《阻抗式触觉传感器最新研究进展》IEEE SENSORS 2024综述文章解读
阻抗式触觉传感器能模拟人类皮肤触觉，通过测量阻抗变化感知压力、温度等信号。其具有压阻、电容、压电和摩擦电四种工作原理，以及独立阵列、网状和断层成像三种结构形式。相比传统传感器，它具有成本低、响应快、柔性好等优势，可应用于机器人抓取、医疗监测、人机交互等领域。关键技术EIT（电阻抗断层成像）结合AI算法，能实现大面积柔性触觉感知。未来需在多参数感知、材料耐用性和算法精度等方面进一步提升，以满足更复杂
目录
一、先搞懂：阻抗式触觉传感器到底要解决什么问题？
1. 摘要：一句话总结核心内容
“阻抗式触觉传感器” 的东西，它能模拟人的皮肤 “摸东西”—— 能感知压力、温度，甚至区分物体纹理。比起超声、光学传感器，它便宜、反应快，还能做成柔性的（比如贴在机器人手上、做成可穿戴设备）。它有 4 种基本的 “工作原理”（压阻、电容、压电、摩擦电）和 3 种 “结构”（独立阵列、网状、断层成像），它能用来做机器人抓手、手势控制、手术器械、互动玩具这些实际场景。
2. 引言：为什么要研究这种传感器？
咱们先想两个场景：
- 机器人抓鸡蛋：要是没 “触觉”，要么捏碎要么抓不住，需要一种能让机器人 “感知力度” 的传感器；
- 医生戴的智能手环：要能长期贴在皮肤上测脉搏、呼吸，还不能不舒服，这就需要柔性、无创的传感器。
“阻抗式触觉传感器” 正好能解决这些需求 —— 它的核心是 “通过测量‘阻抗’（类似电流的‘阻力’）变化来感知触摸”，比其他传感器（比如电磁、光电）更划算、结构更简单，还能做成 “类皮肤” 的样子。另外，论文还提到一个关键技术叫 “电阻抗断层成像（EIT）”，简单说就是 “不用在传感器内部布线，只靠边缘的电极，就能画出‘哪里被触摸’的图像”，特别适合大面积、柔性的场景（比如机器人全身皮肤）。
二、核心：四种 “摸东西” 的方式
你可以把这四种原理理解成 “四种不同的触觉感知方式”，就像人用不同手指摸东西，各有擅长。论文里用图 1 画了它们的工作逻辑，用表 1 总结了优缺点，咱们一个个说：
1. 压阻式：“捏一下，电阻就变”
（1）怎么工作？
就像一块海绵里掺了导电颗粒 —— 你一按海绵，颗粒之间靠得更近，电流更容易通过（电阻变小）；松开手，海绵回弹，颗粒分开，电阻又变大。传感器就是通过测这个 “电阻变化”，知道你按了多大劲。论文里给了个公式（不用记），核心就是 “压力→海绵形变→电阻变”。
（2）用什么做的？
- 现成材料：比如 “导电橡胶”（像耳机线里的软橡胶，能导电）、“压阻膜”（一种薄塑料膜，按一下电阻就变，比如 Velostat，很便宜）；
- 自己做的材料：用软乎乎的基底（比如 PU 泡沫、PDMS—— 一种像硅胶的材料），里面加石墨烯、碳纳米管这些能导电的小颗粒，做成 “软导电复合材料”。
（3）好用吗？
- 优点：灵敏、看得细、便宜—— 比如能分辨出手指按的位置（空间分辨率高），反应也快，适合做机器人的 “智能皮肤”；
- 缺点：“记性差、易坏”—— 比如按下去再松开，它恢复原来的电阻需要点时间（滞后效应），反复按还容易碎，周围有电磁干扰也会测不准。
2. 电容式：“捏一下，电容就变”
（1）怎么工作？
你可以想象两个平行的金属片（电极），中间夹一层软塑料（介电层）—— 这就是一个简单的电容器。你一按，中间的塑料被压扁（电极间距变小），或者两个金属片重叠得更多（面积变大），“电容”（一种储存电荷的能力）就会变。传感器测这个 “电容变化”，就知道压力多大。
（2）用什么做的？
- 中间的 “软塑料”（介电层）：可以是多晶硅、弹性体，甚至是空气（气隙设计，按的时候空气层变薄，更灵敏）；
- 特殊材料：比如用 3D 织物做基底，能更软、更透气，适合贴在皮肤上。
（3）好用吗？
