让机器人拥有触感？中国团队研发电子皮肤，开启人机交互新纪元

在我们日益数字化的世界中，人类与机器的交互方式正经历一场深刻的变革。从传统的键盘、鼠标，到触摸屏，再到语音控制与手势识别，人机界面不断朝着更直观、更自然的方向演进。近年来，一种被称为“软人机界面”的新兴技术，正在悄然重塑我们与计算机、机器人及智能设备之间的互动模式。

软人机界面，顾名思义是一种基于柔性电子技术的新型交互界面，它注重可用性、可访问性和可学习性，致力于让界面变得更加直观明了。其独特之处在于其能够实现双向通信，不仅人类可以控制机器，机器也能通过多种传感方式感知环境并向人类提供反馈，从而实现真正意义上的交互。

然而，尽管前景广阔，这项技术在实际应用中仍面临诸多挑战。例如，如何精准识别与解释复杂的生理信号？如何实现低成本、规模化制造？又该如何适配不同用户的个体差异？这些问题的解决，将直接影响软人机界面技术的普及与应用成效。

▍柔性电子技术打造“电子皮肤”

针对以上难题，来自上海科技大学的研究团队提出了一种印刷人机界面。它由用于表面肌电图(sEMG)采集和刺激反馈的电子皮肤、具有多模态触觉感知的传感软机器人以及用于手势分类和材料识别的机器学习算法组成。

该成果以“Printed sensing human-machine interface withindividualized adaptive machine learning”为题，发表在顶级期刊《Science Advances》上。

该技术的核心突破在于电子皮肤（e-skin）——一种超薄电子传感装置，可直接贴附于人体表面，实时监测多种生理信号。

研究团队采用了一种高效的集成印刷技术，包括直接墨水书写（DIW）、红外激光雕刻和激光切割，实现了多材料、高密度传感器阵列的大规模生产。他们使用了银油墨、碳油墨、聚二甲基硅氧烷/碳（PDMS/C）等多种功能性墨水，通过精密的三轴运动控制系统，可以在柔性基底上打印出宽度仅40微米的电路线。

软人机界面的打印和组装

这种电子皮肤展现出多项优异性能：首先，它具备高透明度和出色的机械柔韧性，可如第二层皮肤般贴合人体曲线，不影响自然活动；其次，采用蛇形电路结构设计，即使在拉伸变形时仍能保持均匀应力分布，确保电子元件性能稳定。更为重要的是，该电子皮肤不仅能采集表面肌电信号，还可通过施加不同特征电压实现多种表皮刺激效果，完成人机之间的双向通信。

为配合电子皮肤的数据采集，研究人员还开发出具有无线传输功能的双层柔性电路。该电路由两层印刷银电路及中间聚酰亚胺层构成，通过银墨水过孔实现层间互联，并以PDMS进行封装，保障了系统长期运行的可靠性。

▍智能算法：让机器学会理解人类意图

然而，仅仅有高性能的硬件还不足以实现自然的人机交互。最大的挑战在于，如何让机器准确理解人类的意图？

表面肌电信号（sEMG）是肌肉活动时产生的电信号，包含了丰富的运动意图信息。但这些信号存在很大的个体差异性和不稳定性——同一个手势，不同人做出的肌肉活动模式可能不同；甚至同一个人在不同时间做出的相同手势，由于电极位置微小变化或肌肉状态改变，也会导致信号特征发生变化。

面对这一挑战，研究团队提出了一种创新的解决方案：结合线性映射网络（LMN）和起始时间模型（ITM）的自适应机器学习方法。

LMN负责调整不同通道信号的权重，使得来自不同用户的信号能够适应统一的标准分布。ITM则是一种轻量化的卷积神经网络（CNN），擅长捕捉时间序列中的局部特征，具有低延迟和高精度的特点。

用于sEMG 数据分析的个体自适应机器学习模型

这种方法最引人注目的优势是它的学习能力。一个新使用者只需要执行三次重复的手势，系统就能通过迁移学习策略调整模型参数，实现个性化适配。这种“即学即用”的特性极大地提高了系统的实用性和用户体验。

在实际测试中，该系统在0.1秒的延迟内就能达到98.33%的分类准确率，这对于实时交互应用至关重要。即使将手势类别从6个扩展到14个，系统仍能保持高精度识别。

▍多模态感知：机器人的"感官系统"

软人机界面的另一个重要特点是为机器人装上了“感官系统”。通过在多模态传感器阵列中集成温度、压力、热导率和电导率传感，机器人首次能够像人类一样通过触摸来识别物体特性。

压力传感器采用创新的电容式设计，灵敏度高达10.5 pF/kPa，并在连续2000次测试中保持稳定性能。热导率和电导率传感的组合使机器人能够区分不同材料的物体，识别准确率从单独使用热导率时的63.99%提升至98.03%。

交互式软机械手物体识别评估

这些传感器被安装在精心设计的软体机器人手指上。手指采用弹性气囊结构，顶部由柔软弹性体构成，底部由相对硬质的材料制成。这种设计使得充气时手指能够产生弯曲运动，同时保持低应力水平。

▍改变生活的应用前景

这项技术具有广泛的应用前景。它建立了一个完整的交互生态系统：从信号采集、意图识别到动作执行和感知反馈，形成了闭环的人机交互循环。在医疗领域，它为上肢截肢者带来新的希望。实验表明，即使截肢者的sEMG信号存在明显时间延迟与强度减弱，经自适应机器学习算法处理，系统仍能以94.36%的平均准确率识别11种手部与手指手势。

这意味着截肢者不仅可通过残留肌肉信号控制假手动作，还能借助电子皮肤获得触觉反馈，形成真正的闭环控制。

除医疗领域外，该技术还在工业与服务机器人、虚拟与增强现实（VR/AR）等领域展现出巨大潜力。具备多模态感知的软体机器人可更安全、智能地与人类协作；而电子皮肤结合电刺激反馈，可为VR/AR用户提供高度沉浸的触觉体验。

或许在不久的将来，我们能够像穿戴普通衣物一样穿戴电子设备，通过最自然的动作和感受与机器进行交流，真正实现“人机融合”的愿景。