基于Janus纺织架构的机械解耦多模态触觉感知

《Advanced Fiber Materials》：Mechanically Decoupled Multimodal Tactile Perception Enabled by a Janus Textile Architecture

　　# 摘要触觉感知表面特性对于先进机器人至关重要，然而传统多模态传感器受到机械耦合换电的制约，导致应力耗散、信号干扰以及复杂的解耦问题。本文报道了一种Janus结构纺织传感器，通过物理上解耦的力传递路径实现了机械选择性多模态感知。该Janus架构集成了对法向压缩响应的导电层和对滑移敏感的聚二甲基硅氧烷（PDMS）包覆介电层，在无需算法解耦的情况下从本质上分离压阻和摩擦电信号。这种结构解耦设计有效抑制了应力耗散，提高了应力传递效率，并生成本质上可区分的触觉信号指纹，无需依赖复杂的算法解耦。得益于这种机械选择性换电机制，该传感器展现出优异的静态和动态感知能力，同时具备出色的疏水性、自清洁性能和耐磨性。借助机器学习辅助的特征分析，该传感器在21种不同样本中实现了99.6%的纹理分类识别准确率和94.5%的材料识别准确率。此外，构建了一个集成机器人触觉认知系统，能够实现闭环触觉感知，特别是表面纹理和材料的同时识别。本工作建立了一种机械选择性触觉换电策略，用于物理分离的多模态感知，为下一代机器人皮肤、具身感知系统和智能人机界面提供了可扩展的平台。## 图形摘要（图片内容：图形摘要）