柔性觸覺(jué)傳感陣列+深度學(xué)習(xí)實(shí)現(xiàn)健康監(jiān)測(cè)和紋理識(shí)別

人類(lèi)依靠皮膚真皮層中的感受器和與其相連的神經(jīng)元網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)觸覺(jué)感知。這些感受器能夠檢測(cè)來(lái)自外部的各種物理刺激（如觸摸、壓力、溫度變化等），并通過(guò)神經(jīng)元網(wǎng)絡(luò)將這些信號(hào)傳輸?shù)酱竽X進(jìn)行解讀和響應(yīng)。機(jī)器人觸覺(jué)感知旨在將這些技能復(fù)制到各種應(yīng)用中，如機(jī)器人抓取、醫(yī)療康復(fù)以及非結(jié)構(gòu)化環(huán)境下的操作等。觸覺(jué)傳感器被用來(lái)賦予軟體機(jī)器人感知能力，使機(jī)器人更精確地識(shí)別和感知物體的表面紋理、硬度和形態(tài)，在抓取和操作不規(guī)則或易碎物體時(shí)顯示出卓越的靈巧性。然而，目前為止這些觸覺(jué)傳感器還沒(méi)有實(shí)現(xiàn)大規(guī)模應(yīng)用，主要原因包括（1）大多數(shù)報(bào)道的觸覺(jué)傳感器不能分析和處理外力，并給出多模態(tài)信號(hào)的實(shí)時(shí)響應(yīng)。例如具有感官能力的機(jī)器人有望在極端環(huán)境如水下或通信中斷場(chǎng)景中監(jiān)控和實(shí)時(shí)處理情況；（2）缺乏簡(jiǎn)單、大規(guī)模的觸覺(jué)傳感器制造方法。機(jī)器人觸覺(jué)感知需要觸覺(jué)傳感器具有一致性、優(yōu)異的靈敏度、高空間分辨率、寬檢測(cè)范圍以及易于集成到微型系統(tǒng)中等特性。因此，開(kāi)發(fā)一種制造高性能觸覺(jué)傳感器的有效途徑至關(guān)重要。

中科院空間應(yīng)用中心王功研究員和趙偉副研究員提出一種結(jié)合模板化激光誘導(dǎo)石墨烯（TLIG）、彈性體熱轉(zhuǎn)印和3D打印銀電極的簡(jiǎn)單策略來(lái)制造傳感性能可調(diào)的TLIG基觸覺(jué)傳感器，并集成陣列化數(shù)據(jù)采集系統(tǒng)實(shí)現(xiàn)機(jī)器人觸覺(jué)感知。該傳感器具有出色的傳感靈敏度（52260.2 kPa-1，范圍0-7 kPa）、寬檢測(cè)范圍（高達(dá)1000 kPa）、快速響應(yīng)（響應(yīng)恢復(fù)時(shí)間12/46 ms）、出色的循環(huán)穩(wěn)定性（10000個(gè)循環(huán)）以及零待機(jī)功耗。該傳感器還具有出色的可設(shè)計(jì)性、防水性能，可共形貼附于人體皮膚表面實(shí)現(xiàn)健康監(jiān)測(cè)。為了展示集成和規(guī)?；圃斓哪芰?，研究人員將5×2觸覺(jué)傳感陣列集成到機(jī)器人抓手系統(tǒng)中，利用深度神經(jīng)網(wǎng)絡(luò)識(shí)別不同物體的物理特征，實(shí)現(xiàn)觸覺(jué)感知。基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的紋理識(shí)別系統(tǒng)具有94.51%的較高識(shí)別準(zhǔn)確率。與傳統(tǒng)制造方法相比，混合制造策略為生產(chǎn)高效率、低成本的觸覺(jué)傳感器提供了一種很有前景的方法。

該研究以題為“Templated Laser-Induced-Graphene-Based Tactile Sensors Enable Wearable Health Monitoring and Texture Recognition via Deep Neural Network”的論文發(fā)表在最新一期《ACS Nano》上。中科院空間應(yīng)用中心博士生季嘉雯為第一作者，王功研究員和趙偉副研究員為共同通訊作者。

