麥姆斯咨詢獲悉，近期，中國科學技術大學工程科學學院、人形機器人研究院王洪波研究員課題組，提出了一種基于仿魚鱗結構電場調控的新型觸覺傳感器——巨壓容傳感器（GPCS），能夠實現接近人類手指水平的高精度觸覺感知。該傳感器不僅能夠識別微米級表面紋理，還可在機器人抓取過程中實時判斷獼猴桃成熟度，并完成自動分揀與人機交互任務，為機器人在復雜真實環境中的精細操作與智能感知提供了新路徑。成果以“Fish‐Scale‐Inspired Giant Piezocapacitive Sensors for Human‐Level Touch Perception”為題發表在Wiley旗下國際期刊《先進材料》(Advanced Materials)上。
面向機器人復雜環境下的精細操作需求，柔性傳感器需要同時具備高靈敏度、寬檢測范圍、高速響應、優異機械耐久性以及易于制造等特點。然而，目前大多數柔性電容傳感器仍難以兼顧上述性能，尤其在復雜形變感知、長期穩定性和多模態觸覺識別方面存在明顯限制。
圖1 巨壓容傳感器（GPCS）的仿生理念和工作機理
受魚類皮膚“剛性鱗片—柔性真皮”結構的啟發，研究團隊設計了一種仿魚鱗電場調控膜（SEGF）。該結構由高介電常數的PZT剛性鱗片與柔性硅膠基底組成，鱗片之間形成微米級空氣間隙。這些空氣間隙可作為“電場門”，在微小形變下動態調控叉指電極之間的邊緣電場，從而將極其細微的機械變形轉化為顯著的電容變化，實現“巨壓容效應”。基于該機制構建的GPCS傳感器在±90°彎曲范圍內可實現低至0.005°的超高分辨率，響應時間僅為0.6 ms，并在10萬次循環彎曲測試后仍保持穩定性能。相比傳統叉指電極結構，其彎曲靈敏度提高了177倍，同時兼具優異的機械魯棒性，即使局部結構損傷后仍能夠正常工作。
圖2. 基于GPCS柔性指尖的微米級紋理識別
得益于超高靈敏度和高速響應能力，研究團隊進一步將GPCS集成于柔性仿生手指上，實現了基于滑動觸覺的表面紋理感知。實驗結果表明，該系統不僅能夠檢測不同高度和周期的微結構表面，還能夠識別厚度僅為1.8μm的打印碳粉紋理，其精度已超過人類手指的觸覺分辨能力。此外，研究團隊利用單個GPCS柔性指尖實現了16種不同織物紋理的準確區分。不同織物在滑動過程中會產生獨特的電容響應“觸覺指紋”，通過簡單的時域與頻域特征分析即可完成材料識別。
圖3. 基于GPCS陣列的機器人水果成熟度識別與人機交互
為了驗證其在機器人實際場景中的應用潛力，研究團隊進一步將4個GPCS組成陣列并集成于柔性夾爪中，實現機器人抓取過程中的獼猴桃成熟度識別。由于不同成熟度水果具有不同硬度，夾爪在抓取時會產生不同程度的形變，而這些細微變化能夠被GPCS實時感知。基于傳感數據與機器學習算法，系統對獼猴桃成熟度的識別準確率達到92%。在演示實驗中，機器人能夠自主完成“抓取—感知—分類—遞送”等連續任務：未成熟和半成熟獼猴桃被自動放入對應區域，而成熟獼猴桃則能夠在人手接觸后自動遞送給使用者，實現自然的人機交互。
中國科學技術大學工程科學學院精密機械與精密儀器系博士生彭玉連為論文第一作者。工程科學學院、人形機器人研究院王洪波研究員為論文通訊作者。該項研究工作得到了國家自然科學基金項目，中國科學院引才計劃青年項目，安徽省科技創新攻堅計劃重大項目，中國科學技術大學高層次人才引進計劃以及中央高校基本業務費的支持。
《傳感器技術及市場-2026版》
《面向可穿戴設備的傳感器和執行器-2025版》
《可穿戴傳感器技術及市場-2025版》
《印刷和柔性傳感器技術及市場-2024版》
《觸覺技術及市場-2024版》
《邁來芯MEMS絕對壓力傳感器MLX90834產品分析》
《安費諾NovaSensor壓力傳感器芯片P883產品分析》
《Merit Sensor壓力傳感器及MEMS芯片產品分析》
《博世氣壓傳感器BMP581產品分析》
《First Sensor工業級STARe壓力傳感器芯片產品分析》
