东莞理工陶伟等人ACS ami综述:柔性力学映射综述:感知、传输、计算与集成范式
一、综述摘要
作为快速发展的具身智能和物联网时代的感知基础，柔性力学映射（FMM）正超越传统单点检测，能够在复杂、不规则表面上高保真、分布式捕获压力、应变和扭矩。本综述突破孤立器件优化的局限，基于统一的传感 - 传输 - 计算 - 集成（STCI）范式进行整体分析。在传感领域，本文批判性地评估了由混合机制和凝胶、纤维、MXene 等功能材料驱动的成熟电多单元阵列技术，并与新兴的机械 - 光学传感路径进行对比 —— 后者利用超表面和机械发光材料实现无铅工作和衍射极限分辨率。综述进一步通过分析高保真信号传输策略，强调人工智能在解码时间序列和从海量传感器数据重建超分辨率力学图像中的变革性作用。最后，探讨了多模态融合、植入式生物界面和闭环 “感知 - 决策 - 执行” 触觉系统等方面的系统级突破，并给出了克服当前瓶颈、加速类皮肤智能感知技术实际应用的战略路线图。二、研究背景
人工智能与物联网的深度融合，使高精度传感技术成为实现复杂交互场景的核心支撑，其应用涵盖可穿戴设备中的人体运动实时追踪、软体机器人对不规则物体的柔顺抓取以及智能工业生产线的应力分布在线检测等。力学信号作为反映物体运动状态、力特性和环境相互作用的关键信息载体，正从单点、低维检测向分布式、多参数耦合方向快速发展。传统单点传感器受检测范围和维度限制，无法捕捉力学信号的空间分布和动态演化，难以满足具身智能、穿戴式医疗等领域对精细力学感知的需求。在此背景下，柔性力学映射（FMM）技术应运而生。该技术通过在柔性基底上构建空间分布式传感器网络，实现对压力、应变、扭矩等力学信号的高精度、高时空分辨率检测，其终极目标是打造性能媲美甚至超越生物皮肤的电子皮肤或光子皮肤。然而，FMM 领域在整个技术链中面临系统性挑战，需在 STCI 范式指导下解决多目标优化问题。传感层面，追求高空间分辨率、灵敏度、宽动态范围和优异稳定性之间往往存在固有权衡；传输环节，海量传感器阵列产生的时空耦合数据对信号传输链路提出极高要求；计算方面，原始数据流需通过智能计算提炼价值；最终，所有技术进步必须汇聚于复杂的系统集成，实现物理共形封装与深度功能融合。三、研究进展
3.1 传感机制与材料：从电学到光学路径
3.1.1 电多单元阵列（EMA）传感机制
EMA 是柔性阵列传感技术的核心，其设计逻辑基于构建周期性空间排列的单个传感单元，利用单元对力学刺激的差异化响应，精准捕获压力、应变、扭矩等力学信号的空间分布和动态演化。根据载荷特性和能量转换机制，EMA 传感机制可分为静态力响应、动态力响应和混合 / 复合机制三类。静态力响应机制适用于持续机械载荷检测，核心是通过诱导传感材料或结构的几何参数或电学特性变化，建立外力与电阻、电容等电学参数的稳定定量关系。其中，电阻 / 阻抗传感基于力致电阻变化原理，结构简单、成本低、灵敏度可调，但存在温度交叉敏感性和长期稳定性不足等问题；电容传感基于平行板电容器模型的力致参数变化，具有低功耗、响应速度快、稳定性好等优势，但其面临边缘效应和布线干扰的挑战。动态力响应机制针对周期性波动或瞬态冲击类机械载荷，核心是通过力致材料极化或界面电荷转移，实现机械能向电能的动态转换，输出脉冲或周期性交流电信号，可实现无外接电源的自供能检测。