“ 仿生梯度网格，打造均衡柔性触觉皮肤。

看得清，却摸不准，这是当下人形机器人最核心的短板之一。

我们人类伸手拿东西，不需要盯着手看，指尖触觉就会告诉我们该用多大的力气。但对于人形机器人来说，这种与生俱来的能力，至今仍是一道难题。

视觉可以定位物体，却感知不到软硬、分辨不出轻重。针对该痛点，过去行业主流的破局思路，都是在传感功能层本身做改造。近日，中国科学技术大学工程科学学院人形机器人研究院牵头，联合新南威尔士大学、苏州大学、伍伦贡大学、西北工业大学研究团队，跳出了材料改良的固有思维。

他们不去修改凝胶、电极这些核心功能材料，而是在电极与离子凝胶中间，新增一层直写打印的梯度网格夹层，实现渐进式接触调控，同步兼顾高灵敏度与宽线性量程。相关成果发表于机器人权威期刊《Science Advances》。

01.

视觉的局限与触觉的世纪难题

如今的机器人，在大模型的加持下识别物体、规划抓取路径已经不是技术难题。但灵巧手一旦真正接触物理世界，视觉的先天缺陷就会暴露出来。 

机械臂会造成自身遮挡，暗光、雾气环境下识别能力大幅下降；更棘手的是，不少外观几乎一模一样的硅胶弹性体，实际软硬完全不同，这种力学上的差异，摄像头完全分辨不出来。

人类靠指尖皮肤解决这个问题。皮下分布的机械感受器，可以把压力、振动、滑动转化为神经信号，我们捏鸡蛋、拧瓶盖，都依靠触觉反馈实时调节握力。想要人形机器人实现灵巧的物理交互，一套高性能的柔性触觉传感器是绕不开的硬件。

但柔性触觉领域一直深陷 “不可能三角” 困境。灵敏度、线性量程、线性度三项核心指标相互掣肘，很难同时拉满。

离电压力传感器是当下极具潜力的技术路线，依托离子水凝胶与电极之间的纳米双电层效应，天生拥有高灵敏度。但它有一个致命缺陷：接触面积一旦饱和，信号很快走平，压力稍大就失去分辨能力。

过往行业的解决方案，大多聚焦改造传感功能层。在水凝胶表面制备复杂微结构、堆叠不同模量的弹性梯度层，虽然可以拓宽量程，但依赖模板、翻模、多层贴合，工艺链条繁琐，大面积阵列制备难度很高。

02.

仿生渐进接触，一层网格模仿指尖感受器分布

为跳出功能层改造带来的工艺枷锁，团队从人类指尖感知机制寻找思路。

人指尖的机械感受器分布并不均匀，中心密度高、向外逐步降低。轻触时中心感受器优先响应；压力增大，实际接触区域向外扩张，外围感受器逐步参与感知，自然兼容微弱触碰和大力按压两种工况。

受这个机制启发，团队选用Dragon Skin 20硅胶，采用直写打印工艺制作梯度网格夹层。网格由三层同心圆环构成，直径4mm、8mm、12mm，线宽100μm，厚度100 μm，孔径由中心向外逐步放大。

网格模量高于离子凝胶。受压时，凝胶被网格边框约束，只能从网孔位置向上鼓起接触上层电极。接触从中心小孔率先启动；压力持续上升，接触区域沿着径向一圈圈向外扩张。有限元仿真和光学观测，都证实了这种渐进式接触行为。

受皮肤机械感受器启发的基于梯度层间的柔性离电压力传感器 (GriFIPS) 的设计和工作原理。

只靠网格的宏观渐进接触，依然不足以抑制双电层饱和。器件的另一关键来自液态金属复合电极。

电极由镓铟液态金属和PDMS复合而成，初始状态绝缘；超声烧结后，金属液滴融合形成导电通路，同时在表面生成微米级粗糙结构。对照实验证明，光滑铜电极信号极易饱和，粗糙液态金属电极可以在宽压力区间维持电容持续变化。

整套器件形成双尺度协同机制。宏观接触范围由梯度网格几何构型调控，微观接触界面依靠电极表面微结构优化，两者协同延缓电容饱和。

经过多组参数对比，中等辐条密度、100μm 厚度网格，实现灵敏度和高压线性响应的最优平衡。

设计原则和材料基础。

03.

