Artykuł metodologiczny

Projektowanie i charakterystyka wielomodalnej elastycznej elektronicznej skóry z akwizycją danych opartą na CPLD dla intensywności dotykowej i rozpoznawania gestów

DOI:

10.3791/70096

⸱

27 stycznia 2026

 ,  , 
1School of Computer and Information Engineering, Shanghai Polytechnic University, 2School of Intelligent Manufacturing and Control Engineering, Shanghai Polytechnic University

W tym artykule

Podsumowanie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Protokół ten opisuje wytwarzanie i działanie elastycznego, wielomodalnego systemu elektronicznego skóry. Wykorzystuje backend oparty na CPLD, aby uzyskać zsynchronizowane, hybrydowe pozyskiwanie danych z 36 kanałów sensorów, umożliwiając ilościową analizę złożonych gestów dotykowych dla zaawansowanej percepcji robotycznej i interakcji człowiek-robot.

Streszczenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Praca ta przedstawia projekt i charakterystykę elastycznej multimodalnej platformy elektronicznej skóry (e-skin), która obsługuje wysokorozdzielcze wykrywanie dotykowe i rozpoznawanie gestów za pomocą systemu akwizycji danych opartego na CPLD. System integruje 36-kanałową, 14-bitową architekturę próbkowania hybrydową (2 kHz, 1 kHz, 100 Hz), z obsługą sprzętową dla sygnałów ciśnienia, przyspieszenia, światła, temperatury i środowiska. Elastyczne podłoże FPC umożliwia integrację konforemną na zakrzywionych powierzchniach robotów, zachowując jednocześnie stabilność mechaniczną. Aby wykazać zdolność percepcji dotykowej, badanie koncentruje się na kanale wykrywania ciśnienia, który pełni rolę podstawowej metody szacowania siły kontaktu i dynamiki gestów. Przeanalizowano cztery reprezentatywne interakcje międzyludzkie: delikatny dotyk, stuknięcie, lekkie szczypanie i silne szczypanie. Wprowadzono dwie bezwymiarowe metryki: równoważną skośność przebiegu i równoważne obciążenie, aby rozróżnić kategorie intensywności sił i gestów. Wyniki eksperymentalne pokazują, że system osiąga wyraźne gestowe rozdzielenie i skórkowato lepkoelastyczną odpowiedź, ze średnim czasem rozładowania 0,4 s ± 0,2 s. Obsługiwana jest bezprzewodowa transmisja danych w czasie rzeczywistym z prędkością 1,5 Mbps, a modułowa konstrukcja zapewnia skalowalną podstawę do przyszłej integracji dodatkowych modalności. Prace te ustanawiają sprzętowe ramy dotykowe oparte na sile i gestach, z możliwością wykorzystania multimodalnych systemów percepcyjnych.

Wprowadzenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Czujniki dotykowe były szeroko badane dla percepcji robotycznej 1,2, jednak większość elektronicznych systemów skóry (e-skin) nadal opiera się na konfiguracjach jednomodalnych, o niskiej gęstości, które mogą ograniczać interpretację złożonego ludzkiego dotyku. Pomimo znaczących postępów w elastycznych materiałach dotykowych i architekturach urządzeń3, integracja na poziomie systemowym multimodalnego i wielokanałowego wykrywania dotykowego z wysoką precyzją, akwizycja w czasie rzeczywistym stanowi ciągłe wyzwania techniczne4. W konsekwencji kluczowe kwestie, takie jak synchronizacja sygnałów, koordynacja czasowa i optymalizacja przepustowości danych, wymagają systematycznego rozwiązywania w systemach dotykowych na dużą skalę lub o dużej liczbie kanałów5. Aby sprostać tym wymaganiom, konieczna jest architektura front-end o dużej przepustowości, zdolna zarządzać zsynchronizowanymi strumieniami wielokanałowymi danych, zachować integralność sygnału oraz wspierać ilościową charakteryzację gestów i sił 6,7,8.