- 优点：省电、稳定、不怕温度变—— 比如戴在手腕上测脉搏，长时间用也不会不准，耗电量还低；
- 缺点：“怕干扰”—— 周围的电子设备（比如手机）会产生 “寄生电容”，让传感器误以为有压力，导致测量不准。
3. 压电式：“只有动的时候才反应”
（1）怎么工作？
这种传感器像 “压电陶瓷”—— 你一挤压它，它内部的正负电荷会分开，产生微弱电流；但你要是一直按着不动，电荷就不会再变了，电流也没了。所以它只能测 “动态压力”（比如敲一下、晃一下），不能测 “静态压力”（比如一直按住）。
（2）用什么做的？
- 常用材料：PVDF（一种柔性塑料，能弯，适合做可穿戴设备）、PZT（一种陶瓷，硬度高，适合需要稳定的场景）。
（3）好用吗？
- 优点：不用插电、反应快—— 自己能发电（自供电），比如贴在衣服上，走路时的震动就能让它产生信号，适合测动态的力；
- 缺点：“看不见细、只能测动的”—— 比如不能分辨手指按的具体位置（空间分辨率低），你要是一直按住它，它就 “没反应” 了，温度变了也会测不准。
4. 摩擦电式：“蹭一下，就带电”
（1）怎么工作？
就像你用尺子蹭头发，尺子会带电（摩擦起电）—— 这种传感器用两种不同的材料，一按就会蹭到一起，分开时产生微弱电流（电位移）。它和压电式有点像，也是 “靠运动发电”，但原理是 “摩擦” 不是 “挤压”。
（2）用什么做的？
- 常用材料：比如 PDMS 和 PET（两种塑料）贴在一起，或者用织物加 “摩擦纳米发电机（TENG）”，做成能穿的传感器（比如智能手套）。
（3）好用吗？
- 优点：灵敏、不用插电—— 比如轻轻碰一下就能测到，还能自己供电，适合做无电线的可穿戴设备；
- 缺点：“不好做、量程小”—— 两种材料的贴合精度要求高，太难做；而且只能测小力度，按重了超出量程，它就不灵敏了。
四种传感器对比
| 类型 | 优点 | 缺点 | 常用材料举例 |
|---|---|---|---|
| 压阻式 | 灵敏、分辨率高、便宜 | 恢复慢、易坏、怕干扰 | 导电橡胶、Velostat 膜 |
| 电容式 | 省电、稳定、不怕温度变 | 怕电子干扰 | 弹性体、3D 织物、气隙 |
| 压电式 | 自供电、动态反应快 | 只能测动态、分辨率低 | PVDF 塑料、PZT 陶瓷 |
| 摩擦电式 | 灵敏、自供电 | 难制造、量程小 | PDMS/PET、织物 + TENG |
三、传感器 “长什么样”？三种结构
原理是 “怎么感知”，结构就是 “传感器的物理形态”—— 不同结构适合不同场景，比如机器人抓手需要 “精准”，智能地毯需要 “大面积”。论文里用图 3 画了三种核心结构，咱们一个个看：
1. 独立阵列：“很多小传感器排成队”
（1）长什么样？
就像一块板子上贴了很多小传感器（比如 64×64 个），每个小传感器都有自己的 “信号线”—— 比如一个 10×10 的阵列，就需要 100 根线，每根线对应一个小传感器。
（2）怎么工作？
你按在哪个小传感器上，哪个就会发送信号，通过所有小传感器的信号组合，就能知道 “按的位置、力度多大”。比如一个 64×64 的压阻阵列，每个小传感器只有 0.9×0.9mm 大，能分辨出 0.9mm 内的触摸（比人指尖还灵敏）。
（3）适合在哪用？
需要 “精准感知” 的场景：比如机器人抓手，能分辨抓的是鸡蛋还是石头；或者触觉手套，能识别摸的是塑料还是布料（靠摩擦电信号，结合 AI 识别率 91%-100%）。
（4）缺点：
“线太多、太复杂”——100 个小传感器就要 100 根线，线多了容易互相干扰（串扰），成本也高，反复弯曲还会断。
2. 网状：“交叉电极像网格”
（1）长什么样？
就像一块布上织了两组交叉的电线（比如横向和纵向），横向的是 “激励电极”（发送信号），纵向的是 “测量电极”（接收信号），交叉的地方就是一个 “感知点”（像素）。
