综述：软电子学与人工智能的融合：从材料到智能系统

《Nano-Micro Letters》：Convergence of Soft Electronics and Artificial Intelligence: From Materials to Intelligent Systems

　　

软电子学是一类新兴的机械顺应性平台，能够在曲面及动态表面实现贴合式、皮肤接口的传感与驱动。这类系统将可承受变形的电学功能与软接触力学相结合，但其实际使用性能强烈受到时变界面、运动诱导伪影以及密集多模态集成所带来的系统负担等因素的影响。软电子学的最新进展正与人工智能（趋同发展，人工智能不仅能够从高维信号中可靠地提取信息，还能实现可容忍不同用户及日常条件变异的设备端推理。本文综述了从材料到智能系统的这一融合领域的最新进展。首先介绍材料与界面基础，聚焦于可承受变形的导体（deformation-tolerant conductors）、低阻抗生物接口（low-impedance biointerfaces）以及支持长期佩戴的透气基底策略。随后讨论制造与集成方法，重点包括可扩展制造、多层互连结构以及能量自主的无线操作，这些技术能够实现更高的通道数和多功能架构。接着评述基于学习的处理流程，强调伪影抑制、非理想性补偿、多模态推理以及高效的边缘部署。最后探讨神经形态计算（neuromorphic computing）和传感器内计算（in-sensor computing）等新兴方向，以及当前面临的挑战和未来机遇，以期实现能够在日常环境中持续、可靠运行的可部署智能软系统。

引言

软电子学通过实现亲密贴合、机械顺应性以及可在弯曲、拉伸和扭转表面进行分布式传感的能力，拓展了可穿戴和皮肤接口技术。随着软材料平台与低功耗嵌入式电子技术的同步成熟，该领域正从概念验证演示转向日常使用的持续运行。在这一阶段，性能不仅取决于基线灵敏度，还取决于运动、汗液、温度波动和反复变形条件下的信号稳定性。这些约束条件促使研究者采取融合视角，将材料、集成、硬件和人工智能（AI）进行协同设计，而非孤立优化。在材料层面，可靠运行的关键在于在变形条件下保持电学功能，同时维持与皮肤兼容的界面。广泛采用的策略是使用复合架构，其中导电填料在软基质中形成渗流网络，这仍是保持导电性而不牺牲弹性体顺应性的常用策略。近期，本征可拉伸导体和导电聚合物被设计用于在大应变下维持连续导电通路，并支持贴合式生物接口。对于生物电位采集，自粘性和耐汗PEDOT:PSS电极减少了对凝胶的依赖，改善了潮湿条件下的佩戴性。同时，基于MXene的导电聚合物水凝胶提供了机械顺应的界面，降低了皮肤-电极阻抗并提升了信噪比。此外，压电和摩擦电材料实现了动态运动传感和自供电操作，而透气基底则缓解了长时间佩戴期间的湿气和热量积聚。随着系统从孤立传感器向集成可穿戴平台发展，系统架构变得与材料选择同等关键。可扩展制造和密集布线策略被引入以支持日益增长的通道数和多功能堆叠，包括卷对卷生产和多层互连方法，在增加集成密度的同时保持顺应性。此外，通过运动驱动和热电结构实现的能量自主无线操作减少了连续监测对刚性电池的依赖。然而，规模化和集成放大了软系统的分析负担。随着通道数增长和传感多模态化，系统产生高维、时变信号，其统计特性随放置位置、运动和环境而变化，使可靠解释成为核心设计要求。为应对这一复杂性，人工智能的整合不再仅仅是作为后处理工具，而是作为核心计算层，弥合物理转换缺陷与系统级决策之间的差距。端到端去噪和运动耐受学习流程降低了运动期间的伪影敏感性。与此同时，漂移感知特征学习补偿了基线演变等长期非理想性，减少了不同用户和佩戴天数下的重新校准负担。随着智能系统向边缘转移，轻量级时间模型与可拉伸传感的结合代表了向合规硬件上高效闭环智能迈进的关键一步irik。

先进材料基础

可穿戴设备在实际应用中失效的原因往往并非缺乏传感机制，而是因为在反复操作中其电学功能、界面接触或机械稳定性发生劣化。材料讨论从三个实际需求出发：在变形条件下保持可靠的电学性能、适应环境变化、以及支持长时间佩戴的透气且皮肤兼容的接触。针对这些挑战，研究通过三个广泛的材料方向：电活性导体和半导体、刺激响应功能材料，以及用于皮肤接口的透气基底。由于智能可穿戴设备还必须将动态机械输入转换为有意义的电信号，本节还将压电和摩擦电平台作为动态和自供电操作的更广泛材料基础的一部分加以考虑。

