液体是智能机器人感知环境变化、执行精密任务的重要媒介——无论是主动探测降雨或化学泄漏以辅助决策（图1a），还是被动响应突发泼溅风险，都高度依赖于对液体内在属性与动态行为的精准解析。然而，传统液体分析技术如电化学分析、色谱法和光谱检测虽能精确表征物化性质，却往往依赖大型昂贵设备，难以满足智能机器人对原位、微型化、移动监测的迫切需求。在此背景下，比色法、电化学传感器、光学传感器及摩擦电传感器等方案虽显著提升了检测便捷性，却仍面临瞬态响应与高精度液体识别难以兼得的根本性挑战：发光二极管比色法受“黑区”限制检测范围，电化学传感器响应迟缓且聚焦特定离子，光学传感器易受环境干扰，而摩擦电传感器对静态液体反应迟钝。受生物皮肤感觉细胞表面离子通道门控信号转导机制的启发，研究团队提出了一种仿生液体传感电子皮肤（BLSE），旨在突破上述瓶颈。
吉林大学任露泉院士团队韩志武教授、牛士超教授、李博教授合作，受皮肤感觉细胞中离子通道快速构象重组与信号转导机制的启发，提出了一种基于动态电子通路重构的仿生液体传感电子皮肤，用于超快液体识别与液滴滑动感知。该器件采用高阻抗离散阵列架构，其核心原理在于通过低阻抗液滴与传感单元接触诱导导电网络重塑，从而量化液体电导率。凭借导电网络重构过程的瞬时响应特性，该仿生液体传感电子皮肤实现了1.8毫秒的超快响应时间。同时，集成接触角达159°的超疏水界面显著降低了固液界面粘附力，增强了液体在表面的动态迁移能力，实现了瞬时功能恢复与循环传感。作为概念验证，该电子皮肤被集成到智能机器人系统中，以99.58%的准确率实现了未知液体识别及其位置与运动方向的捕捉，显著提升了机器人在复杂液体环境中的环境适应性与动态感知能力。相关论文以“Bio-Inspired Gating-Controlled Electronic Skin for Ultrafast Liquid Recognition and Precise Droplet Sliding Sensing in Robotic Intelligence”为题，发表在Advanced Materials上。
该仿生液体传感电子皮肤的设计灵感源自人体皮肤卓越的动态流体感知能力。当液体作用于皮肤表面时，流体压力、剪切力和热运动共同诱导感觉细胞膜发生瞬时构象重组，触发离子通道开放，促进胞外阳离子内流并产生生理电信号（图1a、b）。仿生液体传感电子皮肤的基础传感单元由高阻抗墨基质（封装于弹性热塑性聚氨酯薄膜内）和断开的银电极界面构成（图1c）。在无液体接触的初始状态下，电荷传输完全受限于墨水的高本征电阻，系统呈现极低电流的近开路状态。当液滴桥接暴露电极时，低阻抗动态导电路径瞬时建立，与原高阻路径形成并联拓扑，显著降低传感单元等效电阻并触发瞬态电流阶跃（图1d）。多物理场仿真结果清晰显示，不同液体接触传感单元时电流密度分布存在显著差异，验证了该物理机制，并为动态液体识别奠定了基础（图1c）。
图1 | 仿生液体传感电子皮肤设计原理与工作机制。a) 皮肤流体感知示意图。b) 仿生设计理念示意图，比较了感觉细胞离子通道门控信号转导机制与仿生液体传感电子皮肤电子通路机制。c,d) 仿生液体传感电子皮肤的工作机制与多物理场仿真分析。液体与仿生液体传感电子皮肤单元接触已被证明可诱导其导电网络重排，从而显著降低传感单元等效电阻并触发电流阶跃。e) 配备仿生液体传感电子皮肤的机器人实现动态液体识别概念图。
为简化材料制备并提升器件稳健性，团队采用商用热塑性聚氨酯弹性体（TPU）、多壁碳纳米管（MWCNTs）和可拉伸导电银浆开发了仿生液体传感电子皮肤。该器件由功能层、基底和封装层三部分组成，其中6×6阵列孔径暴露出选定电极与导电弹性体以允许液体接触。得益于热塑性聚氨酯的热塑性，各组件通过热压工艺集成于单一单元中——当温度超过玻璃化转变温度时，界面处的分子链获得足够动能相互渗透扩散，冷却固化后形成物理交联与缠结，构筑准均匀界面，使内部界面韧性分别达952 N/m和982 N/m（图2a–c）。该高阻导电弹性体拓宽了器件对液体电阻的检测范围，而银浆对热塑性聚氨酯基底的强界面粘附力赋予电极层50%的电拉伸性，经1000次拉伸循环后电阻变化小于4Ω。无论软摩擦还是硬摩擦，样品电阻变化均远小于导电弹性体本身，压力影响亦可忽略（图2d、e）。这种卓越稳健性使仿生液体传感电子皮肤能够承受拉伸、扭曲、包裹和折叠等机械形变，并避免常规使用中因重复接触、摩擦和液体流动导致的失效。在定量表征方面，团队设计了等效电阻测试方法以映射电子通路重构过程。结果显示，该器件在0–10 MΩ范围内呈现电流响应（图2f），在0–1 MΩ范围内产生稳定电流，变异系数低于0.8%（图2g、h），且最小电阻分辨率达0.1 Ω，相对分辨率小于1%（图2i）。
