本研究由厦门大学电子科学系的廖新勤（Xinqin Liao）教授团队主导，联合厦门理工学院、福州大学、北京科技大学及新加坡南洋理工大学的研究人员共同完成。研究成果于2026年10月9日被接收，发表在 Advanced Materials 期刊上，论文标题为《An Ultrarobust Dual-Modal Neural Fiber with In-Sensor Computing》。
该研究属于可穿戴电子与人机交互（Human–Machine Interaction, HMI）领域，旨在解决传统触觉传感系统在同时感知触摸位置与压力时面临的结构冗余、信号数据过载以及穿戴舒适性差等核心问题。传统系统通常依赖物理堆叠的离散传感器阵列和冯·诺依曼（von Neumann）架构，将传感与计算分离，导致大量原始数据传输、布线复杂、能耗高，且刚性硬件与人体动态运动之间存在机械不匹配。此外，位置传感通常需要高密度电极网格（m+n通道），压力传感则依赖多层堆叠膜结构，两者在物理空间上相互独立，破坏了触觉信息的同时性。为解决上述瓶颈，研究团队提出了一种具有传感器内计算（in-sensor computing）能力的双模态神经纤维（ID Neural Fiber），旨在通过材料结构与传感机制的协同设计，实现位置与压力信息在传感前端的一体化融合与预处理。
该研究的核心工作流程包括材料制备、纤维结构设计、传感性能表征、逻辑功能验证以及多场景应用演示五个主要阶段。首先，研究团队制备了多壁碳纳米管/水性聚氨酯（MWCNT/WPU）压阻纳米复合材料，并通过浸涂法制备单壁碳纳米管（SWCNT）包覆棉纱。随后，利用高速编织机制备两种功能纤维：功能纤维1（FF1）以银包覆纱为芯层，具有低电阻特性，作为偏置电压输入端；功能纤维2（FF2）不含金属芯，电阻沿长度方向均匀变化，作为信号输出端。将FF1与FF2并排整合并以聚酯纱缠绕固定，形成ID Neural Fiber。在结构表征方面，通过扫描电子显微镜（SEM）证实了MWCNT/WPU复合材料在扭转-浸润-固化过程中充分填充纤维间隙，形成稳定的核壳多层结构。在性能测试方面，研究团队系统优化了MWCNT与WPU的质量比（2:5）、涂覆次数（三次）以及缠绕间隔（5 mm）等关键参数，以获得最佳灵敏度与事件驱动阈值。传感机制基于等效电路模型：触摸位置将FF2的总电阻分为R1和R2两段，通过左右两端的输出信号比值解码位置信息，通过虚拟接触电阻RF的变化解码压力信息。研究开发了专门的解耦模型，通过Rleft和Rright的测量值计算归一化位置L和虚拟接触电阻RF。
主要实验结果表明，ID Neural Fiber实现了小于5 mm的超高位置分辨率和0.6 N的压力检测极限。在弯曲半径为40–110 mm的变形条件下，位置解码偏差保持在5%以内，虚拟接触电阻波动不显著，证明了其优异的抗弯稳定性。灵敏度在低压区约为1.01×10⁻³ kPa⁻¹，在高压区约为0.57×10⁻³ kPa⁻¹。响应时间为75 ms，恢复时间为65 ms，在0.6 N压力下经过超过4000次循环测试后信号无显著漂移。机械性能方面，ID Neural Fiber仅重1.6 g即可承受500 g负载（超过自重的300倍），在水中浸泡三个月后功能完整，弯折、打结后性能不受影响。在逻辑功能方面，研究团队通过重构纤维间互连路径实现了可重构触觉逻辑门（OR、AND、XOR），无需额外的CMOS逻辑模块。基于双模态传感特性开发了多阈值逻辑开关，在相同触摸位置通过不同压力等级编码不同指令。在应用层面，研究展示了基于ID Neural Fiber的物联网（IoT）智能服装控制、水下机械臂遥控以及智能通信系统。在水下场景中，通过聚乙烯热缩管封装增强防水性，操作者穿着集成ID Neural Fiber的智能纺织品实现了对四关节机械臂的远程姿态控制和物体抓取。在智能通信方面，结合卷积神经网络（CNN）对用户的时序、压力与位置特征进行身份验证，在四个用户的数据集上达到了98.21%的平均识别准确率。
研究结论指出，ID Neural Fiber通过同轴编织架构与结构诱导的传感器内计算策略的协同集成，成功解决了传统HMI系统中传感器阵列冗余、信号数据过载以及穿戴舒适性差的问题。其核心科学价值在于将模拟预处理和双模态特征融合功能物理地嵌入传感器拓扑结构中，而非依赖外部处理器完成，从而在传感前端实现数据降维和信息压缩，显著降低了后端电子系统的复杂性和功耗。从应用价值来看，该纤维可直接缝入日常纺织品，赋予普通服装以高密度触觉交互功能，在物联网、水下作业、隐蔽通信以及身份识别等场景中展现出广泛的应用前景。研究提出的“从柔性传感器到智能织物计算机”的转变逻辑，为下一代可穿戴人机接口提供了新的材料与架构范式。
本研究的核心亮点体现在四个方面：第一，提出了结构诱导的传感器内计算机制，利用位置依赖性电阻梯度和压力依赖性接触电阻的物理调制，在模数转换前实现位置与压力信息的紧凑双通道模拟编码，从根本上绕过了传统冯·诺依曼架构中传感与计算分离带来的数据冗余问题；第二，实现了同时具备超高位置分辨率（ mm）和极低压力检测极限（0.6 N）的双模态传感性能，且两项指标在弯曲、拉伸、水浸和盐雾等环境与机械应力下均保持稳定；第三，通过简单的物理重构即可实现可编程逻辑门和多阈值逻辑开关，无需改变传感器硬件结构即可适应不同的交互逻辑需求，大幅提升了系统功能密度与灵活性；第四，ID Neural Fiber继承了纺织纤维的柔性、轻质、透气等固有特性，可无缝融入日常服装进行长期佩戴，并通过CNN学习用户的个体化触觉习惯实现高精度身份验证，为物理层加密与自然交互的融合提供了可行的技术路径。此外，该研究还展示了纤维的可重构性——可通过机械打结方式进行剪切和重连而不损失传感性能，以及多纤维协同工作时凭借外层非导电聚酯绕组的电隔离作用有效抑制串扰，并保证各批次纤维间电阻一致性良好，为纺织尺度的大面积集成提供了可靠的工程基础。