本周科技看点速递
（12.4-12.10）
1 超宽检测范围的仿生狗尾草柔性压力传感器
2 光驱动连续跳跃机器人
3 用于气体和压力传感的柔性智能医疗保健平台
4 微藻材料的3D打印
5 中科院力学所突破材料冲击吸能极限，为高性能防护材料提供新思路
6 清华AIR联手地瓜机器人，打造K12到大学科研全覆盖的具身智能科教平台
7 硅光子芯片上具有增强分辨率的去噪自动编码器辅助MEMS计算光谱仪
8 具有双向光响应的超弱光调制异质结静态和动态图像感知
9 用于开放词汇分割的扩散模型
01
计算机科学
清华AIR联手地瓜机器人，打造
K12到大学科研全覆盖的具身智能科教平台
清华大学智能产业研究院（AIR）与地瓜机器人联合打造的RDK UniBots具身智能科教平台正式发布，旨在推动具身智能技术从K12教育到大学科研的普及和应用。该平台采用分层技术架构，涵盖从硬件到软件的完整解决方案，支持多层级算力平台、100+算法与应用极简部署、200+开源代码仓库以及100+机器人配/套件等，为学生提供从机器人开发到具身智能算法学习的全面支持。
RDK UniBots平台不仅适用于具身智能相关专业，更希望成为一个开放的接口，适配不同专业的教育需求，并覆盖从幼儿园、中小学到大学科研的不同教育程度。清华大学土木工程系已将该平台用于日常课程，让学生更早、更具体地了解具身智能在土木工程领域的应用。
图1 RDK UniBots高校先行的解决方案
简评：
@清华大学机械系2024级直博生 张佳悦
评论：RDK UniBots具身智能科教平台的建立，为推动具身智能技术在教育领域的普及和应用提供了重要的基础设施。它不仅能够帮助学生学习和掌握具身智能技术，还能够培养他们的创新能力和解决问题的能力，为未来智能时代的人才培养奠定基础。
用于开放词汇分割的扩散模型
开放词汇分割是指能够分割图像中任何可以用自然语言命名的对象。近年来，大规模视觉-语言建模在开放词汇分割方面取得了显著进展，但代价是巨大的训练和标注成本不断增加。因此，剑桥大学Christian Rupprecht团队提出一个问题：是否可以利用现有的基础模型来为特定类别集合合成高效的分割算法，使其在开放词汇设置下无需进一步收集数据、标注或进行训练即可应用。为此，他们提出了OVDiff，一种利用生成式文本到图像扩散模型进行无监督开放词汇分割的新方法。OVDiff为任意文本类别合成支持图像集，为每个类别创建一组代表该类别及其周围上下文（背景）的原型。该方法仅依赖于预训练组件，并直接输出合成的分割器，无需训练。他们的方法在多个基准测试中表现出色，在PASCAL VOC上的性能领先于现有工作超过5%。
图2 OVDiff
简评：
@清华大学机械系2022级硕士生 潘智辉
评论：这项研究提出了OVDiff，一种用于开放词汇分割的方法，即对任何用自然语言描述的类别进行语义分割，相比之前的非开放语义的分割方法来说，该方法非常具有应用潜力。
02
先进制造
超宽检测范围的
仿生狗尾草柔性压力传感器
柔性压力传感器在可穿戴设备、物联网和机器人等领域有着重大的应用潜力。为了满足相应的需求，需要传感器具有较高的灵敏度和较宽的线性检测范围，而这二者往往难以兼得。目前的高灵敏度器件通常具有较窄的压力检测范围，限制了其在较大压力应用场景中的使用；另一方面，具有较宽检测范围的器件则通常具有很低的灵敏度，导致其对微小力的感知不敏感且测量信号较弱。
鉴于此，北京航空航天大学潘曹峰教授和鲍容容教授团队提出了一种仿生狗尾草的电阻型柔性压力传感器，同时实现了29.7 kPa-1的高灵敏度和高达2250 kPa的超宽线性检测范围。本工作中，作者在静电纺丝TPU骨架上利用水热法垂直生长氧化锌纳米线（ZnO NWs），得到了具有仿生狗尾草形貌的三维互锁结构，可以承受异常高的压力。利用TPU/ZnO NWs为灵敏层制备的压力传感器可以精准感知脉搏信号和手指弯曲等微小力，同时还能进行跳跃等强劲运动信号的检测，为压力传感器在可穿戴电子设备、人机交互和机器人等领域的应用提供了简单而有效的方案。
