Nature Materials：智能触觉皮肤！

小奇

2025-05-14

人类皮肤机械触觉感知系统包含两种典型的神经适应机制：由帕西尼氏小体介导的快速适应模式和由默克尔细胞控制的慢速适应模式。慢速适应机制在持续刺激期间维持连续的电生理信号输出，赋予生物体实时监测和解读静态触觉刺激的能力，通常表现为对恒定压力或长时间接触的持续反应。相比之下，快速适应机制仅响应刺激起始-结束阶段的动态变化，这显著增强了皮肤对振动、滑移和流体运动等瞬时机械刺激的敏感性。这些互补的神经反应模式协同作用，共同构成了人类高保真触觉感知的生理基础。

为了突破人工触觉系统在机械感知精度和纹理辨别方面的生物学局限性，先前的研究主要集中于单一感知模态的仿生模拟，力求优化触觉传感器在实际应用中的关键性能指标。然而，这种方法忽略了神经适应机制的双模态整合在实现高保真触觉感知中的关键作用。采用单模态策略的传感器不可避免地会遭受触觉信息丢失，从而导致人工智能(AI) 模型出现系统性感知偏差，并降低其准确性。相反，直接引入未经处理的动态和静态触觉输入会引发数据冗余，加剧通信开销并增加系统延迟。因此，神经形态处理单元的近传感器集成——协同慢适应和快适应神经编码策略，实现数据过滤、集成和存储——对于构建精确的人工触觉感知系统至关重要。

近日，成均馆大学Nae-Eung Lee等人报道了一种人工突触机械感受器(ASMR) 阵列，该阵列将微图案化的摩擦电传感层与离子凝胶门控还原氧化石墨烯 (rGO) 突触晶体管垂直整合在一起。

南开大学徐文涛等人对该研究进行评述

作者巧妙地将慢适应和快适应神经机制之间的仿生差异映射到器件门控耦合强度的差异中，并通过离子门控通道结构的空间分布调制策略实现双神经编码单元的近传感器集成。结果表明，ASMR 在 16 种材料（包括棉、涤纶和尼龙）的纹理识别任务中仅使用了 10.6% 的数据，就达到了 92.3% 的峰值准确率。这种方法显著降低了边缘 AI 应用中触觉传感阵列的数据负担，同时提高了识别准确率。

具体来说，研究人员在柔性基底上构建了一个机械触觉传感阵列，集成了八个慢速适应型ASMR（旨在模拟默克尔细胞的持续压力感知功能）和八个快速适应型 ASMR（旨在复制帕西尼氏小体的动态机械响应特性）。

图|人类与人工触觉感知的比较

慢速适应型和快速适应型ASMR 均由指纹图案化的摩擦电传感层与还原氧化石墨烯场效应晶体管 (rGO-FET) 集成构成，其功能差异源于传感层和 rGO-FET 之间不同的空间配置。在慢速适应型 ASMR 中，摩擦电传感层垂直集成，直接覆盖在 rGO-FET 的离子栅极表面上。这种紧密堆叠的架构显著增强了摩擦电势诱导的门控效应，使其在持续压力刺激下能够输出连续的电信号，从而模拟默克尔细胞的静态触觉感知机制。相比之下，快速适应型 ASMR 采用水平分布设计，其中传感层通过平面电极间接与 rGO-FET 的离子栅极连接。这种水平结构降低了传感层与 rGO-FET 之间的栅极耦合强度，而传感层下方的大面积电极则增加了快速适应型 ASMR 的漏电流。这些特性限制了快速适应型 ASMR 仅在机械刺激开始和结束时产生瞬态响应，类似于帕西尼氏小体在振动检测中的动态触觉感知行为。离子栅极内的交联聚氨酯基质通过空间位阻10阻碍离子迁移，从而延长刺激后的去极化弛豫时间。因此，触觉诱导的电流信号在rGO-FET 通道中表现出指数衰减的保留时间，模拟了触觉神经系统中观察到的短期增强效应。该机制构成了rGO-FET神经形态信息处理能力的物理基础。通过将这种仿生双模式触觉感知策略与近传感器人工突触相结合，ASMR仅通过最终输出信号即可实现手写笔画序列识别，而无需时间分辨率。对于非平稳、微尺度纹理识别任务，该系统仅使用10.6%的数据即可达到92.3%的识别准确率——相比单模式方法的60.70%（仅慢速适应）和72.80%（仅快速适应）的准确率有了显著提升。

图|内置突触功能的 ASMR 阵列的应用

从历史上看，实现与生物体相当的触觉感知一直是机器人精准操控的一大障碍。这一突破代表了人工触觉受体领域的一项关键进展。他们的神经仿生方法利用近传感器集成的人工突触，解决了传统电子皮肤固有的动态或静态触觉信号采集中持续存在的数据不足问题。该架构实现了实时触觉信息过滤和处理，同时解决了触觉传感单元集成密度提高所带来的数据冗余和通信带宽需求呈指数级增长的双重挑战。最终，这项创新为在需要微米级灵活性的精密工程应用中部署智能机器人开辟了一条技术途径。

参考文献：

1. Hong, S.J., Lee, Y.R., Bag, A. et al. Bio-inspired artificial mechanoreceptors with built-in synaptic functions for intelligent tactile skin. Nat. Mater. (2025). 

https://doi.org/10.1038/s41563-025-02204-y

2. Yu, Q., Liu, J. & Xu, W. A neuromorphic mechanosensory skin. Nat. Mater. (2025). 

https://doi.org/10.1038/s41563-025-02230-w