中国科学技术大学工程科学学院、人形机器人研究院王洪波研究员课题组，提出了一种基于仿鱼鳞结构电场调控的新型巨压容传感器（GPCS），能够实现接近人类手指水平的高精度触觉感知。该传感器不仅能够识别微米级表面纹理，还可在机器人抓取过程中实时判断猕猴桃成熟度，并完成自动分拣与人机交互任务，为机器人在复杂真实环境中的精细操作与智能感知提供了新路径。成果以“Fish‐Scale‐Inspired Giant Piezocapacitive Sensors for Human‐Level Touch Perception”为题发表在Wiley旗下国际期刊《先进材料》(Advanced Materials)上。

面向机器人复杂环境下的精细操作需求，柔性传感器需要同时具备高灵敏度、宽检测范围、高速响应、优异机械耐久性以及易于制造等特点。然而，目前大多数柔性电容传感器仍难以兼顾上述性能，尤其在复杂形变感知、长期稳定性和多模态触觉识别方面存在明显限制。

图1.巨压容传感器（GPCS）的仿生理念和工作机理

受鱼类皮肤“刚性鳞片—柔性真皮”结构的启发，研究团队设计了一种仿鱼鳞电场调控膜（SEGF）。该结构由高介电常数的PZT刚性鳞片与柔性硅胶基底组成，鳞片之间形成微米级空气间隙。这些空气间隙可作为“电场门”，在微小形变下动态调控叉指电极之间的边缘电场，从而将极其细微的机械变形转化为显著的电容变化，实现“巨压容效应”。基于该机制构建的GPCS传感器在±90°弯曲范围内可实现低至0.005°的超高分辨率，响应时间仅为0.6 ms，并在10万次循环弯曲测试后仍保持稳定性能。相比传统叉指电极结构，其弯曲灵敏度提高了177倍，同时兼具优异的机械鲁棒性，即使局部结构损伤后仍能够正常工作。

图2.基于GPCS柔性指尖的微米级纹理识别

得益于超高灵敏度和高速响应能力，研究团队进一步将GPCS集成于柔性仿生手指上，实现了基于滑动触觉的表面纹理感知。实验结果表明，该系统不仅能够检测不同高度和周期的微结构表面，还能够识别厚度仅为1.8μm的打印碳粉纹理，其精度已超过人类手指的触觉分辨能力。此外，研究团队利用单个GPCS柔性指尖实现了16种不同织物纹理的准确区分。不同织物在滑动过程中会产生独特的电容响应“触觉指纹”，通过简单的时域与频域特征分析即可完成材料识别。

图3.基于GPCS阵列的机器人水果成熟度识别与人机交互

为了验证其在机器人实际场景中的应用潜力，研究团队进一步将4个GPCS组成阵列并集成于柔性夹爪中，实现机器人抓取过程中的猕猴桃成熟度识别。由于不同成熟度水果具有不同硬度，夹爪在抓取时会产生不同程度的形变，而这些细微变化能够被GPCS实时感知。基于传感数据与机器学习算法，系统对猕猴桃成熟度的识别准确率达到92%。在演示实验中，机器人能够自主完成“抓取—感知—分类—递送”等连续任务：未成熟和半成熟猕猴桃被自动放入对应区域，而成熟猕猴桃则能够在人手接触后自动递送给使用者，实现自然的人机交互。

工程科学学院精密机械与精密仪器系博士生彭玉连为论文第一作者。工程科学学院、人形机器人研究院王洪波研究员为论文通讯作者。该项研究工作得到了国家自然科学基金项目，中国科学院引才计划青年项目，安徽省科技创新攻坚计划重大项目，中国科学技术大学高层次人才引进计划以及中央高校基本业务费的支持。

近年来，该团队提出了一种基于裂纹电磁参数调控的超高灵敏、鲁棒性柔性传感器设计体系。相关研究为下一代智能柔性传感器在机器人触觉、可穿戴设备等领域的应用提供了理论和实验基础。团队首先提出了一种基于磁性薄膜贯穿裂纹的新一代电感式双向曲率柔性传感器，其能够检测0.01°的微小弯曲变形，并在汽车多次碾压和破损等情况下保持性能不变，为真实世界中的机器人精准感知开辟了新路径。成果以“Magnetic crack-based piezoinductive mechanical sensors: way to extreme robustness and ultra-sensitivity”为题发表在Nature Communications。在此基础上，团队利用该传感器实现了针对柔性气动手指形状的实时重建和力反馈，并用于脆弱物体的实时智能抓取上。成果以“Shape and Tactile Perceptions of Soft Fingers via Distributed Curvature Sensing for Intelligent Grippers”为题发表在Soft Robotics。