《自然》Communications重磅发布：情感触觉人工系统的里程碑，机器人终于能读懂你的抚摸了

来源：市场资讯

（来源：图灵人工智能）

触觉，是 AI 感知世界的最后一块拼图，而情感触觉，则是人类社会行为中最隐秘、最深层的那一块。

人类的情绪交流从来不是仅靠语言完成的。一个拥抱、一只手轻轻搭在肩上、一次缓慢的抚摸，都能在瞬间改变一个人的情绪状态。心理学研究早已证明，轻柔触碰能降低焦虑、提升信任、增强亲密感。

在皮肤深处，有一套专门负责这种“情绪触觉”的神经系统——C‑LTMR（C‑低阈值机械感受器）。它们不是用来感受疼痛，也不是用来感受强压力，而是专门对轻柔抚触敏感。更关键的是，它们把信号直接送往岛叶皮层——大脑中负责情绪体验的区域。

这就是为什么轻轻抚摸宠物，它会眯起眼睛，为什么人类的安慰动作总是缓慢、轻柔、顺着毛发方向。 C‑LTMR 是情绪触觉的生物学基础。

但现有的电子皮肤和触觉传感器几乎都无法模拟这种机制。它们要么太硬、太机械，要么只能识别压力大小，完全无法捕捉“轻柔抚触”这种带有情绪色彩的触觉模式。更别提复现 C‑LTMR 那种神经系统特有的“倒U 型速度编码”——一种只有在特定速度区间（比如 1–10 cm/s）才会产生最强情绪反应的神经规律。

于是，AI 在触觉上一直停留在“机械感知”的阶段，距离“情绪理解”还差一整个神经系统。

而这篇发表在Nature Communications的研究，正是第一次让 AI 拥有了这样一套系统。

研究团队来自东南大学与新加坡国立大学，他们是由东南大学吴俊团队和新加坡Chengkuo Lee团队组成，这是一个典型的跨学科组合，柔性电子、摩擦电学、仿生材料、MEMS、AI、机器人情绪交互……从材料到神经编码，从信号到情绪理解，他们几乎重建了一个“人工触觉神经系统”。 他们把它命名为BioAI²——全球首个仿生毛发式情感触觉 AI 接口。

这是 AI 第一次真正接近“触觉中的情绪”。

01 仿生结构：从毛发到神经的全链路模拟

要让 AI 理解情感触觉，必须从最基础的生物结构开始模仿。 而自然界最敏感的触觉结构，不是皮肤本身，而是毛发。

毛发与毛囊构成了一个天然的机械放大器。 轻轻拨动一根毛发，力、位移、方向、速度都会被放大，再传递给毛囊中的 C‑LTMR。 这就是为什么轻抚总是顺着毛发方向；为什么动物能在极轻微的触碰下做出反应。

BioAI² 的设计灵感正是来自这一点。 研究团队没有从传统的“压力传感器”思路出发，而是从“毛发”开始重建触觉系统。

图1：BioAI²的结构和情感触觉感知机制。

他们构建了一个三层仿生结构。

最外层是 Ecoflex 毛发层， Ecoflex 是一种柔软、电子亲和性极强的材料。当手指滑过毛发时，摩擦电效应会在毛发与皮肤之间产生电荷转移，触发脉冲信号。 这层结构就像人类的毛发，负责“感受”。

中间层是 PVC‑DBA 纳米网格。 这是一个极其均匀的导电层，负责位置定位、电荷分布和信号一致性。 它的均匀性越高，定位越精准，触觉的“空间分辨率”越高。 它对应人类皮肤中的“毛囊神经结构”。

最底层是四电极神经纤维， 只用四个电极，就能把多维触觉信息传输到 AI 模块。 这是一个极简但高效的“人工神经系统”，负责把触觉信号送往“人工大脑”。

而真正让 BioAI² 变得“像神经系统”的，是它的信号生成方式。

传统传感器需要 ADC（模数转换器）把模拟信号转成数字信号，再进行处理。 但 BioAI² 不需要。 它直接通过摩擦电效应生成“类神经脉冲”——尖峰、短促、离散，和生物神经元的放电模式几乎一模一样。