摩擦电传感基于摩擦起电效应和静电感应，具有自供能、灵敏度高、材料选择灵活等特点，但输出稳定性易受环境温湿度影响；压电传感利用压电效应直接将力学信号转换为电信号，响应速度快、输出稳定、抗电磁干扰能力强，但在机械柔韧性和压电性能之间存在固有权衡；磁电传感依赖磁致伸缩 - 压电耦合或磁通量变化产生的电磁感应，信号信噪比高、具有频带选择性，适用于特定环境下的非接触传感。混合 / 复合机制 EMA 在单一器件结构中集成两种或多种不同传感原理，旨在克服单一机制的固有局限，实现全面的多模态数据采集，可分为互补范围扩展、灵敏度增强耦合和多模态功能集成三类架构。3.1.2 EMA 核心材料
EMA 的传感性能本质上由组成材料的物理化学性质决定，核心挑战在于实现对力学信号的精准电响应，同时保证高柔韧性、耐久性和皮肤相容性。近年来，EMA 传感材料已从传统金属 / 碳基导电复合材料向更复杂的功能复合材料发展。凝胶基材料是下一代柔性传感的重要一类，包括水凝胶、离子凝胶、气凝胶等。水凝胶是典型的离子导体，适用于电容传感和新兴的压电离子传感；离子凝胶通过聚合物网络溶胀非挥发性离子液体，解决了水凝胶的脱水问题，同时具有优异的热稳定性和电化学稳定性；气凝胶则通过在骨架中引入石墨烯、碳纳米管等导电纳米填料，具备超轻、高孔隙率的特点，是高灵敏度压阻传感的理想选择。纤维基传感材料以一维纤维为基本构建单元，通过静电纺丝、湿纺、熔纺等工艺制备，具有固有柔韧性、优异的可编织性和透气性。其中，摩擦电纤维传感器利用接触起电和静电感应耦合效应，压电纤维传感器依赖纤维结构内偶极子极化，压阻纤维传感器则基于导电网络内的接触电阻变化，均可通过合理设计实现特定力学信号的高灵敏度检测。MXene 基柔性传感器作为新型二维过渡金属碳化物、氮化物或碳氮化物，具有金属导电性、亲水性表面化学和大比表面积等优势。其特征性的手风琴状形貌提供了丰富的电化学相互作用活性位点，可与聚合物、陶瓷、金属氧化物等多种基质无缝组装。研究通过构建一维、二维、三维层级结构，优化机电界面，实现空间分辨传感，在可穿戴设备、多模态传感等领域展现出巨大潜力。3.1.3 机械 - 光学传感（MOS）：互补路径
尽管 EMA 技术已相当成熟，但在追求更高性能时面临密集布线网络带来的信号串扰和亚微米分辨率下制造成本攀升等根本性挑战，促使 MOS 作为柔性分布式力学映射的创新路径应运而生。MOS 的核心原理是通过机械载荷定量调制反射光谱、发光强度、偏振态等光学信号，直接可视化力学场分布，从根本上消除物理布线以避免串扰，实现接近光学衍射极限的空间分辨率，并具备原位可视化能力。基于能量转换机制，MOS 策略可分为两类：一是被动光子调制，机械变形通过改变人工纳米结构的几何形状，调制入射光的振幅、相位或光谱；二是主动机械发光（ML），机械应力直接激发材料带隙内的载流子，产生光子发射。超表面作为被动 MOS 的核心架构，通过在柔性弹性体基底上嵌入周期性纳米结构，利用应变诱导的对称性破缺或晶格膨胀，实现光学响应的定量偏移；机械发光材料则通过能带工程和缺陷态调制实现力致发光，无需人工设计微纳结构，在体内传感和黑暗环境监测中具有独特优势。3.2 EMA 的高保真追求：空间分辨率与信号传输
3.2.1 空间分辨率提升策略
