机器之心报道
机器之心编辑部
在触觉传感器与执行器综述中，我 764 们已经大致了 914 解腾讯 Robotics X 实验室在这两个领域的 781 探索及成果。本文将对该实验室在触觉传感器领域的 908 成果进行技术剖析，详解实现方式、具体效果、研究意义以及潜在应用。
智能机器人要走进家庭，与人类安全地交互、灵巧操作各种物体，触觉感知是 50 基础。触觉传感器相当于机器人的 16 “电子皮肤”，通过测量传感器与环境的 156 物理交互产生的 29 信息，模仿生物皮肤的 851 触觉感知，是 611 机器人实现智能化的 43 必备条件。
触觉传感器根据信号转换机制的 832 不同主要分为压阻型、电容型、压电型、摩擦电型四大类，它们的 177 原理、优点和应用各有不同。
- 压阻型触觉传感器：利用电阻的 731 变化实现对外力的 607 传感，具有结构简单、集成和输出数据容易等优点。
- 电容型触觉传感器：传统的 19 电容型触觉传感器通常由两层电极层及其之间的 3 软弹性体组成，可以将压力刺激转换成电容信号以实现传感功能。这种传感器因其结构简单、动态响应好以及功耗低等优点在可穿戴和医疗保健设备中被广泛应用。
- 压电型触觉传感器：基于材料在外界机械压力作用下产生电压的 186 能力，具有较高的 198 灵敏度和响应速度，被广泛用于声波振动、脉搏跳动等动态压力的 130 检测。
- 摩擦电型触觉传感器：主要基于两种物质互相摩擦时接触表面产生电荷引起电信号的 105 变化，主要用于自供电的 1051 柔性触觉传感器。
腾讯 Robotics X 实验室与合作高校在压阻型、摩擦电纳米发电机（TENG 型）和电容型触觉传感器领域发表了 102 多篇代表性论文，并被 Science Advances、Nature Communications 和 ACS Nano 期刊收录，接下来一一进行解读。
柔性压阻型触觉传感器阵列：开发智能机器人触控系统
压阻型是 125 柔性触觉传感器的 136 主要类型之一，尤其适合构建具有高空间分辨率的 190 大型触觉传感器网络。导电纳米材料（碳纳米管）与聚合物弹性体（如聚氨酯等）二者合成的 673 压阻薄膜（PRF）是 134 压力传感器的 742 首选材料之一，但在实践中因材料融合问题导致 PRF 灵敏度较低。虽然可以采用表面微结构设计增强灵敏度，但基于模具的 556 微结构往往限制了 893 单个压力传感器的 925 尺寸并阻碍其向大型传感器阵列的 1028 集成。同时，构建大型压力传感器阵列还需要具有薄膜晶体管（TFT）阵列的 808 有源矩阵，以实现高空间分辨率并减少相邻传感器像素之间的 850 串扰。
在与清华大学合作的 898 论文《Large-Scale Integrated Flexible Tactile Sensor Array for Sensitive Smart Robotic Touch》中，研究者将基于 PRF 的 170 64×64 柔性传感器阵列与基于忆阻器的 74 CIM 芯片集成，开发一个智能机器人触控系统，在硬件中实现高达 98. 748 8% 和 97. 214 3% 的 592 手写数字和汉字识别准确率。其中 PRF 是 920 混合多壁碳纳米管（MWCNTs）与热塑性聚氨酯弹性体（TPU）在低温下合成的 285 ，上表面的自形成微结构灵敏度高、压力检测范围广、响应速度快且循环性优秀。论文被 ACS Nano 收录。
论文链接：https: 541 //pubs. 193 acs. 709 org/doi/10. 14 1021/acsnano. 924 2c06432
设计思路与技术细节
