在人与物理世界的互动中，触摸行为是人类意图最直接的物理表现，因此人机接口需要同时感知触摸位置与压力。然而，传统系统依赖物理堆叠的离散传感器和冯·诺依曼架构，导致数据冗余与可穿戴性受损；单模态传感限制使系统靠物理堆叠实现双模态传感，传感与计算分离又需将海量原始数据经密集布线送至外部处理器，造成电子复杂度和信号冗余过高。更关键的是，刚性传感单元与人体动态柔性要求错配，日常形变会诱发电阻波动和信号失真。因此，亟需一种集成传感策略，在意图识别与日常纺织品的机械顺应性之间取得协调。
厦门大学廖新勤副教授课题组提出并展示了一种具备传感内计算能力的双模态神经纤维——ID 神经纤维。它实现小于 5 mm 位置分辨率和 0.6 N 压力检测限，并具有卓越鲁棒性：可承受 300 倍负载能力，弯曲下性能波动低于 8%。结合柔性、防水性和可重构性，ID 神经纤维可无缝集成到纺织品中，在包括水下机器人控制在内的恶劣环境中可靠运行。更重要的是，ID 神经纤维使传感内计算成为可能，显著提高信息密度，并允许通过可编程逻辑门实现同步特征融合，从而高效进行实时意图识别。为捕捉触摸习惯，基于 ID 神经纤维的智能系统实现了 98.21% 的显著识别准确率。这项工作建立了一种新的材料—架构范式，统一了超鲁棒性、双模态和传感内计算，为兼具舒适性与智能性的下一代可穿戴人机接口奠定基础。相关论文以“An Ultrarobust Dual-Modal Neural Fiber With In-Sensor Computing”为题，发表在Advanced Materials上。
在方法上，ID 神经纤维的核心是同轴编织架构与结构诱导的传感内计算。传统系统把位置与压力传感单元物理分离并分布于身体不同部位（图1a），而 ID 神经纤维以柔软轻量纤维实现结构集成与生物力学兼容（图1b）。传统压力传感多采用多层堆叠板结构，不透气透湿（图1c-i）；传统位置传感依赖复杂电极网格或交叉阵列，需要大量 M+N 扫描通道（图1c-ii）；位置和压力单元还必须独立把原始信号送到远程计算单元再做加权融合（图1c-iii）。ID 神经纤维则基于两根功能纤维之间的虚拟接触电阻 RF 感测压力，无需多层架构（图1d-i），仅用两个输出通道即可感测位置和压力（图1d-ii）；触摸时信号通过两根功能纤维，利用其不同电阻分布完成物理级预处理与双模态特征融合（图1d-iii）。结构上，FF1 以银涂层纱为核心，电阻较低（图1e-i）；FF2 无金属核心，电阻沿长度均匀变化（图1e-ii）；二者并排集成并以聚酯纱缠绕固定（图1e-iii）。制造采用 MWCNT/WPU 与 SWCNT 涂层棉纱，经扭转—浸渗—固化形成稳定核壳复合系统，最大吞吐量约 30 m/h，连续纤维长度超过 50 cm。鲁棒性方面，1.6 g 纤维可承受 500 g 负载，超过自重 300 倍（图1f-i）；浸水干燥后恢复功能，浸水三个月仍完整（图1f-ii）；打结后功能不受损（图1f-iii）；可缝入针织手套并贴合人手复杂运动（图1f-iv）。无触摸时结构隔离形成零基线，触摸时建立导电路径，实现事件驱动传感。
图1 ID 神经纤维的设计概念与表征。a 和 b 传统传感系统与 ID 神经纤维传感系统的比较。c 和 d 传统传感器与 ID 神经纤维在形式和信号计算方面的比较。e 功能纤维 1（FF1）、功能纤维 2（FF2）和 ID 神经纤维的结构组成。f ID 神经纤维的机械性能。i 高机械强度。ii 防水能力。iii 优异柔韧性。iv 无缝集成到针织手套中。比例尺，1 cm。