EMA 的空间分辨率定义为区分相邻力学刺激所需的最小距离，是柔性电子皮肤等核心应用的关键性能指标。提升分辨率面临核心权衡：减小单元尺寸和间距理论上可提高空间分辨率，但过度微型化会大幅增加功能层的制造复杂度，并严重影响机械稳健性和信号稳定性。从电学角度看，互连架构是主要限制因素，传统横向互连架构中，布线与传感元件共面，占用宝贵的表面面积，且相邻导线间会产生寄生电容和互感，导致严重的单元间串扰。为应对这一挑战，研究人员采用了创新策略：垂直互连通道策略将导电层和功能层组织成分层的三明治结构，以最小化平面布线拥堵；此外，利用纺丝纤维的可编织性创建交替布线方案，为互连设计提供了新路径，从本质上减少串扰。3.2.2 信号采集、传输与预处理
信号传输是连接 EMA 传感器物理响应与最终力学映射可视化的关键桥梁，其性能直接决定整个 FMM 系统的实时性、稳定性和实际适用性。完整的高性能 EMA 信号传输路径包括信号采集、信号传输和信号预处理三个核心且需协同优化的阶段。信号采集的核心任务是通过专用电路将 EMA 单元的力学响应转换为标准化、可处理的电信号，其性能关键依赖于电路拓扑设计与单元特定传感机制的精准匹配。针对电阻 / 电容 EMA 的缓变直流或低频电信号，采集电路以抑制直流漂移和接触电阻干扰为核心设计重点；对于摩擦电 / 压电 EMA 产生的高压脉冲交流电信号，则需要通过整流 - 分压采样电路或电荷积分电路进行高效采集。信号传输的核心功能是将标准化电信号从采集电路传递到后端处理单元，主流传输技术包括有线传输和蓝牙、WiFi、NFC、RFID、LoRa 等无线传输技术。不同传输技术在传输距离、数据速率、功耗和抗干扰性等方面各有优势，可根据具体应用场景选择。原始 EMA 采集信号易受环境温湿度波动、电路噪声、模数转换器量化误差和单元间串扰等多种干扰源影响，需通过专用预处理流程减轻伪影、提取有意义特征。核心预处理流程包括噪声抑制、信号去趋势和信号筛选三个连续阶段，显著降低时间序列数据的冗余度，减轻后续 AI 算法的计算负担，提升分析效率和决策准确性。3.3 人工智能赋能计算：从数据到智能
EMA 和 MOS 技术的进步使 FMM 系统能够生成海量的时空耦合力学数据。EMA 系统主要产生多维时间序列信号，这类信号通常包含冗余信息且被复杂背景噪声掩盖；MOS 系统以及转换为视觉格式的高密度 EMA 矩阵则产生动态演化的热图或光学图像，传统人工对比分析效率低下。人工智能凭借强大的数据挖掘和特征提取能力，为两种模态的传感器数据高效处理提供了变革性解决方案。通过深度学习算法，AI 实现了从特征提取到智能决策的端到端优化。一方面，AI 驱动的分析可从含噪的多维时间序列数据中提取关键特征，实现多维传感信号解耦、物体抓取识别、语音分类等功能；另一方面，AI 赋能对 MOS 或可视化 EMA 数据产生的动态热图进行智能分析，解析连续视觉流以重建演化的 FMM 应力状态，在可穿戴技术、智能医疗和智能交通等领域实现突破。在多维时间序列信号智能解码方面，研究采用端到端隐式解耦、光谱维度扩展和时间特征工程三种计算策略，解决柔性传感器信号非线性、滞后性和力耦合等问题，实现从混沌电时间序列数据向精准物理或行为事件的映射。在视觉时空信号高级重建方面，AI 技术通过计算传感范式弥补硬件限制下的高分辨率细节重建需求，从表面动态中提取定量生理指标，并通过传感器结构与深度学习模型的协同优化，生成易于分类的信号模式，实现高效识别。3.4 系统级集成与新兴应用
3.4.1 多模态传感集成