（2）怎么工作？
比如横向有 6 根线、纵向有 6 根线，不用 36 根线，只要 12 根（6+6）就能覆盖 36 个感知点 —— 每次给一根横向电线通电，所有纵向电线接收信号，依次循环，就能知道每个交叉点的触摸情况。
（3）例子：
- 智能皮肤（图 5 (a)）：用银纳米线 + PDMS 做电极，交叉成 6×6 的网格，按的时候还会发光（加了荧光粒子），压力越大光越亮，模拟人的 “痛觉”；
- 脉搏监测（图 5 (b)）：用压阻材料做网状电极，能测到 0.69Pa 的微弱压力（相当于一根头发的重量），适合贴在手腕上测脉搏。
（4）优点：
“线少、便宜、反应快”—— 比独立阵列省很多线，适合大面积场景（比如智能地毯）；缺点是 “一个点坏了，一片用不了”—— 如果一根横向电线断了，那这一行的感知点都没信号了。
3. 断层成像：“不用内线，靠边缘电极”
（1）长什么样？
这是最 “聪明” 的结构 —— 传感器边缘绕一圈电极，内部没有任何电线，靠边缘电极 “发送 + 接收信号”，就能算出 “内部哪里被触摸了”。比如一块圆形的柔性材料，边缘贴 8 个电极，按中间的任何位置，边缘电极都能通过 “阻抗变化” 反推按的位置。
（2）核心技术：EIT（电阻抗断层成像）
简单说，就是 “通过边缘信号画内部图像”—— 比如你按在传感器中间，中间的材料会形变，阻抗会变，边缘电极测到这个阻抗变化后，用算法算出 “哪里阻抗变了”，就能画出 “触摸位置图”。
（3）例子：
- 可穿戴设备（图 6 (b)）：用 EIT 做的柔性传感器，能贴在手臂上，测手臂的弯曲动作；
- 无压敏材料的传感器（图 6 (e)）：不用专门的压敏材料，靠两层导电材料的 “接触电阻” 变化感知压力，成本更低，定位误差只有 5.68%；
- 内部电极优化（图 6 (f)）：在传感器内部也加电极（不只是边缘），定位更准 —— 比如单点触摸误差从 23.7mm 降到 8.1mm（相当于从 “误差一个手指宽” 降到 “误差一个指甲盖宽”）。
（4）优点：
“无内线、柔性好、大面积”—— 没有内线所以不容易断，能弯能折，适合做机器人全身皮肤、智能地毯；缺点是 “算得慢”—— 从边缘信号反推内部位置需要复杂算法（逆问题），容易算错，需要 AI 帮忙优化。
4. 特殊结构：“少线、简单”
针对 “线太多” 的问题，论文还提了一些简化结构：
- 比如图 7 (a) 的传感器，只用 6 根线，就能测到 0.0214N 的力（相当于 0.2 克的重量），定位误差只有 1.5mm，适合贴在机器人大面积表面；
- 图 7 (c) 的 “屏蔽软力传感器”（像一块薄硅胶），内部是液态金属的微通道，不怕电磁干扰，厚度不到 2mm，能测 14N 的剪切力（比如手指搓动）和 20N 的压力（比如握拳），适合做 VR 手套。
四、EIT 技术：怎么让断层传感器 “算得准”？
断层传感器的核心是 EIT 技术，但 EIT 有个大问题：“从边缘信号反推内部触摸位置，容易算错”（逆问题不适定）—— 比如两个不同的触摸位置，可能测出的边缘信号差不多，算法分不清。论文说，解决办法是 “用 AI（机器学习）帮忙”，简单说就是 “让电脑学大量数据，下次一算就准”。
1. AI 怎么帮忙？
- 第一步：造数据 —— 用软件模拟 10 万 + 种 “触摸场景”（比如按在左上角、按在中间、按两个点），记录每种场景下 “边缘电极的信号” 和 “实际触摸位置”；
- 第二步：训练 AI—— 把 “边缘信号” 当 “输入”，“实际位置” 当 “答案”，教 AI 建立对应关系；
- 第三步：实际用 —— 真的按传感器时，AI 接收边缘信号，直接输出 “触摸位置”，不用复杂计算。
2. 效果有多好？