在传感原理与性能上，ID 神经纤维受蜘蛛裂缝机械感受器启发（图2a-i）：蜘蛛通过总信号强度判断刺激源大小（图2a-ii），通过不同通道信号比判断刺激位置（图2a-iii）。ID 神经纤维中，FF1 施加偏置电压，FF2 两端作为输出电极（图2b-i）；压力增加使两根功能纤维接触面积扩大、内部间隙压缩，虚拟接触电阻降低、总电流输出升高（图2b-ii）；触摸位置把 FF2 分为 R1 与 R2，左右电流比随位置线性变化（图2b-iii）。基于解码模型，纤维可同时计算触摸位置 L 和虚拟接触电阻 RF，实现小于 5 mm 位置分辨率和 0.6 N 检测限，并在低压区与高压区表现出不同灵敏度。传统架构依赖独立传感器阵列、功能膜和外部加权融合（图2c-i），ID 神经纤维则在物理层面把压力与位置编码为统一融合信号，绕过复杂加权矩阵和冗余融合阶段（图2c-ii）。弯曲半径从 110 mm 降至 40 mm 时，相对位置变化 |ΔL/L0| 低于 0.05，RF 也保持稳定（图2d-i、图2d-ii）；滑动刺激下，1 N 与 2.5 N 压力均能保持 L 线性增加，并清楚区分压力水平（图2e）。纤维响应时间 75 ms、恢复时间 65 ms，超过 4000 次循环后解码位置和压力仍稳定，并可切割打结后重构。
图2 仿生 ID 神经纤维及其传感性能。a i 蜘蛛感知振动示意图。ii 基于总信号强度的物体大小感知。iii 基于信号比的猎物位置感知。b ID 神经纤维的仿生传感原理。i 传感器结构与信号输出示意图。ii 基于总信号强度的压力传感机制。iii 基于信号比的位置传感机制。c 传统传感器与 ID 神经纤维的信号处理复杂度比较。d i 弯曲状态下解码位置 L 变化和 ii 虚拟接触电阻 RF 变化。e 不同压力滑动过程中解码位置 L 和虚拟接触电阻 RF。
在逻辑与交互方法上，传统 HMI 的传感与计算物理分离（图3a）。ID 神经纤维把触摸映射为逻辑状态：释放为“0”，触摸为“1”（图3b-i），可直接驱动 LED（图3b-ii），并通过物理重构互连路径实现可重构逻辑门（图3b-iii）。传统 MOS 基 XOR 门需多达 10 个基本晶体管单元和复杂布线（图3c-i），而 ID 神经纤维通过子传感器物理协同完成逻辑组合（图3c-ii）；两个相反极性 LED 集成在输出端，单端触摸点亮对应 LED，双端同时触摸则电压调制相互抵消（图3c-iii）。传统开关阵列依赖离散节点，刚性且信息密度低（图3d）。ID 神经纤维利用双模态传感构建多阈值逻辑开关，把压力作为额外编码维度（图3e），并在无线音乐播放器控制系统中验证：纤维缝入腕带，P1—P4 对应四个开关，系统识别位置与开关状态，重压和轻压解码为不同命令（图3f、图3g）。该方法把高密度命令集压缩到单一纺织界面，同时保持穿着舒适。
图3 基于 ID 神经纤维的可重构触觉逻辑门和多阈值逻辑开关。a 传统冯·诺依曼架构示意图。b 可重构触觉逻辑门的工作原理，包括 i “0/1”状态，ii 直接驱动模式，iii 不同可重构逻辑门。c i 传统互补 MOS 基 XOR 门电路图。ii 基于 ID 神经纤维的 XOR 触觉逻辑门示意图。iii XOR 触觉逻辑门的可视化输出状态。d 传统开关示意图。e 基于 ID 神经纤维的多阈值逻辑开关工作原理。f 无线音乐播放器控制系统工作流。g 控制系统实时信号。