人体触觉感知本质上是多模态的，能够无缝融合力学信息与热刺激以解读环境。因此，开发媲美生物皮肤的电子皮肤需要有效整合温度传感与力学传感模态。然而，实现高保真多模态感知需克服热刺激与力学刺激引发的严重交叉敏感性和信号耦合问题，这要求技术从简单的物理堆叠转向复杂的结构和材料层面解耦策略。结构隔离是缓解干扰的主要策略之一，通过在像素间引入微间隙抑制热串扰，或采用蛇形互连设计减少拉伸对热信号的影响。材料内在解耦则通过特殊材料设计实现单一基底上多种刺激的同时检测，无需复杂的后处理算法。此外，领域正朝着异质系统集成方向发展，将触觉传感单元与湿度、霍尔效应、接近度、气体等多种传感器共集成于单一柔性印刷电路板，实现统一平台上的混合感知。3.4.2 植入式与在体传感
FMM 的应用范围正从表面接触监测向更具挑战性的植入式和在体传感前沿扩展。与表皮电子设备不同，植入式器件必须承受腐蚀性生理环境，同时最大限度减少异物反应，其核心设计理念已从单纯提升灵敏度转向确保长期生物界面稳定性，并建立高效的无线数据和能量传输链路，消除易引发感染的经皮导线。对于 EMA，主要挑战在于刚性电子设备与柔软生物组织之间的机械失配，这通常会引发炎症和胶质瘢痕形成。为缓解这一问题，结构顺应性和微创递送至关重要。研究人员开发了可通过针头注射并在硬膜下空间自扩张的柔性网状系统，实现与脑表面的共形接触；通过将植入式柔性阵列与低噪声有源读出和无线传输集成，开发出可长期稳定工作的皮质表面成像平台。在骨科关节、口腔等高载荷环境中，传感器还需防止信号饱和并承受重复机械应力。此外，针对植入式设备的能量限制，研究人员开发了自供能摩擦电阵列，直接将静态和动态咬合事件转换为电信号热图。与 EMA 相比，MOS 引入近红外机械发光技术，完全消除直接物理接触和现场电子设备，在体内无线应力传感中展现出巨大潜力。3.4.3 迈向闭环 “感知 - 决策 - 执行” 触觉系统
轻量化传感、智能重建和可编程驱动技术的融合，正推动 FMM 从基于 STCI 的监测向闭环 “感知 - 决策 - 执行” 触觉系统发展。实现这类可穿戴、长续航平台需要传感器设计、边缘智能和可重构触觉界面的协同进步。在轻量化传感方面，通过传感器设计、低功耗 / 自供能技术、简化数据传输和紧凑 AI 模型的多领域协同优化，实现 “传感即计算” 范式，将信号采集和处理物理共置，显著降低能量消耗。在智能重建方面，FMM 正从基本的力映射向接触物体的三维触觉重建迈进，通过高灵敏度多模态传感器与嵌入式算法的集成，在边缘端融合解读力学、热学等物理数据，模拟人体触觉感知。闭环系统最终需将感知信息转化为物理反馈，这需要能够动态改变形状和刚度的可编程触觉界面。当前研究探索了多种驱动机制，包括利用真空驱动的干扰机制创建稳定的静态浮雕图，以及基于介电液体的界面实现毫秒级动态驱动，能够在驱动的三维表面上呈现具有不同粗糙度和方向性的触觉模式，适用于三维触觉重建和物体操纵等人机交互场景。四、总体结论
柔性力学映射（FMM）技术在 STCI 范式的推动下，已发展成为材料科学、电子工程和人工智能交叉领域的活跃研究方向。本综述通过阐明 EMA 和 MOS 路径的互补特性，展现了 FMM 从单点检测向高保真、分布式力学感知的发展历程。EMA 技术凭借成熟的信号转换机制和完善的数据分析流程，在提升空间分辨率和确保信号传输稳健性方面取得显著进展；MOS 路径则以无铅、可视化、抗电磁干扰等固有优势，为突破 EMA 的瓶颈提供了创新方案。人工智能的深度融合成为 FMM 技术从数据到智能的关键驱动力，通过端到端优化实现了多维时间序列信号的智能解码和视觉时空信号的高级重建，大幅提升了数据处理效率和感知精准度。