近日，清華大學深圳國際研究生院曲鈞天助理教授的海洋軟體機器人與智能傳感實驗室（Ocean Soft-Robot and Intelligent Sensing Lab，OASIS-LAB）在軟體機器人傳感領域發表綜述論文。這項工作全面總結了用于柔性傳感器的智能材料以及制造方法，詳盡歸納了不同類型的傳感模式。然后，系統梳理了柔性傳感技術在軟體機器人應用中的進展。最后，文章深入探討了該領域現有挑戰和發展前景。本綜述旨在為未來軟體機器人柔性傳感技術的發展和實際應用提供重要指導。

軟體機器人具有良好的耐用性、靈活性和可變形性等優點，能夠適應非結構化環境并執行各種復雜任務，在災難救援、醫療保健、人機交互等領域展現出巨大的應用潛力。然而，軟材料的動力學模型比剛性關節要復雜得多，這給軟體機器人的形狀和位置控制帶來了很大的挑戰。感知對于軟體機器人來說至關重要。為了更好地模擬生物系統，柔性傳感器需要集成到軟體機器人系統中，以獲得本體感覺和外部感知。盡管已經取得了重大進展，但柔性傳感技術仍處于起步階段。其中一個主要問題是柔性傳感器在實際應用中的局限性。在不同溫度、濕度和化學環境下，傳感器的性能可能會受到影響。因此，開發高穩定性和多模態的柔性傳感器是一個主流方向。此外，傳感器必須能夠隨著機器人伸展、彎曲和變形，而不妨礙其自由運動，同時在傳感過程中保持柔軟特性，這導致傳感器獲得的信號是非線性的，高維的，并且包含冗余信息。要解決這些問題，需要對傳感器數據進行復雜的建模和分析，并不斷探索有效的信號處理方法。通過與柔性傳感技術相結合，軟體機器人可以更好的利用反饋信息，在復雜的環境中安全、高效、準確地完成任務。

該文章匯總了具有代表性的柔性傳感器制造技術,3D打印，由于其多功能性，在柔性傳感器的制作中越來越受歡迎。通過直接墨水書寫，可以將多種材料與復雜幾何形狀結合，一次性制造功能器件。另外，4D打印在可變形薄片結構制造表現出應用前景，目前主要有兩種策略。一種是直接在3D打印過程中使用智能材料，另一種方法是為組件和結構編程，以實現形狀和行為的可控變化。除此之外，采用纖維織物和絲網印刷等方法可以實現柔性傳感器的可擴展大規模生產。

為了可靠地執行預定任務，軟體機器人需要識別各部位的形狀和位置，以更好地感知自身并與環境互動。文章總結了軟體機器人的不同感知模式。在軟體機器人的運動控制中，本體感覺是機器人對自身運動狀態理解的關鍵問題。的一種方法是在腔體通道中嵌入可拉伸應變傳感器，將軟機器人的形態轉換為可測量的信號變化。同時，自適應控制算法用于實現軟體機器人的精準閉環控制。而感知外部刺激、有效探索未知世界、安全地與人類和環境交互可以更好地適應各種復雜任務。通過集成柔性傳感器，軟體機器人具備了人類的外部環境感知能力，進一步提高了它們的智能性和自主性。此外，相關學者還將多模態傳感和感驅一體化技術引入到軟體機器人領域，提高其復雜任務的執行能力，從而解決一些具體問題。

近年來，柔性傳感器與軟體機器人的集成將任務操作的性能提升到一個新的層面。該文章分別從工業自動化、智慧農業、環境監測與探索、人機交互領域介紹了基于柔性傳感器的軟體機器人應用場景，如自動化包裹分揀、果蔬生長狀態監測、海洋資源勘探等。

文章作者全面調研了目前國內外學者在軟體機器人柔性傳感技術領域的研究進展，回顧以往的研究，作者提出了以下3點仍需克服的挑戰：

1) 耐久性和穩定性：軟體機器人通常工作在不可預測的復雜環境中，如何確保柔性傳感器的經久耐用，能夠承受連續變形，同時保持傳感精度是主要挑戰之一。

2) 傳感器集成：將柔性傳感器與軟體結構集成時，需要考慮材料的相容性、機械連接和傳感器的布局。確保傳感器與機器人的緊密結合，并且能夠適應機器人的變形和運動。

3) 適應性和多模態傳感：為了提升傳感性能，柔性傳感器需要適應不同的形狀、曲率和表面特征，同時要滿足多種模態感知要求。然而不同模態之間可能存在信號交叉干擾的問題，嚴重影響測量的準確性。

為了解決柔性傳感技術在軟體機器人應用中面臨的挑戰，未來可考慮從以下幾個方面進行深入研究：

1) 材料開發：考慮不同材料的相容性和相互作用，探索具有更高耐久性和柔韌性的多功能復合材料是推進柔性傳感器領域發展的重要途徑。此外，開發更具生物相容性的新型軟材料如生物膠原蛋白和凝膠材料用于制備可植入式柔性傳感器。

2) 創新結構設計：采用分層結構設計，將不同功能層疊加在一起，以實現多種傳感功能的集成，多層結構還可以提供更好的機械強度和耐久性。另外，通過協調傳感器與主體材料的機械性能，保證傳感器與軟體結構之間的無縫結合，能夠進一步提升系統的整體性能。

3) 智能算法集成：人工智能技術與柔性傳感器融合后具有*數據分析和智能決策能力。一是利用機器學習算法可以對海量傳感信息進行特征提取，用于訓練和建模，實現模式識別和分類任務。二是通過將強化學習算法與經典控制方法相結合，使軟體機器人具備自適應學習能力，能夠根據環境和任務的變化來調整其行為和控制策略。

來源：傳感器專家網