神经形态机械感知皮肤让机器人更加“心灵手巧”︱《自然-材料》
Nature Portfolio约 6 分钟传统机器人缺乏精细的触觉感知能力，仿生机械感知皮肤就像是给机器人或智能设备穿上了一层“人造皮肤”，能够让机器人更加“心灵手巧”，实现更多可能。本篇新闻与观点文章发表于《自然-材料》，来自南开大学的三位研究人员（Qianbo Yu、Jiaqi Liu、Wentao Xu）解读了发表于该期刊的一篇研究论文，介绍了一种仿生机械感知皮肤整合了不同的神经形态处理模式，使机器人能够实现高效触觉纹理鉴别。
人类皮肤的机械触觉感知系统包含两种典型的神经适应机制：由帕西尼氏小体介导的快速适应模式和由默克尔细胞控制的慢速适应模式[1]。慢速适应机制在持续刺激期间维持连续的电生理信号输出，赋予人体实时监测和解析静态触觉刺激的能力，通常表现为对恒定压力或长时间接触的持续反应。相较之下，快速适应机制只对刺激开始-结束期间的动态变化做出反应，这极大增强了皮肤对振动、滑动和流体运动等瞬态机械刺激的敏感性[2]。这两种互补的神经反应模式协同运作，构成了人类高保真触觉感知的生理基础。
为超越人工触觉系统在机械感知准确度和纹理鉴别中的生物学局限，前人的研究主要关注单一感知模式的仿生模拟，致力于优化触觉传感器在实际应用中的关键性能指标[3]。然而，这种方法忽略了两种神经适应机制的整合在实现高保真触觉感知中的关键作用[4]。采用单模态策略的传感器不可避免地会损失触觉信息，导致人工智能（AI）模型出现系统性知觉偏差，使其准确度降低[5]。与此相反，直接使用未经处理的动态和静态触觉输入会引起数据冗余，加大通信开销和系统延迟[6]。因此，为构建精确的人工触觉感知系统，必须实现神经形态处理单元的近传感器集成——协同慢速适应和快速适应神经编码策略，实现数据过滤、集成与存储[7,8]。
近日，Nae-Eung Lee及其同事在《自然-材料》上发文，报道了一种垂直集成微图案化摩擦电传感层和离子凝胶栅控还原氧化石墨烯（rGO）突触晶体管的人工突触机械感受器（ASMR）阵列[9]。
欢迎扫码阅读原文
作者将慢速适应和快速适应神经机制之间的仿生差异巧妙地转化为器件栅控耦合强度之间的差异，并通过离子栅极-沟道结构的空间分布调制策略实现了二元神经编码单元的近传感器集成（图1a），由此构建的ASMR仅使用10.6%的数据，就在16种材料（包括棉花、聚酯纤维和尼龙）的纹理鉴别任务中最高达到了92.3%的准确率。这种方法不仅提高了识别准确度，而且极大减轻了边缘AI应用中触觉传感阵列的数据负担。
图1：具有内置突触功能的ASMR的概念与应用。
a.空间构型不同的离子栅极-沟道分布模仿皮肤中的默克尔细胞（慢速适应，SA）和帕西尼氏小体（快速适应，FA）。SS：突触强度。
b.由8个SA ASMR和8个FA ASMR组成的ASMR阵列实现高效笔迹识别和纹理鉴别。
c.ASMR通过书写过程中的短时程增强效应实现书写方式和动态轨迹的顺序识别。同一笔迹的书写顺序不同，通过观察ASMR中每个器件的突触强度即可分辨书写顺序。
d.ASMR对材料表面纹理的触觉信号采集系统示意图。
e.基于SA和FA融合信号的机器学习模型在平均分类准确率上显著优于依赖单一信号的模型。标号y1至y16代表ASMR辨别的16种不同纹理。
具体而言，Lee及其同事在柔性衬底上构建了一个机械触觉传感阵列，其中包含8个慢速适应型ASMR和8个快速适应型ASMR，分别用于模仿默克尔细胞的持续压力感知功能和帕西尼氏小体的动态机械反应特性（图1b）。