相关研究以“Wide Detection Range Flexible Pressure Sensors Based on 3D Interlocking Structure TPU/ZnO NWs”为题发表在Advanced Functional Materials期刊上。论文链接: https://doi.org/10.1002/adfm.202418791（@高分子科学前沿）
图3 制备敏感层和宽范围检测信号（@AFM）
简评：
@清华大学机械系2023级硕士生 李明暄
这项研究围绕3D互锁结构的TPU/ZnO纳米线技术，提出了一种兼具高灵敏度和超宽线性检测范围的柔性压力传感器。该传感器在复杂力学条件下表现出优异的稳定性和重复性，为可穿戴电子设备及智能机器人领域提供了强大的技术支撑。
光驱动连续跳跃机器人
跳跃是自然界生物的一种非常有效的运动手段，可以在瞬间穿越中长距离，以实现捕猎及逃避被猎捕的目的。受自然界跳跃机制的启发，科学家们利用新型材料和复杂的结构设计，模仿生物系统中的快速能量存储和释放过程，制造出了多种创新的跳跃机器人。其中，光响应驱动器具有成本效益高、无线驱动能力强和响应速度快等优点而受到广泛关注。偶氮苯液晶(LCs)因其偶氮苯介质的反-顺式光异构化而成为一种有前途的光响应材料。基于偶氮苯的致动器已从基本的弯曲、扭转运动发展到在微型机器人和液体运输中的新型应用。但是，基于偶氮苯的光致动器的高效跳跃行为仍相对缺乏探索。
近期，中国科学院理化技术研究所江雷院士、王京霞研究员团队受具有特殊卡扣结构的磕头虫启发（它弯曲身体积蓄弹性势能，然后身体猛然伸直释放能量实现瞬时跳跃），设计了类磕头虫卡扣结构的光跳跃材料：通过选用具有热弛豫时间短的偶氮苯分子，制备具有展曲(splay)取向的偶氮苯膜材料，开发了一种Janus光驱动跳跃软机器人，在紫外线照射下，它能在66.8 ms内完成一次完整的跳跃，其跳跃高度可达35个体长(BL)，起飞速度为670 BL/s。所制备的Azo-LCN 薄膜应力为36.27 兆帕，应变为6.5%，可循环使用50 次以上。所采用的偶氮苯分子(命名为Azo-A)具有较短的热弛豫时间(其在90 ℃ 时的半衰期小于1 s)，能够在光的作用下快速弯曲和恢复，从而能产生快速自主恢复的连续跳跃行为(视频2)。样品的splay取向是将样品的一侧分子采取平行取向(PA)而另一侧分子采取垂直取向(VA)的模式，从而使样品在光刺激下产生向PA侧的净弯曲变形。这项研究将有助于设计新型致动器和拓宽偶氮苯致动器的应用领域，可能为探索、搜索和救援等新应用提供思路。
相关研究以“Click-Beetles-inspired Light-driven Continuous Jumping Robots Based on Janus Azobenzene Polymer Films”为题发表在Advanced Functional Materials期刊上。论文链接：https://onlinelibrary.wiley.com/doi/full/10.1002/adfm.202421111（@高分子科学前沿）
图4 光驱动连续跳跃机器人（@AFM）
简评：
@清华大学机械系2024级硕士生 李明暄
这项研究以光驱动行为为核心，借鉴跳跃甲虫的运动机制，开发了一种基于偶氮苯聚合物Janus薄膜的柔性跳跃机器人。通过独特的分裂对齐设计和快速热弛豫偶氮分子，机器人实现了35体长的跳跃高度和670 BL/s的起跳速度，远超现有小型柔性跳跃机器人的表现。该研究为高性能软体机器人开辟了新的设计思路。
用于气体和压力传感的
柔性智能医疗保健平台
吉林大学的徐琳教授与高丽大学的Jong Seung Kim教授合作，通过在中空球状Ti3C2Tx表面直接培育Cu3(HHTP)2微粒，成功构建了一种模拟皮肤表皮层和颗粒层的人工皮肤装置。这种仿生Ti3C2Tx@Cu3(HHTP)2不仅能够独立响应二氧化氮和压力，还具备声学特征识别和摩尔斯密码加密通信的新功能。他们进一步将这种双模传感器整合到柔性印刷电路中，开发出了一款配备移动应用终端的可穿戴报警系统。该系统能够评估与哮喘相关的多种风险因素，包括外界二氧化氮刺激、异常呼气行为和手指用力程度，借助机器学习算法，其识别准确度高达97.6%。这项研究为智能化多功能医疗设备的研制提供了新方法，推动了远程医疗诊断的发展。
