在機器人領域，如何實現“像人手一樣靈活靈活操作”一直是工程師與科學家的共同目標。尤其在滑動檢測、力控反饋等細微動作層面，傳統傳感器系統仍難以媲美人類的觸覺神經系統。即使利用最新的視覺控制技術，也不能比擬人類對切向“滑動”和縱向“壓力”變化的精確、快速多模態解析。重要原因在于，當前大多數人工觸覺系統無法具備人類皮膚的感受器（mechanoreceptor）功能（如Meissner/Pacinian 和 Merkel cell）對于動態與靜態刺激的分工同步應對。
紐約州立大學布法羅分校劉駿教授團隊受人類觸覺神經元機制啟發，成功開發出一套全新的基于自驅動直流發電效應（Tribovoltaic Effect）的仿生滑動感應系統（BTS）。通過將動態直流發電機制引入柔性可穿戴電子織物中，成功構建出具有自供能能力、高靈敏滑動感知與實時反饋調控功能的仿生觸覺系統，在無需外部供電的前提下實現高靈敏度滑動檢測與反饋調節，系統響應時間可低至毫秒量級，遠優于視觸覺檢測原理。為未來智能機器人抓取、醫療輔助手和人機交互界面提供了全新思路。
自驅動仿生觸覺：靈感來自人類皮膚
人類手指中分布著兩類關鍵感受器：快速適應型（RA）與慢速適應型（SA）神經元，分別用于感知“滑動/釋放”等動態信號與“壓力/抓握”等持續信號。新型BTS系統仿照這一機制，整合了：
·基于摩擦滑動驅動的動態直流發電原理（Tribovoltaic DC），模擬RA型感受器，響應滑動刺激；
·柔性電容式壓力傳感器，模擬SA型感受器，感知持續按壓。
兩種傳感機制協同工作，實現對機器人抓取動作中的“滑-握-抬”全過程的精準編碼與響應（圖1A~1F），真正意義上重構了“仿人類皮膚”的神經功能。
高導電可拉伸電子織物：輕柔又可靠
該系統采用三次涂覆處理的柔性PEDOT:PSS導電織物，織物本體由80%聚對苯二甲酸乙二醇酯（PET）與20%氨綸復合而成。每次處理包括溶液浸漬、常溫干燥、熱壓退火，以增強PEDOT: PSS的結合力與穩定性。掃描電鏡（SEM）圖像顯示，導電聚合物包覆層連續、無明顯斷裂，EDS圖譜驗證了PSS元素在織物表面分布均勻，導電路徑形成有效連續網絡。
電學性能測試表明，織物在0%到90%應變區間的電阻變化率小于13%，表現出優良的力學穩定性與導電保持性。該織物與鈦金屬片在微米尺度接觸下形成類肖特基接觸，滑動引發局部摩擦電子激發，產生明顯的Tribovoltaic效應直流電輸出，其電壓與滑動速度成正相關關系。優異拉伸性能：應變達90%時電阻變化小于13%；同時，在摩擦界面選擇中，相比常用鋁片，選用了鈦（Ti）金屬片，更耐腐蝕、輸出穩定性更高（圖2H）。
動態識別：毫秒級響應構建閉環反饋 BTS系統在滑動刺激下能迅速響應輸出電信號，其響應時間約為34 ms，快于人類RA類觸覺神經元以及當前GelSight視覺反饋系統（96 ms），更能滿足高速抓取中的滑動反饋需求。在模擬抓取實驗中，研究者對不同表面材質（如PVC、玻璃、紙板）施加恒壓滑動刺激，系統均能識別出滑動起始點與速度變化，并據此調整夾持力。 在“抓取-滑動-釋放”循環中，系統輸出信號可用于閉環控制指令。研究團隊構建了基于傳感輸出幅值的反饋調控模塊：當電壓高于閾值，反饋控制器自動增強夾持力，直至電壓回落至穩定狀態，實現對滑動趨勢的主動抑制。這種方式可使物體滑移距離從30 mm 降至4.1 mm，顯著提升抓取穩定性。 此外，系統在超過100萬次滑動循環實驗中表現出極高的耐久性與信號一致性，證明其適用于長時間、重復觸覺任務場景。 從仿生傳感到機器人控制閉環 更進一步，研究團隊基于BTS信號設計了閉環控制算法，將輸出信號（Vout）轉化為機器人夾持力調節信號，形成“檢測–計算–調整”的閉環調控機制，完成自主穩定抓握任務（圖3）。
多場景驗證：不僅抓得穩，還能抓得巧
為了驗證BTS 系統在多場景下的工作模式及性能，團隊系統性展示了BTS系統在復雜運動場景下的滑動響應性能。其中，圖5A為BTS織物與Ti接觸構建的仿生傳感節點示意圖，圖5B-C展現了系統在不同滑動速度（20 mm/s、40 mm/s、60 mm/s）條件下的電壓響應曲線，表現出良好的線性響應和速度敏感性。圖5D演示了非勻速滑動過程中信號幅值的實時變化，圖5E則驗證了在震動干擾或傾斜角度變化條件下的信噪比穩定性。值得注意的是，圖5F所示的重復滑動試驗中，系統在10^6次循環后仍保持穩定輸出，驗證了其高耐久性與穩定性。
圖5.機器人抓取中的參數化滑動位移檢測與抑制方法研究。
團隊進一步聚焦于系統在機器人抓取任務中的閉環控制表現。圖6A為BTS集成至機器人指腹的安裝方式，圖6B-C記錄了抓取物體過程中系統輸出電壓隨握持狀態的動態變化。在滑移發生初期（如圖5D所示），電壓迅速上升觸發反饋調節，圖6E-F顯示夾持力增強后滑移顯著抑制，滑動距離從初始的30 mm 降至約4.1 mm。圖6G統計了多個材質目標物在系統參與控制與否下的抓取成功率對比，進一步地，研究還基于赫茲接觸力學模型系統建立了輸出電壓信號與接觸力及滑動速度之間的數學映射關系，為后續構建更高級別的AI力控策略（如強化學習）提供了理論基礎，強化了BTS系統在閉環控制算法中的適配能力，證明該策略對多目標抓取的廣泛適應性與顯著增益。在多個物體搬運過程中，系統輸出的電信號可用于實時調節夾持力，顯著降低滑落率。尤其在面對材質柔軟或異形結構的目標物時，系統展現出優異的自適應能力與任務成功率。
圖6. 直流輸出隨力或速度變化下的定量分析。
作者構建了一種基于結構與信號協同設計的柔性觸覺系統框架，其關鍵優勢在于：
·自供能：無需電源模塊，適用于微型或可穿戴設備
·高速響應：滑動響應<40 ms，優于常規視覺與熱敏系統
·柔性集成性強：可直接貼附于衣物、機械臂、義肢表面
·制造兼容性高：材料廉價、工藝通用、可擴展性好
參考文獻：
https://www.nature.com/articles/s41467-025-61843-6