Wielomodalne systemy e-skin stały się istotnym krokiem umożliwiającym platformom robotycznym emulację złożonych zdolności dotykowego ludzkiej skóry. Tradycyjne czujniki jedno-modalne, które wykrywają jedynie normalne ciśnienie lub temperaturę, mogą nie oddawać w pełni złożonego i dynamicznego charakteru rzeczywistych interakcji dotykowych. Natomiast systemy multimodalne inspirowane przez człowieka zostały zaprojektowane tak, aby wykrywać różne rodzaje bodźców dotykowych w czasie rzeczywistym, w tym siłę ścinania, drgania i sygnały termiczne. Na przykład Lee i in. opracowali bioinspirowany system percepcji dotykowej zdolny do wykrywania w czasie rzeczywistym na czterech odrębnych kanałach sensorycznych, co poprawiło rozpoznawanie tekstury, trybu kontaktu i stanów interakcji z obiektem9.

Najnowsze osiągnięcia w elektronice elastycznej jeszcze bardziej poszerzyły horyzonty tych systemów multimodalnych, szczególnie poprzez rozwój zaawansowanej elektronicznej skóry (e-skin), która naśladuje mechaniczną podatność i wysoką czułość tkanek biologicznych. Na przykład eksploracja nowatorskich aktywnych materiałów i hierarchicznych projektów strukturalnych doprowadziła do powstania platform e-skin nowej generacji o bezprecedensowej czułości dotykowej i wielofunkcyjności. Poza innowacjami materiałowymi, przejście do zastosowań na dużą skalę wymaga solidnych i skalowalnych technik produkcji. Elektronika drukowana stała się kluczowym rozwiązaniem, umożliwiającym precyzyjną i opłacalną integrację matryc czujników o wysokiej gęstości na różnych podłożach elastomerowych, przy jednoczesnym zachowaniuwydajności urządzenia.

Aby zapewnić niezawodność tych systemów w praktycznych sytuacjach, naukowcy coraz częściej koncentrują się na optymalizacji właściwości elektromechanicznych i mechanizmów detekcji elastycznych czujników, aby ograniczyć przesłuchy sygnałów i zakłócenia środowiskowe12. Ostatecznie obecny paradygmat w tej dziedzinie przesuwa się od izolowanych komponentów detekcji ku w pełni zintegrowanym, inteligentnym i elastycznym platformom, które łączą zaawansowane materiały z wysokowydajnymi ramami przetwarzania sygnałów13.

Jednak integracja wielu metod detekcji w jednolitą matrycję stanowi poważne wyzwania w zakresie sprzężenia sygnałów, synchronizacji i interpretacji danych. Kong i in. podkreślili konieczność solidnych strategii integracji i rozdzielania w matrycach sensorów multimodalnych o wysokiej gęstości, aby zapewnić dokładną izolację sygnału i zminimalizować przesłuchy14. Ponadto mechaniczne zachowanie substratu miękkiego czujnika znacząco wpływa na wierność sygnału. Mu i in. wykazali, że lepkoelastyczna natura przewodzących kompozytów polimerowych może wywoływać dryf sygnału i histerezę, podkreślając rolę modelowania materiałowego i strategii kompensacji na poziomie systemowym w multimodalnych platformach detekcji 15. Łącznie te wyniki sugerują, że opracowanie systemów e-skin o dużej szerokości pasma, świadomych wiskoelastyczność i odłączonych multimodalnych jest niezbędne dla rozwoju inteligentnej percepcji dotykowej w robotyce i interfejsach człowiek-maszyna16 .

Aby zapewnić akwizycję sygnałów dotykowych w czasie rzeczywistym przy minimalnym opóźnieniu i wysokiej integralności sygnału, zastosowano złożone ramy akwizycyjne oparte na programowalnych urządzeniach logicznych (CPLD). Wcześniejsze badania wykazały, że CPLD nadają się do zarządzania szybkimi potokami danych oraz strumieniami sygnałów krytycznymi dla czasów w systemach sensorów17,18.

W porównaniu z tradycyjnymi architekturami akwizycji danych, to podejście oparte na CPLD z synchronizacją hybrydową częstotliwością oferuje kilka wyraźnych zalet. Chociaż systemy oparte na mikrokontrolerach (MCU) często polegają na synchronizacji na poziomie oprogramowania lub sekwencyjnych ankietach, są podatne na niedeterministyczne drganie czasowe i opóźnienia przerwania, które mogą zakłócać wyrównanie fazy sygnału na wysokich liczbach kanałów19. Dla porównania, architektura CPLD oparta na logice sprzętowej zapewnia ściśle równoległe wykonywanie i deterministyczne tempo na poziomie nanosekund dla wszystkich 36 kanałów. Ponadto, podczas gdy polowe programowalne matryce bramkowe (FPGA) zapewniają wyższą moc obliczeniową, CPLD oferują bardziej opłacalne i energooszczędne rozwiązanie dla głębokości logicznej wymaganej w automatach stanów o hybrydowej częstotliwości, co ułatwia długoterminową stabilność w aplikacjach noszonych na e-skin. Dodatkowo, w przeciwieństwie do metod multipleksowania na niższych kanałach, które poświęcają efektywną przepustowość próbkowania na kanał, proponowana architektura synchronizacji utrzymuje stałą częstotliwość 2 kHz dla modalności dotykowych, pokonując wąskie gardła heterogenicznej fuzji danych wskazane w najnowszej literaturze19.