导电、半导体和机电转换材料

稳定的生物信号采集在日常活动中仍然具有挑战性，因为机械变形和时变的皮肤接触持续破坏电学界面。因此，可穿戴电子器件的材料选择不仅取决于变形条件下电通路的保持可靠性，还取决于在实际佩戴条件下将机械输入有效转换为可用电信号的能力。

碳基纳米结构

碳纳米管（CNTs）因其高长径比而广泛用于软电子学，可在多种基质中支持渗流传输网络，同时耐受机械变形。CNT网络已在织物和智能纺织品、纸基平台以及多孔泡沫等可穿戴友好型基底上实现，支持反复变形和日常使用条件下的贴合传感。实际中，器件性能往往由网络形貌和结行为而非单个纳米管的固有导电性决定，因此通过对准和束状图案化的结构调控被用于调节变形下的应变响应。Zhu等人报道了采用嵌入聚合物复合材料的少壁CNT阵列对准排列的电子皮肤，变形调制了各向异性导电通路和管间接触电阻，器件在低于10 μW的功率水平下经过15,000次弯曲-释放循环后仍保持稳定的响应。

石墨烯通过高载流子迁移率和可及表面积提供互补优势，可穿戴实现常采用多孔框架或可控微裂纹网络来放大电阻调制，用于运动和生理信号检测。激光诱导石墨烯（LIG）提供了在聚合物前驱体上图案化类石墨烯导体的实用途径，可穿戴演示利用了裂纹工程设计的优势。

金属纳米材料和可变形液态金属

金属纳米材料，特别是银纳米线（AgNWs），是开发透明可拉伸电极的重要组成部分，因其高电导率和光学透明性。这些一维纳米结构形成渗流网络，在中等变形下维持电通路，适用于精确生物信号传感和传感器阵列。最新进展表明，将AgNW渗流网络集成到受剪纸（kirigami）启发的架构中，可在保持高透明度的同时实现lead to extreme mechanical stretchability。这种结构方法通过工程化切口重新分配机械应力，防止电连接的突然失效。Won等人引入了具有应用可调弹性的剪纸图案化纳米线渗流电极，实现了超过400%拉伸应变下的超高拉伸性，同时基本保持电学特性，并在10,000次拉伸-释放循环中保持应变可逆性，可见光范围内光学透明度高于80%。

液态金属（LMs），如镓基合金，提供了金属导电性和流体可变形性的独特组合，使本征可拉伸导体和互连能够承受大应变，而不会发生固态金属典型的疲劳。与固态导体不同，LMs在室温下保持液态，允许它们在微流控通道或弹性体基质中流动和重新配置。在可穿戴实现中，性能和可靠性与氧化物介导的界面行为、防泄漏的坚固封装以及反复弯曲和拉伸下的稳定电接触密切相关。

导电聚合物和新兴二维材料（MXenes）

导电聚合物，以聚(3,4-乙烯二氧噻吩):聚(苯乙烯磺酸盐)（PEDOT:PSS）为代表，是可穿戴生物电子接口的核心，因为混合离子-电子传输可以降低界面阻抗并稳定运动下的皮肤记录。除了几何应变工程外，近期进展逐步 targeting 本征可拉伸分子导体，以在大变形下保持高导电性。Wang等人报道了本征可拉伸PEDOT:PSS平台，其中离子"增强剂"添加剂既促进形貌重组又提高掺杂效率。在大变形下，薄膜在600%应变时仍超过100 S cm^?1，断裂接近800%。循环加载中，导电性在1000次循环至100%应变后保持约3600 S cm^?1。

对于长期佩戴，自粘性和耐汗PEDOT:PSS干电极被开发用于无需辅助固定即可支持贴合式心电/肌电采集，强调稳定粘附和环境鲁棒性作为信号质量的实际决定因素。MXenes，特别是Ti₃C₂T_x，因其金属导电性和亲水功能化表面，与软基质和纤维良好集成，为可穿戴传感提供了快速扩展的材料平台。