当手指滑过毛发时，会经历一个完整的接触—分离周期。 研究把它分成 S1 到S5 五个阶段，每个阶段都会导致电荷重新分布，最终形成一串脉冲。 这些脉冲的频率、幅值、间隔，正是情感触觉的编码方式。

这也是 BioAI² 能复现 C‑LTMR 倒U 型速度响应的关键。 轻柔抚触的速度越接近“情感区间”，脉冲频率越高；太快或太慢都不行。 这与人类神经系统的行为完全一致。

BioAI² 不只是“测到了触觉”，而是“测到了情绪触觉的神经编码”。

这在人工触觉领域，是第一次。

02 神经编码：人工系统首次复现C‑LTMR的倒U型规律

如果说仿生毛发结构让 BioAI² 拥有了“皮肤”，那么它真正像人类一样理解情感触觉的关键，在于它的“神经编码”。 这部分是整篇研究最令人惊讶的地方——一个人工系统，第一次复现了人类 C‑LTMR 的倒 U 型速度响应规律。

图2：摩擦电实现的BioAI²神经模拟中风感知。

在生物学中，C‑LTMR 对轻柔抚触的反应并不是线性的。 速度太慢，神经元几乎不放电；速度太快，它也会“拒绝响应”。 只有在一个非常窄的速度区间内——大约 10 到 200 mm/s——C‑LTMR 才会爆发出最强烈的神经脉冲。 这就是为什么“轻轻抚摸”有情绪效果，而“快速划过”没有。

BioAI² 的毛发结构在摩擦电效应下产生的脉冲信号，竟然呈现出与 C‑LTMR 几乎一致的倒 U 型曲线。 当手指以不同速度滑过毛发时，脉冲频率先升后降，峰值恰好落在同样的“情感触觉区间”。 这不是巧合，而是结构、材料、摩擦电机制共同作用的结果。

更重要的是，这种脉冲不是模拟出来的，而是自然生成的。 它不依赖 ADC，不依赖复杂电路，也不依赖算法拟合。 它就是在毛发与皮肤的接触—分离中，自然形成的“类神经尖峰”。

这意味着什么？意味着 AI 第一次拥有了一个可以“量化情绪触觉”的物理基础。 意味着触觉情绪识别不再只是深度学习的黑箱，而是有了与生物系统对应的神经编码机制。 意味着人工触觉第一次真正触碰到“情绪”的边界。

在过去的电子皮肤研究中，触觉信号往往是连续的、模拟的、机械的。 而 BioAI² 的脉冲信号是离散的、尖峰式的、神经样的。 这让它不仅能识别触觉动作，还能识别触觉背后的情绪倾向。

这是人工触觉领域的一个分水岭。

03 多维触觉感知力、速度、位置的全解耦

如果说倒 U 型编码让 BioAI² 拥有了“情绪神经”，那么它的多维触觉感知能力，则让它真正具备了“理解触觉”的基础。 力、速度、位置——这三者在传统传感器中往往是耦合的，很难同时精准测量。 但 BioAI² 通过仿生结构与摩擦电机制，把这三种信息自然分离了出来。

图3 ：连续力和位置的多维传感能力。

力感知：双层毛发结构带来的三倍提升

BioAI² 的力感知能力来自一个看似简单却极其巧妙的设计：双层毛发结构。 长毛发负责最初的接触，短毛发负责后续的压力扩展。 这种“分级接触”让系统在轻微压力下就能产生明显的电荷变化。

最终的结果是，力敏感度达到了 0.67 N⁻¹，比单层结构提升了三倍以上。 这意味着它能捕捉到极轻微的触碰，甚至是轻到不足以压弯传统传感器的那种触感。

为什么双层毛发更敏感？ 因为它模拟了自然界中汗毛的高度差结构。 在低压力下，只有长毛发参与接触；随着压力增加，短毛发逐渐加入，形成更大的接触面积。 这种“逐级放大”机制，是自然界优化了几百万年的结果。