PRF 自形成微结构的表面粗糙度为 8~10 µm，这一规模远远小于以往工作中的典型可控微结构（如金字塔）。对于压力传感器阵列中尺寸为0. 733 9×0. 165 9mm^2 的像素而言，PRF 表明可被认为相对较为平坦的。通过将 PRF 与 4 英寸单壁 CNT TFT 的有源矩阵集成，构建了 577 超高空间分辨率的柔性触觉传感器阵列，可以进一步用于识别仿真蜜蜂的足迹。下图 I-1 展示了 816 智能机器人触控系统。
图 I-1。
如上文所述，MWCNTs 和 TPU 的复合材料被用来合成高性能 PRF，并通过溶液混合方法分别选择 N - 甲基吡咯烷酮（NMP）和二甲基甲酰胺（DMF）作为 MWCNTs 和 TPU 的溶剂，以实现高浓度 MWCNTs（至少 14%）并均匀地混合到 TPU 弹性体中，同时避免了 944 MWCNTs 团聚问题。
下图 I-2 a 展示了 558 PRF 的结构，分为两个不同的区域，一是 736 具有粗糙表面形态的上区域（即自形成微结构），随机排列的 MWCNTs 被 TPU 包裹；另一是 249 具有平坦表面形态的下区域，其中被均匀分散在 TPU 中的 MWCNTs 填充。为了 211 确认上表面的自形成微结构，研究者分别检查了 755 PRF 上下表面的形态和粗糙度，如图 I-2 b、c 所示。图 I-2 d、e 分别展示了 1027 分散液中原始 MWCNTs 和 PRF 中 MWCNTs/TPU 复合材料的氦离子束显微镜（HIM）图像。图 I-2 f-h 进一步研究了 939 PRF 薄膜的横截面，其中清晰可见两个不同的区域。
图 I-2。
PRF 的上区域主要是 1010 TPU 包裹的 MWCNTs，而下区域主要是 207 MWCNTs 与 TPU 的聚合物，这种特殊结构可以大大增强压力传感性能。为了 1030 测量 PRF 的灵敏度，研究者将它夹在两个金属电极之间，然后测量 0~1400 kPa 范围内不同施加压力的电流响应，其中很多机器人应用（如图 I-3 g 的机器狗）需要更大的压力范围。图 I-3 e 展示了 492 1500 次循环的可循环测试，图 I-3 f 展示了 1067 测试中多个循环的放大效果。研究者更是 76 对另一个 PRF 样品进行 3000 次循环的测试，验证 PRF 具有很强的耐用性和稳健性。图 I-3 h 中使用 PRF 压力传感器（6% 浓度的 MWCNTs）进行人体脉搏监测实验，以展示其超高的灵敏度。
图 I-3。
研究者开发的 PRF 具有出色的压力传感特性并成为高性能触觉传感器的绝佳选择。除了 157 常规正向压力检测外，PRF 还可以被组装成一个阵列，并通过计算阵列中每个传感器上施加的压力来检测力的方向。
识别蜜蜂足迹、手写数字和汉字分类
机器人触控通常需要具有高空间分辨率的大型集成式压力传感器阵列，因此研究者将低温处理后的 PRF 与单壁 CNT TFT 制作成 64×64 有源矩阵集成，以构建 4 英寸的大型集成式压力传感器阵列。其中，有源矩阵首先使用涂覆在 4 英寸硅底片上的 PI 薄膜上制作。
下图 I-4 a-c 展示了 118 CNT TFT 有源矩阵的示意图，图 I-4 d 为晶体管沟道中高密度 CNT 薄膜的扫描电子显微镜（SEM）图像，长 8 μm、宽 100 μm，图 I-4 e 为从底片上剥离后的有源矩阵的示意图。图 I-4 i 展示了 183 传感器阵列上仿真蜜蜂（重量 6. 952 7 克、足宽约 0. 150 55 mm）的足迹识别，它的六只脚在压力传感器阵列上的位置中被正确识别。图 I-4 j 放大左后脚，可以看到阵列中八个传感器像素被施加了 267 不同的压力。
图 I-4。
除了 194 识别与物体形状相关的压力图之外，收集的传感器数据还可以帮助识别数据表示的模式。通过进一步将传感器阵列与 AI 硬件集成，并利用深度学习算法进行高效数据处理，从而在显著降低功耗和延迟的情况下实现未来的边缘或近传感器计算。