机电转换材料用于动态和自供电可穿戴传感

压电和摩擦电材料通过引入适用于动态传感和某些情况下自供电的转换模式，扩展了软电子学的材料基础。Li等人开发了腕戴式平台，结合压电传感器阵列与接触控制、信号采集和基于学习的估计，用于连续血压追踪。该设计的一个关键点是不仅信号生成本身，还包括佩戴期间与动脉的稳定耦合。该系统达到A级性能，收缩压误差为?0.05±4.61 mmHg，舒张压误差为0.11±3.68 mmHg，并在87名志愿者中进行了评估。

Su等人报道了非织造压电纺织品，其中界面设计改善了机械完整性和信号输出。器件灵敏度为3.95 V N^?1，7400次循环后信号损失小于3%。摩擦电材料在同时需要传感、可变形性和减少外部电源依赖时尤为重要。Pu等人展示了透明可拉伸摩擦电界面，同时作为能量采集器和压力敏感皮肤。该器件承受1160%单轴应变，可见光范围内平均透过率96.2%，峰值功率密度35 mW m^?2。Dong等人设计了三维编织摩擦电纺织品，织物结构本身创造了输出生成所需的接触-分离几何。在3 Hz加载和20 N力下，器件产生90 V开路电压和26 W m^?3峰值功率密度，可分辨低于0.1 g的重量变化。

具有环境响应性的先进功能材料

下一代可穿戴系统正逐步纳入能够主动适应周围环境的刺激响应材料。这些环境扰动涵盖从温度变化到局部化学环境，再到材料网络或皮肤界面的反复变形和磨损。这种从被动传感到"智能"功能的转变对于增强软电子学在长期可靠性和用户交互性方面至关重要。

相变材料用于功能转换和自适应开关

相变材料（PCMs）通过提供物理状态和机械性能的可逆转变，支持可穿戴和植入式系统的可重构性，使器件能够主动调节刚度、形状和拉伸性以响应热刺激。Byun等人概述了涵盖器件架构、材料和底层物理原理以及可扩展制造方法的框架，以实现可编程刚度同时保持拉伸性。其基于镓的转换平台刚度调节比大于10⁴，有效弹性模量从刚性状态下的50-950 MPa降至相变后软态的约30 kPa。

热致变色和比色材料用于可视化传感指示器

热致变色和比色材料通过刺激诱导的颜色变化提供直观的视觉读出，实现即时反馈和低功耗、人类可解读的传感层。Choe等人开发了嵌入基于AuNP装饰PNIPAM的热响应等离子体微凝胶的可拉伸水凝胶贴片，展现出快速、应变不敏感的颜色切换，约1秒内消光峰偏移176 nm，温度分辨率约0.2°C。

motorized整体上，这些环境响应材料将可穿戴平台转变为能够在复杂多变的真实使用条件下可靠运行的弹性和交互系统。

损伤响应自修复材料用于耐用软电子学

自修复聚合物利用动态交联基序在结构失效后恢复机械内聚力和电连续性，从而减少直接影响下游数据驱动解释的漂移和间歇性信号损失。Li等人通过分子设计展示了包含糠醇改性PGS预聚物和通过可逆Diels-Alder化学交联的聚(离子液体)的水凝胶状导电弹性体。该弹性体结合6.41 kPa的低模量与超快自修复，室温下5秒内恢复约98%的断裂应变和强度，同时在水和-5°C轻微压力下保持快速修复。

贴合接触和透气基底用于皮肤接口电子学

皮肤与可穿戴设备之间的物理耦合往往是信号质量的决定性因素，因为即使高性能传感材料也可能因接触不良、压力变化和汗液诱导的界面变化而失效。因此，皮肤接口电子学的基底必须提供贴合接触以稳定曲面、纹理皮肤上的电学界面，同时保持高透气性以防止长时间佩戴期间的汗液积聚、皮肤刺激和热不适。

纳米纤维架构用于高透气性和灵活性

电纺多孔支架能够在持续佩戴期间维持气体交换，同时保持机械顺应性。Hao等人开发了使用可扩展多层架构的可拉伸、透气和自粘电子皮肤，结合纤维热塑性聚氨酯支架的组织样柔软性和透气性与MXene基功能层，用于应变传感和粘性生物电位采集。纤维支架杨氏模量为3.36 MPa，MXene-CNT@TPU应变层在485%应变下最大应变因子为63,494。粘性MXene-WPU电极层在干燥、出汗和多毛皮肤上提供约145 N m^?1的粘附强度，在1-10⁴ Hz范围内皮肤-电极界面阻抗低于商用Ag/AgCl电极。

