與人工智能系統集成的人形機器人的出現有望在教育、醫療保健、工業自動化和危險環境操作等不同領域實現變革性應用，顯著改變人機交互。雖然全球人形機器人市場預計將從2023年的13.2億美元擴大到2030年的41.2億美元（復合年增長率：17.3%），但開發智能人形機器人的一個關鍵挑戰是為它們配備強大的感知和識別能力，這對有效的環境交互至關重要。

以人類指尖敏感性為例的生物觸覺感知涉及專門的機械感受器：用于靜壓檢測的慢自適應（SA）感受器和用于檢測高頻振動的快自適應（FA）感受器。這種雙模機械傳導通過互補的靜態變形分析和頻譜振動解碼實現了紋理識別。值得注意的是，SA受體，特別是位于指尖表面附近的默克爾盤（MD），提供了對辨別物體形狀至關重要的高分辨率靜力檢測，而FA受體，主要是分布在指尖深處的帕西尼小體（PC），主要測量動態振動。這兩種受體類型對于紋理識別都至關重要。受這種生物結構的啟發，已經開發出靈活的人工觸覺傳感器來模擬SA和FA受體的功能。感知和識別精細表面特征（如粗糙度或紋理）的一個關鍵挑戰是實現快速響應和松弛速度，以及對靜力和動態振動的高靈敏度。觸覺傳感器需要高靈敏度來檢測微觀表面特征的微弱刺激，同時需要快速響應和松弛率來解析特征表面拓撲結構并捕捉微妙的高頻振動。然而，在單個傳感單元內同時實現快速響應能力和靜力和高頻振動的雙重感知仍然具有挑戰性。目前，最常見的策略是將分別基于壓阻（或電容）傳感器和摩擦電（或壓電）傳感器的SA和FA模擬受體集成到多層器件結構中，這需要通過單獨的電路進行信號收集和處理。盡管使用這種集成方法取得了重大進展，但幾個關鍵問題仍然存在：i）多層結構導致設備又厚又笨重，增加了剪切破壞的敏感性；ii）通過單獨的信道處理多個信號使實際應用中的數據分析復雜化；iii）信號之間的潛在串擾會降低識別精度；以及iv）基本感測性能和整體識別能力之間的關系尚不清楚。因此，迫切需要使用簡化的傳感設備和電路提供高度靈敏的觸覺感知和表面紋理識別的智能傳感系統，以促進直接的數據處理。

本文亮點

1. 本工作報道了一種僅基于壓阻原理的織物壓力/觸覺（PT）傳感器，該傳感器對高頻振動和靜力具有高靈敏度和快速響應。這些特征歸因于傳感器的3D多尺度架構及其蜂窩狀傳感織物的相應分層結構變形。

2. 作為與人形機器人和假肢相關的概念驗證應用，通過將PT傳感器與機器學習算法、假肢設備、工業機器人手臂和圖形用戶界面集成，構建了一個自動表面紋理識別系統。

3. 這種人工感官系統能夠學習不同的物體特征，區分精細的表面紋理，并隨后在寬范圍的掃描速度（50-300 mm s-1）下以高識別準確率（>98.9%）對未知紡織品進行分類。

圖文解析

圖1. 模仿人類觸覺感知的仿生感覺系統的概念。（a）生物和（b）能夠檢測靜態和動態力的人工感覺系統。

圖2. PT傳感器的制造、材料表征、傳感性能評估和潛在應用。a）MXene/PEDOT的制造：PSS涂層蜂窩織物。b）構成不同編織結構的導電織物的光學圖像：（i）MPHMF4，（ii）LHMF4，（iii）SSHMF4。比例尺：2毫米。c）MPHMF4傳感織物的3D光學圖像和d）SEM圖像。e）電流-電壓（I-V）曲線，f）電流響應，g）不同靜壓下MPHMF4傳感器的相應計算靈敏度。h）傳感器在1Pa下的響應和恢復時間。i）用于操縱LED顯示器亮度的壓力控制開關。

圖3. 織造結構依賴的傳感性能和壓力感知優勢。a）作為壓力函數的MPHMF4、LTHMF4、SSHMF4和LHMF4的相對電流變化。b）在3kPa的加載壓力下，對MPHMF4、LTHMF4、SSHMF4和LHMF4內的壓縮應變分布進行有限元建模。c）MPHMF和先前報道的仿生結構壓阻式傳感器的壓縮傳感性能比較。（d）雷達圖綜合比較了所提出的傳感器在靈敏度、傳感范圍、檢測限、響應時間、可擴展性和滲透率方面的傳感性能與其他壓阻傳感器的傳感性能。e）MPHMF4傳感器在24000次裝載/卸載循環中的可靠性。

圖4. 所提出的PT傳感器的動態傳感能力和相應機制。a）示出用于振動檢測的設置的示意圖，b）所提出的PT傳感器的響應曲線，以及c）在1-100Hz范圍內峰值數量和振動頻率之間的對應線性關系。d）將所提出的PT傳感器的振動檢測性能與基于摩擦電（TENG）、壓阻（PE）、壓電（Re）、電容（Ca）機制的其他觸覺傳感器進行比較。e）整個感測過程包括手指觸摸、滑動和釋放，以及f）相應的信號生成機制。g）在100 Hz的3 kPa振動載荷下，對MPHMF結構內的壓縮應變分布進行有限元建模。（h）通過在織物上以四種不同的滑動速度（2、20、100和200 mm s-1）滑動PT傳感器獲得的電流信號。

審核編輯 黃宇