从感知到认知：仿生纺织传感系统解锁机器人纹理识别新境界

研究背景

在先进假肢与仿人机器人的研发进程中，人造触觉感知系统是实现人机交互智能化的核心要素。自然界中，慢适应性（SA）和快适应性（FA）皮肤机械感受器分工协作，前者持续监测静态压力变化，后者敏锐捕捉动态振动信号，共同赋予生物体精确感知表面纹理的能力。然而，当前技术仍面临关键瓶颈：如何在单个设备内构建兼具静态与动态力感知功能的高性能系统，以实现精准的表面纹理识别。现有研究多采用多层叠加、多电路集成的策略，分别部署SA和FA模拟传感器，这种方法不仅导致设备结构复杂、体积庞大，还易引发信号干扰与响应延迟，难以满足实际应用对高集成度和高灵敏度的需求。因此，开发能够在单器件内同步实现静态与动态力感知的创新触觉系统，成为突破当前技术限制、推动智能机器人发展的关键方向。

研究成果

仿效慢适应性（SA）和快适应性（FA）皮肤机械感受器功能的人造触觉感知系统对于开发先进的假肢和仿人机器人至关重要。然而，在单个设备内构建一个能够同时感知静态和动态力以进行表面纹理识别的高性能感知系统仍然是一个关键挑战；这与在多层、多电路配置中集成单个SA模仿和FA模仿传感器的常见策略形成对比。南京工业大学黄维教授、孙庚志教授，安徽工程大学郑贤宏博士等人报道了一种仅基于压阻原理的纺织品压力/触觉 （PT） 传感器，以及对高频振动和静态力的高灵敏度和快速响应。这些特性归因于传感器的三维多尺度结构及其蜂窝状传感织物的相应层次结构变形。作为与仿人机器人和假肢相关的概念证明应用，通过集成PT传感器与机器学习算法、假肢设备、工业机器人手臂和图形用户界面，构建了一个自动化的表面纹理识别系统。这种人工感官系统能够学习不同的物体特征，区分细微的表面纹理，并随后在广泛的扫描速度（50-300毫米s?1）范围内以高识别精度（>98.9%）对未知的纺织品进行分类。这些结果显示了交互式人工智能未来发展的前景。相关研究以“A Bionic Textile Sensory System for Humanoid Robots Capable of Intelligent Texture Recognition”为题发表在Advanced Materials期刊上。

1. 基于人类指尖机械感受器原理，设计三维蜂窝状纺织结构，将传统多层电路简化为单器件，实现静态压力与动态振动的双模同步感知，静态压力灵敏度达2486.9 kPa?1，响应速度仅10毫秒，远超人类皮肤感知速度，且通过2.4万次压力循环测试验证超强耐用性。

2. 融合传感器与机器学习算法，构建全自动纹理识别系统，对21种面料的识别精度超98.9%，最高达100%；支持50-300毫米/秒的高速扫描，在曲面、海绵等复杂表面场景下，识别精度仍保持95%以上，展现卓越鲁棒性。

3. 技术成果可赋能智能假肢，为截肢者提供真实触觉反馈；助力人形机器人安全操作精细物件；应用于工业质检实现高效表面检测；还可结合触觉手套，大幅提升虚拟现实交互的沉浸体验。

https://advanced.onlinelibrary.wiley.com/doi/abs/10.1002/adma.202417729