Nature Materials：智能触觉皮肤！

纳米人 · 公众号 · · 2025-05-09 11:26

正文

请到「今天看啥」查看全文

ASMR 在 16 种材料（包括棉、涤纶和尼龙）的纹理识别任务中仅使用了 10.6% 的数据，就达到了 92.3% 的峰值准确率。这种方法显著降低了边缘 AI 应用中触觉传感阵列的数据负担，同时提高了识别准确率。

具体来说， 研究人员 在柔性基底上构建了一个机械触觉传感阵列，集成了八个慢速适应型 ASMR（旨在模拟默克尔细胞的持续压力感知功能）和八个快速适应型 ASMR（旨在复制帕西尼氏小体的动态机械响应特性）。

图|人类与人工触觉感知的比较

慢速适应型和快速适应型 ASMR 均由指纹图案化的摩擦电传感层与还原氧化石墨烯场效应晶体管 (rGO-FET) 集成构成，其功能差异源于传感层和 rGO-FET 之间不同的空间配置。在慢速适应型 ASMR 中，摩擦电传感层垂直集成，直接覆盖在 rGO-FET 的离子栅极表面上。这种紧密堆叠的架构显著增强了摩擦电势诱导的门控效应，使其在持续压力刺激下能够输出连续的电信号，从而模拟默克尔细胞的静态触觉感知机制。相比之下，快速适应型 ASMR 采用水平分布设计，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 之间的栅极耦合强度，而传感层下方的大面积电极则增加了快速适应型 ASMR 的漏电流。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在振动检测中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10阻碍离子迁移，从而延长刺激后的去极化弛豫时间。因此，触觉诱导的电流信号在 rGO-FET 通道中表现出指数衰减的保留时间，模拟了触觉神经系统中观察到的短期增强效应。该机制构成了 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即可实现手写笔画序列识别，而无需时间分辨率。对于非平稳、微尺度纹理识别任务，该系统仅使用10.6%的数据即可达到92.3%的识别准确率——相比单模式方法的60.70%（仅慢速适应）和72.80%（仅快速适应）的准确率有了显著提升。