水凝胶基底用于皮肤接口生物电子学

水凝胶基底提供组织样机械顺应性和本征离子导电性，为稳定的皮肤接口生物电子学建立了有效介质。Li等人报道了超拉伸和自粘性MXene纳米复合水凝胶，通过将丝素蛋白改性MXene引入聚丙烯酰胺网络，实现了1560%的高拉伸性、165 kJ m^?3的韧性、0.25 S m^?1的导电性，以及支持弱电生理信号可靠监测的低界面阻抗。

多孔弹性体基底用于坚固和透气的电子学

Xu等人报道了相分离衍生的多孔液态金属-弹性体复合材料，其中多孔阻尼机制抑制变形驱动泄漏，降低的渗流阈值有助于在应变期间保持导电通路。在约25% EGaIn体积分数下，多孔复合材料保持约2.0×10⁵ S m^?1的电导率，多孔架构提供约4900 g m^?2 day^?1的水蒸气传输率和约1.5 MPa的弹性模量。

创新制造和互连策略

高分辨率图案化和印刷用于精确电路

高分辨率图案化是先进可穿戴电子学的基本支柱，因为它支持小型化传感器阵列和受限曲面形状因子内异质功能的密集集成。传统光刻仍是基石，可提供亚微米特征定义和柔性和基底上密集电路的高通量制造。与光刻并行，无掩模增材方法扩展为具有更高设计灵活性和改进材料效率的实用途径。 inkjet打印支持导电、半导体和电介质墨水仅在需要的位置选择性沉积。

激光诱导图案化和划刻用于纳米结构功能电路

Jung等人报道了广义的激光诱导纳米线渗流互锁工艺，其中界面光热能量驱动纳米线网络和热塑性基质之间的相互渗透，创建改善粘附和鲁棒性的机械互锁渗流网络，不依赖绝缘保护层，支持可重复使用的可穿戴生理传感器以及湿环境中的稳定功能化。

可扩展制造和高密度互连架构

Bariya等人实施了卷对卷凹版印刷，在柔性基底的连续卷上生产电极阵列，通过优化墨水配方和所得微结构实现高度均匀的电化学动力学。

多层可拉伸互连和先进通孔技术

Jung等人报道了在保持与单层系统相当拉伸性的同时，通过控制堆叠层间的应变分布实现更紧凑横向形式的多层可拉伸电子学设计方法，通过实验和计算分析支持，并通过多功能可拉伸植入式生物电子学和可拉伸多层无源矩阵LED阵列演示。

复杂电路架构用于高密度可拉伸系统

Kim等人提出了用于可拉伸OLED的三维屈曲高度交替架构，通过结合优化的双蛇形设计与空间选择性粘附控制，实现了85%的高初始有源面积比和高达40%的系统应变。

硬件优化用于高保真信号采集和能量自主无线系统

微结构表面工程使用微圆顶和金字塔

Yang等人报道了基于多孔金字塔介电层的电容式压力传感器，其中内部孔隙降低了有效压缩模量并将压力诱导的有效介电常数变化放大至100 Pa以下44.5 kPa^?1。

分层和多孔基底用于宽传感范围

Bai等人报道了同时提高灵敏度和拓宽压力响应范围的可填充微结构策略，通过引入底切和凹槽容纳变形表面微结构并有效增加结构可压缩性。 resulting iontronic传感器在0.08 Pa-360 kPa的宽范围内实现最小灵敏度超过220 kPa^?1，以及全范围内18 Pa或0.0056%的超高压力分辨率。

传感器内信号调理用于噪声抑制和放大

材料驱动的界面稳定用于低阻抗

Lim等人开发了创建组织模拟准固态皮肤中间层的超薄功能化水凝胶，同时保持异常高的质量透过率和低界面阻抗。在接触区域，水凝胶作为类液体电解质，但整体结构保持足够的机械鲁棒性以维持与皮肤的超贴合低阻抗连接。

结构设计和自适应滤波用于运动伪影缓解

Park等人提出了受蜘蛛角质层垫启发的粘弹性明胶-壳聚糖水凝胶阻尼器，作为非常规的基于材料的带通滤波器，选择性抑制意外患者运动（包括行走和呼吸）引入的低于约30 Hz的运动诱导伪影。

