新火種
2025-02-18 
智能電子粘附皮膚：機器人與環境交互的新進展！
編輯丨ScienceAI
皮膚是人類與外界交互的重要窗口，而機器人要像人類一樣靈活適應復雜環境，也需要一套能夠「感知」與「操控」的智能皮膚。以往的電子皮膚側重模仿皮膚組織的傳感功能，常常忽略了皮膚附屬器的特異化功能（如鱗片的保護、摩擦控制功能）。
近期，新加坡南洋理工大學夏焜校長講席教授、清華大學高華建院士、南洋理工王一凡教授、湘潭大學王秀鋒教授團隊聯合，在《Science Advances》上發表了最新研究成果：一款突破性設計的智能電子粘附皮膚！
論文鏈接：https://www.science.org/doi/10.1126/sciadv.adt4765
創新技術亮點
這款電子皮膚融合了感知與可控粘附的雙重功能，克服了傳統粘附設計的諸多限制，實現了智能粘附在電子皮膚中的集成和多場景應用。其研究亮點包括：
強弱粘附解耦
傳統智能粘附設計中，強粘附和易脫粘往往難以兼顧。此次研究利用形狀記憶聚合物（SMP）的橡膠態-玻璃態相變特性，實現了從 kPa 級弱粘附到 MPa 級強粘附的調控。
玻璃態下，SMP 與粗糙表面接觸差，處于非粘附模式，適合于避免粘附的輕巧與靈巧操作場景；橡膠態下，SMP 各種表面都能形成粘附接觸，處于可控強粘附模式，便于協助處理大型重型或易碎物體。
感知與粘附的系統集成
傳統智能粘附系統強弱耦合，一種設計要么粘附太強要么粘附太弱，沒法同時適用于需要粘附和避免粘附的場景，故而在電子皮膚中的集成與應用受限。
該研究解耦了強弱粘附，實現了按需粘附，可以在可控強粘附模式和非粘附模式之間便利切換。在此基礎上集成了柔性壓力傳感器、柔性加熱器和SMP智能粘附表面結構，制備了電子粘附皮膚。
通過把電子粘附皮膚集成到機械手上，該研究展示了模仿皮膚組織和皮膚附屬器的集成電子粘附皮膚系統對于機器人-環境的復雜交互需求的適應性：既可以用于接觸信息監控、表面形貌測量、輕巧物體操控等避免粘附場景，也可以用于抓取大型重型物體等需要粘附場景。
突破性應用場景
表面檢測
機器人機械手配備電子皮膚后，能夠在非粘附模式下精準檢測表面紋理。相比傳統硅橡膠皮膚引發粘滑現象導致測量不準確的情況，這款智能皮膚顯著提高了測量精度，減少了噪聲干擾。
輕巧物體抓取
當抓取輕型物體（如毛巾）時，玻璃態的粘附皮膚處于非粘附模式，避免了物體被粘住的困擾，實現了順暢的抓取和釋放操作。
重型和多樣化物體操控
可控強粘附模式下，機器人可以輕松抓取并操控不同尺寸和重量的物體（例如雞蛋或 1.2kg 的鋁塊），展示出在工業制造與物流場景中的強大潛力。
多表面適應性
無論是對于光滑的玻璃、粗糙的木材，還是特殊結構的金屬表面，這款電子粘附皮膚都能適應并穩定發揮作用。
（A）在傳統的粘附設計中（左圖），最大粘附強度與最小強度成正比，在拉開模式和剪切模式下都具有較大的比例常數（中圖）。這一限制意味著無法在同一粘附材料上同時實現強粘附和易剝離。
相比之下，提出的 SMP 粘附皮膚的最大和最小粘附強度相互獨立，且比例常數非常?。ㄖ袌D）。這使得粘附具有廣泛的可調性，使粘附皮膚能夠在需要粘附或避免粘附的場景中有效發揮作用，從而大大增強了機器人與環境的交互能力（右圖）。
（B）SMP 粘附皮膚集成到機器人手上（左圖），以增強其與環境交互的能力。
（C）粘附皮膚上單個 SMP 粘附纖維按需粘附和剝離的原理。① 在玻璃態接觸時粘附力最小。② 在橡膠態接觸時按需粘附。③ 冷卻到玻璃態后形成強 DMT-like R2G 粘附。④ 通過加熱回到橡膠態關閉粘附，SMP 纖維在 JKR-like 狀態下剝離。
研究意義與未來展望
該研究不僅解決了傳統電子皮膚在粘附功能上的設計瓶頸，還為機器人智能化拓展奠定了基礎。通過精準調控粘附行為，這款電子皮膚能夠適應多場景、多任務需求，包括工業抓取、物流搬運、醫療輔助手術等領域。
更重要的是，它開創了機器人感知與操控能力的新方向，推動了機器人交互技術的發展。未來，這項技術或將實現更大規模的產業化，為智能機器人領域注入新的活力。機器人將不再僅僅是「工具」，而是更靈活、更智能的協作伙伴！
參考文獻：Linghu, Changhong, et al. "Versatile adhesive skin enhances robotic interactions with the environment." Science Advances 11.3 (2025): eadt4765.
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
