近年來，軟體機器人技術(shù)在工業(yè)、醫(yī)療和日常生活中的應(yīng)用日益廣泛，然而其發(fā)展仍面臨系統(tǒng)靈活性不足、識別數(shù)據(jù)集有限以及識別精度不高等挑戰(zhàn)。尤其是在復(fù)雜環(huán)境中實現(xiàn)高精度、多模態(tài)感知仍是一個亟待解決的關(guān)鍵問題。

河北工業(yè)大學(xué)鄧齊波教授、胡寧教授和洛桑聯(lián)邦理工學(xué)院Chen Xin、重慶大學(xué)牟笑靜教授合作，提出了一種基于摩擦電納米發(fā)電機（TENG）的智能軟體機器人系統(tǒng)。該系統(tǒng)通過融合液態(tài)金屬摩擦電傳感器和旋轉(zhuǎn)摩擦電傳感器，結(jié)合卷積神經(jīng)網(wǎng)絡(luò)（CNN），實現(xiàn)了對15種不同物體的高精度識別，準(zhǔn)確率高達96.67%，為軟體機器人提供了一種自供電、高靈敏度的感知解決方案。

研究團隊設(shè)計了一款集成雙類型摩擦電傳感器的軟體機械手系統(tǒng)。圖1展示了該系統(tǒng)的整體結(jié)構(gòu)與傳感器設(shè)計：旋轉(zhuǎn)摩擦電傳感器采用齒輪-齒條結(jié)構(gòu)，能夠在機械手彎曲時輸出角度信號；液態(tài)金屬摩擦電傳感器則仿生人類指紋結(jié)構(gòu)，通過電液動力直寫技術(shù)制備，具有良好的柔韌性和穩(wěn)定性。實驗表明，該系統(tǒng)能夠同時檢測彎曲角度、接觸位置、接觸面積、材料屬性與接觸壓力等多種信息，最小檢測壓力低至2.5 kPa。

圖1. 智能軟體機械手系統(tǒng)構(gòu)建過程。 a) 主要硬件結(jié)構(gòu)：i) 旋轉(zhuǎn)摩擦電傳感器的結(jié)構(gòu)與設(shè)計；ii) 液態(tài)金屬摩擦電傳感器的結(jié)構(gòu)與設(shè)計。 b) 執(zhí)行器運動產(chǎn)生的電信號：i) 彎曲時旋轉(zhuǎn)傳感器的信號；ii) 接觸物體時液態(tài)金屬傳感器的信號。 c) 靈敏度響應(yīng)：i) 不同彎曲角度下的接觸力變化；ii) 不同充氣壓力下可抓取物體重量的變化。 d) 本研究與其他智能軟體機械手系統(tǒng)在傳感器集成方式上的對比。

圖2進一步展示了液態(tài)金屬傳感器的制備過程與性能表征。該傳感器以PDMS為基底，嵌入鎵銦共晶（EGaIn）導(dǎo)電電路，總厚度僅1.5毫米，可在135%的拉伸應(yīng)變下保持電氣性能穩(wěn)定。其在接觸-分離模式下電阻變化僅為0.08Ω，表現(xiàn)出優(yōu)異的機械耐久性和環(huán)境適應(yīng)性。

圖2. 液態(tài)金屬摩擦電傳感器的制備與表征。 a) 設(shè)計靈感來源；b) 彎曲狀態(tài)下的傳感器；c) 掃描電鏡下的截面結(jié)構(gòu)；d) 接觸-分離模式下的電阻變化；e) 不同拉伸率下的拉力；f) 不同拉伸率下的電阻率變化；g) 不同溫度下的電阻變化；h) 500次循環(huán)下的電阻耐久性測試。