Badanie to prezentuje multimodalną, elastyczną elektroniczną powłokę zintegrowaną z systemem akwizycji opartym na CPLD. System obsługuje 36 kanałów 14-bitowego próbkowania hybrydowego, pracując pod częstotliwością 2 kHz dla dynamicznych kanałów dotykowych oraz 100 Hz dla modalności pomocniczych, w tym czujników przyspieszenia, temperatury, wilgotności, oświetlenia i dźwięku (Rysunek 1). System integruje te heterogeniczne czujniki na elastycznym podłożu z układu drukowanego (FPC), zapewniając zarówno mechaniczną adaptacyjność, jak i stabilność elektryczną. Zastosowano podatną warstwę plastycznej kapsułki15, podzieloną na małe, prostokątne jednostki, aby poprawić lokalną adaptowalność odkształceń i stabilność kontaktu podczas interakcji dotykowych.

Jeśli chodzi o praktyczną przydatność, szybka równoległa architektura próbkowania jest zoptymalizowana do rejestrowania szybkich, impulsywnych zdarzeń dotykowych, takich jak stuknięcia czy przesuwanie tekstur, w kontrolowanym środowisku laboratoryjnym. Jednak ograniczenia operacyjne obejmują potencjalne pogorszenie jakości sygnału spowodowane dryfem lepkoelastycznym i histerezą miękkiego podłoża, co wymaga okresowej kalibracji lub kompensacji programowej. Ponadto, choć system jest skalowalny do większej liczby kanałów, obecna implementacja jest ograniczona przez pasmo transmisji bezprzewodowej dla wizualizacji w czasie rzeczywistym.

CPLD zarządza zsynchronizowanym wielokanałowym pozyskiwaniem i bezprzewodową transmisją danych, zapewniając stabilną wydajność w czasie rzeczywistym. Takie podejście umożliwia zbieranie sygnałów multimodalnych o wysokiej gęstości i zapewnia skalowalną podstawę sprzętową dla robotycznej percepcji dotykowej. Aby ocenić dyskryminację dotykową, eksperymentalnie przeanalizowano cztery reprezentatywne gesty: delikatny dotyk, stuknięcie, lekkie szczypanie i silne szczypnięcie.

Prace te koncentrują się na wykazaniu wykonalności i integralności sygnału architektury e-skin o dużej przepustowości. Czujnik ciśnienia realizowany jest za pomocą mechanizmu piezorezystancyjnego opartego na materiale do wykrywania wiskoelastycznym, czyli przewodzącym kompozycie polimerowym charakteryzującym się rezystancją objętościową <500 Ωcm. W tej konfiguracji ciśnienie mechaniczne zmienia opór stykowy w materiale, który następnie jest rejestrowany przez system akwizycji. Kanały ciśnienia zostały wybrane jako reprezentatywna metoda weryfikacji akwizycji w czasie rzeczywistym i jakości danych. Chociaż system obsługuje dodatkowe modalności, takie jak przyspieszenie i temperatura, ich wdrożenie i analiza są zarezerwowane na przyszłe badania specyficzne dla zastosowań.

Aby sprostać wyzwaniom związane z pozyskiwaniem danych dotykowych o wysokiej gęstości, praca ta wykorzystuje architekturę sprzętową opartą na CPLD zintegrowaną z modułem Wi-Fi 6. Jak pokazano na Rysunku 2, system został zaprojektowany do obsługi 36 kanałów o rozdzielczości 14-bitowej przy wysokiej częstotliwości próbkowania 2 kHz, generując przepustowość surowych danych około 1,01 Mbps. Dzięki wykorzystaniu protokołu 802.11ax platforma osiąga stabilną, efektywną szybkość transmisji 1,5 Mbps, utrzymując wskaźnik utraty pakietów poniżej 0,2% w typowych warunkach laboratoryjnych. To podejście oparte na logice sprzętowej eliminuje niedeterministyczne drgania czasowe i opóźnienia przerwania, typowe dla tradycyjnych architektur opartych na MCU, oferując jednocześnie bardziej energooszczędną i opłacalną alternatywę dla rozwiązań opartych na FPGA. Taki solidny potok danych zapewnia precyzyjną synchronizację w czasie rzeczywistym i integralność sygnału niezbędną do złożonego rozpoznawania gestów i wielometodowego wykrywania dotykowego.

