专栏名称: 高分子科技

高分子科技®做为全球高分子产业门户及创新平台“中国聚合物网www.polymer.cn”的新锐媒体，实时报道高分子科学前沿动态，关注和分享新材料、新工艺、新技术、新设备等一线科技创新设计、解决方案，促进产学研及市场一体化合作的共同发展。

王中林院士/吴治峄研究员 AM：多模态指形触觉传感器 - 用于多方向力和材料识别多模态指形触觉传感器，赋能多维力感知及材料识别

高分子科技 · 公众号 · 化学 · 2025-04-02 11:50

正文

请到「今天看啥」查看全文

点击上方 “ 蓝字 ” 一键订阅

近期，中国科学院北京纳米能源与系统研究所王中林院士和吴治峄研究员团队提出了一种基于摩擦电效应的多模态指形触觉传感器（ FTS ），能够同时实现多方向力感知和高精度材料识别（图 1a ）。 FTS 由外部材料识别部分和内部力感知部分组成，外部材料识别部分通过在硅胶外壳表面嵌入三种材料形成单电极传感器，内部力感知部分则通过硅胶微针阵列和导电银浆屏蔽层实现多维力检测（图 1b ）。实验表明， FTS 在识别 12 种材料时准确率高达 98.33% ，并能够实时检测法向力和切向力的大小及方向（图 1 d ）。进一步地，团队将 FTS 集成到机械手中，成功实现了智能分拣环境中的实时材料识别和力检测（图 1 e ）。这项研究为智能机器人触觉感知技术的发展提供了新的解决方案，具有广泛的应用潜力。该工作以 “Multimodal Finger-Shaped Tactile Sensor for Multidirectional Force and Material Identification” 为题发表在《 Advanced Materials 》上（ Adv. Mater. 2025, 2414096 ）。文章第一作者是中国科学院北京纳米能源与系统研究所博士研究生韩成程。该研究得到国家自然科学基金委和中国科学院的支持。

图 1 ： (a) 受人类手指启发的 FTS 整体结构示意图。 (b) FTS 在机器人上的示意图及各层展开图。 (c) FTS 材料识别功能演示。 (d) FTS 力传感器功能演示。 (e) FTS 应用于智能车间中的材料识别和物体分拣。

受人类手指启发，该课题组设计了一种指状触觉传感器（ FTS ），可同时检测多方向剪切力、法向力并识别不同材料。 FTS 由内层 PLA 刚性框架和外层硅胶微针软壳组成，内层涂有五个银电极，外层嵌有三种硅基材料传感器，分别用于力感知和材料识别。其力感知组件基于摩擦起电和静电感应，分为四步：未接触时电荷平衡；接触时电极带正电；压力最大时电极带更多正电；分离时电流方向反转，最终回到初始状态（图 2a ）。仿真显示，硅胶微针受压变形越大，电极感应电势越高（图 2b-c ）。实验表明，较窄微针（ 0.5mm 宽）和硬度 25 的硅胶在相同力下产生更高 V _oc （图 2d-f ）。带屏蔽层时，外部带电物体引起的电势变化显著减小，干扰更低，且不同材料按压 FTS 的 V _oc 幅度几乎不受影响，输出更稳定（图 2g-l ）。屏蔽层显著提升了 FTS 的性能和稳定性。

图 2 ： (a) FTS 力传感器电荷转移示意图。 (b) 微结构位移仿真。 (c) 位移引起的电势仿真。 (d-e) 不同微针结构及其电压输出。 (f) 不同硅胶微针的 V _oc 。 (g-h) 有无屏蔽层的电势仿真。 (i) 有无屏蔽层仿真数据对比。 (j) 屏蔽层测试装置。 (k) 不同距离下带和不带屏蔽层的 Voc 。 (l) 相同力下不同材料按压时带和不带屏蔽层的 Voc 对比。

通过对 FTS 进行法向力和剪切力测试，发现随着法向力增大，各电极的开路电压（ Voc ）显著增加，其中 L ₃ 电极变化最为明显。通过分析电极电压的绝对值及其极性关系，能够准确判断切向力方向，且 V _oc 绝对值与法向力呈良好线性关系，可用于计算法向力大小。剪切力测试进一步验证了 FTS 在不同方向和大小的剪切力作用下的响应能力，五个电极的 Voc 变化能够可靠判断 FTS 运动方向。这些结果表明， FTS 在多方向力检测和运动方向判断方面具有高精度和稳定性，为智能机器人触觉感知提供了重要支持。

图 3 展示了 FTS 在不同法向力及不同角度下的响应特性。

图 4 展示了 FTS 在不同剪切力及不同角度下的响应特性。

该课题组选用 12 种常见材料， FTS 传感器在与材料接触时输出的电压波形和幅值差异显著。通过引入 ResNet50 模型，材料识别准确率达 98.33% 。将 FTS 集成到机器人手臂中，结合材料识别和力传感功能，实现了智能分拣。通过 LabVIEW 和 Jupyter 开发的实时识别系统，成功识别三种材料并完成分拣任务：机械臂移动到初始位置，抓取物体时提取 FTS 的 V _oc 数据并保存； LabVIEW 通过 TCP 通信将数据发送至 Jupyter 程序，预处理后输入 ResNet50 模型进行识别，结果返回并显示，完成实时分拣。该系统显著提升了机器人触觉感知能力，为智能机器人发展提供了支持。

图 5 ： (a) 信号采集与数据处理流程示意图； (b) FTS 材料识别传感器示意图； (c) FTS 识别 12 种材料的波形展示； (d) FTS 识别六种材料的热图显示； (e) 不同传感器数量下识别准确率的聚类图； (f) FTS 识别 12 种材料的混淆矩阵及准确率。

图 6 ： (a) 基于材料识别和力传感智能分析功能的触觉感知混合架构； (b) 材料识别流程示意图； (c) 材料识别过程中的场景和计算机界面显示； (d) FTS 识别三种不同材料时的接触和分离波形； (e) FTS 力传感器在抓取物体时的实时输出波形。

总结： 本研究开发了一种基于摩擦电效应的指状触觉传感器（ FTS ），能够同时检测多维力并提供高精度材料识别。受人类手指启发， FTS 集成了带微针和凸起的内部电极，可精确检测法向力和切向力。实验和仿真验证了其在多种力条件下的稳定性和响应能力。材料识别部分使用三种单电极摩擦电传感器，识别准确率达 98.33% 。在实际应用中， FTS 集成到机械手中，成功模拟了智能车间环境中的实时材料识别和抓握力检测，将不同重量和材料的物体运输到指定位置。该研究展示了多模态触觉传感技术在智能机器人中的潜力，特别是在力检测和材料识别方面，为未来应用提供了重要参考。

原文链接：

https://doi.org/10.1002/adma.202414096