圖3對兩種傳感器進行了系統(tǒng)性能評估。液態(tài)金屬傳感器在0.5毫米PDMS膜厚度下獲得最高開路電壓（Voc≈ 10.0 V），并在不同溫度、濕度和機械變形下保持輸出穩(wěn)定。旋轉(zhuǎn)傳感器則在10萬次循環(huán)測試中表現(xiàn)出良好的電氣耐久性，輸出信號頻率隨轉(zhuǎn)速增加而提升，適用于動態(tài)運動檢測。

圖3. 液態(tài)金屬與旋轉(zhuǎn)摩擦電傳感器的性能評估。 a) 不同PDMS膜厚度下的Voc響應(yīng)；b,c) 0.5 mm PDMS膜下的Voc和Isc；d) 固定濕度下不同溫度的Voc和Isc；e) 拉伸模式下的Voc和Isc；f) 彎曲模式下的Voc和Isc；g) 旋轉(zhuǎn)傳感器10萬次循環(huán)耐久性測試；h) 不同轉(zhuǎn)速下的Voc響應(yīng)。

圖4揭示了傳感器在感知提取方面的機制。液態(tài)金屬傳感器能區(qū)分不同接觸點、接觸面積、材料和壓力，輸出信號具有高度線性關(guān)系（R2 = 0.9982）。旋轉(zhuǎn)傳感器則通過FEP膜與銅箔之間的摩擦生電機制，在機械手彎曲時輸出特征性交流信號，可用于推斷物體尺寸與形狀。

圖4. 通過液態(tài)金屬與旋轉(zhuǎn)摩擦電傳感器提取感官信息。 a) 液態(tài)金屬傳感器的工作機制；b) 不同接觸點對輸出的影響；c) 不同接觸面積的影響；d) 不同接觸材料的影響；e) 不同接觸壓力的影響；f) 旋轉(zhuǎn)傳感器的工作原理；g,h) 30°、60°、90°彎曲角下的Voc和Isc反饋信號。

圖5展示了整個系統(tǒng)在物體識別與分類方面的應(yīng)用。通過9個傳感通道（3個旋轉(zhuǎn)傳感器 + 6個液態(tài)金屬傳感器）采集數(shù)據(jù)，并結(jié)合四層一維卷積神經(jīng)網(wǎng)絡(luò)（1D-CNN）進行特征提取與分類。實驗結(jié)果顯示，多傳感器融合策略顯著提升了識別精度，單一旋轉(zhuǎn)傳感器準(zhǔn)確率為74.33%，液態(tài)金屬傳感器為90.33%，而融合系統(tǒng)可達96.67%。系統(tǒng)能在無攝像頭環(huán)境下實現(xiàn)實時物體識別與反饋，顯示出在智能倉儲、自動化分揀等領(lǐng)域的應(yīng)用潛力。

圖5. 基于摩擦電數(shù)據(jù)的物體識別。 a) 智能軟體機械手系統(tǒng)：i) 傳感器通道布局；ii) 從感知信息采集到機器學(xué)習(xí)訓(xùn)練與實時預(yù)測的流程；b) 旋轉(zhuǎn)與液態(tài)金屬傳感器的摩擦電數(shù)據(jù)；c) 不同傳感器數(shù)量與類型下的識別準(zhǔn)確率聚類圖；d) 物體識別混淆矩陣；e) 智能軟體機械手系統(tǒng)工作過程截圖。

該研究成功開發(fā)出一種具有高感知能力的智能軟體機器人系統(tǒng)，通過多傳感器融合與深度學(xué)習(xí)技術(shù)的結(jié)合，實現(xiàn)了對多種物體屬性的高精度識別。盡管當(dāng)前系統(tǒng)對環(huán)境溫濕度仍有一定敏感性，研究團隊已初步提出補償模型以提升魯棒性。未來，通過進一步優(yōu)化傳感器集成方式、引入更先進的機器學(xué)習(xí)算法（如Transformer模型），以及實施表面疏水改性等措施，該系統(tǒng)有望在智能制造、醫(yī)療康復(fù)和無人物流等領(lǐng)域發(fā)揮更大作用。

審核編輯 黃宇