能量高效无线连接和自主电源管理

同步无线数据和功率传输（SWIPT）接口

Wang等人引入了结合机械拉伸性与无线充电的双电镀平面微电池，并通过掩模辅助印刷将其与电路平台耦合，使用全向拉伸-收缩集成方案。

能量采集驱动能量管理用于无电池无线系统

Wu等人展示了自供电心脏监测系统，其中摩擦电和压电混合纳米发电机将行走的生物机械能转换为直接为心电采集供电的电能，交付14 ms操作周期，能量消耗220 μJ，并无线传输信号至AI云服务器。

人工智能用于软电子学

人工智能驱动的信号增强和补偿用于材料限制

运动伪影缓解通过自适应滤波和去噪自动编码器

Ullah等人展示了用于柔性生物传感器测量心电图的运动伪影降低的全集成策略，使用二维卷积去噪自动编码器，学习从污染段到清洁表示的直接映射。

滞后和蠕变补偿：RNN和LSTM框架

Kim等人提出了基于最优传输的迁移学习框架，用于软传感器的自适应校准，有效解决长时间变异问题。该方法将制造变异和老化引起的漂移公式化为主域与随时间演变的目标域之间的分布偏移。

数据驱动策略用于无校准传感和漂移补偿

Wang等人引入了用于显式漂移识别的特征学习框架，通过结合自动编码器将历史数据压缩为潜在表示以有效识别传感器漂移的核心特征。

高级神经架构用于多模态可穿戴数据

异构传感器融合使用CNN和多模态模型

Du等人展示了多模态融合如何将单个皮肤贴片提升为临床级睡眠分期和睡眠障碍检测。他们的无线高效机械声学设备放置在颈基部，记录联合编码呼吸努力、胸壁运动和心音特征的三轴振动。

基于Transformer的时间序列依赖性分析

Hu等人将可拉伸电子皮肤与Transformer网络集成，以准确推断软机器人的形态。通过学习多通道序列的注意力，Transformer整合长时程线索，理解早期变形如何约束当前构型。

时空感知使用图神经网络（GNNs）

Lee等人突出了用于表面肌电图（sEMG）的可拉伸阵列系统与图神经网络集成，利用自注意力识别静态和动态手势。平台采用覆盖前臂肌肉的广泛双极可拉伸电极阵列，由粘性穿孔贴片支持以改善运动和长期佩戴期间的贴合接触。

通过脉冲神经网络（SNNs）实现能量高效的事件驱动处理

Orteone等人将基于光纤布拉格光栅的电子皮肤与完全事件驱动的脉冲神经网络集成，模拟早期躯体感觉处理。该架构实现高达十倍的空间分辨率提升和32%的定位精度改进，在混合信号神经形态芯片上实现功耗低于1 mW。

数据隐私、安全和可信部署

智能软系统正从被动数据收集器演变为能够进行临床相关推理和长期使用的持续运行平台。隐私保护AI日益重要，因为即使原始信号保留cale-blearning管道仍易受模型反演、成员推断和源推断攻击。联邦学习对软电子学具有吸引力，因为它保持原始生理数据本地，同时允许跨用户或跨站点模型增强。

神经形态和传感器内计算：材料级智能

生物启发突触设备和材料智能

有机电化学晶体管（OECTs）用于信号放大和突触模拟

Wang等人提出了结合多模态传感与可编程电导状态的存储功能的多功能架构，实现单个器件内的本地预处理和突触权重更新。Ji等人利用这些晶体管作为电化学适配体传感器的本地化跨导放大器，在物理接口处直接放大微小生化信号。

聚合物基忆阻开关用于非易失性存储

Zhou等人报道了聚合物忆阻器，其中可编程电导在电学和光学刺激联合下动态调节，实现适应性权重控制和高能效近传感器处理。Ham等人展示了与纺织品完全兼容的纤维状突触元件，将持久突触编织到服装中用于可穿戴神经形态操作。

突触可塑性的模拟：从短期到长期增强

Ohno等人开发了能够在单一元件内再现短期可塑性（STP）和长期增强（LTP）的Ag₂S原子开关器件。其电导通过电orous重复刺激下，导电状态逐渐增强，产生类似于长期记忆的增强。

传感器内和近传感器计算架构

超越冯·诺依曼瓶颈：传感器内与近传感器处理

Chen等人通过紫外光响应柔性忆阻器有效展示了这些原理，作为人工视觉记忆系统的基础，光驱动电导调制在单个柔性元件内耦合光电探测与模拟和非易失性存储。Lee等人将相关概念应用于触觉，开发柔性人工触觉感觉器官，将 MegúMid触觉刺激转换为具有 inherent plasticity的突触样输出。