TLIG觸覺(jué)傳感器的制備流程

采用激光誘導(dǎo)石墨烯和POE熱轉(zhuǎn)印技術(shù)制備了TLIG薄膜。將聚丙烯酸溶液固化在從砂紙上獲得的模板化PDMS模具上，從而制得模板化的PI并作為激光碳源。采用不同目數(shù)和尺寸的砂紙，可以實(shí)現(xiàn)各種多層級(jí)結(jié)構(gòu)的PI模板。利用激光在模板化的PI膜上生成多孔石墨烯，并通過(guò)熱壓將模板化的LIG層轉(zhuǎn)印到POE膜上，即可得到具有多層級(jí)微結(jié)構(gòu)的TLIG膜。底電極層為3D打印在PI膜上的銀叉指電極，將其與TLIG薄膜組裝得到TLIG觸覺(jué)傳感器。

圖1：基于TLIG觸覺(jué)傳感器的制備流程與性能表征

TLIG觸覺(jué)傳感器的傳感機(jī)理模型

不同目數(shù)的砂紙模板具有不同高度和分布的微結(jié)構(gòu)，這將顯著影響外力作用下的變形程度和接觸面積。這種改變會(huì)影響導(dǎo)電通路的建立，從而直接影響傳感性能。利用砂紙模板賦予傳感層的多層級(jí)微結(jié)構(gòu)，可以將傳感過(guò)程分為三個(gè)階段：（1）在微小壓力下，只有少數(shù)高凸起的TLIG薄膜與Ag叉指電極接觸，開(kāi)始建立導(dǎo)電通路；（2）隨著壓力的增加，TLIG薄膜進(jìn)一步壓縮變形，導(dǎo)致高凸起和Ag電極之間的接觸面積持續(xù)增大，同時(shí)較小的凸起開(kāi)始接觸底電極。隨著TLIG薄膜與Ag電極之間的間隙不斷減小，TLIG薄膜的變形更加劇烈，觸覺(jué)傳感器的電阻顯著降低；（3）在高壓范圍下，大部分凸起與Ag電極相互作用并達(dá)到峰值接觸面積。此時(shí)TLIG膜與Ag電極層幾乎完全接觸，電阻值降至最小并保持穩(wěn)定。

圖2：基于TLIG觸覺(jué)傳感器的傳感機(jī)理分析

TLIG觸覺(jué)傳感器的傳感性能分析

為了測(cè)量曲面上的動(dòng)態(tài)力，獲得傳感器在彎曲表面上的高靈敏度和寬響應(yīng)范圍，研究人員在傳感層和電極層之間引入自支撐的間隔層，實(shí)現(xiàn)傳感器的零待機(jī)功耗。通過(guò)使用不同目數(shù)的砂紙模板，制備出性能優(yōu)異且可調(diào)的觸覺(jué)傳感器。對(duì)于高目數(shù)模板，傳感層微結(jié)構(gòu)分布密度高、凸起窄而低，其在0~7 kPa范圍內(nèi)可實(shí)現(xiàn)超高的靈敏度52260.2 kPa-1。而低目數(shù)模板，傳感層微結(jié)構(gòu)分布密度低、凸起高而寬，可實(shí)現(xiàn)超過(guò)1000 kpa的較寬的檢測(cè)范圍和優(yōu)異的線性度。同時(shí)傳感器還具有65pa的較低檢測(cè)限、快速的響應(yīng)/恢復(fù)時(shí)間12/46 ms和10000次加載/卸載循環(huán)下的優(yōu)異工作穩(wěn)定性。使用不同目數(shù)的砂紙模板，我們可以制備靈敏度可調(diào)的傳感器。這種能力為傳感器提供了更大的通用性和選擇性，以滿足廣泛的應(yīng)用需求。

圖3：基于TLIG觸覺(jué)傳感器的電學(xué)性能研究

基于TLIG觸覺(jué)傳感器的高分辨率可穿戴醫(yī)療健康檢測(cè)系統(tǒng)

