本文献报告了一项由Xinghai Pan, Wei Pu, Yanling Liu, Yuhang Xiao, Junhong Pu, Ye Shi, Hui Wu, 以及Haolun Wang*（通讯作者）等研究人员完成的研究。这些作者主要来自中国四川大学航空航天学院，合作者来自香港理工大学纺织与服装学系、浙江大学、以及清华大学材料科学与工程学院。该研究以“Self-perceptional Soft Robotics by a Dielectric Elastomer”为题，发表于美国化学学会（ACS）旗下的期刊《ACS Applied Materials & Interfaces》，卷16，页码26797-26807，在线发表日期为2024年5月9日，收到日期为2024年3月21日。
该研究属于软体机器人、柔性电子与智能材料交叉的科学领域。其核心学术背景在于：尽管软体机器人因其柔软、可变形和环境适应性强等优势在过去几十年里发展迅速，但当前研究普遍存在“感知”与“驱动”功能分离的问题。即，驱动结构仅用于产生运动，而感知结构（如各类传感器）仅用于获取环境信息，这种分离设计阻碍了软体机器人系统向更紧凑、更灵活的方向发展。受到自然界生物（如水母的表皮和触手同时具备感知和驱动功能）的启发，研究团队旨在开发一种能够将感知与驱动功能集于一体的软体执行器。为此，他们选择了介电弹性体（Dielectric Elastomer, DE）作为核心材料。DE是一种在电场作用下能产生大形变的智能材料，同时其典型的“三明治”电极-电介质-电极结构本身也构成一个电容器，这为集成非接触式电容传感提供了可能。因此，本研究的主要目标是：开发一种基于DE的自感知软体执行器（Self-perceptional Soft Actuator），实现驱动与感知的同步或交替工作，并演示其在软体机器人中的应用，使其能够像生物一样，感知到障碍物或接近的物体后迅速做出避障或逃离的反应。
详细的工作流程可分为五个主要环节：材料与执行器制备、驱动性能表征、感知性能表征、驱动-感知集成系统开发、以及自感知软体机器人演示。
第一环节：执行器的制备。 研究团队使用商业化的3M VHB4905丙烯酸酯胶带作为介电弹性体材料。为了提高其性能，他们先对VHB薄膜进行了双轴预拉伸（实验中使用500%或350%的拉伸率）。电极材料选择多壁碳纳米管（Multi-Walled Carbon Nanotubes, MWCNTs）。他们将MWCNTs分散在异丙醇（IPA）中制成溶液，然后通过喷涂（spray-coating）的方式，在预拉伸的VHB薄膜两面沉积上MWCNTs电极。喷涂时使用了掩模（mask），以定义出重叠的圆形有效驱动/传感区域以及接触引线。最终制成的介电弹性体驱动器（Dielectric Elastomer Actuator, DEA）被固定在聚甲基丙烯酸甲酯（PMMA）或聚对苯二甲酸乙二醇酯（PET）框架上。这种制备方法成本低、工艺简单。电极的方阻约为5 ± 2.5 MΩ/sq。
第二环节：驱动性能表征。 此环节旨在测试DEA的形变能力和稳定性。驱动原理是麦克斯韦应力（Maxwell stress）：当在两侧电极上施加高电压时，产生的静电力会挤压中间的介电层，使其厚度变薄、面积扩张。团队搭建了由高压电源、干簧管继电器和STM32微控制器组成的驱动控制系统。通过程序控制继电器的开关来施加不同幅值和波形的电压。他们主要测量了DEA的面积应变（area strain），计算公式为 [(A1/A0)² - 1] × 100%，其中A0和A1分别是施加电压前后电极区域的直径。实验结果显示，在2.7 kV的高压下，基于350%预拉伸VHB的DEA最大面积应变可达86.3%，且应变随电压升高呈非线性快速增长。为了测试稳定性，他们对一个DEA施加了2.2 kV、0.5 Hz的方波电压，连续驱动了100个周期。结果显示，在整个过程中驱动应变保持稳定。通过扫描电子显微镜（SEM）观察驱动前后的电极形貌发现，即使经过100次循环后电极表面出现细微裂纹，但碳纳米管纤维网络仍紧密搭接，确保了电极电导率的稳定性，这是驱动性能稳定的关键。实验还录制了单个驱动周期的快速响应视频，展示了DEA在电压开启时迅速扩张、关闭时快速恢复的特性。
第三环节：感知性能表征。 此环节旨在探索DEA作为电容式接近传感器的能力。其原理是，DEA的两侧电极构成一个电容器的两极。当外部物体（特别是导电或高介电常数物体）接近时，会干扰电极间的边缘电场（fringing electric field），从而引起电容值的可测量变化。团队设计了一套精密的实验装置，使用电机驱动的线性导轨来精确控制测试物体（如钢球）在DEA上方不同高度、不同速度、沿不同轨迹运动。电容信号通过一台LCR数字电桥（Eucol U2829C）采集。一系列实验结果表明：1. 距离感知：钢球在距离DEA平面1-5厘米的平面上移动时，距离越近，引起的电容变化幅度越大。2. 速度感知：钢球从30厘米高度以不同速度下落，下落速度越快，电容下降的速率也越快。3. 