主要作者与发表信息
本研究由上海交通大学的沈道智（通讯作者）、骆昊天、赵刚立等学者主导，联合上海海事大学等多所机构共同完成。该研究成果于2026年4月17日发表于国际顶级学术期刊 Science Advances 上。沈道智、骆昊天和赵刚立为本文的共同第一作者，对研究作出了同等贡献。
研究背景与目标
该研究属于工程学领域，聚焦于人机交互界面（Human-Machine Interfaces, HMIs）的革新。现有的人机交互主要分为接触式和非接触式两种，其中非接触式设备虽然能规避物理磨损和卫生风险，但通常依赖笨重的电池供能，存在集成困难、需频繁更换或潜在安全隐患。为解决这一核心瓶颈，研究人员致力于开发一种能够从环境能源中自取能的非接触式传感系统。环境湿气作为一种无处不在的可再生资源，其发电技术（Moisture-driven Electricity Generation, MEG）为自供能电子设备提供了极具前景的解决方案。然而，传统湿气发电器件通常产生依赖湿度的直流信号，难以直接用于识别复杂的手势指令。因此，该研究的目标是利用手指运动在空气中引发的局部湍流来调控湿电信号，从而构建一种完全自驱动、无需物理接触的智能传感界面，实现高精度的手势识别与人机交互控制。
详细研究流程、方法与结果
1. 湿电器件（Hygroelectronic Device）的设计、制备与性能表征 研究的第一步是构建能够从环境湿气中稳定发电的器件。研究人员将聚乙醇酸（Polyglycolic Acid, PGA）、纤维素纳米纤维（Cellulose Nanofibers, CNFs）和氯化钠（NaCl）进行掺杂，制备了一种离子水凝胶薄膜。其设计原理在于：水凝胶中的羧基在水分子作用下离解，释放出可自由移动的氢离子（H⁺），而较大的阴离子则被禁锢在网络中，由此产生的离子浓度梯度驱动了电荷的定向迁移，形成电位差。经过对薄膜厚度（约80微米）、金属阳离子种类（钠离子）和电极几何形状等关键参数的优化，该器件在90%相对湿度下能够持续产生约0.55至0.58伏的开路电压。实验证明，输出电压对环境湿度高度敏感，且器件在多次充放电循环中表现出卓越的稳定性。
2. “湍流调控湿电子效应”（Turbulence-tailored Hygroelectronic Effect）的发现与机制探究 研究的核心创新在于揭示并利用了气流对器件电输出的动态调控机制。实验观察到，当向器件施加连续气流（即便是1米/秒的微风）时，其输出电压会显著下降，展示了通过调控局部气流来调节电压输出的“可调湿电子效应”。为了深入探究其机理，研究者设计并实施了一系列原位表征实验： * 原位傅里叶变换红外光谱（FTIR）与原位拉曼光谱（Raman Spectroscopy）：结果显示，施加气流后，代表吸收水分的羟基（O─H）峰强度迅速下降，而代表聚合物骨架的碳氢（C─H）峰基本不变，证实了气流导致水凝胶网络发生显著的脱水。 * 开尔文探针力显微镜（KPFM）：测量表明，气流引起的脱水导致水凝胶表面电势的绝对值从约480毫伏降至250毫伏，这表明发生了“反向电离”（Reverse Ionization），减少了电荷积累，与电输出下降的现象吻合。 基于此，研究团队提出了一个清晰的物理模型：手指运动产生的局部气流冲击器件表面，引发水凝胶脱水（导致湿度下降、电压降低）和气压微增（促进电荷迁移、电压升高）两个竞争效应，二者的动态耦合生成了独特的、与手势运动轨迹精确对应的电压波形。通过计算流体动力学模拟，研究人员进一步验证了手指移动时，器件电极网孔内局部湿度、气压和流速的时空演变规律，完美解释了实测信号波形（如写“1”时）中峰谷形成的时序逻辑，即电压信号在不同时段分别由气压变化和湿度变化主导。
3. 基于机器学习的非接触手势信号解码与识别 在成功建立手势运动与电信号之间的映射关系后，研究进入了智能识别阶段。研究者开发了一套非接触式手写识别系统，使用户能够在距离器件2至8厘米的上方通过手指书写阿拉伯数字（0-9）乃至英文单词。 * 信号采集与预处理：系统使用多通道设置采集手指书写时产生的独特电压波形。结果显示，每个数字（如“3”包含两个重复笔画）都对应着高度可重复的特征波形。 * 机器学习模型构建与训练：为解码这些复杂信号，研究团队构建并优化了一维卷积神经网络（1D-CNN）。该模型以原始信号、一阶差分和对数幅度傅里叶变换作为三通道输入，并通过两阶段训练（含知识蒸馏、焦点正则化等技术）提升性能。同时，研究也采用了支持向量机（SVM）和随机森林（Random Forest）等传统模型作为基线对比。 * 识别性能评估：在仅使用少量训练样本（每类约20个）的情况下，优化的1D-CNN模型对10个阿拉伯数字实现了高达91.5%的总体识别准确率，而SVM模型的准确率甚至达到了99%。模型的受试者工作特征曲线下面积（AUC）接近1.0，表明其具有极佳的分类辨别能力。通过对模型潜在特征空间的可视化分析，发现10个数字的聚类簇被清晰分离，重叠极小，验证了系统强大的特征提取能力。此外，信号的相关性分析（如Pearson和Spearman相关系数）显示，仅有约6%的数字对之间相关性高于0.6，这进一步从数据层面定量证实了不同手势信号之间的高度可区分性。
4. 自供能、非接触式智能传感界面的应用验证 最后，研究通过三个典型应用场景，全面展示了该系统的实用潜力： * 加密信息传输：设计了一个概念验证的加密通讯系统。发送方通过非接触手写手势分别输入RSA加密算法的公钥（3, 33）和私钥（7, 33），成功将明文“MEG”加密为密文并最终解密还原。整个过程密钥输入完全隔空、隐蔽，极大提升了安全性。 * 虚拟现实游戏操控：将识别到的手势命令（如数字“0”和“1”映射为“左移”和“右移”）用于控制一款街机风格游戏中的飞机。系统成功识别代表“M”、“E”、“G”的二进制命令序列，操控飞机精确躲避障碍物，验证了其高精度识别与实时控制能力。 * 实体车辆远程控制：将传感器连接至搭载识别算法的微控制器，实现了一辆两轮智能小车的实时触控式遥控。用户在空中书写单笔画“1”，小车会直行；书写双笔画“11”，小车则会右转。在一个包含两次转弯的行驶任务中，车辆在约17秒的手势指令序列操控下顺利抵达终点。
研究结论与价值
本研究成功开发了一种基于湍流调控湿电子效应的自供能、绿色、智能非接触式传感平台。其科学价值在于首次揭示并定量解释了指运动诱导的局部空气湍流与环境湿度、气压协同作用，从而动态调控湿电输出的新机制，为自供能传感开辟了全新范式。在应用价值方面，该系统集自供能、非接触操作、高精度智能识别于一体，实现了长达8厘米的交互距离和高达99%的阿拉伯数字识别准确率，成功应用于加密通讯、虚拟现实游戏和实时车辆控制。这项工作为推动人机交互向更环保、更安全、更智能的方向演进提供了关键技术路径，在智能医疗、先进机器人和未来交通等领域展现出广阔的应用前景。
研究亮点