本综述强调了电子皮肤技术的最新进展，强调多模态触觉感知、灵活架构和低功耗数据采集。一个36通道混合频率平台展示了实时触觉识别和机器人交互能力。未来方向聚焦于提升大面积均匀性、智能校准和自适应感知，以适应实用的机器人皮肤应用。
综述文章
本综述强调了电子皮肤技术的最新进展，强调多模态触觉感知、灵活架构和低功耗数据采集。一个36通道混合频率平台展示了实时触觉识别和机器人交互能力。未来方向聚焦于提升大面积均匀性、智能校准和自适应感知，以适应实用的机器人皮肤应用。
电子皮肤（E-skin）技术模拟了人类皮肤的触觉和感官能力，使智能机器人和可穿戴系统能够感知压力、应力、温度及其他外部刺激。本综述总结了材料、结构设计、传感机制及系统层集成的最新进展，这些都提升了E-skin平台的性能和功能。特别关注多模态触觉感知和嵌入信号采集策略，实现对触觉模式和手势的实时识别。灵活架构、混合频率采样和低功耗数据采集电路的进步提升了现代E-skin系统的可靠性、可扩展性和时间分辨率。作为演示，作者开发了一个36通道混合频率触觉传感平台，展示了多模态信号融合和机器人交互的实际应用。最后，讨论当前挑战和未来方向——包括大面积均匀性、智能校准和自适应感知——以指导从实验室原型向可展开机器人皮肤应用的转变。
电子皮肤代表了新一代软电子系统，能够模拟人体皮肤的感官和功能特性。通过检测压力、应变、温度和滑移等机械和热刺激，E-skin使机器能够以类人的方式感知周围环境。自源谷及其同事早期引入受柔性皮肤启发的电子技术以来，该领域的研究在材料科学、器件工程和系统集成领域迅速发展。
E-skin的早期发展主要集中在制造可拉伸和导电材料，以在机械变形下保持电气稳定性。导电聚合物复合材料、碳纳米材料和液态金属电极已被广泛探索以提高柔韧性和灵敏度3,4,5。这些努力奠定了可靠的触觉感应基础。然而，随着研究向机器人和可穿戴电子领域扩展，瓶颈从材料转向系统层面集成，诸如大规模信号采集、低噪声放大和实时数据处理等挑战成为核心关注点 6,7。
近期进展凸显了多模态触觉感知和嵌入式信号采集的重要性，这些技术已将E-skin从被动感测界面转变为主动感知平台。Jeon等人提出了最早的多模态触觉系统之一，整合了压力、温度和滑移感测，而Lee等人则通过将信号处理电路直接嵌入传感器阵列，演示了实时触觉感知。同样，Wang等人提出了一种仿生机器人触觉系统，能够以高时间分辨率识别流体相互作用力。这些研究明显向能够实现复杂感知和分类的综合感知架构转变。
除了机器人技术，E-skin在健康监测和生物医学界面领域也展现出广泛的潜力。持续测量生理信号——如脉搏、体温和肌电图——实现个性化医疗和长期康复 11,12。Wu等人总结了多模态可穿戴传感器的最新进展，强调了信号解耦和长时间运行稳定性的挑战。然而，正如AlShaibani等人指出的，该领域仍缺乏标准化的评估协议，使得不同系统之间的传感准确性比较变得困难。因此，建立统一的测试框架对于未来的临床和机器人应用至关重要13.
