本研究由香港科技大学（广州）可持续能源与环境学域的何少帅（Shaoshuai He）、周宇（Yu Zhou）等人完成，通讯作者为訾云龙（Yunlong Zi）教授。该研究成果于2026年发表在顶级学术期刊 Advanced Materials 上，论文标题为《具有类人皮肤图形觉的亚毫米级分辨率双模态触觉传感器阵列》（Sub-Milliscale-Resolution Bimodal Tactile Sensor Array with Human-Skin-Like Graphesthesia Sensation）。
在具身人工智能（Embodied Artificial Intelligence, EAI）和机器人技术迅猛发展的当下，赋予机器类人皮肤般的触觉感知能力成为关键挑战。人类指尖的触觉机械感受器（mechanoreceptors）密度高达240个单位/cm²，尺寸为亚毫米级，能够编码压力、振动、滑动和纹理等多种机械刺激的时空特征，实现精细的辨别性触觉（discriminative touch）和图形觉（graphesthesia），即仅凭触摸推断物体局部形貌和软硬度的能力。
然而，现有的多模态触觉系统面临着器件结构复杂与集成密度高之间的平衡难题，通常导致设备体积庞大且分辨率有限。高时空分辨率的触觉传感器则大多仅专注于单一模态（如压力映射），缺乏实现精细多模态触觉感知的能力。此外，基于压电、摩擦电等自供能机制的被动式传感器，在采用传统行列电极配置时，存在严重的信号串扰（crosstalk）和空间幻象问题，阻碍了多模态信息的准确解码。
针对上述挑战，本研究旨在开发一种具有亚毫米级空间分辨率的双模态触觉传感器阵列（Bimodal Tactile Sensor Array, BTSA），通过集成压电和摩擦电两种传感机制，同步实现压力大小分布检测和接触高度测量，进而计算出接触物体的杨氏模量（Young‘s modulus）分布，最终模拟人类指尖的图形觉功能。
本研究的工作流程主要包含器件设计制造、单元性能表征、阵列空间特性评估、双模态集成测试以及图形觉解密应用五个阶段。
研究团队设计了一种多层集成结构，包含一个10×10的压电传感器阵列层（Piezoelectric Sensor Array Layer, PSAL）和一个10×10的摩擦电传感器阵列层（Triboelectric Sensor Array Layer, TSAL）。PSAL的每个传感单元尺寸为350 µm，间距350 µm，总面积6.65 mm×6.65 mm，用于实现压力大小的空间分布映射。TSAL采用三维半球形结构（半径175 µm，间距350 µm），用于接触高度检测。半球形结构的摩擦电单元具有较高的弹性模量，可作为有效的力传递介质将力传导至下方的压电传感器。
为解决传统行列电极架构导致的信号串扰问题，研究者开发了双层独立寻址方法（Dual-layer Individual Addressing Method, DIAM），通过顶层和底层独立的导电路径，分别将TSAL和PSAL的每个传感单元信号单独引出至外部采集仪器，实现精准的像素级信号定位。
制造工艺上，本研究采用了混合制造策略：利用皮秒紫外直接激光烧蚀技术（Picosecond Ultraviolet Direct Laser Ablation, ps-uvdla）实现PSAL电极的亚毫米级图案化，该技术具有热扩散区域小和加工速度快的优势；利用亚毫米级分辨率3D打印技术构建TSAL的半球形微结构模具，并通过喷涂银层作为电极、浸涂聚合物前驱体制备摩擦电薄膜。
单个压电传感单元的性能测试结果显示，其在低压力区域（<28 mN，230 kPa）实现了**2608 mV/N和0.31 mV/kPa的高灵敏度**，中压区域（28 mN–2.45 N，0.23–20 MPa）灵敏度为510 mV/N，高压区域（>2.45 N，20 MPa）仍保持270 mV/N的灵敏度。灵敏度随压力增高而降低，这归因于铁电极化在高机械应变下的逐渐饱和。传感器的响应时间为接触48 ms、分离50 ms，检测极限低至8.7 kPa，并在260 kPa压力下经过超过10000次接触/分离循环测试后，输出性能保持稳定。