模拟矩阵乘法通过电阻交叉阵列

Kang等人展示了基于二维材料的电子器件的单片三维集成，对于降低交叉阵列加速器的能耗和延迟至关重要，这些经常被复杂布线和外围电路而非模拟乘法过程本身所主导。

算法-硬件协同设计用于高效神经形态接口

Zhou等人利用设备的多功能性在视网膜和皮层启发的层次结构中分配计算，开发了完全采用硬件实现的完整神经形态视觉系统。两个物理相同的阵列在完全不同的角色中运行：光电前端接口执行传感器内预处理，包括对比度增强、降噪和类卷积特征提取；电气后端接口在近传感器配置中执行高级识别任务。

系统级应用

人工智能驱动的个性化医疗和闭环治疗

实时异常检测和数字生物标志物分析

Lai等人引入了 Likely了一种基于自监督预训练和任务特定数据增强的实用可穿戴12导联心电图诊断框架。Xu等人报道了同时监测生命体征和汗液化学的AI增强电子皮肤，机器成功学习管道区分各种外部应激源并量化长时间佩戴期间的应激反应。Kaveh等人引入了用于神经监测的无线脑电耳塞，利用干电极和紧凑分类剂直接从细微神经特征推断人类警觉性。

无创汗液和间质液/核糖核酸生化传感

Zhang等人制作了基于ZnO纳米线阵列的 wearable battery-free perspiration-analyzing sites，其中汗液通过毛细作用被引入微流控通道，并沿酶修饰的ZnO纳米阵列流动产生直流电信号，无需任何外部电源。

智能反馈控制用于自主药物输送

Li等人 introduced an adaptive bioelectronic platform for wound therapy，将诊断、决策和主动治疗紧密集成在便携和无线物理Form中。该系统结合可穿戴伤口成像模块与人工智能医生，分析序列图像以准确推断特定愈合阶段并推荐适当的实时干预。

智能人机接口用于沉浸式交互

高精度手势识别通过传感器融合

Kim等人引入了 substrate-free nanomesh receptor，展示高度贴合和机械不显眼的表皮接口如何通过最小化运动伪影和皮肤-传感器阻抗来大幅稳定信号采集，同时基于元学习的策略仅用最少校准数据快速调整识别模型全新任务或用户。Yoon等人展示了使用电纺纳米纤维膜上金属纳米线的 highly breathable and stretchable bioelectrodes，强调融合准确性严格始于初始感觉接口。

人工智能增强触觉渲染和纹理再现

Park等人引入了用于深度学习启用的全身运动追踪和触觉反馈的可穿戴交互网络，将分布式可穿戴传感与网络化触觉模块耦合，利用深度模型在自然和不限制运动期间无缝推断全身运动状态。

从人机接口到人机环境交互和具身智能

Wang等人开发了可重构全向摩擦电whisker传感器阵列用于人机环境交互，可逆地部署于 diverse surfaces并解析全向力和运动。Zhou等人报道了能够独立感知NO₂气体和压力的人工表皮，展示可穿戴接口可同时监测用户状态和外部环境暴露。

软机器人和电子皮肤中的触觉智能

深度学习-based本体感觉和形状估计

Sundaram等人展示了极高密度、身体贴合的触觉分布可有效处理为learnable signatures，定义复杂的手部姿势和物理接触状态。Shu等人引入了先进框架，明确 targeting 现代软机器人的关键双重要求：精确估计内部自变形的本体感觉，同时对外部物理触摸保持高度敏感。

纹理分类和滑移检测用于自适应抓取

Qu等人 demonstrated a triboelectric-sensing-based artificial smart finger specifically designed for identifying materials，利用摩擦电效应在物理触摸和主动滑动期间产生完全无需外部电源的高度独特电信号。

强化学习用于碰撞检测和安全交互

Ju等人 presented a closed-loop control strategy for soft robots utilizing coordinated reinforcement learning policies combined with internal proprioceptive sensing，将嵌入式内部感知作为学习高接触弹性行为的基本状态骨干。Zhao等人 demonstrated that embedding extremely high-resolution touch across robotic hands transforms physical manipulation，全面触摸图提供接触起始、物理压力分布和物理滑移前兆的即时关键线索。