鉴于这些发展，本综述重点关注电子皮肤的系统级架构和信号采集策略。它强调多模态传感、电路设计和数据融合如何共同决定系统性能和功能可扩展性14,15。为展示这些原理，作者开发的36通道混合频率触觉传感平台作为实时多模态信号融合与机器人交互的示例。该演示作为概念设计与实际机器人皮肤应用之间的桥梁。
总体而言，本综述为电子皮肤的发展提供了全面的系统层面视角，弥合了从多模态传感原理和硬件架构到智能感知的鸿沟。通过强调信号采集策略、数据融合和实用机器人实施，它既强调了近期取得的进展，也强调了实现自适应、可扩展和可靠电子皮肤系统中仍面临的关键挑战。
访问受限。请登录或开始试用以查看此内容。
电子皮肤架构概述
e-skin可以被视为一种分层软电子系统，将感测、采集、处理和通信层集成为统一结构。每一层在将外部物理刺激转化为有意义的数字信息中扮演着独特角色，这些信息可以被机器或人类解读。 图1 提供了该四层架构的概念示意图及相应的信号流。
在感应层，柔性且可伸缩的传感器阵列检测机械或热刺激，如压力、应变或温度。这些元件制造在弹性体基底上，通常采用微结构几何以提升灵敏度和响应线性。导电聚合物和纳米复合材料在大变形下提供高顺应性和稳定的电气性能 3,5.在多模态电子皮肤系统中，可以通过集成多种感测单元或采用微结构设备架构将这些刺激解耦于单一传感器内来检测多种物理刺激，如压力、应变和温度。
采集层作为传感器与电子设备之间的电气桥梁。其主要功能包括放大、滤波和模拟数字转换。在现代E-skin中，柔性印刷电路或薄膜晶体管矩阵被广泛用于实现有源矩阵寻址和复用读出。这些方法降低了布线复杂度，同时保持了高空间分辨率和低功耗。该层的设计决定了系统的噪声底、采样率和整体数据忠实度。
接下来，数据处理层负责实时解读触觉信息。嵌入式微控制器或基于现场可编程门阵列（FPGA）的处理器执行局部滤波、特征提取和触觉事件的初步分类。这种分布式计算架构最大限度地减少了延迟，并实现了自适应反馈控制。与无线或边缘AI模块的集成进一步支持自主机器人作和可穿戴应用。
最后，界面或应用层将E-skin平台与外部系统（如机器人机械臂、义肢或医疗监测器）连接起来。处理后的触觉数据会被转换为控制命令、视觉输出或诊断指示器。对于机器人技术，这一层提供抓握力反馈和纹理识别;在生物医学应用中，它支持持续的生理监测和远程数据传输。
这四层共同构成一条端到端的通路，将机械或热刺激转化为可作的信息。分层和模块化的设计允许每个功能模块独立优化，同时保持整体机械灵活性。本概述为后续章节奠定了结构框架，详细分析电子皮肤系统的传感机制、信号采集方法和智能感知策略。
传感机制与传导原理
电子皮肤通过多种转导机制将机械和热刺激转换为电信号。最广泛使用的是压阻式、电容式、自供电压电和光学机构（见图2）。每种方法在灵敏度、动态范围和能耗方面各有优势。
压阻和电容传感：当变形改变传感薄膜的导电网络时，压阻传感器（图2A）会改变其电阻。它们制造简单，高度兼容柔性基材，并提供广泛的测量范围。典型材料包括碳基复合材料和导电聚合物。相比之下，电容式传感器依赖于介电层机械变形引起的电容C=εA/d的变化。它们具有高稳定性和低噪声，非常适合触觉成像。Jeon等人8展示了 一种结合压阻和电容元件的多模态E-皮肤，能够同时感知压力和温度，且干扰最小。
自供能机构：摩擦电换能器（图2B）和压电换能器（图2C）直接从机械运动产生电信号。压电薄膜在应力下产生电荷分离，而摩擦电层通过接触电气产生电位差。这些自供能机制对振动和滑动等动态刺激有效。Wang等人开发了 一种基于摩擦电界面的机器人触觉系统，能够以高时间分辨率感知流体相互作用。虽然由于电荷泄漏，静压下较不适用，但将其与压阻或电容层结合，实现了互补的多模传感。
光学及其他新兴机制：光学感测（见图2D）将机械变形转化为波导或微腔内光强度或干涉的变化。它具备超高灵敏度和对电磁噪声的免疫力，但需要精确的校准16。其他方法——包括磁17、热电18和基于阻抗的方法19——也在探索以拓宽E皮功能。
