在全球海洋资源开发需求日益增长的背景下，水下机器人依赖的视觉与声学感知技术常受到水体浑浊、光线不足和声学噪声的制约。传统光学与声学传感手段在这些复杂水下环境中往往失效，而触觉感知因其几乎不受环境条件影响，成为水下探测的重要替代方案。然而，现有水下触觉传感技术在识别物体间细微物理属性差异时，仍面临强水动力噪声的严峻挑战，难以实现精准判别。针对这一难题，浙江大学与新加坡国立大学的研究团队合作开发了一款AI增强的仿生水下电子皮肤，为未来海洋探索提供了全新的触觉感知解决方案。
浙江大学汪延成教授、新加坡国立大学Chengkuo Lee教授合作提出了一种基于摩擦电效应的水下电子皮肤。这一装置能够从不稳定的水流扰动和高静水压力干扰中解耦出由微小表面差异引发的触觉信号。通过仿生鱼侧线机械设计，集成了仿生鱼鳞阵列以削弱水流冲击，利用热塑性聚氨酯粉末抵抗静水压缩，并采用具有非对称离子对的离子水凝胶增强信号输出。该水下电子皮肤在滑过物体表面时，对由表面差异引起的微小振动表现出极高的灵敏度。结合特征融合机器学习技术，它能够在水流运动过程中提取稳健的触觉振动信号，精准分类水下纹理、硬度以及从0.8微米到1600微米范围内的粗糙度等微小差异。此外，将该电子皮肤集成到机器鱼尾部，还展示了其在鱼类游泳状态检测方面的潜力，为智能水产养殖开辟了新路径。相关论文以“AI-Enhanced Bionic Aquatic E-Skin Enables Precise Capture of Minimal Tactile Differences Toward Undisturbed Underwater Interaction”为题，发表在Advanced Materials 上。
研究团队从鲨鱼侧线系统获得灵感，设计了仿生侧线鳞片阵列作为电子皮肤的交互表面。其机理分为两步：首先，柔软的仿生鱼鳞在水流冲击下弯曲，消耗部分水流动能；随后，偏转的鱼鳞将水流分流，引导大部分水流远离传感表面，仅允许少量减弱后的水流直接冲击，从而降低水流引起的噪声。通过解析模型优化，研究团队选择了倾斜角45度、长度2毫米、厚度0.64毫米的仿生鱼鳞几何参数。电子皮肤整体采用双层摩擦电结构，由仿生鱼鳞层、Ecoflex、聚丙烯酰胺/氯化钙离子水凝胶、弹性TPU粉末和铝电极组成。Ecoflex作为负摩擦电层，而具有非对称离子对的PAAm/CaCl₂离子水凝胶则作为正摩擦电材料。两种摩擦电材料表面均制造了由不规则突起构成的微结构，TPU粉末填充其间以保持稳定的间距，防止在高静水压力下过度压缩。最终制成的圆形电子皮肤直径为12毫米，厚度500微米，表面均匀涂覆高疏水性油膜以防止水中电荷泄漏。
图1 AI增强型水下电子皮肤实现精准触觉感知的示意图 (a) 鲨鱼侧线系统的结构与原理。(b) 所提出的水下电子皮肤的层状结构。(c) PAAm/CaCl₂离子水凝胶和最终水下电子皮肤的图像。比例尺为5毫米。(d) 单个单元安装在机器人指尖上，(e) 结合特征融合机器学习，所提出的水下电子皮肤展现出增强的触觉感知能力，包括对(f)纹理、粗糙度、硬度和鱼类游泳状态的良好识别。(g) 智能水产养殖系统示意图。