在远程医疗和人机交互(HMI)领域，以智能化为特点的可穿戴电子设备展现出巨大的潜力，这主要得益于传感技术和人工智能技术的飞速进步。可穿戴传感器在非侵入性、连续和实时监测慢性疾病如哮喘、糖尿病和帕金森氏症方面提供了高效和高科技的手段。通过现场分析人体汗液、脉搏和呼吸行为，可穿戴传感器有助于建立个人健康电子档案。然而，早期预警哮喘发作信号和追踪人机交互的协调性是一项挑战，对传感器的性能提出了高要求。这些传感设备还需要具备出色的柔韧性、弹性和恢复力，以适应大幅度形变。多反应柔性电子器件的问世，预示着人机交互的巨大潜力，标志着一个由真实、丰富的交互体验驱动的新时代的到来。因此，开发和突破增强感知能力的多功能设备变得尤为关键，这些设备能够处理复杂的信息，对便携式健康监测和临床诊断具有重要意义。
研究团队开发了一种集成人工皮肤装置的智能可穿戴报警系统，该系统能够多元识别哮喘发作的风险因素，借助机器学习算法，分类准确率达到97.6%。通过结合导电的Cu3(HHTP)2和球形Ti3C2Tx，细致模仿了皮肤的高级结构属性和编码信息能力，设计出了这种新型人工皮肤装置。这种受生物启发的Ti3C2Tx@Cu3(HHTP)2传感器能够独立感知NO2气体和压力变化。
图5 设备研究原理图
简评：
@清华大学机械系2024级硕士生 李林殊
评论：这项设计具备同时监测二氧化氮（NO2）和压力的能力，并能提供无干扰的电阻信号输出。它特别以其对二氧化氮的高灵敏度和出色的疏水性能而著称，这些特性经密度泛函理论（DFT）计算得到强有力支持。该设计还因其卓越的信号传输能力，在声音特征识别、摩尔斯密码加密通信和生理运动监测等方面展现出强大的应用潜力。通过集成双模传感器和WIFI模块，开发了一个灵活的智能报警平台。该平台搭载了自主研发的智能可穿戴报警系统，利用机器学习算法能够准确识别与哮喘相关的异常情况，识别NO2信号和体感运动的分类准确率达到97.6%。这项研究为在远程医疗领域开发灵活、智能的电子可穿戴报警系统开辟了新的可能性。
微藻材料的3D打印
微藻因其在培养过程中能有效固定二氧化碳、生长迅速以及能够产生多样的代谢产物，被视为一种可持续的资源。某些微藻能够积累高浓度的脂质，尤其是甘油三酯，以及脂溶性的光活性色素，比如叶绿素及其衍生物。与植物油相比，微藻来源的甘油三酯通常含有更长的脂肪酸链和更多的双键，这使得它们能够进行更高程度的后期功能化，特别适合作为光固化3D打印材料的原料。本研究展示了如何利用微藻这一“生物工厂”来生产可用于高分辨率3D打印的材料。两种在分类学上不同的微藻——aurita odontella（O. aurita, BEA0921B）和Tetraselmis striata（T. striata, BEA1102B）被选为适合此用途的候选。从这些微藻中提取的主要成分为甘油三酯和叶绿素衍生物的提取物，经过光聚合基团的修饰，直接作为可打印材料（墨水）使用，无需额外的光引发剂。研究成功制备了具有亚微米级分辨率的复杂三维微结构。重要的是，这些3D打印材料显示出良好的生物相容性。这些发现为开发下一代可持续、基于生物的材料和生物相容性材料提供了新的可能性，并在生命科学领域展现出巨大的应用前景。
在本研究中，首次利用微藻作为“生物工厂”来生产可用于高分辨率3D打印的材料。特别选择了两种富含脂质（主要是甘油三酯）的微藻菌株——odontella aurita（BEA0921B）和Tetraselmis striata（BEA1102B）进行培养。这些提取物经过进一步的功能化处理后，被用作打印材料（墨水）。值得注意的是，研究人员还利用微藻提取物中的叶绿素作为光活性系统来启动聚合反应，无需额外添加光引发系统。这是首次尝试利用叶绿素进行光固化3D打印。在后续的研究中，展示了通过双光子3D激光打印技术制造复杂3D结构的可行性，并对这些3D打印结构进行了详细的表征，同时通过3D细胞活力实验评估了其生物相容性。
