類皮膚柔性傳感器在醫(yī)療保健和人機(jī)交互中發(fā)揮著至關(guān)重要的作用。然而，一般目標(biāo)集中在追求類皮膚傳感器本身固有的靜態(tài)和動(dòng)態(tài)性能，同時(shí)伴隨著各種試錯(cuò)嘗試。這種前瞻性策略使傳感器的設(shè)計(jì)幾乎脫離了實(shí)際應(yīng)用。

據(jù)麥姆斯咨詢報(bào)道，近日，浙江大學(xué)楊賡、徐凱臣研究團(tuán)隊(duì)開(kāi)發(fā)了一種機(jī)器學(xué)習(xí)（ML）指導(dǎo)的柔性觸覺(jué)傳感器系統(tǒng)設(shè)計(jì)，該系統(tǒng)能夠在六種動(dòng)態(tài)觸摸模式下實(shí)現(xiàn)高分類精度（≈99.58%）的觸覺(jué)感知。與直覺(jué)驅(qū)動(dòng)的傳感器設(shè)計(jì)不同，這種機(jī)器學(xué)習(xí)指導(dǎo)的性能優(yōu)化是通過(guò)引入基于支持向量機(jī)（SVM）的機(jī)器學(xué)習(xí)算法以及用于制造參數(shù)選擇的特定統(tǒng)計(jì)標(biāo)準(zhǔn)來(lái)挖掘深藏在原始傳感數(shù)據(jù)中的特征而實(shí)現(xiàn)的。這種逆向設(shè)計(jì)將統(tǒng)計(jì)學(xué)習(xí)標(biāo)準(zhǔn)融入到傳感硬件的設(shè)計(jì)階段，彌補(bǔ)了器件結(jié)構(gòu)和算法之間的差距。相關(guān)研究成果以“Machine Learning-Enabled Tactile Sensor Design for Dynamic Touch Decoding”為題發(fā)表在Advanced Science期刊上。

在所提出的機(jī)器學(xué)習(xí)輔助傳感器設(shè)計(jì)中，選擇了一組與接觸滑動(dòng)模式下基于摩擦電納米發(fā)電機(jī)（TENG）的觸覺(jué)傳感性能相關(guān)的參數(shù)作為初始優(yōu)化目標(biāo)，包括讀出信號(hào)的類型（如電流和電壓）、電極的分布、形狀和微結(jié)構(gòu)的密度。通過(guò)手指皮膚在傳感器上執(zhí)行六種動(dòng)態(tài)觸摸模式，包括按壓、拍打、向上、向下、向左和向右滑動(dòng)。這些多向相互作用被選擇用于目標(biāo)任務(wù)，以評(píng)估每個(gè)制造參數(shù)。與一般直覺(jué)驅(qū)動(dòng)的傳感器設(shè)計(jì)不同，這項(xiàng)工作提供了一種數(shù)據(jù)驅(qū)動(dòng)的方法來(lái)優(yōu)化目標(biāo)應(yīng)用的制造參數(shù)，這將器件設(shè)計(jì)和算法緊密聯(lián)系起來(lái)。

基于制造參數(shù)優(yōu)化的機(jī)器學(xué)習(xí)輔助傳感器設(shè)計(jì)示意圖

這種基于TENG的觸覺(jué)傳感器由四層組成，包括頂部和底部聚二甲基硅氧烷（PDMS）封裝、叉指型激光誘導(dǎo)石墨烯（LIG）電極和聚全氟乙丙烯（FEP）膜。當(dāng)手指接觸PDMS表面時(shí)，由于不同的電子親和力，人類皮膚帶正電。基于靜電感應(yīng)原理，帶電手指的水平滑動(dòng)會(huì)在兩個(gè)LIG電極之間產(chǎn)生感應(yīng)電流的電子轉(zhuǎn)移。在這種情況下，LIG電極的叉指型設(shè)計(jì)允許梯度電子轉(zhuǎn)移，即感應(yīng)電流正負(fù)交替，以平衡兩個(gè)電極之間的電勢(shì)差。這種機(jī)制有效地將與動(dòng)態(tài)觸摸模態(tài)相關(guān)的信息整合到原始數(shù)據(jù)中。