Zdefiniowano dwa bezwymiarowe wskaźniki: równoważną przekłuczność przebiegu (EWS) oraz równoważne obciążenie (EL). EWS ilościowo określa asymetrię czasową przebiegu reakcji dotykowej, natomiast EL reprezentuje całkowitą intensywność siły zintegrowaną na cały czas trwania kontaktu. Analiza tych wskaźników ujawniła odrębne sygnatury mechaniczne dla każdego gestu, ze średnim czasem rozładowania wynoszącym 0,4 s ± 0,2 s, co sugeruje, że lepkoelasystyczna odpowiedź substratu wpływa na cechy czasowe rejestrowane przez system.

Wyniki te pokazują wykonalność precyzyjnego rozpoznawania intensywności dotykowej i gestów przy użyciu zsynchronizowanego, multimodalnego pozyskiwania. Proponowany system zapewnia zatem funkcjonalną platformę front-end do ilościowej analizy dotykowej i stanowi podstawę dla przyszłego rozwoju interakcji człowieka-robot emocjonalnego lub emocjonalnego.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Wszystkie opisane tu eksperymentalne procedury były nieinwazyjne i nie obejmowały zwierząt ani ludzi; dlatego nie było wymagane etyczne zatwierdzenie tego badania. Odczynniki i używany sprzęt są wymienione w Tabeli Materiałów.

1. Wytwarzanie czujników

  1. Przygotowanie i integracja czujnika wiskoelastycznego
    1. Zaznacz wymiary celu [np. 5 mm x 5 mm] na lepkoelastycznym materiale czujnikowym za pomocą precyzyjnej linijki i markera trwałego z cienkim końcówką, aby zapewnić dokładność wymiarową. Wytnij materiał wzdłuż oznaczonych linii ostrymi, cienkimi nożyczkami. Wykonuj cięcia w jednym, ciągłym ruchu, jeśli to możliwe, aby zapewnić czyste krawędzie i zminimalizować mechaniczne odkształcenia lub strzępienie na granicach.
    2. Oczyść powierzchniowe pady elastycznego układu drukowanego (FPC) za pomocą np. alkoholu izopropylowego i chusteczki bez kłaczków, aby usunąć zanieczyszczenia i zapewnić optymalną przyczepność (Rysunek 1).
    3. Sklej elementy materiału lepskoelastycznego z powierzchniowymi padami FPC za pomocą kleju przewodzącego (conducting kle).
    4. Nałóż cienką warstwę żywicy utwardzalnej UV wokół podstawy materiału czujnika, aby otworzyć połączenie klejne. Utwardzaj żywicę za pomocą źródła UV o długości fali 365 nm i intensywności 100 mW/cm² przez 5 minut.
    5. Sprawdź ciągłość elektryczną zmontowanego czujnika za pomocą cyfrowego multimetru.
      UWAGA: Wartości rezystancji powinny mieścić się w zakresie od 5 kΩ do 20 kΩ przy zerowym obciążeniu.
    6. Należy zastosować zewnętrzne ciśnienie i zmierzyć odpowiednią zmianę oporu, aby scharakteryzować właściwości czułe na ciśnienie złożonego urządzenia.

