本项研究的主要作者包括Hao Li, Hongsen Niu, Feifei Yin, Weijia Zhou, Guozhen Shen以及Yang Li。他们分别来自山东大学、济南大学和北京理工大学。这项研究成果已发表于期刊《Advanced Materials》，其网络发布时间为2025年（引用编号为e10241，DOI：10.1002/adma.202510241）。
这项研究属于柔性电子、仿生机器人传感与人工智能交叉领域。在当前的仿生机器人研究中，如何让机器人像人类一样精确、无干扰地感知多种环境信息（如压力和温度）是一个关键挑战。人类皮肤能够通过“分工合作”机制，即不同类型的感受器（如压力感受器和温度感受器）及独立的神经通路，同时且独立地处理压力和温度信号，而不会产生串扰。然而，现有的多功能电子皮肤（e-skin）研究常常面临信号串扰、集成度低以及难以构建大规模阵列等问题。例如，使用单一器件同时感知温度和压力时，信号会相互干扰（交叉敏感性）；而将传感单元平面布置则导致集成度低、灵敏度弱。这些问题严重制约了多功能仿生传感器在智能仿生机器人中的实际应用价值。因此，本研究旨在开发一种能够高度模拟人体皮肤“分工”机制的仿生电子手掌系统（Bionic Electronic Palm System, BEPS），以实现温度与压力的高精度、无串扰感知，并推动机器人与环境智能交互的发展。
研究的详细工作流程可以概括为以下几个主要环节：设计制备双模态解耦仿生电子皮肤、构建集成化仿生电子手掌系统、开发通用解耦算法、以及实现高级智能认知与闭环反馈应用。
首先，研究团队设计并制备了核心传感单元——双模态解耦仿生电子皮肤。该电子皮肤采用了一种新颖的垂直堆叠分层结构设计。顶层为温度感知单元，底层为压力感知单元，通过双层柔性印刷电路板实现高度集成。这种结构是本研究的核心创新之一，它旨在物理上分离两种传感模式，为后续的信号解耦奠定基础。
温度感知单元的制备涉及特殊材料的合成与加工。研究团队首先合成了具有海胆状核壳结构的聚苯胺包覆聚苯乙烯微纳米颗粒（PANI@PS）。这种结构被证实可以增强聚苯胺粒子间的电子隧穿效应，从而提高其对温度的响应性，同时降低对压力的响应。随后，将PANI@PS颗粒以5 wt%的最佳掺杂浓度分散在聚氨酯丙烯酸酯/羟乙基丙烯酸酯（PUA/HEA）的光固化树脂基体中。关键的一步是，利用原位光聚合技术，将混合树脂滴涂在FPCB的叉指电极上，并在紫外光下固化。这一技术确保了温度敏感电极与温度敏感层之间的紧密、牢固结合，使得接触电阻不受压力变化的影响，从而保证了温度感知的稳定性。通过傅里叶变换红外光谱和流变学测试，研究人员验证了光固化过程的化学交联反应和材料力学性能的稳定性。
压力感知单元的制备则依赖于3D打印技术和超电容离子凝胶。研究人员首先使用数字光处理3D打印机，制备了具有周期性均匀分级微锥结构的反向模板。然后，将聚偏氟乙烯-六氟丙烯（PVDF-HFP）溶解于丙酮中，并加入离子液体1-乙基-3-甲基咪唑双三氟甲磺酰亚胺盐（[EMIM][TFSI]）形成离子凝胶。将该离子凝胶涂覆在3D打印模板上，固化后剥离，即可得到具有均匀分级微锥结构的PVDF-HFP离子凝胶薄膜。这种微结构是压力传感实现高线性灵敏度的关键。最后，将该薄膜与FPCB的平面电极组装，形成一个基于超电容离子电子效应的压力传感单元。
将上述制备的温度感知层和压力感知层从顶到底进行组装，并用聚酰亚胺胶带封装，最终制成了完整的双模态解耦仿生电子皮肤。单个仿生电子手掌系统集成了16个这样的电子皮肤阵列。
其次，研究团队构建了完整的仿生电子手掌系统。该系统不仅包含分布在机械手手指和手掌上的16阵列电子皮肤，还包括一个专为多通道信号采集设计的同步采集系统。该系统采用阻抗分压法原理，能够同步采集每个电子皮肤输出的电容（压力）和电流（温度）信号。采集到的信号通过微控制器进行初步处理。
第三，针对温度对压力传感单元的干扰问题，研究团队开发了一个通用的解耦计算模型。研究人员系统测试了压力传感单元在不同环境温度（20°C, 30°C, 40°C, 50°C）下的压力灵敏度曲线。结果发现，虽然温度变化会影响压力灵敏度的具体数值，但这种影响呈现出稳定的线性关系，其变化可通过公式 S = 7.0703·T - 29.787 进行量化（其中S为灵敏度系数，T为当前温度）。基于这一发现，并结合温度感知单元对压力不敏感的特性（已通过实验验证），研究团队建立了解耦算法。该算法能够根据实时采集的温度数据，动态校准压力信号，从而输出不受温度干扰的纯压力信息，反之亦然。这一步骤是实现“无串扰认知”的核心。
第四，研究团队利用该仿生电子手掌系统进行了三项演示应用，以证明其实际价值，并展示了高级智能功能。
在第一个应用中，研究人员让机械手抓取装有不同水温（冷、中、热）和不同水位（空、半满、满）的杯子。BEP系统采集杯子表面的温度空间分布信息，并利用决策树算法对这些信息进行处理和识别。结果显示，系统能够实时、准确地识别出杯内水温和水位，准确率达到92.6%。这证明了系统在无干扰条件下感知温度空间分布的能力。
