随着人工智能（AI）和元宇宙技术的快速发展，人类与虚拟环境之间的连接已成为一个关键的研究焦点[1,2]。具体而言，通过捕捉来自身体各部位的实时高精度运动数据并将其转换为数字信号，研究人员可以构建出促进人与虚拟世界互动的交互界面[3]。在这些界面中，人手是最直接和高效的与外部环境互动的媒介[4]，因此成为人机交互的关键桥梁。值得注意的是，人手代表了解剖学和功能进化的关键特征[5]，对于精细运动控制、工具操作和社会交流至关重要[[6], [7], [8], [9]]。其高度灵活的手指和手腕关节使得执行复杂的静态和动态手势成为可能，从简单的指向和物体操作到表达复杂的感知和情感[10]。因此，基于手势的非语言交流是人类互动的核心驱动力，而准确的手势识别则在人类与计算系统之间建立了关键的接口[11]，涉及对手势的跟踪及其转换为语义上有意义的指令[12]。通过手语识别，各种手势可以被有效识别为输入信号，并将相应的指令映射到输出，从而实现精确的远程设备控制[13]。根据定义，HCI指的是用户与计算系统通过特定通信方式进行的信息交换[14]。这一过程需要考虑硬件、软件和交互设计[15]，因为研究人员不断追求更加直接和自然的界面。随着AI、增强现实（AR）、虚拟现实（VR）和5G技术的快速发展，HCI已经进入了自然用户界面的时代[16]。出现了多种交互方式，为用户提供越来越沉浸式的体验，包括基于语音的[17]、基于手势的以及基于运动的界面[18,19]。借助AI和机器学习，HCI正变得越来越智能和个性化。作为HCI领域长期的研究焦点，手势识别主要利用模式识别算法来分析手势的语义含义，最终实现无缝、实时和自然的人机交互。
手势识别技术的研究可以追溯到上个世纪。尽管早期的研究主要依赖于基于手套的传感器系统，但这些方法要求用户佩戴笨重的设备，并通过大量电缆连接，从而大大限制了实用性[20]。随着技术的不断进步，现代手势识别方法已经发展成两大类：基于视觉的方法和基于传感器的方法[21,22]。基于视觉的手势识别克服了早期硬件的笨重问题，因此在手势跟踪场景中得到了广泛应用。然而，这种方法面临一些固有的挑战，通常需要部署复杂的摄像系统，并且容易受到环境干扰的影响。降低识别准确性的关键因素包括环境光照的变化[23]、动态背景的变化以及物体遮挡[24,25]。相比之下，基于传感器的手势识别受这些环境因素的影响较小。它具有明显的优势，如稳定的数据采集和简化的信号处理流程[26,27]，有效缓解了基于视觉技术的固有局限性。在基于传感器的解决方案中，可穿戴传感器特别值得注意，因为它们设计轻便[[28], [29], [30]]，与人体贴合度高，佩戴舒适[31], [32], [33], [34]]。这些特性使得人类运动信号的无缝、舒适和精确数字化成为可能，为高效的人机交互奠定了坚实的基础。目前，主流的可穿戴电子传感器包括多种类型，如电容传感器[[35], [36], [37], [38]]、热电传感器[[39], [40], [41], [42]]、电阻传感器[[43], [44], [45], [46], [47], [48]]、压电传感器以及摩擦电纳米发电机（TENGs）[[49], [50], [51], [52], [53], [54], [55], [56]]。这些传感器的一个显著局限性是它们依赖于外部电源来生成和传输检测信号。相比之下，TENGs代表了一种颠覆性的自供电传感技术，具有紧凑的尺寸[57,58]、轻量级的构造[59]、简单的设备架构以及多样的材料选择[60,61]等优点。通过有效地将低频、不规则的机械能转换为电信号，TENGs特别适合用于自供电的人体传感器，尤其是检测微妙和关节运动[[62], [63], [64], [65]]。受这一潜力的驱动，越来越多的研究人员专注于开发基于TENG的可穿戴设备用于手势检测。已经探索了多种制造技术来生产各种可穿戴的智能手势检测设备，包括浸涂[66]、溶液浇铸[67]、溶液处理[68]、成型[69]、打印[70]、纺丝[71]以及蚀刻和沉积方法[72,73]。值得注意的是，每种制造方法在设备结构、性能、功能和应用领域方面都表现出不同的特点。
如图1(a)所示，自2020年以来，TENG技术在手势识别领域经历了快速发展[74]。这一发展轨迹体现了材料科学和传感技术的协同整合，促进了柔性、可拉伸和自供电系统的进步[[75], [76], [77], [78]]。在传感器制造方面，基于纺织品、纱线和薄膜的基底变得普遍[[79], [80], [81], [82]]。同时，功能整合的程度也在不断提高。这一进步显著增强了多模态感知能力，特别是实现了同时的压力感知、温度检测和运动监测[83,84]。自2023年以来，这项技术的智能发展趋势逐渐显现，应用领域也在不断扩展[85,86]。值得注意的是，与TENG相关的研究一直在稳步增长，并在2022年进入了快速增长阶段。这一增长在图1(b)中得到了量化，显示过去四年发表的科学论文数量占总论文数量的75%。核心研究方向集中在三个方面：材料制备与改性、结构设计创新以及基于场景的应用优化[[87], [88], [89]]。这些主题优先级在图1(c)中的关键词共现聚类分析中得到了进一步体现。该分析揭示了十个主导集群，主要集中在人机界面、手势识别、摩擦电纳米发电机和柔性电子学方面。以TENG为核心技术，结果表明该领域与人工智能、传感技术和可穿戴系统有着深刻的跨学科融合。最终，这标志着该领域向智能化和多样化发展的转变。
在这项工作中，我们全面回顾了基于TENG的可穿戴手势传感器的最新进展，特别关注了通过不同制造技术制造的设备。首先，我们讨论了原位表征和第一性原理计算在理解与优化TENG材料、制造过程和应用机制中的作用。如图2所示，基于TENG的可穿戴手势传感器根据其制造方法分为四类：（1）浸涂和溶液浇铸方法，（2）基于溶液的处理和成型方法，（3）打印和纺丝方法，以及（4）蚀刻和沉积方法。对于每一类，我们进行了系统的分析，涵盖了关键方面，包括传感器制造材料、制造流程、结构特征、目标应用场景以及进一步发展的潜力。最后，本文批判性地分析了基于TENG的可穿戴手势传感器在实际手势识别应用中面临的当前挑战，并提出了未来研究的方向。