为评估不同结构参数对水下传感性能的影响，研究团队对电子皮肤进行了全面表征。结果显示，随着微结构尺寸增大，输出电压近似线性增加，但过大的间距会削弱TPU支撑并降低耐静水压能力，因此最终选用250微米粗糙度的砂纸来制备摩擦电薄膜。氯化钙浓度增加会增强离子不对称性并强化给电子倾向，但过高浓度会开辟额外的离子泄漏路径，因此最终浓度为1摩尔每升。TPU粉末的加入显著增加了有效接触面积和输出电压，经优化后选用0.15微米的TPU粉末。在动态水流扰动测试中，未加仿生鱼鳞的电子皮肤在0.2米每秒流速下呈现±25毫伏的基线波动，而加入鱼鳞结构后降至±13毫伏。即使在0.5米每秒的较强水流下，基线波动仍保持在±20毫伏以下。在耐静水压测试中，采用TPU粉末支撑的电子皮肤在40米水深下输出响应仅衰减17.6%，而传统空气间隙结构则衰减高达97.2%。经过5000次循环测试和120天海水浸泡后，该电子皮肤仍保持优异的稳定性和传感性能。
图2 水下电子皮肤的表征 (a) 水下电子皮肤的水下工作机制。具有不同(b)微结构尺寸和(c)离子水凝胶中CaCl₂浓度的水下电子皮肤的输出性能。(d)不同(i)TPU粉末尺寸和(ii)多组一致性的输出电压。(e) (i)无仿生鱼鳞的水下电子皮肤在0.2米/秒水流下的基线波动。(f) (i)有仿生鱼鳞的水下电子皮肤在0.2米/秒水流下的基线波动。(g)两种水下电子皮肤在(i)0.1米/秒和(ii)0.5米/秒水流下的基线波动。(h) (i)无TPU粉末和(i)有TPU粉末的水下电子皮肤的力输出响应。(j)水下电子皮肤的长周期循环稳定性。
在表面纹理识别方面，带有仿生鱼鳞图案的电子皮肤在滑动过程中产生更密集、更高振幅的微峰和更宽的频率范围，为后续机器学习提供了更丰富的判别特征。相比之下，无图案的电子皮肤产生的振动信息不足，在动态水流下容易被流致噪声淹没。研究团队采用一维卷积神经网络对采集的触觉信号进行分析。带有鱼鳞结构的电子皮肤在静态水中达到98.00%的平均识别准确率，在动态水流下仍保持94.67%的高准确率，而无图案装置在相同条件下仅为74.67%和62.00%。t-SNE可视化结果进一步显示，不同纹理类别之间清晰分离，同类纹理内部高度聚集。与现有代表性水下电子皮肤相比，该装置首次实现了在动态水流扰动下的高精度表面纹理识别，同时兼具抗强水流冲击、耐高静水压力和长期海水浸泡的能力。
图3 AI增强型水下电子皮肤的综合表面纹理识别 (a) 水下电子皮肤与物体接触并通过振动产生瞬态电压的示意图。(b) 仿生鱼鳞表面的图像。比例尺：4毫米。(c) 两种不同表面图案的电子皮肤在不同水流下滑过五种纹理时的信号。无图案水下电子皮肤在(d)静态和(e)动态水流下对T4纹理的输出信号、时频分析和混淆矩阵，以及有鱼鳞图案水下电子皮肤在(f)静态和(g)动态水流下的相应结果。(h)两种电子皮肤在不同水流下的纹理感知能力：(i)平均准确率，(ii)t-SNE结果。(i)所提出的AI增强型水下电子皮肤与其他产品的功能性和适应性比较。
在更精细的表面粗糙度感知研究中，研究团队测试了从3.2微米到1600微米的八种跨尺度粗糙度样本。在动态水流下，仅依赖时域信息的CNN模型平均准确率为85.00%，且细粗糙度之间容易出现混淆。为此，研究团队构建了基于特征融合的深度学习模型，并行CNN分支分别提取时域和频域特征后进行融合分类。时域特征有助于校正由施加力和静水压力引入的幅度偏差，而频域特征则可减少由动态水流和滑动速度引起的信号方差。采用特征融合后，动态水流下八种粗糙度的识别准确率提升至89.58%，静态水下准确率达到94.17%。这一成果显著优于现有水下电子皮肤——大多数同类研究仅局限于毫米级表面特征或在静态水下测试，而该装置实现了从微米到毫米跨尺度的精准粗糙度辨识。
