随着机器人技术向更智能、更精细化方向发展，提升机器人的触觉感知能力变得至关重要。然而，现有的柔性触觉传感器在实现多维度、宽量程、高可靠性的触觉感知方面仍面临诸多挑战。为了解决这些难题，科研人员不断从生物系统中汲取灵感。人类指尖拥有精巧的结构和复杂的神经感知系统，能够敏锐地感知来自不同方向和强度的压力，并迅速做出反应。
受此启发，中国科学院理化技术研究所和北京林业大学联合团队巧妙地将人类指尖的多层结构和力学感受器概念引入传感器设计，创新性地开发出一种仿生各向异性电感液态金属传感器 (AI-LMS)。这种传感器具有与人类指尖尺寸相当的体积，实现了超宽动态范围、高线性度、卓越稳定性的多轴压力感知，并展现出指尖般的空间各向异性触觉特性，为柔性机器人触觉感知技术带来变革。该研究成果以“Fingertip-Inspired Spatially Anisotropic Inductive Liquid Metal Sensors with Ultra-Wide Range, High Linearity and Exceptional Stability”为题，于近日在Advanced Materials在线发表。文章第一作者为理化所博士生李楠，通讯作者为理化所刘静研究员和北林王磊副教授。
与传统的压阻、压容等传感器相比，AI-LMS采用的电感信号展现出显著的优势：
1. 超宽量程与高线性度：基于Ecoflex和PDMS的AI-LMS分别实现了42.13 kPa和137.72 kPa的压力检测范围，且在整个量程内保持了极高的线性度(R2 > 0.997)。更令人鼓舞的是，通过创新性的开放式端口设计，传感器的量程分别扩展至182.66 kPa和1414.42 kPa，提升了4倍和9.5倍，展现出惊人的潜力。
2. 卓越的信号稳定性：实验表明，AI-LMS的电感信号在长期测试和循环加载下表现出极高的稳定性，几乎没有漂移，远优于电阻信号。
3. 高分辨率与快速响应：AI-LMS能够灵敏地捕捉到70.5 Pa (Ecoflex)和1.764 kPa (PDMS)的微小压力，响应时间仅为0.15-0.4秒。
为了进一步提升传感器的性能，研究团队还将AI-LMS与深度神经网络(DNN)模型相结合，成功实现了对多轴压力的精确解耦。通过DNN模型，传感器可以同时识别和量化正向和侧向压力，为复杂触觉信息的解析提供了有力工具。
为展示AI-LMS的实际应用价值，研究人员开发了基于AI-LMS的高精度三维表面扫描重建系统。该系统能够准确捕捉物体表面精细的纹理信息，并高保真地重建三维轮廓。此外，研究人员还将AI-LMS集成到机器人指尖，成功实现了对不同手指抓取动作和力度的实时分辨，展示了其在柔性机器人灵巧操作领域的巨大潜力。
该研究工作不仅在传感器设计和制造方面取得了重要突破，更揭示了电感信号在柔性触觉感知领域的独特优势。AI-LMS的各向异性特性、超宽量程、高线性度与卓越稳定性，使其有望成为下一代柔性机器人触觉传感器的理想选择，为推动柔性机器人技术的发展和应用注入新的活力。
图1. AI-LMS的基本特性。
图2. AI-LMS的各向异性传感能力。
图3. AI-LMS的多轴压力传感能力。
图4. AI-LMS传感范围的显著扩展。
图5. 基于AI-LMS的三维表面结构扫描和重建系统。
图6. AI-LMS仿生指尖在机器人技术中的应用。
论文信息：
N. Li, F. Zhan, M. Guo, X. Yuan, X. Chen, Y. Li, G. Zhang, L. Wang, J. Liu, Fingertip-Inspired Spatially Anisotropic Inductive Liquid Metal Sensors with Ultra-Wide Range, High Linearity and Exceptional Stability. Adv. Mater. 2025, 2419524.
原文链接：
https://doi.org/10.1002/adma.202419524
来源：高分子科学前沿
声明：仅代表作者个人观点，作者水平有限，如有不科学之处，请在下方留言指正！