在第二个应用中，系统被用于识别被抓取物体的硬度和形状。当机械手以相同速度抓取不同硬度的球体时，压力随时间变化的曲线斜率不同：物体越硬，压力响应曲线上升越陡峭。研究人员收集了4000次抓取试验的数据，构建了包含时间维度的压力二维信息数据集。利用卷积神经网络对数据进行训练和识别，系统成功区分了四种不同硬度的球体，识别准确率高达97.37%。此外，通过分析抓取不同形状物体时的压力空间分布图，并借助CNN算法，系统也能有效识别物体的形状。
在第三个，也是最突出的应用中，研究团队构建了一个“高级智能闭环反馈系统”，以模拟人类手的收缩反射和保护功能。系统在正常状态下使用CNN和决策树算法进行物体认知。当抓取过热物体（如装有热水的玻璃杯）时，温度信号一旦超过预设的安全阈值，系统会立即触发紧急保护机制，向机械手发送释放指令，使其迅速松开物体，避免“烫伤”。同时，在抓取易变形物体（如纸杯）时，系统会根据实时的压力反馈进行闭环控制：当压力达到防止纸杯被捏坏的力阈值时，便停止进一步施加握力。这个过程完整模拟了“感知-认知-决策-动作”的仿生闭环，极大地增强了机器人操作的安全性和适应性。
研究的主要结果体现在传感性能、解耦效果和智能应用等多个层面。在传感性能方面，优化后的压力传感单元（离子液体浓度20 wt%）在0-20 kPa范围内表现出高达30.99 kPa⁻¹的线性灵敏度，响应和恢复时间分别约为60毫秒和70毫秒，最低检测限低于1帕，并在1.2万次循环加载/卸载测试中表现出优异的稳定性。温度传感单元（PANI@PS掺杂浓度5 wt%）在室温至80°C范围内显示出0.29 K⁻¹的超高灵敏度，响应和恢复时间约为5秒和4秒，且在多次循环中表现稳定。与近年来的同类工作相比，该器件在灵敏度、线性度和响应速度方面具有显著竞争优势。
在解耦效果方面，实验数据提供了确凿证据。压力传感单元在不同温度下经过解耦算法计算后的输出信号高度重合，表明温度干扰已被有效消除。同时，温度传感单元在恒定温度下施加不同压力（0-50 kPa）时，电流信号无明显变化；在不同压力下（5-40 kPa）测试温度灵敏度曲线，结果也基本重叠，证实了其对压力刺激具有选择性响应。这些结果共同验证了所提出的垂直堆叠结构和通用解耦算法的有效性。
在应用层面，三个演示应用的成功实现，从不同角度展示了BEP系统的实用价值：从简单的物理量（水温、水位）识别，到复杂的物体属性（硬度、形状）认知，再到高级的仿生反射与闭环控制。这些结果有力地支持了本研究的主要结论：通过模仿“分工合作”机制，成功开发了一个能够实现温度与压力无串扰感知的智能仿生电子手掌系统。
本研究的结论是，成功开发了一种基于“分工合作”原理的仿生电子手掌系统。该系统通过创新的垂直堆叠电子皮肤设计、结合原位光聚合与3D打印的制备工艺、以及通用的信号解耦算法，实现了温度与压力信号的高性能、无串扰感知。通过集成决策树和卷积神经网络等人工智能算法，该系统赋予机械手类似人类的环境认知能力，包括识别水温、水位、物体硬度和形状。更重要的是，所构建的高级智能闭环反馈系统，能够模仿人类手的自我保护反射和精细的力控制，显著提升了机器人操作的灵活性、精确性和安全性。
这项研究的科学价值在于，它为解决多功能传感器中的信号串扰这一长期挑战提供了一种新颖且有效的系统化方案（从材料、结构、算法到系统集成）。其应用价值则非常广阔，为智能仿生机器人、人机交互、假肢、以及需要精细触觉和热觉反馈的自动化系统等领域的发展提供了新的技术途径和思路。
本研究的亮点突出体现在以下几个方面：1. 新颖的“分工”仿生结构：首创了垂直堆叠分层的双模态电子皮肤设计，从物理层面为信号分离奠定了基础，相较于传统的单器件或平面集成方案，在灵敏度、集成度和抗干扰性之间取得了更佳的平衡。2. 创新的制备工艺融合：巧妙地将原位光聚合技术与3D打印模板技术相结合，分别用于实现温度传感层的稳定接触和压力传感层的精密微结构，保障了器件性能。3. 通用的解耦算法模型：基于器件整体特性，建立了一个不依赖于特定材料体系的通用解耦计算模型，实现了可靠的无串扰信号提取，增强了技术的普适性和可移植性。4. 从感知到认知再到闭环控制的系统级创新：不仅实现了高性能传感，更通过集成AI算法和仿生控制逻辑，构建了一个完整的、具有高级智能和自我保护能力的仿生机器人系统，实现了从基础研究到高级应用的有效衔接。5. 优异的综合性能：最终器件在压力与温度传感的灵敏度、线性度、响应速度等关键指标上均达到了国际先进水平。
此外，研究中进行的有限元模拟分析为理解温度如何通过影响离子迁移和介质层热膨胀来增强压力灵敏度提供了理论支持，加深了对传感机理的理解。整个工作流程严谨，从材料合成、器件制备、性能表征、算法开发到系统集成和实际应用演示，形成了完整的技术闭环，充分展示了该项技术的可行性和应用潜力。