材料识别：钢球和铜球引起的电容变化显著大于塑料球和木球，说明DEA能区分不同材质的物体。4. 感知稳定性：经过100次连续感知测试、以及经过100次和200次驱动循环后再进行感知测试，DEA的感知曲线均保持高度一致，证明其感知性能具有良好的稳定性和抗驱动干扰能力。此外，研究还发现即使DEA本身被施加不同大小的面积应变或发生弯曲，其感知能力也基本保持不变。一个重要的创新点是，研究团队构建了一个2x2的DEA传感器阵列，用于三维空间定位。他们将四个相同的DEA传感器点布置在10厘米见方的正方形的四个顶点。当物体（钢球）出现在阵列上方的不同位置时，四个传感器点会测得不同的电容变化值。他们利用这些数据作为输入，构建了一个包含一个输入层（4个神经元，对应四个传感器的读数）、两个隐藏层（各36个神经元）和一个输出层（3个神经元，对应X, Y, Z坐标）的反向传播（BP）神经网络模型。通过训练，该网络能够根据四个电容变化值准确预测出物体在三维空间中的位置（实验数据与实际值拟合良好），这为软体机器人实现空间环境感知提供了有力的技术途径。
第四环节：驱动-感知集成系统设计。 这是本研究的技术核心和难点。驱动需要数千伏的高压，而电容传感通常只需要几伏的检测电压，且驱动过程产生的电场会严重干扰敏感的电容读数。为解决这一问题，团队开发了一套巧妙的集成系统。该系统核心包括：用于电容检测的PCAP01芯片、用于数据处理和系统控制的STM32微控制器、高压电源以及用于切换电路状态的干簧管继电器。继电器的作用是关键，它可以将传感电路与高压驱动电路在物理上隔离开，从而最小化驱动对传感的干扰。他们提出了两种工作模式（Mode）来实现驱动与感知的结合：模式一（对象探测后驱动）：DEA平时处于静止感知状态；一旦探测到有物体接近（电容值低于某个阈值），则停止感知，启动驱动并持续一段时间。模式二（对象探测后停止驱动）：DEA平时处于周期性的驱动状态（如施加方波电压产生往复运动）；当探测到物体接近时，则停止驱动。考虑到软体机器人通常需要周期性驱动来产生连续运动，团队在实际应用中采用了“中断传感”（interrupt sensing）策略：即在驱动电压为零的短暂间歇期进行电容传感。由于驱动时间通常很短，这种间歇性传感对整体运动影响不大，但能实现近乎实时的环境感知。实验成功演示了该系统的工作：一个DEA在感知到物体接近后，立即产生36.9%的面积应变并保持一段时间；另一个更灵活的DEA（固定在特定框架上）在感知到物体后，能在7秒内偏转约105度以进行规避，并在1秒内恢复。这证明了将驱动与感知功能在单一DEA器件上集成的可行性。
第五环节：自感知软体机器人演示。 为了展示该集成系统的应用潜力，研究团队制造了两种简单的自感知软体机器人原型。第一种是爬行机器人：他们将DEA固定在一个两端带有刚性PET框架、中间为柔性PET框架的结构上。在周期性方波电压驱动下，机器人能像尺蠖一样产生单向爬行运动。该机器人采用上述模式二工作。实验中，当机器人前方出现障碍物时，它通过自身传感探测到电容变化，自动停止了爬行程序；当障碍物被移开，它又自动恢复爬行，直到遇到下一个障碍物再次停止。整个过程无需外部指令，完全自主。第二种是跳跃机器人：DEA被固定在一个圆形PET框架上，框架中心附近有支撑脚。施加电压时，机器人的重心降低；撤去电压时，弹性恢复力使其向上并向前跳跃。该机器人采用模式一工作。实验中，当机器人静止并感知到有物体靠近时，它迅速连续跳跃两次（总位移约18毫米），以逃离接近的物体。这两个演示生动地表明，集成自感知能力的DEA软体机器人能够实现快速、自主的环境响应，而无需复杂的外部传感系统。
本研究得出的结论是：研究团队成功地集成并应用了介电弹性体（DE）的驱动与感知特性于软体机器人。他们所开发的基于预拉伸VHB薄膜和MWCNTs电极的DEA具备优异的驱动性能和感知稳定性。特别地，他们通过DEA阵列实现了对物体三维空间位置的定位。他们开发了一套集成高压驱动与低压感知的系统，并提出了两种工作模式。演示表明，该系统的软体机器人能够在探测到障碍物或接近物体时，迅速执行适当的避障或逃离响应。与将感知和驱动分离设计的传统软体机器人相比，这种一体化设计有潜力简化结构复杂性、提升响应性能，并拓展软体机器人在更紧凑、更灵活领域的应用。
本研究的亮点在于：1. 重要的发现：首次系统地论证并实现了将介电弹性体同时作为高性能驱动器和高稳定性非接触式电容传感器的双重功能，并成功应用于自主响应的软体机器人。2. 方法的创新性：创造性地设计了基于干簧管继电器隔离和中断传感策略的驱动-感知集成电子系统，有效解决了高电压驱动与低电压敏感传感之间的信号干扰难题。3. 研究对象的特殊性：将生物启发的“感知-驱动一体化”理念落实到具体的材料（DE）和器件（DEA）层面，并通过神经网络实现了简单的三维空间感知，为下一代仿生软体机器人的发展提供了新的思路和技术方案。研究团队也坦诚指出了当前工作的局限性，例如由于VHB薄膜在制造复杂执行器方面的限制，目前仅应用于结构相对简单的机器人原型；此外，非接触传感的信号幅度仍然较小。未来的改进方向包括探索性能更优的DE材料，以及提升DEA的非接触感知性能等。