通过多通道数据采集系统（包含计算机控制的多路复用器和静电计），研究者系统评估了PSAL的空间特性。单点触控实验表明，受激传感单元的归一化输出电压最高，周围邻近单元的最大响应衰减至主信号的11.8%，通道间串扰系数超过9.3 dB。通过以100 µm步长平移施加压力的位置，验证了阵列具有700 µm的空间分辨率（相当于两倍像素间距）。对角线上10个传感单元的灵敏度一致性测试显示，所有单元均呈现线性电压-力关系，灵敏度在699至943 mV/N范围内分布，表现出良好的整体均匀性。
TSAL的接触高度检测基于摩擦电效应和静电感应原理。研究者将TSAL划分为三个区域，分别涂覆聚四氟乙烯（PTFE）、聚乙烯吡咯烷酮（PVP）和丁苯橡胶（SBR）作为摩擦电层。通过定义开路电压变化率（δV），实验证明三种摩擦电层的δV与接触高度呈线性关系。利用该线性关系，计算接触高度与实测值的误差在±10%以内。结合赫兹接触模型（Hertzian contact model），利用接触力F（由PSAL测得）和接触高度h（由TSAL测得），可计算出接触对象的弹性模量Es。对多种材料（不同交联度的PDMS、Ecoflex系列、NBR/PU海绵等）的测试结果表明，BTSA测量的弹性模量与万能机械试验机的实测结果具有良好一致性。TSAL的响应时间为接触41 ms、分离48 ms，同样通过了超过10000次循环的稳定性验证。
为验证BTSA的图形觉感知能力，研究者制作了柔软度加密图案：先用紫外固化环氧树脂形成高弹性模量的HKUST像素化标志图案，再用软PDMS填充并覆盖不透明层进行视觉隐藏。当BTSA接触该加密图案时，PSAL因不同区域的软硬度差异输出不同幅度的电压响应，TSAL同步测量接触高度，两者结合可精确重建出隐藏的logo图案和形貌特征。
进一步地，研究者将数据矩阵码（Data Matrix）图案嵌入文本信息，通过差分压力映射成功实现信息可视化展示。每种图案采集超过200个电压信号矩阵数据集，按7：3比例划分训练集和测试集，输入至一维卷积神经网络（1D-CNN）进行深度学习识别。该网络包含三个隐藏层，训练25个周期后准确率达99.59%，测试集整体分类准确率达到98.27%，展现了从亚毫米级柔软度加密图案中提取信息的高精度能力。
本研究成功开发了具有700 µm空间分辨率和226像素/cm²传感器密度的亚毫米级分辨率双模态触觉传感器阵列BTSA。PSAL能够以50 ms的快速响应时间实现压力大小分布映射；TSAL通过开路电压揭示接触高度，并结合PSAL的压力映射结果量化接触物体的杨氏模量分布。该传感器阵列成功解码了隐藏在软硬度差异中的图案信息，并在CNN深度学习算法辅助下，以98.27%的高准确率识别信息嵌入式数据矩阵码，展现了超越人类的图形觉能力。
本研究的科学价值在于提出了一种将压电与摩擦电传感机制协同集成的范式转变策略，克服了多模态触觉感知中高分辨率与多模态难以兼得的瓶颈。通过双层独立寻址方法有效抑制了信号串扰，为自供能式被动传感器阵列的精确信号采集提供了解决方案。
在应用价值方面，该技术为具身人工智能、机器人精细操作、自适应生物医学假肢等领域提供了关键的触觉感知基础。尤其值得关注的是，柔软度加密图案的成功解密和信息识别，为信息物理加密、防伪系统与多模态触觉感知的结合开辟了新方向，展现了安全具身智能的巨大潜力。
本研究的亮点可概括为：（1）实现了700 µm的亚毫米级高空间分辨率与226像素/cm²的高传感器密度，在现有多模态触觉传感器中处于领先水平；（2）通过双模态（压力+接触高度）信息的协同获取，首次在阵列层面实现了杨氏模量分布的定量计算；（3）利用DIAM方法解决了被动式传感器阵列的信号串扰难题；（4）结合CNN深度学习算法，实现了超越人类触觉的柔软度加密图案识别，验证了其在智能识别和信息安全领域的独特应用价值。