与人工智能系统集成的人形机器人的出现有望在教育、医疗保健、工业自动化和危险环境操作等不同领域实现变革性应用，显著改变人机交互。虽然全球人形机器人市场预计将从2023年的13.2亿美元扩大到2030年的41.2亿美元（复合年增长率：17.3%），但开发智能人形机器人的一个关键挑战是为它们配备强大的感知和识别能力，这对有效的环境交互至关重要。

以人类指尖敏感性为例的生物触觉感知涉及专门的机械感受器：用于静压检测的慢自适应（SA）感受器和用于检测高频振动的快自适应（FA）感受器。这种双模机械传导通过互补的静态变形分析和频谱振动解码实现了纹理识别。值得注意的是，SA受体，特别是位于指尖表面附近的默克尔盘（MD），提供了对辨别物体形状至关重要的高分辨率静力检测，而FA受体，主要是分布在指尖深处的帕西尼小体（PC），主要测量动态振动。这两种受体类型对于纹理识别都至关重要。受这种生物结构的启发，已经开发出灵活的人工触觉传感器来模拟SA和FA受体的功能。感知和识别精细表面特征（如粗糙度或纹理）的一个关键挑战是实现快速响应和松弛速度，以及对静力和动态振动的高灵敏度。触觉传感器需要高灵敏度来检测微观表面特征的微弱刺激，同时需要快速响应和松弛率来解析特征表面拓扑结构并捕捉微妙的高频振动。然而，在单个传感单元内同时实现快速响应能力和静力和高频振动的双重感知仍然具有挑战性。目前，最常见的策略是将分别基于压阻（或电容）传感器和摩擦电（或压电）传感器的SA和FA模拟受体集成到多层器件结构中，这需要通过单独的电路进行信号收集和处理。尽管使用这种集成方法取得了重大进展，但几个关键问题仍然存在：i）多层结构导致设备又厚又笨重，增加了剪切破坏的敏感性；ii）通过单独的信道处理多个信号使实际应用中的数据分析复杂化；iii）信号之间的潜在串扰会降低识别精度；以及iv）基本感测性能和整体识别能力之间的关系尚不清楚。因此，迫切需要使用简化的传感设备和电路提供高度灵敏的触觉感知和表面纹理识别的智能传感系统，以促进直接的数据处理。