慢速适应型和快速适应型ASMR均由指纹图案化摩擦电传感层和还原氧化石墨烯场效应管（rGO-FET）集成，其功能差异源于传感层与rGO-FET之间截然不同的空间构型。在慢速适应型ASMR中，摩擦电传感层以垂直集成的方式直接覆盖rGO-FET的离子栅极表面。这种紧密堆叠结构大幅增强了rGO-FET摩擦电势诱导的栅控效应，使其能在持续压力刺激下连续输出电信号，从而模仿默克尔细胞的静态触觉感知机制。与此相反，快速适应型ASMR采用了水平分布式设计，其中传感层通过平面电极间接与rGO-FET的离子栅极连接。这种水平结构降低了传感层与rGO-FET之间的栅控耦合强度，同时传感层下方的大面积电极增大了快速适应型ASMR的泄漏电流。这些特性限制了快速适应型ASMR仅在机械刺激开始和结束时产生瞬态响应，类似于帕西尼氏小体检测振动时的动态触觉感知行为。离子栅极内的交联聚氨酯基质通过空间位阻阻碍了离子迁移[10]，延长了刺激后的去极化弛豫时间。因此，触觉引发的电流信号在rGO-FET沟道中呈指数衰减，模拟了触觉神经系统中的短时程增强现象。这一机制构成了rGO-FET神经形态信息处理能力的物理基础。通过将这种仿生双模式触觉感知策略与近传感器人工突触相结合，ASMR仅通过最终输出信号实现了手写笔画顺序识别，无需时间分辨率（图1c）。对于非平稳、微尺度纹理鉴别任务，该系统仅使用10.6%的数据就达到了92.3%的识别准确率——相较于单一模式方法的60.70%（仅慢速适应）和72.80%（仅快速适应）具有显著提升（图1d，e）。
实现与生物相当的触觉感知一直是机器人精密操作的一大障碍。Lee及其同事取得的这项突破是人工触觉感受器领域的重要进展。他们提出的神经仿生方法利用近传感器集成的人工突触，解决了传统电子皮肤固有的、在动态或静态触觉信号采集中持续存在的数据缺失问题。这种结构实现了触觉信息实时过滤和处理，同时解决了数据冗余和指数级增长的通信带宽需求（由触觉传感单元集成度提高导致）的双重挑战。这项创新工作为智能机器人在需要微米级灵巧度的精密工程应用中的部署开辟了一条技术道路。
原文以A neuromorphic mechanosensory skin标题发表在2025年4月28日《自然-材料》的新闻与观点版块上（Doi：10.1038/s41563-025-02230-w）
《自然-材料》
2023 Journal Metrics
影响因子：37.2
五年影响因子：44.1
学科排名：1/79，物理学，凝聚态物质；2/179，应用物理学；3/178，物理化学；6/439，材料科学-多学科
引用量：108,039
下载量：6,405,833
*数据来源：2023年Journal Citation Reports, Clarivate Analytics 2024和期刊官网
《自然》系列期刊产品试用申请
Nature Portfolio期刊是多学科研究和综述期刊的合集，自1869年起一直致力于理解、 探讨和分享科学。《自然》系列期刊目前包含42种《自然》系列研究期刊，涵盖生命科学、物理科学、临床医学和社会科学领域，以及26种《自然综述》系列期刊，为您提供权威、易于理解、意义重大的综述内容。
▲ 如果您对《自然》系列期刊产品感兴趣，愿意推荐您所在的院校或机构申请试用，欢迎扫码提交表单申请。
阅读更多：
欢迎扫描图片二维码或点击“阅读原文”了解《自然》及其系列期刊。
版权声明：
本文由论文作者提供，施普林格∙自然上海办公室负责整理排版。中文内容仅供参考，一切内容请以英文论文为准。欢迎转发分享本文，如需转载，请留言或联系[email protected]。
© 2025 Springer Nature Limited. All Rights Reserved