系统级集成方面，多模态传感集成、植入式与在体传感、闭环 “感知 - 决策 - 执行” 触觉系统等领域的突破，不断拓展 FMM 技术的应用边界。展望未来，FMM 技术的下一个演化阶段将是从被动监测向主动 “感知 - 决策 - 执行” 闭环系统的转变。这一范式转换需要实时处理与可编程驱动的无缝集成，以实现自适应触觉界面和自主软体机器人。通过各领域的协同进步，FMM 有望将分布式力学传感转化为全场智能感知，最终成为下一代人机界面、智能医疗和工业自动化的基础技术。然而，该领域仍面临材料耐久性、系统集成中的机械失配、资源受限边缘设备上复杂 AI 模型的部署等挑战，未来需重点关注抗疲劳和自修复材料研发、可拉伸互连技术创新以及轻量化神经网络和传感器内计算架构的发展。五、图文概览
图 1、柔性力学映射的传感 - 传输 - 计算 - 集成范式示意图。该集成框架从左至右涵盖多种应用，包括电子皮肤和光子皮肤、穿戴式医疗、软体机器人、智能监测、触觉重建和在体传感。图 2、EMA 主要传感机制示意图。(a) 静态和动态力响应机制对比；(b) 电容和电阻混合机制提升传感器检测范围；(c) 电容和压电混合机制增强灵敏度；(d) 集成摩擦电 - 电容复合阵列用于多模态触觉传感。图 3、凝胶基传感材料示意图。(a) 压电离子水凝胶的结构及 4×4 传感器阵列在多点压力下的电压响应；(b) 具有双连续网络结构的离子凝胶用于电容式触觉传感；(c) 具有多层交联孔隙结构的超弹性石墨烯气凝胶及其在 3×3 阵列配置中识别动态力轨迹的能力。图 4、静电纺丝制备的纤维基材料示意图。(a) 基于尼龙 - 66 和 PVDF-HFP 纳米纤维的高密度摩擦电压力传感器阵列设计，用于动态足底压力映射；(b) 在岛 - 桥电极上利用 PVDF-TrFE 纳米纤维构建的自供能压电传感器阵列示意图；(c) 由导电 PEDOT:PSS 和弹性 PA6 组成的多层全纳米纤维压阻传感器结构，能够高空间分辨率检测轻质物体。图 5、MXene 基传感材料的多维架构示意图。(a) MXene 的手风琴状形貌；(b) 核 - 壳结构 CB/PDMS/MXene 纱线及其集成到智能纺织品阵列中用于空间压力分布和手势识别；(c) 具有层压结构的纤维素 / MXene 集成触觉阵列，可减轻应力集中；(d) 层状二氧化硅纳米纤维 / MXene 气凝胶，能够解耦压力和温度信号，用于高级人机交互。图 6、机械 - 光学传感（MOS）的机制和材料示意图。(a) 应变诱导的颜色演变和表面晶格共振用于定向应变映射；(b) 柔性太赫兹 Mie-tronic 传感器的架构和工作原理；(c-f) 通过超表面的振幅和相位差进行应变映射。图 7、机械发光（ML）传感器的功能原理和混合架构示意图。(a) 柔性 ML 复合材料在机械载荷下将应力直接转换为可见光的示意图；(b) 通过 SrAl₂O₄:Eu²⁺, Dy³⁺/PVDF 复合材料实现动态力的可视化；(c) 通过 CMOS 集成的 ZnS:Cu/PDMS 薄膜实现小鼠足迹的微应力映射；(d) 结合摩擦电和 ML 元件的双模传感器矩阵，用于宽范围压力映射；(e) 集成摩擦电、压电和 ML 传感层的自供能多模态智能皮肤，实现 0-130 MPa 范围内的交叉验证应力检测。图 8、EMA 系统空间分辨率提升策略示意图。(a) 用于抑制串扰的水平、垂直和先进交替布线架构；(b) 毫米和亚毫米级空间分辨率的最新研究成果；(c) 脉搏波监测和分析中的高分辨率生物医学应用。