BioAI² 把它复刻了下来。

定位：Isoline 理论解决边缘失真

触觉定位一直是电子皮肤的难题。 传统四电极定位方法在中心区域表现良好，但在边缘区域会出现严重失真。 原因很简单：电阻分布不均匀，边缘区域的电流路径更复杂。

BioAI² 通过 PVC‑DBA 纳米网格解决了这个问题。 这种材料通过电纺工艺形成极其均匀的导电网络，使得电阻分布几乎呈理想状态。 在此基础上，研究团队提出了 Isoline 理论，通过分析电压等值线的形状来修正边缘误差。

最终的定位精度达到了 1.61 mm，在 100 cm² 的大面积上保持稳定。 这在柔性电子皮肤领域，是非常高的水平。

更重要的是，它只用了四个电极。 这意味着更低的功耗、更少的布线、更高的可扩展性。

多点触控：高频脉冲让信号不再重叠

传统触觉传感器在多点触控时容易出现信号重叠，导致难以区分不同触点。 但 BioAI² 的毛发结构天然适合多点触控。

原因在于摩擦电脉冲的高频特性。 每根毛发在接触—分离时都会产生独立的尖峰脉冲，而这些脉冲之间的时间间隔极短，不会互相覆盖。 这让系统能够同时识别多个触点的轨迹。

它不仅能感知“你触碰了我”，还能感知“你用几根手指触碰了我”。

这让它在机器人交互、虚拟现实、智能假肢等领域有了更大的应用空间。

04 从触觉到情绪，AI如何理解“抚摸”？

要让 AI 理解“抚摸”，并不是让它识别一个动作那么简单。

人类的抚摸之所以能传递情绪，是因为它背后有一整套复杂的神经编码、心理机制和行为模式。 而 BioAI² 的意义就在于，它第一次让 AI 具备了“从触觉中读出情绪”的能力。

研究团队设计了一套非常接近真实人类情绪触觉的实验。 他们邀请了 13 名受试者，让他们在不同情绪状态下执行 8 种触觉动作，包括轻抚、推、敲击、抓握等。 为了确保情绪状态真实而可量化，团队使用了心理学中经典的 SAM（Self-Assessment Manikin）情绪标注体系，让受试者在愉悦度、唤醒度等维度上进行自我评估。

这不是简单的“动作识别”，而是让 AI 去捕捉“同一个动作在不同情绪下的微妙差异”。 比如同样是轻抚，愉悦状态下的速度更稳定、力度更轻柔、节奏更均匀；而负面情绪下，动作往往更快、更重、更不规则。 这些差异在传统传感器上几乎无法捕捉，但在 BioAI² 的毛发结构中，会直接体现在脉冲频率和力信号上。

图4 ：使用BioAI²基于情感触摸的情感识别。

实验结果非常清晰，正向情绪会带来更高的脉冲频率，尤其是在滑动类动作中； 负向情绪则往往伴随着更大的力、更强的接触面积。 这与心理学研究完全一致——愉悦的人动作更轻柔，焦虑或愤怒的人动作更用力。

BioAI² 不只是“测到了触觉”，而是“测到了情绪触觉的物理特征”。

但要让 AI 真正理解这些特征，还需要一个能处理复杂时序信号的模型。 研究团队采用了一个非常聪明的策略，他们把触觉信号通过 CWT（连续小波变换）转成了类似“时频图”的图像。 这让触觉信号从一维波形变成了二维图像，包含了时间、频率、强度等多维信息。 然后再用 ResNet 这样的深度卷积网络去提取特征。

