手指是人类最直接的感知器官，能够分辨压力、温度和材料，这种触觉能力对机器人同样至关重要。仅靠视觉远远不够，想要在工业分拣或精细操作中表现出色，机器人需要具备类似人手的触觉感知。
基于这一需求，中科院北京纳米能源与纳米系统研究所Han 团队开发了一种指形触觉传感器（FTS）。它由外层的材料识别单元和内层的力感应单元组成：外层通过三个摩擦电传感器结合深度学习模型 ResNet-50，可实现 98.33% 的材料识别准确率；内层则利用微针阵列与电极结构，精确检测法向力和切向力，并通过银层屏蔽提升信号稳定性。
在实际验证中，研究人员将FTS 集成到机械手中，成功完成了模拟车间的智能分拣实验，能够同时识别物体材质并调整抓取力度，将物体准确放置到指定位置。相关成果以“Multimodal Finger-Shaped Tactile Sensor for Multi-Directional Force and Material Identification”为题发表在期刊Advanced Materials上。
这款指形触觉传感器（FTS）借鉴人类指尖结构，将外部材料识别单元与内部力感应单元结合，实现从材料感知到多向力解析的“一体化功能”。外层摩擦电单元负责区分材质，内层微针阵列与电极结构可精确检测法向力与剪切力，采集信号再输入深度学习模型完成高效分类。
研究团队还将其集成到机器人手指中，在智能生产线上实现了识别、抓取与分拣的闭环应用。如图 1 所示，FTS 既展示了清晰的结构分工，也突显了实际应用潜力。
图 1 FTS 结构与应用概览：受“指尖”启发的层间设计与机器人安装位点，含“材料识别和力感知”两大功能，以及智能分拣应用示例
在揭示了整体结构与应用价值之后，研究进一步聚焦于传感器的工作机理。尤其是在力学感知模块中，团队通过理论与实验结合，深入剖析了外力作用下电荷转移及其稳定性问题。外力作用下，微针阵列与电极表面周期性接触和分离，生成可解析的电压信号。几何尺寸和材料选择对输出性能影响显著，例如微针高度或硅胶类型的变化都会改变电位分布和信号幅值，从而影响灵敏度与稳定性。
通过仿真与实验的优化，团队获得了在不同受力条件下仍能保持线性、稳定的响应。同时，电极外覆的银层屏蔽有效削弱了外部电荷干扰，使开路电压（Voc）在多种环境下依然稳定。从模拟到实测都能看到，银层屏蔽显著提升了信号稳定性，外部干扰几乎难以影响传感器表现（见图 2）。
图 2 力感知工作机理与屏蔽层作用：微结构位移-电位关系、不同硅胶/微针参数对输出影响；屏蔽层抑制外界电荷干扰的模拟与实测
在屏蔽层保证信号稳定之后，研究团队把注意力转向了法向力响应——这是评估传感器性能的关键一步。在法向力测试中，图 3 展示了不同按压角度与电极分布之间清晰的对应关系。模拟结果揭示了传感器在加载过程中的形变与电位场变化，不同电极的响应差异一目了然。
结合实验装置与数据分析可以看到，无论角度还是力度变化，各电极的开路电压（Voc）、电压波形以及位移—力曲线都保持良好的线性特征。这种稳定的线性关系不仅保证了 FTS 对法向力的灵敏感知，也为基于电极信号的定量计算提供了可靠基础，凸显其在法向力解析方面的优势。
图 3 法向力响应：不同按压角度/力度下各电极 Voc 的线性与可解算性
在剪切力测试中，FTS 展现出清晰且可解析的响应规律。图 4 显示，仿真揭示了传感器在受力过程中的形变与电位分布演化，不同电极的电压曲线准确刻画了受力方向。实验结果进一步表明，无论法向压力如何变化，位移与力始终保持稳定对应，各电极在不同剪切方向下的峰-峰值电压与波形差异也十分明显。依托多电极协同输出，传感器能够可靠区分前后、左右等运动方向，为剪切力的精准感知奠定了坚实基础。
图 4 剪切力响应：位移-力关系、不同方向的电极峰-峰值对比，实现运动方向判别
完成多维力的解析后，研究转向传感器的另一核心功能——材料识别。借助摩擦电单元与深度学习模型的协同作用，图 5 展示了传感器的材料识别流程与效果。首先，三个不同材料的摩擦电单元采集信号，再由深度学习模型 ResNet-50 提取特征并完成分类。不同材料对应的电压波形差异清晰可见，模型在识别时也会自动聚焦于关键区域。随着传感器数量增加，识别结果更稳定。最终，结合三个摩擦电传感器与 ResNet-50，系统成功区分出 12 种常见材料，识别准确率达到 98.33%。
图 5 材料识别流程与效果：信号→ResNet-50→结果；三个摩擦电传感器组合下的 12 材料混淆矩阵（准确率 98.33%）
当力学感知与材料识别两大功能被逐一验证后，研究的最终落脚点是系统级应用。在智能分拣实验中（见图6），传感器完成了从材料识别到抓取分拣的完整流程。机械臂在动作过程中实时采集信号，数据经预处理后输入 ResNet-50 模型完成识别，并将结果即时反馈到分拣环节。
实验表明，传感器不仅能够准确区分三类常见包装材料（PVC、PP 和铝），还可在抓取过程中通过电极信号实时监测施加的力。波形界面同步记录了按压、滑动、释放等动作下的响应，使“识别—判断—抓取—分拣”的过程清晰可见。这一结果说明 FTS 已经具备在实际生产环境中执行智能分拣任务的可行性。
图 6 智能分拣演示：动作流程、波形界面、三类包装材料识别与抓取力闭环
本研究提出了一款基于摩擦电效应的指形触觉传感器（FTS），能够同时感知多维力并精准识别材料。其设计灵感来自人类手指：内部通过电极与微针、凸块的协同结构，实现对法向力和切向力的捕捉，实验与仿真均验证了其在多种受力条件下的稳定性。位于指垫的材料识别模块由三种不同材料的摩擦电单元构成，使传感器在材料分类中可达 98.33% 的准确率。
更进一步，研究团队将FTS 集成到机械手上，构建了实时识别与分拣系统：利用 LabVIEW 与 Jupyter 进行数据处理，并通过 TCP 通信实现与机械臂的交互。在智能车间的模拟场景中，该系统不仅能识别不同物料，还能根据反馈动态调整抓取力度，将物体准确送至指定位置。
总体而言，这项研究展示了多模态触觉传感在智能机器人中的巨大潜力，特别是在力检测与材料识别融合方面，为工业分拣、智能制造和人机交互等应用提供了有力参考。
原文链接：
https://doi.org/10.1002/adma.202414096
声明：本平台报道/转载/分享的相关公开信息，如认为内容侵犯您的权益，请联系我们处理。
END
柔性织物压力传感器
压力分布测试系统
2025年，人形机器人产业迎来爆发拐点。特斯拉Optimus量产在即，华为、宇树等企业加速技术突破，行业正从“实验室研发”向“规模化落地”跃迁为打通产业链上下游协作壁垒，艾邦机器人正式组建"人形机器人全产业链交流群"，覆盖金属材料、复合材料、传感器、电机、减速器等全硬件环节，助力企业精准对接资源、共享前沿技术！
扫码关注公众号，底部菜单申请进群