如下图 I-5 a 所示，研究者将基于 PRF 的 64×64 传感器阵列与基于忆阻器的 CIM 芯片集成，构建了 536 一个用于智能机器人触控的触觉硬件系统原型，用于采集和识别手写数字或汉字等字符。图 I-5 b 展示了所采用的一款全系统集成的 CIM 芯片，采用 130nm CMOS 工艺制成，图 I-5 c 展示使用约 160k 的忆阻器实现 784×100×10 的多层感知机（MLP）。在写入一个数字期间记录的所有帧被组合生成一幅像素为 64×64 的图像，如图 I-5 d 所示。研究者共收集了 3099 张手写数字图像，随机选择其中的 2598 张作为训练集，其余 501 张作为测试集。结果显示，训练与测试的准确率分别达到了 99. 117 2% 和 98. 212 8%，与软件模拟中实现的数值相当。
除手写数字之外，研究者使用压力传感器阵列以类似的方式收集更复杂的字符图案（例如汉字）并进行分类识别。他 5 们选取九个汉字（清华大学微纳电子系），通过在 64×64 传感器阵列上书写收集了 900 张图像（每个汉字 100 张）的数据集。结果显示，这些汉字的分类准确率达到 97. 133 3±1. 940 0%。
图 I-5。
柔性 TENG 式触觉传感器：自供电无线传感电子贴纸
在实现物联网连通万物的过程中，基于电磁波的无线传感技术面临着挑战。如下图 II-1 所示，当前无线系统包含传感、信号调制、无线传输以及供能与能量管理四个模块，造成刚性和体积庞大的电子元件。虽然可以使用可拉伸柔性电子设备来解决柔体 - 刚体接口问题，但大多数仍由本质上刚性的组件或设备组成，限制了电子皮肤和可植入医疗设备等应用场景。这些电子元器件的总能耗也较大，因此需要电池或电缆提供电力，给实施和维护造成不便，引起可持续性和环境问题。
图 II-1。
这时，新兴的摩擦纳米发电机（TENG）技术进入了视野，它可以通过额外的位移电流项来触发无线信号的产生和传输。TENG 可以同时高效地捕获机械能和运动信号，无需额外的电源和传感模块。电磁波发射的功耗通常小于 1 mW，这可以通过 TENG 收集的典型动能轻松实现，使设备完全自供电。
在与香港中文大学合作的论文《A paradigm shift fully self-powered long-distance wireless sensing solution enabled by discharge-induced displacement current》中，研究者基于 TENG 触发的击穿放电提出一种范式转换策略，研发一种自供电无线传感电子贴纸（SWISE），它可以将上述所有模块的功能集成在一个微型单元中，如下图 II-2 左所示。为了实现放电感应信号的产生，两个具有放电尖端的镜像对称金属电极夹在基底膜和摩擦电荷层膜之间，FEP 薄膜和 PDMS 分别用作摩擦电荷薄膜和基底。该器件的总厚度可降至 95 μm，两个电极之间的间隙距离被控制在 10 到 500 μm。论文被 Science Advances 收录。
论文链接：https: 114 //www. 915 science. 179 org/doi/10.1126/sciadv.abi6751
研究者使用非光刻和光刻方法制作不同的 SWISE 器件，具备了薄（低至 95μm）、小（低至 9 mm x 9 mm）、轻（低至 16 mg）、柔软、可变形等特点。与以往各种工作相比，SWISE 通过击穿放电产生了快速变化的极化项，体积尺寸最小，有效传输距离最长，如下图 II-2 右所示。
SWISE 避免了中间步骤的额外功耗，完全由捕获的信号作为能源实现自供电，无需任何外部电源输入。同时，通过区分不同设计参数和气体成分产生的信号来实现多点运动传感和气体传感的能力。得益于多点传感能力，SWISE 的量产可用于自供电无线键盘和智能腕带等应用。
图 II-2。
SWISE 的原理、系统评估与气体环境实验