瓢虫级微力感知，覆盖人手触觉区间

这套被命名为GriFIPS的传感器，在实验室受控条件下测得核心性能：灵敏度 175.9 kPa⁻¹，线性检测上限约360kPa，拟合区间覆盖至358.2kPa，决定系数 R²=0.997；压力检测下限约 2.1Pa，大致相当于一只瓢虫的重量，响应时间 25ms，恢复时间 50ms。

人手天然触觉感知区间约0.1‑100kPa，该传感器2.1Pa‑360kPa的量程，完整覆盖人体触觉范围，并且留有充足余量。

在机器人实际作业场景，抓取重物、操作工具时，指尖局部压强能够达到数百千帕，充足的高压量程，可以避免大压力下信号直接丢失。

稳定性测试同样给出不错结果。150kPa压力下完成 6000 次循环加载，信号输出保持稳定；累计 2000 次 50% 幅度拉伸循环之后，200kPa 压力下的传感响应和初始状态基本保持一致；5个独立制备的器件，一致性表现良好。

更值得关注的是，即便处于100-300kPa高静态预载之下，传感器依旧可以分辨约40Pa的微小压力波动，微弱信号不会被大基底压力掩盖。

GriFIPS 的静态和动态传感性能。

04.

灵巧手集成实测：实现材质识别、纹理分辨与多维力感知

团队将传感器集成到灵巧手指尖，采集电路与TCN 时序神经网络解析触觉信号。

在涵盖铁块、海绵、软硬木材、泡沫、织物、混凝土等14种不同材质物体识别实验中，1400 组测试样本识别准确率达到99.86%。更换一颗全新传感器采集，不重新微调模型，识别准确率依旧保持97.5%，具备不错的跨器件泛化性。

使用集成在灵巧机械手上的 GriFIPS 进行触觉物体识别。

在此基础上，团队把电极激光切割成四象限结构，搭配硅胶半球接触头，开发三轴力传感器 ，解析 X/Y/Z 三个方向受力。垂直法向受力，四路通道信号同步抬升；剪切力作用时半球倾斜，对角通道信号一升一降，以此判断外力大小与方向。

研究还利用滑动扫描的方式做纹理分类测试，具体针对牛津布、灯芯绒、牛仔布等12种真实面料开展纹理识别。结果显现，依靠四路通道多维触觉信息，分类准确率 99.72%，显著优于76.81%-83.19%的单通道信号方案。

使用3轴GriFIFS 进行三轴力传感和纹理识别。

依托三轴触觉信号，团队完成三组机器人功能演示。

抓取烧杯逐步加水，依靠剪切力信号感知容器重量变化；人手横向拉扯被抓取零件，触觉捕捉外力后机器人自主松手；盲孔装配测试，零件遭遇 15°倾斜盲孔产生侧向阻力，机器人识别阻力后停止回退，遇到垂直盲孔则顺利插入。

3轴GriFIFS在抓取、人机交互和触觉引导装配方面的机器人应用。

05.

未来与局限

这项工作的核心亮点，不在于刷新单项性能极值，而是提供了一种“解耦式”设计思路：把梯度调控结构做成独立夹层，不再嵌入传感功能层内部。后续想要调整传感响应特性，只需要修改网格打印参数，不需要重新研发凝胶、电极材料。

这套设计思路具备通用性，对压阻式、普通电容式电子皮肤同样有参考意义；直写打印工艺，也为低成本制备大面积触觉阵列提供新路径。

论文也客观列出当前方案的短板：网格参数目前只有三档离散对比，缺少全参数空间优化；现阶段是平面网格结构，如果要贴合手指曲面，还需要开发适配工艺；三轴样机采用有线引出，大规模阵列布线、柔性集成仍是难题；同时TCN算法训练和测试样本同源，面对陌生物体时的泛化能力有待继续验证。

当然，它已经给出了一条清晰的路径。类人触觉的落地，器件性能只是一环，一致性、曲面集成、阵列布线、感知算法都是绕不开的工程关卡。这层小小的打印网格跳出新材料内卷的思路，从结构设计层面，为机器人触觉给出了一条值得持续探索的方向。

来源：机器人大讲堂