点击蓝字 关注我们
01
内容概览
在本综述中，作者首先总结了电子皮肤的功能和特征，接着讨论感官数据的特征提取及不同的AI模型。随后，作者探讨了人工智能在电子皮肤传感器设计中的应用，并重点讨论了人工智能在电子皮肤数据处理和分析中的实施，以完成多种不同任务。最后，作者探讨了硬件层面的皮肤内智能，并对AI支持的电子皮肤各方面的挑战和机遇进行了分析。
（i）在电子皮肤技术中应用大数据集，以促进能够处理未见交互的现实世界应用；
（ii）创建稳健且统一的电子皮肤人工智能模型，消除微调或再训练的需求；
（iii）利用人工智能系统解释电子皮肤的时间数据，以理解动态交互、预测人类行为，并使机器人能够进行适应性响应；
（iv）引入智能错误识别和补偿机制，以识别和纠正电子皮肤传感器中的潜在错误，或通知用户此类错误。这些将使得具备人工智能的电子皮肤能够匹配或超越人类感知，并增强作者日常生活的各个方面。
文章名称：Toward an AI Era: Advances in Electronic Skins
期刊：Chemical Reviews
文章DOI：https://doi.org/10.1021/acs.chemrev.4c00049
通讯作者：新加坡国立大学Benjamin C. K. Tee教授
02
图文简介
图1. 人工智能在实现电子皮肤设计方面的潜力，涵盖材料、传感器、传感性能和功能（例如，自愈性、生物降解性）。人工智能还可以通过分析感官数据，并在决策后输出反馈信息，实现电子皮肤应用，例如在医疗机器人进行的外科手术中。
图2. 电子皮肤从原型到功能再到智能的演变。
图3. 电子皮肤传感器、输出和期望特性的概述。
图4. 触觉感知。(a) 人类细胞中机械敏感离子通道中PIEZO2蛋白结构的示意图。(b) 在梅克尔细胞中表达的PIEZO2离子通道的示意图。(c) 带有多孔微结构介电材料的电容压力传感器的示意图。(d) 显示在压缩状态下压阻传感器的导电路径重新连接的示意图。(e) 压电传感器的示意图。(f) 单电极模式下摩擦电传感器的运行示意图。
图5. 电子皮肤中其他刺激的感测机制。(a) 温度：示意图显示离子导体在温度升高时离子导电性增加。(b) 化学：基于在工作电极上还原H2O2的葡萄糖感测贴片示意图，(i) 工作电极、(ii) 对电极、(iii) 参比电极、(iv) 离子电渗阳极和 (v) 集电器。(c) 电生理：用于电气补偿电极的不同通道和功能的电路设计。(d) 光学：用于光电容积描记法的超薄聚合物LED和有机光电探测器的示意图。
图6. 电子皮肤输出。(a) 体温调节：热控表皮 VR 系统的分解图。(b) 触觉：多模态触觉手套的照片。(c) 显示：人手上具有保形接触的类皮肤医疗贴片的照片和 LED 像素的示意图。
图7. 电子皮肤特征。(a) 多模态：用于多模式触觉和温度感知的传感器示意图。(b) 自愈：一系列光学图像展示了一个完好的电容器，因切割穿透所有层而受损，以及愈合后的层。(c) 隐形：指尖上电阻式触觉传感器和晶体管的照片及示意图。(d) 无线：由铜导线形成的天线的光学照片，电路组件被包围在其中。
图8. 电子皮肤应用程序中 AI 实现的工作流程。
图9. 最近报道的AI驱动电子皮肤中应用的神经网络总结，包括人类感官（味觉，听觉，触觉，嗅觉，和视觉），人脑以及优秀模型。随着电子皮肤数据的增加和多模态交互的复杂化，多层感知器（MLPs）的局限性逐渐显现。卷积神经网络（CNNs）作为自动分析的强大工具应运而生。基于注意力的模型后来证明了它们在捕捉序列数据中的上下文关系方面的多功能性，使电子皮肤应用能够执行更复杂的任务。然而，当前AI驱动的电子皮肤在感知和认知方面与人类之间仍存在显著差距。
图10. AI 驱动的材料发现。(a) 针对不同应用（即电极和电阻传感材料）优化柔性Ag/PAA复合薄膜。(b) 通过在材料设计空间中进行主动学习，发现并优化用于大电致伸缩的BaTiO3化合物，涵盖约605,000种组合。(c) BaTiO3/PVA压电复合材料中BaTiO3纳米填料的微观结构设计空间，包含400种微观结构及10种代表性微观结构的示意图。此项研究旨在对复合材料中的纳米填料进行理论分析与优化。(d) 结合动态电场力显微镜（EFM）模型与静态卷积神经网络（CNN）模型的人工智能模型，以初始单切图像作为输入，预测和理解内在自修复聚合物随时间的韧性演变。