- 例子 1：EIT-NN（一种 AI 模型）—— 比传统算法（GN 算法）更准：空间分辨率指标 RES50 从 75% 升到 83%，RES75 从 82% 升到 90%（数值越高越准），两点触摸也能分清（图 9）；
- 例子 2：CNN（卷积神经网络）—— 比其他算法（Tikhonov、Landweber）误差小：RMSE（误差值）低至 0.1，ICC（相似度）高达 0.9（表 2），多目标触摸（比如同时按 3 个点）也能准确识别（图 10 (a)），不会出现 “伪影”（比如明明按一个点，算法画成两个点）。
表 2：AI 算法 vs 传统算法
| 算法 | 单点触摸误差（RMSE） | 单点触摸相似度（ICC） | 双点触摸误差（RMSE） | 双点触摸相似度（ICC） |
|---|---|---|---|---|
| Tikhonov（传统） | 1.210 | 0.719（不太像） | 1.325 | 0.688（不太像） |
| CNN（AI） | 0.068（很小） | 0.946（很像） | 0.101（很小） | 0.912（很像） |
五、传感器能用来做什么？四大应用场景
1. 智能机器人：让机器人 “会摸东西”
- 自适应抓取（图 12）：机器人抓手装电容传感器，抓鸡蛋时能实时测握力，不会捏碎；抓石头时会加大力度，不会掉；
- 发动机检测：航空发动机里的检测机器人（图 12 没画，论文里的例子），装 3D EIT 传感器，能通过 30mm 的窄缝（比手指还细），检测叶片有没有裂纹。
2. 人机交互：用触摸控制设备
- 手势识别（图 13 (a)）：戴一个摩擦电 + 压电的智能手套，做 “握拳、伸手指” 等手势，传感器会发送信号，AI 识别后控制电脑或手机（比如隔空翻页）；
- 情感识别（图 13 (b)）：人工手臂装 EIT 传感器，能分辨人是 “轻拍”（友好）还是 “紧握”（紧张），未来机器人能理解人的情绪。
3. 医疗健康：无创监测、精准手术
- 手术辅助（图 14 (a)）：手术钳装电容传感器，医生夹组织时能实时知道 “夹多紧”，避免夹伤血管；
- 生理监测（图 14 (b)）：手腕上戴压阻传感器，能连续测脉搏、血压，甚至贴在腹部测呼吸（比如给老人或病人用，不用插管子）；
- 低刺激：用导电纳米网做传感器（论文里的例子），透气、轻，贴在皮肤上不会发炎，适合长期佩戴。
4. 娱乐设备：让玩具、VR 更有趣
- 互动玩具（图 15 (a)）：毛绒玩具里装压阻传感器，孩子拍它、抓它，玩具会发出声音或亮灯（保留织物的柔软感，不会硌得慌）；
- 空气吉他（图 15 (b)）：不用真吉他，戴一个手势传感器，做 “弹弦” 的动作，就能发出吉他声，随时随地玩；
- VR 地毯（图 15 (c)）：智能地毯装网状压阻传感器，人在上面走，传感器能测到 “脚的位置、力度”，转化为 VR 里的 “走路动作”，更有沉浸感。
六、总结：现在怎么样？未来要做什么？（结论与展望）
1. 现在的情况：
- 优点：阻抗式触觉传感器便宜、反应快、能柔性，四种原理、三种结构覆盖了很多场景（机器人、医疗、娱乐），尤其是 EIT+AI 的组合，让大面积、精准感知成为可能；
- 缺点：还在 “实验室阶段”—— 比如大多数传感器只能测 “压力”，不能像人的皮肤一样同时测 “温度 + 纹理 + 重量”（多参数感知）；材料不耐用（反复弯容易坏）；AI 算法还需要更多真实数据训练。
2. 未来要解决的问题：
- 多参数感知：让一个传感器同时测压力、温度、纹理；
- 材料耐用：开发 “自修复” 材料，断了能自己粘好，反复弯也不坏；
- 算法优化：让 EIT 的图像重建更快、更准，甚至结合光学、超声等其他技术，提升感知能力。
有“AI”的1024 = 2048，欢迎大家加入2048 AI社区
更多推荐
20
0- 0
已为社区贡献9条内容
所有评论(0)