SWISE 的工作原理是 725 这样的：在手指轻轻滑动的驱动下，无需任何外部电源即可通过放电过程将输入的运动信号直接转换为电磁信号，展现完全自供电能力。当被触发时，摩擦起电在摩擦电荷层中产生负电荷。由于静电感应电荷，电极之间产生电场，在尖端周围具有最高值，如下图 II-3 A 中的 COMSOL 模拟结果所示。同时强电场产生击穿放电，幅度和上升时间由 SWISE 中的环境和结构因素决定。击穿放电产生高频位移电流，因而感应到无线电磁信号。
接着生成的无线信号通过连接到示波器（作为接收器）的远程线圈来捕获和测量。典型信号的时间响应如图 II-3 B 所示，使用快速傅里叶变换的频率响应如图 II-3 C 所示，其中信号频谱分布在数百兆赫兹，主要在甚高频（VHF）频带，而接收器中的谐振频率集中在 1 0MHz 左右。
SWISE 生成信号的特性如图 II-3 D 所示。为了方便研究各种因素的影响，研究者在一个独立滑动式 TENG（FS-TENG）上连接两个尖端电极进行放电（即击穿放电器）。FS-TENG 由固定在光学平台上的线性马达驱动，其滑块移动距离、速度、加速度可被精确。而当通过滑动运动部件触发 FS-TENG 时，产生了电场并实现击穿放电。接收器的谐振频率保持在了 10MHz 左右。研究者证明了 SWISE 可以全方向地传输无线信号，并且在每个方向上检测到的信号强度几乎相同，如图 II-3 E 所示。
图 II-3。
环境因素对放电行为产生了很大影响，并可能影响无线信号。基于此，研究者系统研究了气体类型的影响，实验平台如下图 II-4 A 所示。为了创建一个纯净的气体环境，击穿放电器被放置在一个由 FS-TENG 驱动的腔室中。研究者测试了下图 II-4 C 中的 4 种纯净气体和 6 种混合气体，它们的典型信号波形如图 II-4 B 所示。过程中，通过重复击穿放电收集这 10 种气体环境的数据，每种收集 100 组数据。每组数据都是 154 电压 - 时间波形，共包含大约 2500 个数据点。
在分析过程中，研究者使用深度学习方法。通过建立双向长短期记忆模型，对不同气体环境的数据进行分析以识别气体。每种气体环境的 100 个数据集随机分为两组，80 个用于训练，20 个用于测试。结果显示对每种气体的识别都获得很高的识别率，总体识别准确率达到 98.5%，如图 II-4 C 所示。在此基础上，研究者预测深度学习方法可以用来区分来自腔内具有不同气体成分的多个 SWISE 的无线信号，这可能实现对 SWISE 传感阵列的气体传感和多点运动传感能力。
图 II-4。
无线运动传感、自供电无线柔性键盘和智能腕带
得益于重量轻、灵敏度高、成本低、柔性和可变形等特点，SWISE 可以广泛应用于信号传感和传输，无需额外供电。研究者展示了一些自供电无线传感应用。
首先 SWISE 制备成电子皮肤，用于检测运动并即时传输放电感应的电磁波信号，具有传输距离远的优点。如下图 II-5 A 所示，无线电磁信号可以被远距离传输超过 10m 的接收器检测到，其中 SWISE 由手指的轻柔运动驱动。图 II-5 B 为基于 SWISE 的电子皮肤和智能手环的整体图解。SWISE 电子皮肤可以服帖的集成在人体不同位置，如手臂、肘部、腿、脚踝和颈部，用以检测身体运动，如图 II-5 C 所示。
在图 II-5 D 中，经过线圈和信号处理电路，手指滑动以驱动 SWISE 产生的无线信号能开启基于 LED 的照明系统，以验证其高灵敏度。最后，图 II-5 E 还展示了基于 SWISE 的柔性键盘和智能腕带系统。
图 II-5。
凭借无线传感技术的完全自供电能力、最小尺寸和最长有效传输距离，柔性、低成本和高可扩展性，这项工作将在机器人、可植入和可穿戴电子设备、医疗保健、智能家居、智慧城市、工业 4.0 等领域展现出巨大的应用潜力。
柔性电容式触觉传感器：实现传感器 - 软机器人无缝集成
