一、摘要

当前的压力和温度传感方法面临着串扰、低集成度以及难以实现大规模阵列等问题。这些问题显著影响了多功能仿生传感器在智能仿生机器人中的实际应用价值。在本研究中，作者提出了一种新型多功能仿生电子手掌系统（BEPS），该系统由16个双模解耦仿生电子皮肤（e-skin）组成。通过巧妙地引入垂直堆叠设计以及原位光聚合和3D打印技术的制造，构建了具有高传感性能的大规模阵列集成。此外，开发了一种通用解耦计算模型，实现了温度和压力的无串扰传感。为展示所提出的仿生手掌的实际应用价值，本文实施的三个示范应用表明，该机械手能够检测水温和水位，并确认被抓取物体的柔软度和形状。BEPS系统结合神经手收缩反射，实现了在处理热物体和冷物体时的闭环控制和反馈。这一进展在增强机器人系统的功能性和适应性方面具有巨大的潜力。

二、背景介绍

人类的手是感知外部世界的重要器官，每个关节参与各种精确的操作。手能够感知温度、压力、湿度、纹理、振动和疼痛等刺激，尤其是压力和温度。目前，许多研究致力于开发能够模拟压力和温度的设备。例如，Ren等人设计了一种基于组合仿生策略的柔性多层连续压力定位传感器，实现了压力模拟。同时，Zhang等人利用热诱导离子迁移动力学和电诱导阳离子植入机制，在由非离子聚合物和聚电解质层组成的不对称双层中实现了温度传感。人手对压力的感知是通过位于皮肤中的压力感受器，如梅克尔细胞和帕契尼小体实现的；而温度的感知则是通过神经末梢中的热感受器（如热和冷感受器）来实现的。实际上，这些位于皮肤有限空间内的感受器能够独立接收和处理信息，且由于神经感受器的选择性敏感性，不会相互干扰。此外，神经系统中每种类型的感受器信号都有专门的通路，分别由不同的神经纤维传递温度和压力信号。这种“分工”机制确保了不同类型的感觉信号能够独立运作，并在不发生交叉干扰的情况下到达大脑，使人类能够准确感知环境信息及其变化。不幸的是，目前的研究仍然在很大程度上依赖单一设备来实现温度和压力的同时感知。例如，Chen等人探索了一种高性能压力传感器，该传感器能够通过功能化碳纳米管与柔性改性硅橡胶的结合， simultaneously 对温度和压力刺激作出响应。然而，所提出的传感器在温度和压力信号之间表现出显著的交叉敏感性。如何克服这种交叉敏感性，解耦干扰，实现对两种信号的独立感测，是当前研究中必须勇敢面对的挑战。因此，为了实现更先进、精确和深入的仿生学，有必要对“分工”进行高度精确的模仿。

在本研究中，作者开发了一种生物仿生电子手掌系统（BEPS），用于温度和压力的双模解耦感测，该系统由16个双模解耦生物仿生（BDB）电子皮肤阵列组成。BDB电子皮肤通过双层柔性印刷电路板（FPCB）结构设计，实现了温度和压力感测单元的高度集成垂直分层堆叠（见图1b(iii)）。压力感测单元采用均匀分层的微锥结构，利用3D打印技术实现超电容离子压力感测；温度感测单元使用具有海胆状结构的PANI@PS微纳米颗粒作为温度敏感材料，同时采用原位光聚合技术，使温度感测层的热阻电极与温度感测层紧密接触，以确保在温度感测过程中接触电阻不受压力变化的影响。此外，基于设备的整体特性，建立了一个通用的解耦模型，用于温度和压力双模信号的无干扰解耦算法。BDB电子皮肤在30 kPa以下的压力范围内表现出线性灵敏度（30.99 kPa−1），在室温至80 °C的温度范围内表现出超高灵敏度（0.29 K−1）。如图1c所示，与单一设备结构和平面集成设备架构相比，本研究所采用的垂直堆叠分层结构在灵敏度、信号获取的便捷性、解耦和抗干扰能力等方面表现出更为平衡的性能。此外，与平面设备相比，其集成度优异。此外，本研究通过使用决策树算法实时识别杯中水的温度和水位，展示了该系统无干扰的温度感知能力。基于无干扰的压力感知能力，卷积神经网络（CNNs）用于识别该系统中机器人手抓取物体的硬度和形状。同时，基于温度和压力的同步无干扰认知能力，实现了生物启发手的收缩响应反馈控制。

来源：传感器专家网