Nature亮点报道:超越人类触觉感知的智能手指!触觉作为人类直接接触外部环境的重要感觉功能,源于皮下触觉小体对环境中不同刺激的反应和大脑对信号的识别。因此,触觉不仅反映了对外界物理刺激(如温度、湿度和压力)的触觉反应,还包括一系列基于大脑对信息提取和分析的心理参数,如物体的纹理、粗糙感等。随着功能材料和微纳加工技术的快速发展,具有高柔性、空间分辨率和灵敏度的触觉传感器得到了发展。然而,由于心理感觉参数难以量化,要使机器人具备通过触摸来识别材料的能力,仍然是巨大的挑战。 中国科学院北京纳米能源与系统研究所王中林院士、李舟研究员、罗聃研究员等人设计了一种超越人类触觉感知的智能手指,可用于智能机器人或人工假肢。作者将由具有不同摩擦电信号的几种典型材料组成的传感器阵列集成到智能手指中,实现基于摩擦电传感识别材料的类型和粗糙度。基于机器学习的数据处理**限度地减少了环境干扰,将识别准确率大幅提高至96.8%。当智能手指触摸待测材料时,识别信息可直接投射到OLED屏幕上。这项工作通过摩擦电效应量化了触觉心理参数,为人类触觉感知建模的新时代铺平了道路。该研究以题为“Artificial tactile perception smart finger for material identification based on triboelectric sensing”的论文发表在《Science Advances》上,并被Nature作为研究亮点进行报道。 【智能手指的设计与集成】 智能手指由摩擦发电传感器阵列、数据采集与传输模块、显示模块(OLED屏)组成。摩擦发电传感器阵列包含多个离散传感器,其信号反映了传感器与接触材料之间的摩擦电信号。作者将具有不同摩擦电信号的几种典型材料,例如聚酰胺、聚对苯二甲酸乙二醇酯、聚苯乙烯和聚四氟乙烯,作为每个传感器的摩擦层,并以铝膜为电极层,构成单电极垂直接触分离模式摩擦发电传感器。由于材料之间获得和失去电子的能力不同,当摩擦发电传感器阵列与不同的物体接触时,可以产生具有独特幅度和波形的摩擦电信号。采集模块记录下这些信号,然后通过蓝牙传输到计算机进行机器学习,识别结果最终显示在智能手指的OLED屏幕上。 图1智能手指的设计和结构 图2摩擦电传感机制和传感器性能表征 【不同材料和表面粗糙度识别】 基于摩擦发电传感器的工作机制,作者构建了一个由不同材料构成的2×2摩擦发电传感器阵列(PTFE、PA66、PET和PS)。不同传感器的组合可以获取更全面的被测物体特征信息,从而有效提高识别精度。传感器阵列的适用性可以用于识别日常生活中常用的材料,包括丙烯酸、乙烯-醋酸乙烯酯共聚物、聚氯乙烯、玻璃、PU、硅和木材等。传感器阵列在与每种材料接触/分离时产生不同的摩擦电输出,具有独特的波形和相对幅度特性。此外,传感器阵列的构造有助于消除湿度对电输出的干扰,因为水具有一定的导电性。在该传感器阵列中,每个传感器输出信号的相对电压幅度几乎不受湿度的干扰,确保了材料的准确识别。这些结果证实了基于摩擦电输出特性推断测试材料类型的可行性。除了区分材料类型外,传感器阵列还可以测量每种材料的粗糙度。 图3通过摩擦电传感器阵列识别材料粗糙度 图4用于高精度材料类型识别的机器学习 【智能手指的传感应用演示】 为了证明集成摩擦发电传感系统在材料类型和粗糙度识别方面的实际可行性,作者构建了具有超越人类触觉感知的智能手指。多通道、高精度采集模块可以准确记录包含材料特性详细信息的信号。然后将信号通过蓝牙传输到计算机进行机器学习,结果实时显示在智能手指的OLED屏幕上。作者将智能手指集成到智能假肢或机械手中,用于识别聚合物、金属和木材等各种纹理。作者选择了几种材料作为测试对象,包括亚克力、EVA、玻璃、PU、PVC、硅、木材、PTFE、Al、PS、PET、PA66。在操作过程中,将智能手指在合适的条件下(距离物体约2 cm)连续两次触摸材料,然后对采集到的信号进行机器学习,最终预测结果直观地显示在OLED屏幕上,各种材料的识别准确率高达91~100%。 图5通过智能手指和交互界面进行材料类型和粗糙度识别 总结:作者提出了一种基于摩擦电传感模拟人类触觉感知和量化触觉心理参数的策略。通过构建智能手指与机器人甚至人类的界面,可以实现更复杂和更实际的应用。未来还可以将人工智能芯片集成到智能手指中,赋予其独立处理数据的能力,还能引入压力、温度和湿度传感器以构建多模态信息的组合。相信该基于摩擦电传感的触觉模拟技术在医疗康复和智能工业领域具有巨大潜力。 |