在系统集成与多场景交互上，无线系统由 ID 神经纤维、MCU、LDO 和蓝牙模块组成（图4a），双通道信号进入 GPIO 1 和 GPIO 2，经 ADC 转换为数字信号并解耦为位置与压力，再通过蓝牙与终端通信。IoT 应用中，纤维离散集成到连帽衫，可控制灯、空调、音乐播放器和电话（图4b）；P1—P6 中前半段用于终端选择、后半段用于命令执行，压力可区分同一位置的不同命令，滑动可用于音量调节（图4c）。针对海底采样中手动采样风险高、传统采样站控制困难等问题（图4d），研究将 ID 神经纤维用 PE 热缩膜封装并集成到智能纺织品中，用于水下机械臂控制（图4e）。演示中，机械臂先保持初始化状态（图4f-i），操作者以不同压力触摸不同位置以调整姿态（图4f-ii），最终准确移动并抓取目标（图4f-iii）。控制流程为实时监测 GPIO 电压，识别触摸位置以确定关节，轻压对应负角度增量、重压对应正角度增量（图4g）。该方法无需笨重手持控制器，并可通过智能映射逻辑扩展命令。
图4 基于 ID 神经纤维的无线控制系统集成和多场景交互。a 无线控制系统示意图。b IoT 应用演示。c 不同触摸动作下 IoT 应用的信号解码。d 传统海底采样方法的局限性。e 用于水下机械臂控制的智能纺织品。f 水下机械臂控制演示，包括 i 初始化，ii 姿态调整，iii 物体抓取。g 水下机械臂控制流程图。
在智能通信方法上，针对 IoT 敏感数据面临的窥视和身份冒充风险（图5a-i、图5a-ii），研究把 ID 神经纤维作为物理输入接口并结合 Diffie–Hellman 密钥交换。其防窥视机制利用位置与压力双模态编码，观察者虽可能估计位置，但压力分量无法直接视觉辨别（图5b-i）。系统集成 CNN 进行身份验证（图5b-ii），从时间、压力、位置三个维度提取用户输入习惯；只有私钥和用户特定习惯均验证成功才建立连接。相比传统键盘一键一字母的低效编码（图5c），ID 神经纤维把若干传感位置对应字母组，并通过重、中、轻压力在组内切换字母。CNN 消融表明，5 核、16 个初始滤波器和 4 个卷积层获得较优识别性能（图5d-i、图5d-ii、图5d-iii）；训练与验证曲线快速收敛（图5e-i），四客户端平均识别准确率达 98.21%，混淆矩阵显示总体分离良好但仍有残余重叠（图5e-ii），AUC 为 0.987，EER 为 9.47%，对应决策阈值 0.643。演示中，客户端 1 输入明文“XMU”并加密（图5f-i），客户端 2 经身份验证后成功解密（图5f-ii）。
图5 基于 ID 神经纤维的智能通信系统。a 传统通信系统的风险。i 客户端输入时被窥视导致密钥泄露。ii 攻击者冒充客户端建立假连接。b 智能通信系统的工作原理。i 防窥视机制。ii 身份验证工作流。c 传统键盘与 ID 神经纤维的字母输入逻辑比较。d 基于准确率性能的 CNN 结构参数优化，包括 i 核大小，ii 初始滤波器数量，iii 卷积层数量。e i 训练集和验证集的分类准确率与损失函数。ii 客户端识别混淆矩阵。f 使用 ID 神经纤维进行 i 客户端 1 和 ii 客户端 2 之间通信的演示。
从结论看，ID 神经纤维有效解决了传统 HMI 中传感器阵列冗余和穿着不适的瓶颈。其同轴编织架构把外部拉伸应力分散到纤维基质中，实现超过自重 300 倍的承载能力，并在弯曲下保持低于 8% 的信号波动。结构诱导的传感内计算机制显著提高信息密度、减少电子冗余，并使纤维继承传统纺织品的柔韧、轻量和高拉伸强度，可直接集成到服装中，把被动纺织品变为主动智能交互界面。通过学习用户特定时间、压力和位置输入习惯，智能通信系统实现 98.21% 的身份验证准确率；其形态还提供物理隐蔽性，使敏感命令融入自然身体动作。可扩展制造、多纤维电隔离和双通道编码使通道数随纤维数量线性增加，支持从单传感元件扩展到分布式大面积智能纺织界面。该工作为更普遍、直观的 HMI 提供了新逻辑，有望成为从柔性传感器向智能织物计算机过渡的里程碑。
热门跟贴