本文档属于类型b：一篇关于人工智能驱动的软体机器人先进设计的综述论文。

作者及发表信息
该综述由Ying Cao（香港理工大学纳米技术中心）、Bingang Xu（香港理工大学纳米技术中心，通讯作者）、Bin Li（西安交通大学仿生工程与生物力学中心）和Hong Fu（香港教育大学数学与信息技术系，通讯作者）合作完成，发表于期刊《Nano-Micro Letters》2024年6月刊，卷16期，文章编号214。

主题与背景

论文系统回顾了人工智能（Artificial Intelligence, AI）与软体机器人（soft robotics）融合的最新进展，重点探讨了如何通过材料、结构、传感技术和机器学习（Machine Learning, ML）算法的协同设计，赋予软体机器人感知（feeling）、决策（thought）和执行（reaction）的智能化能力。软体机器人因其高安全性、轻量化、低功耗和生物相容性，在工业、医疗和极端环境操作中展现出巨大潜力，而AI的引入进一步拓展了其自适应和学习能力。

主要观点与论据

1. 软体机器人的工作机制与系统构成

软体机器人系统由多模态传感（sensor-r）、机器学习模块、人机交互界面（HMI）和软体执行器（actuator）组成。
- 传感机制：通过仿生电子皮肤（e-skin）实现触觉（tactile）、视觉（optical）和化学信号（chemical）的感知。例如，压阻式（piezoresistive）、电容式（capacitive）和摩擦电式（triboelectric）传感器分别模拟人类皮肤的慢适应（SA）和快适应（FA）机械感受器。
- 机器学习：采用监督学习（supervised learning）、无监督学习（unsupervised learning）和强化学习（reinforcement learning）算法处理传感数据。例如，卷积神经网络（CNN）和深度神经网络（DNN）被用于物体分类和手势识别。
- 执行机制：基于弹性体（elastomer）的变形原理，通过流体驱动（fluidic）、电热驱动（electro-thermal）或磁场驱动（magnetic）实现复杂运动。

支持案例：
- 一项研究通过集成压电和应变传感器，使机械臂能识别水果成熟度（如区分新鲜和腐烂橙子），并自适应调整抓取力（图11a-b）。
- 基于超声传感器和摩擦电传感器的多模态融合系统，实现了物体定位与分类的100%准确率（图10e）。

2. 人工智能赋能的软体机器人设计方法

（1）感知增强

• 电子皮肤：结合压阻和摩擦电传感层，同时模拟SA和FA感受器，可检测微小压力（如70mg植物叶片）并识别材料类型（图8h-j）。
  
• 非接触感知：超声传感器（PMUT阵列）通过反射波实现物体定位（图8n-q），而化学传感器（如M-Bot）能检测有害物质（如农药）。
  

（2）决策优化

• 数据增强：通过传感器结构设计（如六边形蜂窝结构）和自增强算法（polar system），训练数据量减少88%的同时保持高精度（图9b-c）。
  
• 多模态融合：结合超声与摩擦电传感器的CNN模型，提升了复杂环境下物体识别的鲁棒性（图9f）。
  

（3）执行控制

• 自感知执行器：通过3D打印制备的软体执行器，内部压力变化可反馈外部接触力，无需额外传感器（图15c）。
  
• 混合驱动：静态与脉冲磁场的协同作用（hybrid-excited actuation）实现低能耗变形控制（图15a-b）。
  

3. 应用场景与性能提升策略

（1）智能制造

• 数字孪生仓库：基于SVM算法的软体抓取器（soft gripper）可实时识别并分类物体，应用于无人仓库（图11c-e）。
  
• 自适应操作：通过ML学习物体硬度，机械臂可安全抓取豆腐等易损物品（图13a）。
  

（2）智能医疗

• 微型机器人：磁控软体微型机器人（SMMR）在DRL算法控制下，实现血管内药物靶向释放（图12a）。
  
• 慢性病管理：糖尿病足治疗鞋垫通过多层传感-执行结构，动态调节足底压力（图12b-i）。
  

（3）极端环境适应

• 四足软体机器人通过强化学习（soft actor-critic）优化步态，穿越复杂地形（图13d-f）。
  

4. 未来设计方向

• 自然启发：仿章鱼吸盘（AOS）的湿粘附执行器（图16e-i）和仿生变色材料（CASA）展示了生物启发的创新潜力。
  
• 自主化：自供能传感器（如摩擦电式）和能量捕获技术（如光热驱动）可减少外部能源依赖（图17a）。
  

论文价值与意义

1. 学术价值：首次系统总结了AI驱动的软体机器人全系统设计策略，涵盖从材料、传感、算法到应用的完整链条。
   
2. 应用价值：为工业自动化、医疗手术和危险环境探索提供了可扩展的技术方案。
   
3. 前瞻性：提出的仿生设计和自主化路径，为下一代智能软体机器人指明了发展方向。
   

亮点总结

1. 多学科融合：结合化学、材料科学、ML和机器人技术，提出“感知-决策-执行”一体化框架（图1）。
   
2. 技术创新：开发了自增强算法、多模态传感器和混合驱动执行器等新型组件。
   
3. 应用广泛性：覆盖工业、医疗、农业等多领域需求，如数字孪生仓库和微型医疗机器人。