机器人、假肢和其他 632 机器在配备电子皮肤或柔性压力传感器时能够获得感官功能，通过引入新的设计（如界面微结构）或者将导电填料掺杂到介电层中，此类器件的性能得到显著改善。电子皮肤设备可以对机械刺激做出响应，并使机器人感知周围环境。不过现有电子皮肤面临一个长期挑战，由于器件各层之间的界面不牢固，导致在恶劣和复杂的机械条件下稳定性较差。
此外，将电子皮肤集成到软机器人或其他 65 机器中会不可避免地引入额外的界面，由此也造成界面粘附性差和机械失配。因此迫切需要在电子皮肤和传感器 - 机器人的不同层以及器件 - 机器人的界面是 1023 哪个构建强韧界面。
针对这些挑战，在与南方科技大学合作的论文《Highly stable flexible pressure sensors with a quasi-homogeneous composition and interlinked interfaces》中，研究者开发出一款基于聚二甲基硅氧烷 - 碳纳米管（PDMS-CNTs）准均质复合材料的柔性压力传感器，这种设计有效避免了异质结构之间的力学失配。通过在不同功能层之间引入强拓扑缠结设计以产生坚韧的界面，实现传感器与软体机器人的无缝集成。论文被 Nature Communications 收录。
论文链接：https: 1033 //www.nature.com/articles/s41467-022-29093-y
解决机械失配、生成坚韧界面
下图 III-1 a 为传统多层、多材结构的电子皮肤示意图，各功能材料层通过简单的堆叠组装而成。这类结构的器件服役于含有剪切等复杂工况时，层间界面因模量、兼容性失配，导致分层，如图 III-1 b 所示，出现传感信号稳定性下降甚至失效风险。归结原因在于其多层、多材结构的机械及兼容失配。
与传统多层电子皮肤不同，本研究中的压力传感器由功能层材料均采用 CNTs/PDMS 同质材料组成，力学模量近似，避免了机械失配问题；同时在各功能层界面引入拓扑交联结构，形成了具有坚韧的粘合界面，具体如图 III-1 c 所示。从上到下依次为平电极层（7 wt% CNTs、50 μm 厚）、平介电层（2 wt% CNTs、120 μm 厚）和微锥电极（7 wt% CNTs、约 100 μm 厚）。
为了生成坚韧粘合界面，研究者首先将电极和介电层在含有 PDMS base（5.5 wt%）和固化剂（0.55 wt%）的三氯甲烷溶液中进行溶胀（图 III-1 e）。接着按顺序堆叠溶胀后的功能层，在 20 kPa 的预压力下进行固化（图 III-1 f）。随着 PDMS 原位聚合反应的发生，功能层间界面处新形成的 PDMS 网络，并与原有 PDMS 网络的分子链发生拓扑缠结，实现了具有强粘合界面层的一体式结构（图 III-1 g）。确切地说，在介电层和底部微结构电极之间的界面处，微锥尖端与介电层融为一体，如图 III-1 h 所示。
图 III-1。
得益于整个体系的均质材料体系，各功能层都表现出了相似的力学性能。下图 III-2a 表明纯 PDMS、掺杂 2 wt% 和 7 wt% CNTs 的 PDMS-CNTs 复合材料的杨氏模量分别为 1.2、1.4 和 3.4 MPa。虽然掺杂 CNTs 使得复合材料的杨氏模量增加，但微小的差异几乎不会引起力学失配。
研究者测量了器件结构不同层间界面的韧性和剪切强度。电极和介电层之间的平面界面具有420J·m^-2 的界面韧性和 90 kPa 的剪切强度，而微结构界面虽然包含大量的孔隙，界面韧性仍达到了 390 J·m^-2，剪切强度为 88 kPa，如图 III-2 b、c 所示。如此高的界面韧性要得益于两种机制：一是 46 显著的弹性耗散机制，二是 517 微塔结构的离散断裂机制。