2. Wdrożenie tablicy akwizycji danych

  1. Konfiguracja systemu wieloprzepływowego akwizycji danych
    1. Integruj analogowy układ front-end i układy konwersji danych na jednym elastycznym podłożu FPC (Rysunek 3).
    2. Do wyboru kanałów sensorowych należy użyć pięciu 8-kanałowych przełączników analogowych (rysunek 4A). Połącz je z trzema równoległymi 14-bitowymi przetwornikami analogowo-cyfrowymi (ADC) z rejestrem sukcesywnym aproksymacyjnym (SAR) (rysunek 4B) do cyfryzacji sygnałów.
    3. Podłącz sieć ADC i przełącznika do Złożonego Programowalnego Urządzenia Logicznego (CPLD), aby zarządzać adresowaniem kanałów, kontrolą czasu i synchronizacją.
    4. Bezpiecznie przymocuj FPC czujnika do płytki akwizycji za pomocą 40-pinowego złącza FPC. Upewnij się, że mechanizm blokujący jest w pełni zamocowany, aby zapobiec niestabilności sygnału.
  2. Kontrola systemów i obsługa danych oparta na CPLD
    1. Zaprogramuj logikę CPLD tak, aby synchronicznie sterowała wszystkimi ADC poprzez generowanie precyzyjnych sygnałów czasowych zgodnie z wymaganymi odstępami próbkowania.
    2. Konfiguruj wewnętrzne bramki logiczne CPLD do koordynacji szybkiego przełączania kanałów i łączenia równoległych strumieni danych z trzech ADC w jednolity pakiet danych.
    3. Przesyłanie połączonych danych przez interfejs szeregowy z prędkością 1,5 Mbps do modułu Wi-Fi w celu komunikacji bezprzewodowej w czasie rzeczywistym z komputerem hostem.
  3. Interfejs ADC do próbkowania o częstotliwościach hybrydowych
    1. Kontroluj każdy z trzech niezależnych 14-bitowych ADC SAR za pośrednictwem dedykowanego 3-przewodowego interfejsu szeregowego, składającego się z linii Chip Select (CS#), Serial Clock (SCLK) oraz Serial Data (SDATA) zarządzanych przez CPLD.
    2. Zaimplementuj dzielniki zegara specyficzne dla kanału w architekturze CPLD, aby generować odrębne częstotliwości próbkowania wymagane dla modalności 2 kHz, 1 kHz i 100 Hz (rysunek 5).
    3. Przechowywanie każdej próbkowanej klatki w tymczasowym buforze względem wspólnego odniesienia do bazy czasowej. Wprowadź jednorazową flagę ważności danych w logice, aby sygnalizować, że dane są gotowe do dalszej transmisji.
  4. Implementacja synchronizacji próbkowania opartej na przekroju czasu
    1. Zdefiniuj globalną ramkę próbkowania o długości 10 ms w CPLD jako okres bazowego harmonogramowania i podziel ją na dziesięć jednorodnych przekrojów czasowych o długości 1 ms.
    2. Przypisz jeden lub więcej stałych slotów czasowych w ramach tej ramy 10 ms do każdego z 36 kanałów czujników w zależności od wyznaczonej częstotliwości próbkowania.
    3. Monitoruj deterministyczny schemat harmonogramowania, aby utrzymać ścisłe wyrównanie faz we wszystkich grupach i ramkach ADC, zapewniając synchroniczne akwizycje danych na hybrydowej częstotliwości.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Protokół ten umożliwia ilościową charakterystykę i różnicowanie odrębnych gestów dotykowych stosowanych do elektronicznej skóry (e-skóry). Napraw próbkę e-skina na platformie testowej. Pojedynczy operator wykonuje następnie cztery określone czynności dotykowe: delikatny dotyk, stuknięcie, lekkie szczypanie i silne szczypanie, zgodnie z parametrami wymienionymi w Tabeli 1. Gest "delikatnego dotyku" polegał na wielokrotnym lekkim położeniu palca na pojedynczym urządzeniu e-skin przez około 1 minutę, aby za...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Mechanizm detekcji e-skina opiera się zasadniczo na lepkoelastycznych właściwościach jego polimeru 6,15. Materiał ten wykazuje zarówno sprężyste odkształcenie, jak i lepki przepływ pod wpływem siły zewnętrznej. Składnik lepki wprowadza charakterystyczne opóźnienie w odzyskiwaniu materiału; to znaczy, nie wraca natychmiast do pierwotnego stanu po usunięciu siły, lecz wymaga skończonego okresu na regenerację. Te cechy lepkoelastyczne są nierozerwalnie powiązane z t...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy nie mają żadnych sprzecznych interesów.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Elastyczna płytka drukowanaJLCPCBktośWykorzystywane do uzyskania danych o ciśnieniu
Przełączniki analogowe TITMUX1108PWR Używany do wyboru różnych kanałów
Przetwornica analogowo-cyfrowaUrządzenia analogoweAD7940BRMZ-REEL7Przekształc sygnały analogowe na cyfrowe
CPLDIntelMAX 10M02Jednostka przetwarzania danych
OscyloskopTektronixTBS2000Ten oscyloskop służy do pomiaru przebiegów sygnału.
Quartus IIIntelktośIDE programistyczne dla CPLD
Materiał do wykrywania wiskoelastycznegoktośktośMateriał ten służy do generowania sygnałów ciśnienia.
moduł Wi-Fi 6 AI-MYŚLICIELAD-M62-CBSModuł transmisji danych