图4 水下电子皮肤的跨尺度表面粗糙度识别 (a) 八种表面粗糙度的显微光学图像。(b) 基于CNN的粗粗糙度感知。(c) 水下电子皮肤在动态水流下对八种粗糙度的识别：(i)输出信号，(ii)识别混淆矩阵，(iii)t-SNE图，(iv)ROC曲线，以及(v)训练过程。(d) 基于FFT和CNN的精细粗糙度感知。(e) 特征融合深度学习模型。(f) 动态水流下基于特征融合深度学习的八种粗糙度识别结果：(i)混淆矩阵，(ii)t-SNE图，(iii)ROC曲线，(iv)训练过程。(g) 静态水下特征融合对八种粗糙度的识别：(i)时域和频域输出信号，(ii)识别混淆矩阵，(iii)t-SNE图。(h) 不同水流下平均准确率的环形热图。(i) 水下电子皮肤与先前工作在识别准确率和粗糙度水平方面的比较。
为验证其在实际海洋环境中的应用潜力，研究团队将电子皮肤安装在机器手指尖上，在模拟海水环境中对九种海洋生物和物体进行触觉识别，包括鱿鱼、海绵生物、鲳鱼、虾、海参等软体生物，以及螃蟹、海螺、石头和珊瑚。不同物体的表面形貌和突起尺度差异显著：硬质物体耗散机械能较少，诱发更强烈和不稳定的力波动；而软质物体表面突起在加载下弯曲或扭转，将连续接触分离过程转化为一系列离散的接触面积变化。基于特征融合深度学习，该电子皮肤对九种海洋物体实现了98.67%的平均识别准确率，t-SNE可视化中各类别清晰聚类，训练过程在数个周期内快速收敛。
另一个应用场景是将电子皮肤穿戴在机器鱼尾部，用于感知鱼类游泳状态。与纹理或硬度识别不同，游泳状态传感信号并非由固-固摩擦产生，而是由鱼尾周期性拍打引起的反作用水动力和装置结构的微振动组成。信号幅值反映摆尾力度，频率特征则编码尾部击水的节律和推进模式。研究团队检测了静止、抖动、撞击、快速游动和慢速游动五种行为状态。深度学习平均准确率达到90%，主要混淆发生在快游与慢游之间以及抖动与撞击之间。基于此，研究团队提出了智能水产养殖概念系统：通过分类单条鱼的行为状态，汇聚鱼群活动指数。当指数在短时间内显著升高，表明鱼群处于觅食性快游状态，系统判定饥饿事件并自动触发投喂装置；当活动指数整体下降且鱼群缓慢游动伴随频繁不规则抖动或撞击，则推断为低氧事件并启动增氧器。该水下电子皮肤建立了一条低成本、低功耗、环境鲁棒的触觉通道，从个体行为到养殖决策实现了精准投喂和按需增氧。
图5 AI增强型水下电子皮肤在不同场景下的触觉感知应用 (a) 九种具有不同粗糙度和硬度的海洋生物和物体的示意图。(b) 水下电子皮肤穿戴在机器人手指上用于感知海洋环境中的物体。(c) 九种海洋物体的时域和频域输出信号。(d) 深度学习结果：(i)t-SNE图，(ii)混淆矩阵。(e-f) 水下电子皮肤贴附在机器鱼尾部用于检测其游泳状态。(g) 水下电子皮肤对五种游泳状态的输出信号。(h) 五种游泳状态的平均准确率。(i) 用于精准投喂和增氧的智能水产养殖系统。
研究团队总结指出，该AI增强的水下电子皮肤在复杂多变的海洋开发中，解决了动态水流与高静水压力共同作用下对物体微小差异或表面细节属性进行稳健识别的关键难题。通过将接触诱导的机械刺激转换为适合解码的电信号，该设计仅凭单个摩擦电通道即可在复杂水下环境中解析微小振动，精准区分微小差异，同时保持低结构复杂度和低功耗。这一特性使其具备良好的可穿戴性和长使用寿命。未来，研究团队将进一步增强电子皮肤抗水流扰动和静水压的能力，同时融入抗生物污损和自修复防水涂层以延长使用寿命。随着海洋探索的发展，该技术将从单像素向稀疏阵列和多手指协同拓展，实现时空触觉成像，构建感知、识别与反馈一体化的综合系统。
热门跟贴