迈向多模态整合：现代电子皮肤系统越来越多地结合多种机制，以检测和区分各种刺激。Lee等人9通过集成传感器阵列和嵌入式处理电路实现了 实时压力、温度和滑移检测。这种混合架构将电子皮肤从被动感知推进到主动感知，为下一节讨论的系统层集成奠定了基础。
系统集成与信号采集
电子皮肤系统的性能不仅取决于其感应元件的特性，还取决于这些传感器信号的获取、处理和传输方式。系统级集成将感测层与嵌入式电子设备连接起来，形成一个统一的触觉感知平台，具备实时响应能力。 图3 展示了一个代表性的系统架构，包括传感器阵列、读出电子设备、数据采集和通信模块。
架构与硬件设计：现代E-skin架构通常组织为模块化结构，由三个硬件子系统组成：传感器阵列、读出和复用电路，以及嵌入式控制器或处理单元。这种分层配置平衡了空间分辨率与系统可扩展性。在大多数实现中，大面积传感器阵列以矩阵形式排列，每个节点对应一个独立的传感元件。为降低布线复杂性和串扰，采用时分复用（TDM）或行列扫描策略。读出电路包括阻抗匹配、低噪声放大、滤波和模数转换（ADC）。Takei等人强调 ，将传感材料与低功耗CMOS读出芯片集成对于实现紧凑高效的电子皮肤平台至关重要。嵌入式微控制器（MCU）或FPGA随后负责通道选择、数据缓冲和预处理。为了保持灵活性，刚性硅芯片通常安装在软性中介体或柔性印刷电路板（FPC）上。无线通信模块——如蓝牙低功耗（BLE）或Wi-Fi——常被集成用于可穿戴应用，而机器人平台则常采用有线串行通信以实现实时控制。
信号采集策略：电子皮肤系统的信号采集必须处理高通道密度、低信号幅度和宽动态范围。每个传感器的触觉信号通常在毫伏到微伏范围内，需要高增益差分放大器和降噪电路。常见的方法包括相关双采样（CDS）、斩波稳定放大器20、21以及同步检测方法22 ，以减少漂移和1/f噪声。Viteckova等人分析了 可穿戴触觉系统的数据采集框架，强调采样速度与能效之间的权衡。多通道序列扫描ADC被广泛使用，但它们会在阵列中引入采样延迟。虽然并行采样更快，但会增加功耗和数据吞吐量需求。因此，结合顺序采集和并行采集的混合解决方案对可扩展系统产生了兴趣。
数据融合与智能感知：采集后，必须处理来自E-skin系统的触觉信号，以提取有意义的特征并支持智能感知。信号处理作为原始传感器输出与物理理解之间的桥梁，实现噪声抑制、特征提取和多模态数据融合（见图4）。
预处理与特征提取：原始信号常常因漂移、偏移或电磁干扰而失真。基线校正、自适应或低通滤波以及差分放大通常用于提升信噪比。随后的特征提取将时域数据转换为紧凑的描述符——如振幅、持续时间和变化速率——而空间滤波器则重建传感器阵列间的触觉映射。使用傅里叶或小波变换进行频域分析，进一步揭示了振动和纹理信息。
多模融合与解读：在多模态E-皮肤系统中，压力、应变、温度或振动传感器的信号被组合成统一的触觉表征。数据级和特征级融合提升了鲁棒性，而决策层级融合则整合了多个分类器的结果。最新研究表明，机器学习算法——包括主成分分析和卷积神经网络——可以增强触觉事件识别25。此外，结合触觉和本体感觉数据的多模态融合框架已被探索以提高分类准确性26。
迈向智能感知：在更高抽象层次下，电子皮肤数据被解释为推断对象属性、接触状态和交互意图。模式识别和回归模型将抓取、滑动或质感等触觉事件分类，而聚类和时空分析则揭示了分布信号之间的隐藏关系27。基于人工智能的推理整合使机器人和可穿戴医疗实现情境感知和实时反馈。
总之，信号处理和数据解读将原始的触觉信息转化为可作的洞察。自适应滤波、多模态融合和数据驱动建模的进步正在推动E-skin系统朝着更高的感知准确性和自主性迈进。
应用与演示
