NE时代

◎ 让触觉变成颜色。

△ 撰文：DONG.ZY

机器人抓取一个物体时，光知道“碰到了”不够。

夹一个光滑杯子，机器人要知道接触点有没有开始滑；拿一颗软水果，它要知道压力是不是过大；处理一片薄膜或一块异形零件时，它还得知道接触边缘在哪里、压力分布是否均匀。

这些信息需要一张「触觉地图」，也就是接触形貌和压力分布的空间图。图要足够细，能看清接触形貌，也要足够快，能进入控制回路。

最近，Science Advances上发表了一篇论文，题为High-resolution real-time mechanochromic tactile sensors。论文提出了一种力致变色触觉传感器，也就是 mechanochromic tactile sensor。

它的思路是，材料受力后自己变色，把接触形貌和压力信息写进颜色里，相机读取颜色变化后，系统可以进一步提取色相值，生成接触形貌、应变或压力图。

这意味着，触觉不只靠后端算法“算出来”，也可以先由材料“显出来”。

01.

高分辨率和实时性，

为什么总在打架？

现有触觉传感器大体有两条路线。

一条是触觉像素阵列。

触觉像素，也就是taxel，可以理解为触觉里的“像素点”。电容式、电阻式、压电式、摩擦电式等传感器都常走这条路。每个触觉像素感知一个小区域的压力或形变，整个阵列拼出一张“触觉图”。

这类方案反应快，机械刺激转成电信号，系统可以实时读取，适合放进机器人控制回路。

麻烦在分辨率，触觉像素的尺寸、间距、布线和串扰，都会限制触觉图的细节。

想把触觉像素做得更密，就要面对更复杂的互连、更小的单元、更难处理的软材料集成。

论文提到，即使引入深度学习做触觉超分辨率，这类方案通常也很难突破约1 mm的量级。

另一条路线是视觉触觉传感器。

它用相机看软材料表面的变形，绕开密集触觉像素布线。典型方案会在软材料上布置标记点，或者利用定向光照和表面反射，让相机捕捉接触造成的形变。

这条路线能把空间分辨率推得更高。论文提到，一些先进视觉触觉方案可以做到约100μm量级。

但相机拍下来的原始图像并不直接等于接触形貌或压力分布。系统通常还要做光度标定、照明归一化、表面法线估计、深度重建和空间映射，才能得到三维接触形貌或压力分布。

计算流程一长，延迟就进来了。

机器人想要的是两边都拿到：100μm级别的细节，实时反馈的速度。这篇论文给出的解法，是把一部分计算负担交给材料。

02.

把压力变成颜色

论文里的传感器核心是一层可拉伸的力致变色布拉格反射器（Bragg reflector）。

它被夹在两层软硅胶之间：外侧是一层黑色弹性体，内侧是一层透明弹性体。相机从透明侧读取颜色变化，黑色层负责增强颜色对比，也隔开外界杂散光。

这层力致变色材料不是靠染料发生化学变色，而是靠结构色。

论文使用了一层16μm厚的光弹性薄膜，通过光聚合工艺在材料内部形成周期性纳米层结构。

它的作用类似一个可拉伸的布拉格反射器，光照进材料后，会在内部纳米层界面发生反射和干涉，最终呈现某个反射波长，也就是相机看到的颜色。

外力压到传感器表面后，材料内部的纳米层厚度发生变化，反射波长也跟着变。颜色从红到绿、再到蓝，对应局部应变变化。

传统视觉触觉常常要从图像里反推表面形貌，这里的材料先把机械刺激转成颜色场。相机读取到的不是普通变形图像，而是一张带有局部应变信息的颜色图。

这不代表完全不需要计算，研究者仍然要读取色相值，也就是hue，并把颜色图转换成应变图或压力图。但它省掉了传统视觉触觉里较重的一段流程：表面法线估计、深度重建和复杂空间映射。

材料先显影，相机再读取。

03.

100μm触觉地图：指尖、硬币和树叶

论文展示了几个测试对象：人类指尖、一便士硬币和树叶。

这些对象都不好“摸清楚”，指尖有纹路，硬币有浮雕和边缘细节，树叶有脉络。很多细节尺度小于普通触觉像素阵列的物理间距。

研究者把传感器压到这些对象上，让软触觉界面贴合表面形貌。受力区域的力致变色层产生颜色变化，相机拍下力致变色原始图像，再提取二维和三维色相图。

论文结果显示，这套系统可以生成指尖、硬币和树叶的接触形貌图，空间分辨率约为100μm。

这意味着传感器不只是知道“这一片被压到了”，还能看到接触区域里的纹理、边缘和细小起伏。

论文还强调，这些结果没有使用深度学习图像增强。研究者不是先拿低分辨率触觉结果，再靠模型补出更细的图，而是让材料和相机提供高分辨率接触信息。

在机器人抓取里，接触从来不是一个点。

机器人手指和物体之间会形成一片动态变化的接触区域，接触边缘在哪里，压力是否集中在某个小区域，物体表面有没有纹理或突起，都会影响抓取稳定性。

面对易碎、滑腻、形状不规则的物体时，低分辨率压力点阵很难给控制系统足够细的反馈。

力致变色触觉传感器提供的是一张连续触觉图，它没有把表面切成离散触觉像素，而是让整片材料都参与感知。在标定条件下，相机读到的颜色变化可以被转换为局部应变信息。

04.