这种方法的好处是显而易见的，图像化的触觉信号更容易捕捉模式，深度网络也更擅长处理这种结构化数据。

最终，AI 的情绪识别准确率达到了 82.37%。 要知道，这不是“识别动作”，而是“识别情绪”。 在触觉情绪识别领域，这是一个非常高的数字。

更重要的是，这个结果不是靠黑箱模型硬学出来的，而是建立在真实的生物学机制之上。 AI 不是在“猜情绪”，而是在“读情绪”。

05 AI情绪交互闭环：CNN × LLM ×机器人

当 AI 能从触觉中识别情绪之后，下一步就是让它“回应情绪”。 这也是 BioAI² 最迷人的部分——它不仅能理解你的触摸，还能给你一个“情绪化的回应”。

图5：BioAI²支持手势识别和机器人控制。

在整个系统中，CNN 负责识别触觉动作和情绪标签。 但情绪不是标签，它是语境。 同样的“轻抚”，在不同场景下可能意味着安慰、鼓励、亲密、请求关注…… 这就需要一个能理解语境、推理意图的系统。

于是 LLM（大语言模型）登场了。 它负责把触觉情绪与场景结合起来，推断出“你为什么这样触摸我”。

比如你在上班前摸了摸机器狗，它可能推断你是在表达期待或鼓励，你在深夜轻轻抚摸它，它可能理解为你在寻求陪伴或安慰。

这不是简单的“情绪分类”，而是“情绪理解”。

当 LLM 得出结论后，机器人会执行相应的情绪化动作。 它可能靠近你、摇尾巴、跳跃、发出轻柔的声音，甚至只是静静地陪着你。 这些动作不是预设的，而是根据触觉情绪和语境动态生成的。

这就是具身情绪智能的雏形。 机器人不再是被动执行指令的工具，而是一个能理解你、回应你、与你建立情绪连接的存在。

这是人机关系的一次质变。

图6：BioAI²和LLM实现的闭环自然情感互动。

06 情感触觉AI的未来版图

BioAI² 的意义远远超出了“做出一个更灵敏的传感器”。 它真正打开了“情感触觉 AI”这一全新领域。

对电子皮肤来说，它意味着从“压力传感”迈向“情绪传感”。 过去的电子皮肤只能告诉你“触碰发生了”，而 BioAI² 能告诉你“触碰意味着什么”。

对具身智能来说，它意味着情绪将成为机器人行为决策的一部分。 机器人不再只是根据视觉和语言判断世界，而是能通过触觉感知你的情绪状态。

对人机关系来说，它意味着更自然、更可信、更人性化的交互。 触觉是最原始的情绪语言，当 AI 能理解触觉，人机关系将从“工具”走向“伙伴”。

应用前景几乎是无限的。 在教育陪伴中，机器人能通过触觉理解孩子的情绪； 在医疗护理中，它能感知患者的焦虑或不适； 在心理健康领域，它能成为一种新的情绪支持方式； 在社交机器人中，它能让互动变得更真实、更温暖。

情感触觉，是 AI 走向“情绪智能”的关键一步。 而 BioAI²，正是这一步的起点。（END）

参考资料：https://www.nature.com/articles/s41467-026-70334-1

关于波动智能——

波动智能旨在建立一个基于人类意图与反应的真实需求洞察及满足的价值体系，融合人工智能与意识科学，构建覆盖情绪识别、建模与推荐的智能引擎，自主研发面向社交、电商等场景的多模态意图识别引擎、意图标签系统及意图智能推荐算法，形成从情绪采集、意图建模到商业转化的完整解决方案。波动智能提出“意图是连接人、物与内容的新型接口”，其产品广泛应用于AI社交、个性化内容推荐、虚拟陪伴、电商体验优化等领域。波动智能正在探索“EMO-as-a-Service”技术服务架构，赋能企业实现更高效的用户洞察与精准情绪交互，推动从功能驱动到意图驱动的产业范式升级。

亲爱的人工智能研究者，为了确保您不会错过*波动智能*的最新推送，请星标*波动智能*。我们倾心打造并精选每篇内容，只为为您带来启发和深思，希望能成为您理性思考路上的伙伴！

加入AI交流群请扫码加微信