西湖大学开发兼容CMOS的高精度压力传感器阵列，推动机器人触觉感知发展
人类指尖拥有高度密集的触觉感受器，使我们能精准地感知物体的形状、大小与表面纹理等信息。近年来，人工电子皮肤——即触觉传感器阵列——在机器人技术中得到了广泛应用。例如，Optimus-Gen 2等先进机器人的灵巧手已经集成高密度触觉传感器，从而显著提升了其执行精细操作的能力。
在触觉传感技术领域，目前存在多种实现方式。其中，视触觉传感是当前商业化高密度触觉传感器的主流方案之一。尽管这类传感器具备较高的空间分辨率，但仍然面临两大核心问题：一方面，其测量精度受限于间接光学测量方法，受光学畸变、光照变化及机械滞后等因素影响，导致微弱压力识别能力较弱；另一方面，系统整体体积较大，需配备光学元件、照明装置和防护外壳，这限制了传感器的小型化和集成密度。
为解决上述技术瓶颈，西湖大学工学院朱博文研究团队联合其他科研人员提出了一种全新的直接触觉感知机制。与传统依赖光学的传感方法不同，该方案借助CMOS兼容工艺与电阻型压敏薄膜的结合，实现了对接触力的直接电信号转换，从而大幅提升了传感器的力校准精度与对微弱压力的响应能力。
该压力敏感薄膜由三层结构组成：三维共形涂覆的碳纳米管网络、具有多尺度结构的PDMS基底，以及用于提升局部导电性的金（Au）薄膜。这种多尺度结构的设计不仅增强了传感器的灵敏度，也显著提高了导电层与基底界面的稳定性。
实验数据显示，该传感器阵列具备出色的分辨率与灵敏度，能够识别出重量低至29.8 mg和34.5 mg的差异，体现出其对微弱压力的卓越识别能力。在动态性能方面，传感器的响应时间与恢复时间分别仅为21 ms和20 ms，足以满足实时触觉感知的实际需求。
研究团队进一步将该传感器阵列集成至机械灵巧手的指尖部位，构建出高集成度的触觉感知系统。在实际测试中，系统成功实现了对“W”等复杂图形的高保真触觉成像，其像素分辨率高达15微米，能够清晰捕捉接触过程中的细节。
在动态力方向检测方面，研究团队利用光流算法实现了对滑动轨迹的实时追踪与力方向的分析。通过HSV颜色空间对力方向进行可视化编码，系统为机器人提供了精确的动态触觉反馈能力。
在纹理识别任务中，研究团队使用16种不同形态的“W”字样本，在8个不同角度（以45度为间隔，覆盖0-360度范围）共采集了3706幅触觉图像。基于卷积神经网络（CNN）构建的分类模型在仅两个训练周期内即实现了100%的识别准确率，且平均识别时间仅为13.1 ms，展现出传感器在机器人触觉识别方面的显著潜力。
凭借出色的集成性能与优越的传感特性，这项技术在未来有望广泛应用于智能假肢、人机交互系统以及机器人精密操作等多个领域。
审核编辑：黄宇