灵活的触觉系统已在多个领域找到了应用，从机器人作到可穿戴医疗以及人机交互。这些技术展示了多模态传感、合规材料和嵌入式电子设备如何融合，形成具备实时反馈和自适应控制的智能接口（见图5）。
机器人作与抓取：在机器人领域，灵活的触觉系统为安全灵巧的作提供了关键反馈。通过整合电容、热感和振动感测，这些系统实现了自适应抓握和实时力调制，适用于处理精密物体时。这种触觉反馈还促进了边缘检测、姿态估计和顺应控制，显著增强了人机协作28。
可穿戴与医疗监测：对于可穿戴健康应用，柔性传感器贴片支持日常活动中的持续生理监测。近年来，柔性和可穿戴生物传感器的进展极大地拓展了持续健康监测的范围。Song等人总结了软质皮肤贴合感测平台的进展，这些平台能够实时检测体液和生命体征的生理信号。此类生物传感器兼具高灵活性、低功耗和生物兼容性，为个性化医疗和预防医疗提供可靠的长期运行。类似系统已被探索用于步态分析、肌肉激活监测和康复反馈30,31。
人机交互与辅助系统：越来越多地采用柔软的皮肤灵感触觉电子设备，以实现人机之间的直觉交流。通过将机械或生理信号转化为可解释的电响应，这些灵活系统为机器人控制和辅助技术提供了自然的接口。刘等人开发了 一种无线电子皮肤平台，作为双向人机接口，支持基于手势控制机器人设备，并通过集成传感器和执行器向用户反馈。可穿戴电子皮肤健康监测的补充进步扩大了其对患者和老年人的辅助作用。Sun等人总结了 可顺应生物感知网络和自适应数据解读如何促进持续健康支持和康复反馈。这些研究共同展示了触觉电子如何增强下一代交互系统中的感知、交流和辅助能力。
使用集成36通道触觉采集平台的演示：为展示实际系统集成，作者开发的36通道触觉采集平台作为代表性演示34。该平台集成了灵活的传感阵列和定制采集板，内含低噪声放大器、模拟复用器和14位ADC。微控制器通过USB或蓝牙低功耗管理数据同步和通信，而机载CPLD则控制时序和缓冲。系统不再采用单一固定速率，而是执行三条同步采样流——2 kHz用于声学信号，1 kHz用于加速和触觉信号，100 Hz用于温度和光——以确保每种感测模态都能以合适的速率采样，提升带宽效率，同时不牺牲感知性能。实时数据在主机计算机上可视化和分析，展示了适用于机器人和可穿戴平台的可扩展触觉感知。
总之，这四个应用领域展示了灵活触觉电子设备如何将感知转化为感知。从机器人作到可穿戴健康和交互系统，多模态传感器、自适应采集和智能处理的集成实现了响应性强且高效的触觉界面，为自主和人类自适应的电子皮肤平台铺平了道路。
访问受限。请登录或开始试用以查看此内容。
尽管材料、系统集成和数据解读迅速进展，电子皮肤（E-skin）技术在实现大规模实用部署前仍面临诸多障碍。实现真正感知性的电子平台，需要在机械可靠性、可扩展性和智能自动驾驶方面进行改进。电子皮肤依赖于能够在持续变形下保持敏感性的柔性和可延展材料;然而，长期机械疲劳、环境退化和基线漂移仍未解决。在大面积制造中实现均匀性和重复性也存在重大障碍。因此，未来的研究应聚焦于可扩展、低成本的微纳制造和封装方法，以确保耐用性和生物相容性。在紧凑型硬件中集成多种感测模式——压力、应变、温度、振动和声学信号——必然会带来布线复杂性、串扰和能耗。高效的复用、低噪声模拟前端和嵌入式电源管理将是提升自治性的关键。自供能传感器、能量采集模块和片上系统架构是实现完全无连接运行的有前景路径。与此同时，E-skin产生的庞大且异质的数据需要稳健且可解释的解读。基于机器学习的算法使事件分类和触觉感知成为可能，但在有限的功耗和带宽下进行实时、低延迟的决策仍然充满挑战。引入神经形态和边缘人工智能概念，有望实现以最小数据传输实现本地处理，支持上下文感知和自适应行为。展望未来，下一代E-skin系统有望集成自愈材...
访问受限。请登录或开始试用以查看此内容。
作者们宣称他们没有利益冲突。
访问受限。请登录或开始试用以查看此内容。
申请许可以重复使用本 JoVE 文章的文本或图表
申请许可