综述：人工智能赋能的融合解耦技术与先进功能材料的多模态智能传感器

《Advanced Composites and Hybrid Materials》：AI-empowered multimodal intelligent sensors integrated with decoupling and advanced functional materials

　　随着柔性电子、可穿戴系统和电子皮肤等新兴技术和设备的持续发展，多模态智能传感器已成为连续健康监测、人机交互和智能机器人领域的关键技术基础。与单模态设备相比，多模态智能传感器能够同时采集多维信息，包括机械、热、湿度、气体和生化信号。然而，其性能仍受到材料响应窗口重叠、结构耦合导致的信号串扰以及复杂数据集解码困难等问题的制约。本文通过以先进材料设计、感知解耦策略、人工智能驱动的数据分析和系统部署为核心的结构化综述框架，对高性能多模态智能传感器的最新进展进行了总结、讨论和评价。首先，概述了压力、应变、温度、湿度、气体和生化信号的主要转换路径，总结了基于水凝胶、碳基及二维复合材料、Janus异质结构和仿生纺织品传感器的设计原则，以及它们在柔性、导电性、界面调控和多功能集成方面的优势。其次，深入讨论了关键的解耦策略，包括结构空间解耦、功能材料的正交响应、微结构和界面工程、独立信号通道的构建以及基于特征表示的辅助解混，从而阐明了在多刺激并发条件下实现低串扰和高保真感知的主要途径。此外，本文还考察了数据驱动模型在多模态信号识别、融合决策和场景理解中的作用。通过将上述进展与可穿戴健康监测、电子皮肤和人机交互应用相联系，本综述突出了多模态系统从器件级感知向系统级认知的演进。最后，识别了当前领域的主要瓶颈，包括材料稳定性、解耦能力、传感精度、长期可靠性、系统集成和可扩展制造，并为具有高分辨率、自供能能力、可制造性、可解释性以及边缘智能协作的下一代多模态传感平台提供了未来展望。本文旨在为高性能多模态智能传感器的材料选择、结构工程、算法配置和系统级应用提供跨层分析框架和实用设计指南。