不只看形貌，也能测压力

机器人抓取还需要压力分布。

压力太小，物体可能滑落；压力太大，水果、玻璃、电子元件都可能被夹坏。人类靠皮肤和神经系统调节手劲，机器人要靠传感器把压力变化送回控制系统。

论文进一步做了压力映射实验。

研究者把传感器做成一个书写和绘图表面，再用一个3mm平头圆柱触笔在上面写字和画图，传感器下方连接测力传感器，用来提供参考压力数据。

一个测试是写“HELLO”，传感器实时记录触笔经过时的压力变化，再把连续视频帧叠加成累计压力图。

另一个测试是画星形，受试者连续重复画11次，传感器记录每一笔的压力轨迹。

结果显示，力致变色传感器得到的压力信号和测力传感器测得的数据高度相关。

写字实验中，Pearson相关系数约为0.97，归一化均方根误差（RMSE）约为 9%；绘图实验中，Pearson相关系数约为0.93，归一化均方根误差约为10%。论文还给出最大压力灵敏度约为1.4MPa^-1。

这些实验不是为了证明机器人以后要写字，它证明的是这套传感器可以在动态接触中捕捉压力分布。

触笔移动时，接触点不断变化，压力也在变化，传感器把这些变化实时转成颜色，再从颜色图得到压力图。

真实抓取也是动态过程，机器人手指接触物体后，接触区域会随着物体姿态、表面材质、摩擦条件和手指动作变化。

传感器如果只能给出一个总力，控制系统很难判断物体是快滑了，还是某个角落压力过大。

高分辨率压力地图能提供更细的反馈：哪里压力高，哪里接触弱，边缘是否开始滑移，表面纹理是否影响稳定抓取。

没有触觉，机器人手很容易变成“看着聪明，摸起来很笨”。

05.

不是万能皮肤，结构也要取舍

这个传感器不是“做得越薄越好”或“越灵敏越好”，论文专门分析了层厚结构对性能的影响。

传感器里有一个关键比例：黑色弹性层与透明弹性层的厚度比h1/h2。这个比例会改变力致变色层距离接触表面的深浅，也会改变传感器对形貌和压力的响应。

力致变色层更靠近接触表面时，压痕边缘附近的应变更集中，边缘细节更清楚，空间分辨率更好。这种结构适合做接触形貌映射，比如看硬币纹理、指尖纹路、树叶脉络。

层厚比更高时，力致变色层埋得更深，应变分布更均匀。这样会损失一部分边缘定义和空间细节，但更适合测局部平均压力。论文里的压力书写实验，就选择了更适合压力映射的层厚结构。

这不是缺点，机器人触觉本来也没有一个万能需求。

灵巧手指尖可能更需要形貌细节，夹爪内侧可能更需要压力分布，产品检测台可能更关心微小表面缺陷。

传感器结构可以按任务调，才有机会进入具体应用。

但是，这其中局限也很清楚。

论文提到，结构色具有角度依赖，也就是虹彩效应，观察角度变化会影响颜色读数。

真实机器人手指往往是曲面，接触方向也会变化。如果相机和材料之间的角度关系不稳定，颜色到应变的映射就需要重新校准。

加载模式也是一个问题，按压、滑动、剪切、反复接触，会让材料和软结构表现出不同力学响应。

论文也提到，后续需要处理不同加载条件下的定量校准，以及色相-应变关系中可能存在的滞后效应。

这项技术并不是“一步到位的机器人皮肤”，它解决了高分辨率和实时读出之间的一部分矛盾，但还要面对曲面集成、长期耐久、角度校准、多轴力解耦和真实控制闭环。

06.

让材料先替系统看见一部分世界

此外，这篇论文也换了一种处理触觉信息的方式。

传统触觉像素阵列把接触拆成一个个电信号点；视觉触觉传感器让相机看软材料变形，再靠计算流程还原接触形貌；力致变色触觉传感器把机械应变先写进颜色里，让材料承担一部分转译工作。

但是，机器人控制系统不喜欢「等」。

抓取和操控里的接触状态可能在很短时间内变化。物体滑动、边缘脱离、压力集中，都需要快速反馈。

如果传感器必须先经过复杂重建流程，延迟就会进入控制回路。

这篇论文给出的路线是：触觉界面直接生成一张空间分布的颜色图，相机读颜色，系统读色相值。

触觉信息不再完全依赖后端算法推断，而是先由材料以光学方式显现出来。

算法仍然重要，真正用于机器人时，系统还需要标定、滤波、控制策略和任务级理解。但材料提前完成一部分感知编码，后端计算就可以少背一些负担。

对机器人抓取而言，这可能带来更快的局部压力反馈；对产品检测而言，它可能帮助系统检查透明、高反光或细纹理表面的缺陷；对人机交互而言，柔软触觉界面可以获得更细的接触分布，让机器人更准确地理解人手触碰、按压或引导。

论文作者还提到，这种材料制造不依赖复杂加工步骤，未来有潜在规模化空间。

作者也披露了相关专利申请，覆盖力致变色和力电接触测量的多模态触觉设备。这至少说明，团队已经把它放进更完整触觉设备的专利布局里。

但是，距离产业应用还有距离。

机器人真正需要的是稳定、耐用、可批量制造、易标定、能处理复杂接触和多方向受力的触觉系统。

100μm分辨率和实时颜色读出已经证明了这条路线的潜力，但工程落地还要解决曲面集成、长期耐久、环境干扰、多轴力解耦，以及高分辨率触觉数据如何进入控制系统等问题。

这篇论文虽然解决不了这些问题，但它也给出了一个思路。机器人触觉不一定只能靠更密的电极、更复杂的布线、更重的图像重建，材料本身也可以参与信息编码，压力、形貌和应变可以先变成颜色，再进入相机和算法。

力致变色触觉传感器的意义，不只是“会变色的机器人皮肤”，它让触觉感知多了一种分工方式：材料先替系统看见一部分世界，这些信息才有机会进入后续抓取、放置和力控策略。