图2 | 仿生液体传感电子皮肤的稳健性与基础传感性能。a) 仿生液体传感电子皮肤中两种内部界面（热塑性聚氨酯-热塑性聚氨酯和热塑性聚氨酯-热塑性聚氨酯/多壁碳纳米管）的示意图和扫描电镜图像。b,c) 两种界面的界面剥离力与界面韧性。d) 热塑性聚氨酯/多壁碳纳米管-银样品在机械干扰（如软摩擦循环、硬摩擦循环和不同压力）下的电阻响应。e) 样品经机械干扰后相对于初始状态的电阻变化。f) 仿生液体传感电子皮肤单元在并联电阻范围达10 MΩ时的电流变化。g,h) 不同数量级电阻并联时仿生液体传感电子皮肤单元响应电流的波动与变异系数。i) 并联0 Ω、100 Ω、10 kΩ和1 MΩ电阻时仿生液体传感电子皮肤单元的电阻分辨率。
为缩短响应时间、增强动态液体检测能力及抗污染性，团队通过喷涂工艺在热塑性聚氨酯薄膜表面制备了超疏水涂层。该涂层主要成分为氟改性硅氧烷树脂，氟原子引入使界面表面能大幅降低，喷涂过程中溶剂快速蒸发使树脂在表面形成分级微纳结构粗糙形貌。这种独特化学组成与微观结构使固液界面形成稳定空气层，最小化实际液固接触面积。纯水、可乐和盐水在涂层上的接触角稳定超过150°，滚动角低于8°（图3a），表现出极低固液界面粘附力，液滴撞击后可快速弹开或滚落而不留残留（图3b、c）。然而，超疏水涂层在提供保护的同时也因空气层屏障减少了银电极与液体的有效接触面积，为此团队在关键位置预留了未被涂层覆盖的亲水区域，既防止涂层损害测试能力，又使亲水区充当局部陷阱保留部分上一测试液滴，确保电极与待测液体快速接触。最终，该器件实现了1.8 ms的超快响应时间与1.8 ms的超快恢复时间（图3d），而未涂覆超疏水涂层的器件响应时间为3.2 ms且因液体残留无法恢复初始状态（图3e），在响应时间上相较现有报道具有显著优势（图3f）。由于不同液体中自由移动离子的浓度与迁移速率差异显著，液体呈现各异的本征电阻与电导率，接触仿生液体传感电子皮肤后形成具有不同阻抗特性的电子通路，从而产生差异化的阶跃电流信号。凭借此机制，该器件能够精准区分纯水、白酒、可乐、牛奶和盐水五种典型液体（图3g），且液滴体积、浓度、温度和pH值的变化均会调制输出电流。即使液体被灰尘污染也不影响识别能力，但由于依赖电子通路重构与电导率机制，该器件无法检测绝缘液体。
图3 | 仿生液体传感电子皮肤的动态润湿性与液体感知性能。a,b) 仿生液体传感电子皮肤超疏水涂层的接触角、滚动角与动态润湿性。c) 可乐液滴在倾斜的仿生液体传感电子皮肤单元上快速滚落。d) 仿生液体传感电子皮肤单元检测液体时的响应时间与恢复时间。e) 涂层对仿生液体传感电子皮肤响应时间的影响。f) 仿生液体传感电子皮肤单元响应时间与先前报道传感器的比较。g) 仿生液体传感电子皮肤单元对五种液体（纯水、白酒、可乐、牛奶和盐水）的响应能力。
得益于热塑性聚氨酯导电弹性体与银浆的良好加工性，结合激光加工与丝网印刷技术，两种材料均实现了0.25 mm线宽的分辨率，仿生液体传感电子皮肤最小像素尺寸为3 mm。基于此，团队制备了阵元间距20 mm的4×4阵列结构，并与多路复用器、分压器、模数转换器和微控制器集成，构建了可实时监测多达16通道液体位置与运动数据的系统，并结合深度学习对采集信号进行分类，实现液滴类型、位置和运动状态的精准识别（图4a）。当液滴接触某一传感单元时，亲水区银电极瞬时连接并重构导电路径，触发具有时空特征的阶跃电流信号。盐水液滴滴加至(2,3)单元时，对应通道瞬时产生约1.89 mA的电流响应，上位机软件可精准映射液滴位置（图4b、c）。