图 9、EMA 的信号采集、传输和预处理示意图。(a) 抑制串扰的电阻阵列读出电路示意图和工作原理；(b) 电容阵列的电荷域传感器内计算框架；(c) 用于高保真 TENG/PENG 信号表征的先进差分前端架构；(d) 无线传输技术对比雷达图；(e) 核心信号预处理阶段的流程示意图。图 10、信号解码和智能分析的人工智能驱动策略示意图。(a) FMM 系统中的计算流程概述；(b) 类生物 3D 电子皮肤用于力学量和材料特性的高保真时空重建；(c) 基于柔性 PZT 传感器阵列的语音识别流程，展示将时间序列数据转换为二维光谱特征图用于 CNN 分类；(d) 利用磁弹性传感器阵列捕获的按键动力学进行用户认证系统，突出时间域特征提取和分类器性能。图 11、人工智能赋能的高级信号处理策略示意图。(a) 用于触觉超分辨率的传感器内计算架构；(b) 基于稀疏磁场测量的物理知情重建；(c) 通过自适应脉搏波分析提取生理信息；(d) 利用自供能智能鞋垫进行步态识别；(e) 用于纹理分类的类生物触觉传感器；(f) 通过摩擦电传感和迁移学习实现车辆 - 道路相互作用监测，用于路况识别。图 12、高保真多模态传感集成策略示意图。(a) 融合力学和热刺激的人体触觉感知示意图；(b) 利用离子导电水凝胶阵列进行高分辨率温度映射；(c) 基于还原氧化石墨烯的可拉伸热传感器；(d) 集成温度和压力传感功能的热稳定电子纺织品；(e) 共集成触觉、接近度、湿度、磁性、气体、环境光和加速度传感的柔性模块化系统。图 13、植入式和在体传感技术示意图。(a) 用于神经和力学监测的可注射石墨烯基网状结构；(b) 具有无线读出功能的长期皮质表面成像平台；(c) 用于关节力学监测的植入式正压阻传感器；(d) 用于牙科咬合监测的自供能 TENG 阵列；(e) 用于无线咬合力传感的近红外 - 机械发光（NIR-ML）技术；(f) 用于多模态咬合分析的光学护齿套；(g) 电和光学 FMM 传感模态的系统对比。图 14、智能闭环触觉系统示意图。(a) 用于轻量化触觉处理的近传感器模拟计算；(b) 用于三维触觉重建的类生物指尖；(c) 用于形状显示的可重编程 3D 超表面；(d) 结合形状变化和振动反馈的可重构触觉界面。六、作者信息
Qinhua Hu, Hengchi Lin, Chengming Hu,Weicheng Lin*,Man Li*, Mingjun Zhang,Wei Tao*单位：DGUT-CNAM Institute, Dongguan University of Technology, Dongguan 523106, China单位：School Vocational Department, Guangdong Innovative Technical College, Dongguan 523960, China单位：DGUT-CNAM Institute, Dongguan University of Technology, Dongguan 523106, China七、论文链接
https://doi.org/10.1021/acsami.5c24516八、版权声明
素材来源各大出版社论文数据库，版权归论文出版社所有；本文内容采用 AI 辅助总结生成，如有错漏请私信或扫描下方二维码联系删除或修改；本文仅用于学术分享，转载请注明出处；如需推广本人学术成果和合作请私信或扫描下方二维码联系；
10个月宝宝每天需要喝多少奶粉？