憑借在寬壓力范圍內(nèi)的高靈敏度和優(yōu)異的穩(wěn)定性，基于TLIG的觸覺(jué)傳感器非常適合集成到可穿戴醫(yī)療健康檢測(cè)系統(tǒng)中。傳感器具有的出色拉伸性和彎曲特性，也可以靈活地附著在身體的各個(gè)部位，以檢測(cè)特定的和可重復(fù)的脈沖信號(hào)。實(shí)驗(yàn)證明，該傳感器可以檢測(cè)范圍廣泛的壓力信號(hào)，從超低壓（氣流和振動(dòng)）到低壓（脈搏和各種人體運(yùn)動(dòng)），再到高壓（人體步態(tài)監(jiān)測(cè)），這為電子皮膚、機(jī)器人和人工智能的應(yīng)用提供了巨大的潛力。

圖4：基于TLIG觸覺(jué)傳感器的應(yīng)用

TLIG觸覺(jué)傳感陣列集成觸覺(jué)感知數(shù)據(jù)采集系統(tǒng)

機(jī)器人觸覺(jué)感知的實(shí)現(xiàn)需要機(jī)器人集成柔性傳感器，以提供離散和實(shí)時(shí)反饋。本研究選擇一個(gè)四指柔性機(jī)械手作為觸覺(jué)感知平臺(tái)，并設(shè)計(jì)了一個(gè)基于5×2 TLIG的觸覺(jué)傳感陣列來(lái)匹配其形狀。將其與多通道信號(hào)采集和預(yù)處理模塊、通信模塊和上位機(jī)共同組成觸覺(jué)感知數(shù)據(jù)采集系統(tǒng)。該系統(tǒng)不僅可以實(shí)現(xiàn)對(duì)物體物理性質(zhì)（包括形狀、硬度和粗糙度等）的感知從而實(shí)現(xiàn)不同物體的識(shí)別，還可以提供交互式接觸點(diǎn)動(dòng)態(tài)壓力分布的詳細(xì)信息，從而增強(qiáng)柔性抓手的觸覺(jué)感知能力。同時(shí)，利用彈性體的自封裝，可以實(shí)現(xiàn)柔性機(jī)械手的水下抓取和識(shí)別，使其適合醫(yī)療環(huán)境和海洋領(lǐng)域等方面的應(yīng)用。

圖5：基于TLIG的無(wú)線柔性機(jī)械手觸覺(jué)傳感陣列系統(tǒng)的結(jié)構(gòu)與應(yīng)用

TLIG觸覺(jué)傳感器用于基于深度神經(jīng)網(wǎng)絡(luò)的紋理觸覺(jué)感知

人類(lèi)可以通過(guò)手部神經(jīng)元分析復(fù)雜的振動(dòng)信號(hào)來(lái)區(qū)分物體，這對(duì)機(jī)器人來(lái)說(shuō)是一個(gè)挑戰(zhàn)。本研究采用基于卷積神經(jīng)網(wǎng)的機(jī)器學(xué)習(xí)算法對(duì)柔性機(jī)械手采集的數(shù)據(jù)進(jìn)行處理和分析，實(shí)現(xiàn)紋理觸覺(jué)感知。測(cè)試系統(tǒng)由柔性機(jī)械手、基于TLIG的觸覺(jué)傳感陣列、編碼器、解碼器和神經(jīng)網(wǎng)絡(luò)組成，該系統(tǒng)用于感知觸覺(jué)交互過(guò)程中的信號(hào)特征。本研究共采集了9種物體的紋理信號(hào)，共采用了8種機(jī)器學(xué)習(xí)方法包括CNN、Transformer、LSTM、GRU、MLP、K-means、SVM和PCA進(jìn)行識(shí)別，其中CNN具有最高的準(zhǔn)確率，達(dá)到94.51%。

圖6：卷積神經(jīng)網(wǎng)絡(luò)用于紋理識(shí)別

審核編輯：劉清