图11. AI 驱动的传感器设计。(a) 使用虚拟数据进行训练的传感器设计。(i) 具有64个电极的模拟电容式电子皮肤传感器阵列的电极布局。(ii) 在四种电极布局下，人工智能模型的重构性能。(iii) 具有32个电极的物理电容式电子皮肤传感器阵列的示意图。(iv) 从数据采集到点云表示的变形重构过程。(b) 使用实验中的真实数据进行训练的传感器设计。(i) 不同薄膜成分（左）和薄膜微观结构（右）应变传感器的示意图和电阻-应变曲线。(ii) 导航模型的示意图，通过12个主动学习循环逐步探索应变传感器设计空间，其中125个应变传感器被逐步制造以输入数据进行训练。
图12. 基于人工智能的压力敏感电子皮肤应用。(a) 使用基于裂纹的高密度、低滞后压力传感器阵列，通过简单的一键触摸使用 CNN 实现高精度纹理识别。(b) 基于脉压信号的多维特征提取，采用随机森林分类器的智能疾病诊断系统。(c) 使用 CNN 进行物体识别，手套配备 548 个压力传感器，覆盖整个手部。(d) 由多层感知器(MLP)辅助的超分辨率触觉电子皮肤。
图13. AI 赋能的应变敏感电子皮肤应用。(a) 通过附着于手指的应变传感器和支持向量机进行手势到语音的转换。(b) 通过无基底纳米网应变传感器和时间延迟分类学习进行无监督的快速手部任务识别。(c) 通过附着于喉部的分层电阻应变传感器及多层感知器和卷积神经网络算法对喉部活动进行分类和识别。
图14. 基于人工智能的热敏电子皮肤应用。(a) 通过可穿戴温度传感器和回归模型量化核心体温。(b) 通过基于热的压力传感和热导率传感以及多层感知器进行物体识别。
图15. 基于人工智能赋能的纳米发电机电子皮肤应用。(a) 采用压电传感器进行移动声学感知，利用机器学习技术实现语音识别和生物特征认证。(b) 基于摩擦电传感器和主成分分析辅助机器学习的人体运动预测。(c) 基于纺织摩擦电传感器和专门开发的回归模型的血压估计。(d) 基于摩擦电感应和线性判别分析的材料识别。
图16. 基于人工智能的多模态电子皮肤应用。(a) 基于可拉伸交叉反应传感器矩阵和 BoW 模型检测、分类和区分应变、屈曲、压力和温度的多模态刺激。(b) 通过多路传感器贴片和卷积神经网络实现的伤口监测。(c) 通过多模态传感和多种机器学习模型实现的虚拟商店应用。
图17. 皮肤内智能电子皮肤系统。(a) 一种神经启发的事件驱动异步编码系统，用于电子皮肤信号传输。(b) 低压驱动的人造软电子皮肤系统实现了仿生双向信号传输。(c) 使用离子电子弛豫效应调谐的脉冲进行传感器触觉位置编码。
图18. 基于人工突触器件的硬件层神经网络，用于皮肤内数据处理和分析。(a) 将柔性突触晶体管阵列(i)与可拉伸电阻传感器结合，用于模拟手语翻译(ii)。(b) 将超薄突触忆阻器阵列与两个超薄有机光电二极管结合，用于模拟手指书写识别。(i) 在手部仿真模型上忆阻器的突触行为。(ii) 附着在食指上的光电二极管。手指运动过程中时间分辨输出电压变化的三维曲线被转化为数字3的二维图像。(iii) 使用二维图像和忆阻器阵列进行模拟手指书写识别过程。
图19. 由人工突触器件实现的机器人皮肤适应性。(a) 将可拉伸的突触晶体管与可拉伸的摩擦电传感器集成，以实现对气动软机器人的可编程控制，从而实现适应性运动。(b) 基于人工触觉神经通路的机器人手的皮肤内教学与学习，以获取疼痛反射。(i) 人工触觉神经通路的示意图。(ii) 在涉及教师信号之前和之后，突触晶体管的输入脉冲信号（左）和突触后电流（右）。(iii) 教学与学习后的适应性运动（自我保护的撤回）。
图20. 人工智能电子皮肤的未来发展方向。自2020年以来，关于结合人工智能的电子皮肤的文章数量激增超过260%，在不到五年的时间内增加了5000多篇。
03
文献来源
https://doi.org/10.1021/acs.chemrev.4c00049
免责声明：《未来传感技术》致力于分享关于未来传感技术的科学科普和技术解读。所有内容来源均注明出处，如涉及版权问题，请作者第一时间后台联系，我们将24小时内删除。