该器件还表现出卓越的实时多目标监测能力——多个液滴同时撞击(1,3)、(4,4)和(3,1)单元时，各传感单元产生独立电流信号且互不干扰（图4d、e），这种精准空间映射能力主要归因于各传感单元的独立性以及行列阵列电极的解耦设计，有效防止了多点触发时的信号串扰。在液滴运动感知方面，团队沿Y轴逐滴添加液滴模拟连续滑动过程，液滴依次经过(3,1)、(3,2)、(3,3)、(3,4)坐标时，仿生液体传感电子皮肤产生与空间坐标紧密对应的时间序列电流信号（图4f）。基于各通道电流信号的时序与幅值构建了液滴运动的三维可视化映射，精准再现液滴运动轨迹（图4g–j）。实验结果表明，在超疏水表面极低滚动阻力与仿生液体传感电子皮肤超快响应特性的协同作用下，该系统能够实时、高保真地重构液体运动行为，为复杂环境下的流体监测提供可靠技术支持。
图4 | 仿生液体传感电子皮肤的动态液体传感性能。a) 使用仿生液体传感电子皮肤测量液体位置与运动的测试过程示意图。b,c) 液滴在仿生液体传感电子皮肤上撞击位置的示意图、对应输出电流及液滴位置可视化映射。d,e) 三个液滴在仿生液体传感电子皮肤上撞击位置的示意图、对应输出电流及三个液滴位置可视化映射。f) 液滴在仿生液体传感电子皮肤上运动的示意图及对应输出电流。g-j) 单液滴轨迹的三维可视化映射。
为验证仿生液体传感电子皮肤赋能机器人精准识别液体的可行性，团队开发了集成深度学习与数据采集、特征提取和自主识别的智能液滴传感系统。器件集成于机器人手指表面以模拟生物皮肤感知外部液体环境的方式（图5a、b）。当机器人手指接触纯水、白酒、可乐、牛奶和盐水五种典型液体时，液滴充当动态电桥瞬时连接断开的银电极，重构电子通路并触发不同强度的阶跃电流（图5c）。采集的电流特征数据既用于特征提取，也作为深度学习数据集。为模拟真实测试环境，团队使用滴管随机滴加不同体积液滴以收集五种液体的电流信号并构建数据集。特征数据库共包含7500个样本，全面涵盖五种液体的电流响应信息，按8:1:1分为训练集、验证集和测试集，系统呈现良好收敛性（图5d）。主成分分析显示所有样本有序聚类为五个不同类别（图5e），受试者工作特征曲线下面积接近1（图5f），基于测试结果的混淆矩阵显示配备该器件的机器人实现了99.58%的识别准确率（图5g）。在后续研究中，6×6阵列结构的仿生液体传感电子皮肤被集成到机械臂上以验证多点动态液体信息识别能力（图5h）。当多个相同或不同液滴接触器件不同位置时，对应通道立即触发阶跃电流信号（图5i），通过实时逻辑分析与可视化，系统能够准确预测液滴类型及其接触位置（图5j），且装备于机械臂不同位置的器件使机器人能够识别液体刺激方向。
图5 | 仿生液体传感电子皮肤赋能机器人精准识别液体。a) 机器人执行液体识别示意图。b) 仿生液体传感电子皮肤单元与机器人手指集成用于五种液体（纯水、白酒、可乐、牛奶和盐水）的检测与识别。c) 机器人接触五种液体时仿生液体传感电子皮肤单元输出的电流信号。误差棒表示电流信号的标准差。d) 深度学习模型的训练与验证曲线。e) 五种目标液体响应信号经主成分分析后的特征空间分布。f) 五种信号分类的受试者工作特征曲线。AUC，曲线下面积。g) 液体识别结果的混淆矩阵。h) 可乐、盐水和牛奶滴加至6×6阵列仿生液体传感电子皮肤上。i) 仿生液体传感电子皮肤对应通道的输出电流信号。j) 系统预测结果。
受生物皮肤感觉细胞中离子通道快速构象重组以实现液体刺激信号瞬时转导的启发，该研究提出并开发了基于动态电子通路重构的仿生液体传感电子皮肤。通过利用低阻抗液滴与高阻抗离散阵列接触诱导的导电网络重构，将复杂理化信息转化为电信号，该器件实现了低至1.8 ms的超快响应与恢复时间。超疏水界面的引入大幅降低了固液界面粘附力，确保了复杂流体环境中传感性能的稳定性与快速恢复能力。当与信号采集电路和深度学习算法相结合，配备该电子皮肤的机器人系统对五种典型液体实现了高达99.58%的识别准确率，并能精准捕捉液滴的空间位置与运动轨迹。该液体传感器件将超快识别与精准滑动感知于一体，显著提升了机器人在复杂液体环境中的动态感知与决策能力，在军事侦察、应急救援和日常生活等领域展现出广阔的应用前景。
热门跟贴