关于机械式多轴力传感器实现传感与流体驱动直接耦合的研究报告
本文旨在向研究人员介绍一项发表于Science Advances期刊（2026年7月8日，第12卷，文章号eaeb8052）的原创性研究工作。该研究由新加坡国立大学（National University of Singapore）机械工程系的谢哲新（Zhexin Xie）、材料科学与工程系的余克鲁（Kelu Yu）等作为共同第一作者，通讯作者为新加坡国立大学的Cecilia Laschi教授和Benjamin C. K. Tee教授。合作单位还包括中国南方科技大学。
一、 学术背景 本研究隶属于软体机器人（Soft Robotics）与智能传感领域。在传统机器人系统中，传感器（将物理刺激转化为电信号）与执行器（通常由流体、电或其它形式驱动）通常分属不同的物理域。这种不匹配使得构建“感知-驱动”闭环需要复杂的信号处理、转换电路及外部计算模块，增加了系统复杂性、成本和延迟。尽管已有基于压阻、电容、磁学等原理的多轴软力传感器被开发出来，但它们输出的电信号与软体机器人中广泛使用的流体驱动（如气动、液压）并不直接兼容。
受生物体（如人类指尖、猫爪垫、章鱼吸盘）中简洁高效的反射式传感-驱动架构启发，研究团队旨在开发一种能够直接在机械/流体域内实现传感与驱动耦合的新型系统。其核心目标是：创造一种无需外部计算或能量输入的、纯机械式的多轴软力传感器，能够将检测到的力矢量直接转换为流体驱动输出，从而简化软体机器人的集成，实现快速、本地的反应行为，并推动具身智能（Embodied Intelligence）在软体系统中的发展。
二、 详细工作流程 本研究包含几个核心部分：机械式多轴软力传感器（Mechanical Soft Force Sensor, Me-SOFS）的设计与制造、传感特性表征、系统集成验证，以及基于Me-SOFS的传感-驱动回路应用演示。
1. Me-SOFS的设计、原理与制造 * 研究对象与设计： Me-SOFS的核心是一个3D打印的多孔结构。该结构中心有一个柔软的中央支柱，支柱周围分布着五个独立的、充满水的封闭腔室（四个水平方向，一个垂直方向）。多孔结构起到稳定支柱和机械解耦不同方向力的作用。当外力作用于支柱时，支柱会向受力方向倾斜，挤压对应的腔室，将腔室内的水通过软管排出。 * 传感原理： 这种机械结构将施加的多轴力直接“解码”为不同腔室的流体位移。为了将流体位移转化为可读信号，研究团队开发了一个信号生成电路。该电路由嵌入聚二甲基硅氧烷（PDMS）基底的聚四氟乙烯（PTFE）软管构成，管内放置圆柱形磁铁，软管上方布置有低熔点合金3D打印的金属弧形线圈。当Me-SOFS受挤压导致水流过软管时，会推动磁铁移动。根据法拉第电磁感应定律，磁铁穿过合金线圈时会引起磁通量变化，在线圈两端产生感应电动势脉冲。脉冲的数量与磁铁穿过的线圈数量（即水流位移量）成正比，从而量化了施加力的大小和方向。 * 制造方法： Me-SOFS主体使用立体光刻（SLA）3D打印技术，采用柔性树脂（如Flexible 80A）制造。通过参数化设计（如孔隙直径φ、旋转生成斜坡的厚度t和倾角α），可以调整传感器的力灵敏度范围。信号生成电路则通过模具浇铸PDMS封装合金线圈和内含磁铁的软管制成。
2. Me-SOFS的传感性能表征 * 实验方法与对象： 研究团队系统地表征了不同设计参数（尺寸缩放0.5倍至1.25倍、不同多孔结构、不同材料）下Me-SOFS的性能。使用线性位移台垂直压印传感器，并通过力传感器记录施加的力。同时，记录信号生成电路产生的电压脉冲。 * 关键实验结果： * 线性与解耦： 在单轴和多轴（如45度斜向）加载条件下，感应信号脉冲数与解耦后的力分量（水平与垂直）均呈现强线性关系（R² > 0.9），且与有限元分析（FEA）模拟预测高度吻合。例如，在17.5 N的斜向力作用下，水平和垂直通道分别产生了24和21个信号脉冲。 * 灵敏度可调： 通过改变设计参数，实现了超过92倍的灵敏度变化范围。例如，通过减小流体通道内径和使用更小的磁铁，可将0.5倍尺寸Me-SOFS的灵敏度提高5.7倍（至5.72 脉冲/牛）。 * 低检测限与鲁棒性： 得益于电磁感应原理，即使磁铁未完全穿过线圈，微小的位移也能产生信号变化，使传感器能够检测到抓取10克乐高积木产生的微小力。此外，Me-SOFS对环境水压不敏感，在110 kPa的水下压力环境中仍能稳定工作，且在90°C高温水中灵敏度保持稳定。 * 动态特性： 传感器能区分加载和卸载过程（信号对称），但受软材料粘弹性影响，存在迟滞现象，有效带宽低于2.5 Hz。使用更硬的材料（如IBT）可减少迟滞，但会牺牲灵敏度。