首先，微塔结构 - 介电层界面的强粘附性和微塔结构的可拉伸性使其具有高的弹性能量耗散。微塔结构可以显著拉伸到大应变（约 200%）以耗散能量，如图 III-2 d、e 所示。其次，遭到离散破裂的微塔结构可以稳定局部的界面，避免连续的裂纹扩展。虽然块状 PDMS 柔软且可拉伸，但一旦形成裂纹，它将快速扩展直至断裂，如图 III-2 f 所示。图 III-2 g 为器件结构在扭曲、弯折和拉伸的机械受力模式下的原位 SEM 观察，表现出稳定的结合界面，这进一步证实了微结构界面的韧性和稳定性。
图 III-2。
下图 III-3 a 展示了传感器（面积为 10 mm × 10 mm）在不同压力下的电容响应。当压力低于 47 kPa 时，灵敏度为 0.15 kPa^−1；当压力在 47 和 214 kPa 之间时，灵敏度下降至 0.08 kPa^−1；压力在 214 到 450kPa 之间又下降到 0.04 kPa^−1。由于响应和松弛速度会受到材料粘弹性和表面结构的影响，研究者通过施加、保持和移除 1.1 kPa 的压力来测试传感器（面积为 7 mm × 7 mm）的响应和松弛时间，两者均为 6 ms，如图 III-3 b 所示。
PDMS-CNTs 电极（7 wt% CNTs）也可用作应变传感器，并在 0-60% 的应变范围内，表现出了 2.5 的恒定应变系数，如图 III-3 c 所示。图 III-3 d 表明掺杂 CNT（2 wt%）显著增加了介电层的相对介电常数，并使它高度依赖于压力。随着压力从 0 增加到 460 kPa，该常数从 19.8 增加到 114。表明电容增大一部分是 922 由介电层电学性能变化贡献的。
为了进一步阐明压力传感机制，研究者通过微结构界面的变形仿真，并使用图 III-3 e 展示的简化电路模型计算了单个单元的电容。结果显示，电容变化是 547 微塔结构和掺杂 CNT 介电层电学性能变化的协同效应，其中高压区（压力 > 200 kPa）的响应主要来自局部微观结构变形，而低压响应主要来自掺杂 CNT 导致的介电常数变化。
图 III-3。
该传感器在循环加卸载下表现出了高稳定性。研究者分别测试了传感器（面积为 10 mm × 20 mm）在摩擦和剪切条件下的信号稳定性。图 III-3 g、h 表明，当传感器在 10 kPa 的常压和 2 mm 的往复位移下，用砂纸摩擦 100000 次循环时，信号波形或幅度没有明显变化。同时通过施加 5 kPa 的重复剪切应力 10000 个循环来测试信号稳定性，同样没有观察到信号幅度或机械故障的明显变化，如图 III-3 i 所示。
极端工况下传感信号稳定性展示
研究者将器件贴附于一辆轿车的轮胎表面（面积 10 mm×40 mm），如下图 III-4 a 所示，通过高速行驶时轮胎与地面产生的动态交变的压力（约 300 kPa）、剪切力（约 6 kPa），如图 III-4 b，c 所示，模拟复杂的极端受力工况。同时对比商用压力传感器在汽车行驶过程中的信号稳定性。如图 III-4 d 所示，当汽车以 22 km·h^-1 的平均速度行驶时，电容信号在至少 2.6 km（或 1102 转）范围内保持稳定。信号的高稳定性与图 III-4 e 中传感器的微结构一致，这表明测试后微塔在界面处保持良好的粘合而没有破裂。相比之下，商用的传感器在如此复杂机械条件下的「生存」面临巨大的挑战，经过 0.5 km 后传感功能失效，这进一步证明，具有粘合界面、力学适配设计的新型传感器件能够在类似的极端复杂工况下长期稳定服役。
图 III-4。
下一代软体机器人的一大需求是 9 与电子皮肤融合以获得感知功能，进而实现与人类或环境交互功能。上文也提到，传感器与机器人的集成存在界面兼容性差的问题。因此，将传感器矩阵嵌入机器人中等类似设计将有助于实现结构融合。研究者的层间界面的拓扑缠结设计对解决这一问题表现出极高潜力。
下图 III-5 a 展示了一个软夹具，研究者在其表面集成了八个传感器。图 III-5 b 中展示了夹持器矩阵与传感器的底部电极粘接界面形貌，可以看机器人 - 传感器层间界面实现了很好的融合。图 III-5 c-g 展示了抓取网纹甜瓜（重量 1250 g）和毛绒娃娃（重量 180 g）时的压力分布图。