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Jiang, Y., et al. A multifunctional tactile sensory system for robotic intelligent identification and manipulation perception. Adv Sci. 11 (41), 2402705(2024).
  2. Wang, Y., et al. Human-inspired robotic tactile perception for fluid. IEEE Sens J. 24 (14), 23336-23348 (2024).
  3. Shepherd, D. R., Husbands, P., Philippides, A., Johnson, C. Versatility of Low-Resolution Tactile Sensing for Edge and Pose Detection. Proc AIRC. , 7-12 (2024).
  4. Liu, X. The more and less of electronic-skin sensors. Science. 370, 910-911 (2020).
  5. Shao, Y., Hu, H., Visell, Y. A wearable tactile sensor array for large area remote vibration sensing in the hand. IEEE Sens J. 20 (12), 6612-6623 (2020).
  6. Jeon, S., Lim, S. -C., Trung, T. Q., Jung, M., Lee, N. -E. Flexible multimodal sensors for electronic skin: principle, materials, device, array architecture, and data acquisition method. Proc IEEE. 107 (10), 2065-2083 (2019).
  7. Li, Y., et al. Large-area high-resolution skin-inspired flexible tactile sensor for robotic electronic skin. ACS Appl Electron Mater. 7 (19), 8861-8870 (2025).
  8. Zuqing, Y., Guozhen, S. Materials and device architecture towards a multimodal electronic skin. Mater Today. 64, 165-179 (2023).
  9. Lee, B. -Y., et al. Human-inspired tactile perception system for real-time and multimodal detection of tactile stimuli. Soft Robot. 11 (2), 270-281 (2024).
  10. Zhong, S., et al. Passive isothermal flexible sensor enabled by smart thermal-regulating aerogels. Adv Mater. 37 (8), 2415386(2025).
  11. Pan, Y., et al. Flexible and printed electronics. 10 (4), (2025).
  12. Xiong, W., et al. Multifunctional tactile feedbacks towards compliant robot manipulations via 3D-shaped electronic skin. IEEE Sens J. 22 (9), 9046-9056 (2022).
  13. Yuan, J., Zhao, W., Zhou, Y., Huang, Y. Flexible sensor-driven smart vehicles: Opportunities and prospects. CHAIN. 2 (3), 227-235 (2025).
  14. Kong, H., Li, W., Song, Z., Niu, L. Recent advances in multimodal sensing integration and decoupling strategies for tactile perception. Mater Futures. 3 (2), 022501(2024).
  15. Mu, Q., Wang, J., Kuang, X. Modeling the resistive viscoelasticity of conductive polymer composite for sensor usage. Soft Matter. 19, 1025-1033 (2023).
  16. Shaker, J. H., Yasmeena, A., Zoltán, A. D., Husam, A. N. Recent advances in tactile sensing technologies for human-robot interaction: current trends and future perspectives. Biosens Bioelectron X. 26, 100669(2025).
  17. Implementation of a continuous high-speed data acquisition system based on FPGA. Dong, Z., He, W., Wang, Y., Liu, J., He, K. Proc 2023 6th Int Conf Artif Intell Pattern Recognit, Xiamen, China, , 1440-1445 (2024).
  18. Oballe-Peinado, Ó, et al. FPGA-based tactile sensor suite electronics for real-time embedded processing. IEEE Trans Ind Electron. 64 (12), 9657-9665 (2017).
  19. Wang, Z., Yang, Z., Dou, X. System-level integration and multimodal signal acquisition in electronic skin: a review and demonstration. J Vis Exp. (227), e70286(2026).
  20. Slavka, V., et al. Waveform skewness: Parameter for timed up & go turn assessment. Biomed Signal Process Control. 52, 347-352 (2019).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Wielomodalne czujnikiczujniki dotykoweakwizycja danych CPLDpomiar ci nieniaszacowanie si yinterakcja cz owiek robotodpowied wiskoelastycznabezprzewodowa transmisja danych

Powiązane artykuły