紋理模式識別的基于深度學習的算法框圖。 (g) 使用主成分分析和k-means聚類對不同數據集進行可視化，顯示相似數據組的聚類。 (h) 基于深度學習的識別結果，顯示復雜三維漢字結構的平均準確率達到100%。

綜上所述，這項研究提出了一種集成了3D打印、材料創新與激光直寫技術的新型可拉伸三維觸覺傳感器制造策略，實現了傳感器與曲面的無縫集成，顯著提升了器件性能。所開發的滑動觸覺傳感器響應頻率高達473.33赫茲，角度分辨率達1度。該制造方法還支持大面積滑動觸覺傳感器陣列的高效規模化生產，非常適合機器人仿生皮膚應用。通過滑動路徑重建和三維表面結構識別，并結合機器學習算法，該系統實現了100%的復雜三維表面紋理識別準確率。這項工作為高性能、可擴展、大面積的三維觸覺傳感器集成提供了先進制造方案，在機器人仿生皮膚系統中展現出強大的應用潛力。