基于TENG的觸覺(jué)傳感器特性

為了提高基于TENG的觸覺(jué)傳感器的性能，研究人員開(kāi)發(fā)了一套評(píng)估標(biāo)準(zhǔn)，并應(yīng)用于選擇所需的輸出信號(hào)類型和優(yōu)化制造參數(shù)。評(píng)估后，選擇基于電壓的信號(hào)作為傳感器輸出。同時(shí)，稀疏分布的電極對(duì)和間隔較小的指紋狀微結(jié)構(gòu)有助于提高傳感器的性能。研究人員展示了在六種觸摸模式下具有優(yōu)化參數(shù)的傳感器的輸出，通過(guò)調(diào)諧的線性SVM分類器實(shí)現(xiàn)了99.58%的高分類準(zhǔn)確率。

基于機(jī)器學(xué)習(xí)方法的制造參數(shù)優(yōu)化

為了模仿人類皮膚卓越的觸覺(jué)行為，所提出的觸覺(jué)傳感器被集成到機(jī)器人手指上進(jìn)行盲文識(shí)別。通過(guò)添加機(jī)器學(xué)習(xí)算法，機(jī)器人-傳感器系統(tǒng)在傳感、提取、計(jì)算和解碼信息的閉環(huán)中工作。由于卷積神經(jīng)網(wǎng)絡(luò)（CNN）強(qiáng)大的非線性擬合能力，平均分類準(zhǔn)確率達(dá)到96.12%。根據(jù)實(shí)驗(yàn)結(jié)果可以看出，大多數(shù)盲文數(shù)字的分類準(zhǔn)確率都超過(guò)95%（例如數(shù)字1、2、4、5、6、7、9），而在數(shù)字0、3、8的分類準(zhǔn)確率較低。這種微小的性能差異可能是由于在數(shù)據(jù)采集過(guò)程中機(jī)械手的力控制精度和重復(fù)精度造成的。

通過(guò)在機(jī)器人手指上集成觸覺(jué)傳感器實(shí)現(xiàn)多點(diǎn)接觸的動(dòng)態(tài)解碼反饋

總而言之，研究人員開(kāi)發(fā)了一種基于TENG的柔性觸覺(jué)傳感器，該傳感器可以在輸出信號(hào)選擇和制造參數(shù)優(yōu)化方面實(shí)現(xiàn)機(jī)器學(xué)習(xí)輔助的器件設(shè)計(jì)。在設(shè)定評(píng)價(jià)標(biāo)準(zhǔn)后，通過(guò)對(duì)六種接觸模式的統(tǒng)計(jì)分析，對(duì)輸出信號(hào)的參數(shù)值、電極的分布密度以及不同的表面微觀結(jié)構(gòu)進(jìn)行比較和選擇。基于制造參數(shù)和機(jī)器學(xué)習(xí)協(xié)同設(shè)計(jì)觸覺(jué)性能的綜合評(píng)價(jià)，獲得了≈99.58%的分類準(zhǔn)確率，高于參數(shù)優(yōu)化前的分類準(zhǔn)確率（≈95.579%）。鑒于最佳的觸覺(jué)傳感性能，該觸覺(jué)傳感器被成功地應(yīng)用于各種英文字母和句子的手寫識(shí)別。

此外，通過(guò)應(yīng)用定制的CNN模型提取特征并評(píng)估決策邊界，10個(gè)盲文數(shù)字的分類準(zhǔn)確率達(dá)到96.12%。為了模仿人類的感知反饋，一只配置觸覺(jué)傳感器的智能機(jī)械手完成了11位盲文電話號(hào)碼的動(dòng)態(tài)識(shí)別任務(wù)。這項(xiàng)工作為基于逆向設(shè)計(jì)策略有目的地構(gòu)建傳感器提供了指導(dǎo)，對(duì)直覺(jué)驅(qū)動(dòng)的傳感器設(shè)計(jì)提出了挑戰(zhàn)。

審核編輯：劉清