研究者还对电容信号的稳定性进行了进一步测试。如图 III-5 g 所示，他 203 们用软夹具抓起桌子上的甜瓜并将其提升 10 cm，在此高度保持约 1 秒，然后放回桌子并松开。重复该过程 1000 次之后没有观察到明显的信号变化，而对照传感器由于没有拓扑缠结提供的强韧界面，它用于粘附微塔结构和介电层的薄 PDMS 在第 137 次循环时便出现了分层现象，传感性能失效。
最后，研究者展示了软夹具在抓取 - 提起 - 紧握 - 释放娃娃的动态过程中的电容和电阻响应。在初始状态下，软夹具完全打开以抓取大件物品，并对传感器施加了拉伸应变。在接触和抓握娃娃时，电容急剧增加，电阻也会随夹具表面应变的减小而降低。然后将娃娃提起并保持约 2 秒，并在释放时落下（图 III-5 j）。这表明该传感器件能够实现双模态传感模式，从而可以应用于需要精准反馈应变和应力的服役场景。
图 III-5。
综上所述，研究者提出 “同质” 设计思路，在单一材料体系内通过电学调控，获得力学适配、界面兼容的材料体系。辅助以高分子聚集态结构调控策略，在不同功能层的界面之间，通过小分子扩散，引入原位聚合的交联拓扑网络粘结层，制备的一体式粘合封装柔性压力传感器，在如汽车碾压极端工况下（~300 kPa 压应力和~ 6 kPa 剪切应力耦合作用），仍能够表现出优异的稳定传感功能。该电容式传感器由准均质材料组成，即聚二甲基硅氧烷 - 碳纳米管（PDMS-CNT）材料体系，不同功能层之间引入的 PDMS 交联拓扑网络结构，使得界面韧性可达~ 400 J·m^-2，以及~ 90 kPa 的剪切强度。导电、介电功能层间形成了坚固而牢靠的融合界面，实现了多材料、多结构界面的共融构筑。“同质”设计可从根本上解决不同材料体系导致的界面兼容性差和力学失配问题，达到材料 - 材料的共融设计，该策略对后续电子皮肤在智能制造、健康监测等领域中复杂受力模式下的可靠稳定传感功能的构筑提供了新方法。
除以上三篇代表性论文外，腾讯 Robotics X 实验室在触觉传感器领域还有其他 935 工作，想要了解更多细节的读者可以参阅以下论文。
1. 压阻型：标题《A Single-material-printed, 201 Low-cost Design for A Carbon-based Fabric Strain Sensor》
- 机构：华南理工大学、腾讯 Robotics X 实验室等
- 论文链接：https: 204 //www.sciencedirect.com/science/article/pii/S0264127522005482
2. TENG 型：标题《A flexible triboelectric tactile sensor for simultaneous material and texture recognition》
- 机构：清华大学深圳国际研究生院、腾讯 Robotics X 实验室等
- 论文链接：https: 211 //www.sciencedirect.com/science/article/abs/pii/S2211285521010478
3. 电容型：标题《Iontronic pressure sensor with high sensitivity and linear response over a wide pressure range based on soft micropillared electrodes》
- 机构：南方科技大学、腾讯 Robotics X 实验室等
- 论文链接：https: 126 //www.sciencedirect.com/science/article/abs/pii/S2095927321001328#f0030
