基于机器学习的智能皮肤多点触觉传感技术研究

为解决传统触觉传感器在大变形条件下无法准确检测力度的难题，研究人员开发了一种基于机器学习(ML)的应变场监测方法。该技术利用稀疏应变数据成功预测平面及柔性曲面的单点/多点触触位置与力度，为柔性触摸屏(Flexible touch screens)和机器人智能皮肤(Robotic smart skin)提供了创新解决方案。

　　

具备触觉功能的人工智能皮肤(Artificial skin)可显著提升机器人交互与任务执行能力。传统基于电阻/电容变化的触觉传感器难以应对大变形场景，而通过监测接触引发的应变场(Strain field)成为更优解。尽管完整应变数据能轻松实现触觉检测，但真正的技术突破在于如何利用有限数据达成目标。

这项研究创新性地引入机器学习算法(ML-based approach)，仅需稀疏应变数据即可精准预测接触位置与力度。数值模拟与实验验证表明，该技术不仅能处理平面上的单点/多点触控，还可拓展应用于弯曲扭转状态下的柔性形变表面。

研究成果为柔性触摸屏(Flexible touch screens)、机器人智能皮肤(Smart skins)及微尺度触觉传感器(Micro-scale touch sensors)开辟了新路径，特别是在需要高精度力反馈的医疗机器人(Medical robotics)和可穿戴设备(Wearable devices)领域具有重要应用价值。