3. 机器人系统集成演示 * 机械传感化3D打印软手套： 研究团队将微型化的Me-SOFS（体积约1 cm³）一次性3D打印集成到软体手套的五个指尖。实验表明，佩戴手套抓取不同重量的物体时，拇指和中指传感器在法向和切向的信号具有高度重复性。通过校准，可以利用切向信号的平均脉冲数准确预测被抓物体的重量。此外，手套还能通过滑动过程中指尖力的变化，区分具有不同表面轮廓（平坦、2毫米凸起、4毫米凸起）的物体。 * 集成Me-SOFS的软体机械臂： 在软体机械臂末端集成Me-SOFS，使其能够探测与环境的接触力并调整运动。演示中，软体臂成功在一个未知迷宫中探索和导航。当Me-SOFS检测到与墙壁接触时（对应运动反方向的流体腔产生最少的信号脉冲），软体臂会调整路径。此外，该机械臂还能通过垂直按压区分不同杨氏模量的目标材料。
4. 机械传感-驱动回路的构建与应用 这是本研究最核心的创新展示。通过将Me-SOFS、信号生成电路和一个流体驱动部件串联成一个封闭的流体系统，实现了无需外部计算和能量输入的“感知-驱动”直接闭环。 * 微流控控制器： 将Me-SOFS连接到一个软质微流控控制器。当外力按特定顺序施加于Me-SOFS时，产生的定向流体流动会依次驱动控制器内的不同腔室膨胀，从而逐步推动液滴在微流道中定向移动。凭借Me-SOFS的多轴解耦能力，单个传感器可独立操控三个不同的液滴。 * 软体微型纤毛阵列： 将一个1×3的软体微型纤毛阵列连接到Me-SOFS。每个纤毛集成了四个正交通道，分别对应Me-SOFS解耦的传感方向。施加在Me-SOFS上的单轴、多轴或动态变化的力，会直接导致对应方向的纤毛产生相应方向和幅度的弯曲运动，实现了完全机械的、直观的机器人系统控制。 * 触觉人机界面： 将Me-SOFS集成在一个软体夹持器上，并安装在机械臂末端。该传感器通过流体回路连接到一个由五个正交腔室组成的软体手指触觉垫。当蒙住眼睛的操作者用手指控制夹持器抓取物体时，Me-SOFS检测到的力矢量会直接转化为触觉垫对应腔室的膨胀，为操作者提供关于抓握状态的直观触觉反馈。同时，成功抓取过程中产生的传感电压信号被记录，并用于指导机器人后续自主复现抓取动作，从而加速机器人抓取任务的学习。
三、 主要研究结果 1. 成功设计并验证了Me-SOFS：实验数据证实了其作为一种纯机械式多轴力传感器的可行性。它能够将外力直接、解耦地转换为不同通道的流体位移，并通过嵌入式信号生成电路转化为可量化的电信号。其灵敏度、测量范围可通过结构参数灵活调节。 2. 证明了Me-SOFS的鲁棒性与集成潜力：传感器在高温、高压水下环境表现稳定，并且可以通过3D打印技术实现快速、定制化制造和一体化集成（如传感手套），展现了在复杂环境中应用和规模化生产的潜力。 3. 实现了真正的“传感-驱动”直接耦合：通过构建封闭流体回路，演示了Me-SOFS能够作为传感与控制核心，直接驱动微流控液滴操纵和纤毛阵列弯曲，无需任何中央控制单元或电子计算。这验证了在流体域内实现本地化、反应式智能的构想。 4. 构建了基于流体的触觉反馈教学系统：通过触觉人机界面，将机器人的感知直接映射为人类的触觉，并利用记录的感觉运动数据指导机器人学习，为简化机器人编程和实现更直观的人机协作提供了新范式。
这些结果层层递进：从基础传感单元的性能验证，到在复杂机器人系统（手套、机械臂）中的功能集成，最终实现最高层次的、无需外部计算的自主传感-驱动闭环和交互学习，完整地支撑了研究的核心论点。
四、 研究结论与价值 本研究提出并验证了一种基于流体转换的机械式多轴软力传感器（Me-SOFS）。其核心科学价值在于提供了一种全新的、在物理域层面统一传感与驱动的方法论。它打破了传统机器人中传感（电域）与驱动（流体域）的界限，通过纯机械和流体机制，实现了多轴力感知到流体驱动的直接、无计算转换。
其应用价值显著：1) 简化系统：为软体机器人提供了简化、坚固且可扩展的感知-驱动集成方案，降低了对外部电路和计算的依赖。2) 增强适应性：电子无关的传感部分使其适用于高温、水下、电磁干扰等恶劣环境。3) 赋能新功能：实现了快速反应行为、直观的机械控制以及新型流体计算与逻辑（如微流控操控）。4) 推动制造革新：完全3D打印的设计为快速原型制作和定制化传感器铺平了道路。
五、 研究亮点 1. 原理创新：首次提出并实现了完全基于机械/流体原理的、无需外部计算的多轴力传感-驱动直接耦合，是“反应式架构”在物理硬件层面的巧妙实现，为“机械计算”或“流体计算”提供了具体实例。 2. 方法新颖：将电磁感应与流体力学结合，创造了一种非接触式、可远程读取的机械传感信号生成方法，兼具可量化和环境鲁棒性。 3. 功能集成度高：从基础传感器到系统集成（手套、机械臂），再到高级应用（微流控控制、触觉教学），展示了从器件到系统的完整技术链条。 4. 设计灵活：参数化的3D打印设计使得传感器的性能（灵敏度、量程）可根据应用需求进行广泛定制，展现了巨大的设计空间和适应性。
六、 其他有价值的内容 研究还探讨了Me-SOFS信号的丰富信息潜力，指出除了脉冲数量，信号的振幅和时间间隔也包含动态力的信息，可用于识别最大瞬态力，这为未来在动态软交互中的智能感知应用留下了空间。此外，通过摄像头追踪磁铁运动实现传感的提议，为在特定场景下替代电路提供了可能，进一步拓宽了应用范围。文中对传感器迟滞、带宽、重复性等性能的详细分析与测试，也为后续研究者优化设计提供了重要参考。