基于脉冲尖峰信号的离子电子皮肤同步解码静态、动态与热触觉刺激

本研究针对人工触觉传感器难以同时感知静态、动态及温度刺激的瓶颈，开发了一种基于混合离子-电子导体（MIEC）的多模态人工受体。通过脉冲直流偏压直接生成编码尖峰信号，结合应变不敏感电极与温度不敏感MIEC薄膜的设计，实现了压力、应变、振动与温度信息的实时解耦。该技术为机器人、神经假肢等领域的仿生触觉感知提供了单器件集成解决方案。

在机器人抓取、可穿戴设备和神经假肢等领域，实现接近人类皮肤的复杂触觉感知能力是长期追求的目标。人类皮肤能够通过慢适应（SA）和快适应（FA）机械感受器以及温度感受器，同时感知静态压力、动态振动和温度变化，并将这些信息编码为不同的神经尖峰信号，并行传输至大脑进行解码。然而，现有的大多数人工触觉传感器仍局限于单一模态的检测，例如只能测量静态压力、动态振动或温度。这种局限性主要源于不同物理量通常需要不同的传感机制和信号读取电路。当尝试将多种功能集成到单个器件中时，往往面临信号串扰、系统复杂度和刚性增加的挑战。尤其在使用尖峰信号（一种模拟生物神经脉冲的编码方式）作为信息传递载体时，如何在一个通道内实现多刺激的解耦更为困难。

针对这一难题，发表在《npj Flexible Electronics》上的一项研究提出了一种创新解决方案。研究人员开发了一种基于混合离子-电子导体（MIEC）的人工多模态感受器，它能够像生物皮肤一样，将并发的静态、动态和热触觉刺激转换为独特的脉冲尖峰模式，并通过单一电信号通道实现实时解码。这项研究的意义在于，它突破了多模态触觉传感的集成瓶颈，为发展更智能、更自然的仿生电子皮肤和人机交互界面开辟了新途径。

为开展此项研究，作者团队运用了几个关键技术方法：首先，制备了以碳纳米管（CNT）为电子导体、离子液体（BMIM:TFSI）为离子导体的MIEC薄膜，并通过优化CNT重量分数（φ_CNT=0.05 wt%）实现了电子电阻（R_el）与离子电阻（R_ion）的并行主导特性。其次，设计了由银/SIBS和银/PDMS复合而成的可拉伸电极，确保其在机械变形下导电表面积恒定，从而使R_ion对应变不敏感。第三，采用脉冲直流偏压（V_offset=0.6 V, V_pp=0.05 V, f_p=200 Hz）作为输入信号，直接在MIEC器件中产生包含平均电流（I_avg）和尖峰幅度（I_A）的输出尖峰谱，避免了额外的模数转换电路。最后，通过定制拉伸台、阻抗分析仪和迷你振动台等设备，系统表征了器件在不同应变（0-40%）和温度（25-65°C）下的电学响应与动态感知性能。实验对象包括实验室制备的传感器样品，未涉及人体或动物样本。

结果

并发感知多种触觉刺激的概念

研究灵感源于人类皮肤的并行传感机制。作者提出，单一人工受体可通过分析尖峰信号中的I_avg和I_A两个独立参数，分别解耦机械应变（由R_el主导）和温度变化（由R_ion主导）。

脉冲偏压策略使器件能持续产生尖峰信号，其中I_avg反映静态或动态压力导致的应变，I_A则对应温度波动。

MIEC薄膜的优化与触觉信息解耦

通过阻抗谱（Bode图）分析，作者筛选出φ_CNT=0.05 wt%为最佳配比，此时R_el≫R_ion，且两者在电学上表现为并联关系。拉伸实验表明，R_el随应变增加而上升，但R_ion保持不变；升温则显著降低R_ion，而R_el几乎无变化。

这种特性使得从尖峰信号中提取的I_avg仅响应应变，I_A仅响应温度，最大交叉误差分别低于0.04和0.03。

多模态传感性能

在并发刺激实验中，器件成功区分了压力与热输入的组合信号。当用热探针（~45°C）按压传感器时，I_avg下降（指示应变增加），I_A同步上升（指示温度升高），验证了刺激解耦能力。

此外，器件在30%应变下经过10,000次拉伸循环后仍保持稳定，表明其具有良好的耐久性。

将多触觉输入编码为单通道尖峰谱

与需要多变量测量的传统多模态传感器相比，该受体通过单一电流信号中的I_avg和I_A即可编码全部信息。研究人员演示了序列刺激（无接触、静态压力、40 Hz振动、热按压）的实时解码：静态压力引起I_avg的稳定偏移；振动表现为I_avg的周期性波动；热按压则同时调制I_avg和I_A。

该设计显著简化了信号读取架构。

用于物体交互与手势识别的并发多模态触觉感知

将受体集成于指尖套（模拟触觉小体）可检测按摩枪的振动频率；置于指关节（模拟鲁菲尼小体）则能通过解码应变与温度信号识别手势（如握热杯）。

进一步地，指尖传感器在决策任务中成功识别出盛有热水的瓶子（依据温度信号），并通过扫描表面纹理（依据振动信号）找到平坦放置区，展示了其在复杂环境中的实用价值。

结论与讨论

该研究通过MIEC薄膜与脉冲偏压的协同设计，实现了静态、动态及热触觉刺激在单一器件中的同步感知与解耦。其核心创新在于利用I_avg和I_A分别独立响应电子电阻与离子电阻的变化，无需复杂校准即可实现高精度多模态传感。该策略不仅简化了柔性电子皮肤的结构，还为机器人精细操作、智能假肢的自然反馈以及下一代人机接口的发展提供了关键技术支撑。未来通过结合机器学习算法，有望进一步优化多感官信号的解码效率，推动仿生触觉感知向更高水平迈进。