图6 生物相容性实验流程图
简评：
@清华大学机械系2024级硕士生 李林殊
评论：这项研究证实了微藻作为独特且可持续的“生物工厂”的潜力，用于制造适合双光子3D激光打印的生物兼容材料。研究中选用的aurita和T. striata两种微藻，因其高甘油三酯含量而被视为有潜力的候选菌株。这些甘油三酯根据分子中的双键进行分析，并通过对丙烯酸酯部分进行功能化，使其成为光反应单元。与现有顶尖技术不同，本研究提出的新方法采用了基于生物的材料和无添加剂的墨水。特别值得一提的是，微藻提取物中的叶绿素衍生物替代了非生物基和有毒的光引发剂或吸收剂。研究深入探讨了印刷适性窗口、固化过程、分辨率和最小特征尺寸。该技术能够制造出具有复杂三维几何形状、不同悬垂结构和亚微米级分辨率的物体。此外，通过细胞活性研究确认了打印出的微藻结构的生物兼容性。这项研究凸显了微藻作为双光子3D激光打印原料的巨大潜力，这种潜力尚未被充分开发。使用来自两个不同科的微藻也证明了该方法的普适性。预计这项研究将推动光基3D打印技术向可持续和功能性生物基材料的转型，并可能在生物兼容植入物或无毒3D细胞支架的应用中发挥重要作用。
中科院力学所突破材料冲击吸能极限，
为高性能防护材料提供新思路
中国科学院力学研究所吴先前研究员团队与合作者研究了碳纳米管缺陷及碳纳米管界面强度对碳纳米管薄膜冲击防护性能的影响机制，发现引入缺陷和界面强化能大幅提升材料的冲击吸能能力。相关研究成果发表在Science Advances期刊上。
碳纳米管薄膜是一种无序网络结构材料，具有优异的力学性能，是新一代防护装备的重要备选材料。传统认知认为，材料中的缺陷会降低材料的强度和抗冲击能力。然而，吴先前团队的研究结果表明，通过高能碳离子辐照碳纳米管薄膜，引入大量分布的原子尺度缺陷，虽然降低了单根碳管管壁的强度，但大幅提升了材料的冲击防护性能，使碳纳米管薄膜的冲击比吸能达到26 MJ/kg，突破了现有薄膜的比吸能记录。
研究团队通过强激光驱动的微弹道冲击实验，揭示了碳纳米管薄膜的冲击耗能机制。碳离子辐照在碳管上产生大量分布的sp2缺陷，降低了单根碳管的强度；同时在碳管各壁面及碳管之间形成sp3键，显著增强了碳管各壁面及碳管之间的协同承载能力。在冲击过程中，碳管各壁面之间的sp3键使多壁碳管从传统的“Sword in Sheath”转变为协同断裂失效模式，充分发挥了碳管各壁的承载能力；且由于碳管上sp2缺陷的引入，形成更多的断裂路径来耗散能量。而碳管之间的sp3键显著提升了管间的界面强度，从而提高了碳管间的剪切能量耗散。与此同时，碳管间界面的提升，也使碳管网络的宏观耗能模式从弯曲主导向弯曲和拉伸共同主导的转变，打开了更多的耗能通道。
基于以上缺陷诱导的碳管-界面-网络的协同作用机制，使碳纳米管薄膜的比吸能达到26 MJ/kg，突破了现有薄膜材料的比吸能极限（~12 MJ/kg）。这项研究工作深化了对材料缺陷的传统认知，为高性能冲击防护材料设计提供了新的理论依据和技术方向。（https://www.science.org/doi/10.1126/sciadv.adq3805）
图7 薄膜变形形貌特征以及
碳管内及碳管间键和缺陷的
形成示意图（来源：Science Advances）
简评：
@清华大学机械系2024级直博生 张佳悦
评论：这项研究成果颠覆了人们对材料缺陷的传统认知，为高性能冲击防护材料的设计提供了新的思路。通过合理调控材料内部缺陷和界面强度，可以显著提升材料的冲击吸能能力，为开发更轻、更强、更安全的防护材料开辟了新的途径。
硅光子芯片上具有增强分辨率的
去噪自动编码器辅助MEMS计算光谱仪
光谱分析作为一种重要的分析工具，在学术和工业领域都有广泛应用。目前，大多数片上光谱仪采用平面色散光学、窄带滤波器和傅里叶变换干涉仪等技术。计算光谱技术作为一种新兴范式，利用计算方法从预标定的光谱响应信息中近似或重建入射光谱。然而，传统的计算光谱仪通常需要光子结构阵列和探测器阵列，这显著增加了PICs的复杂性、占用面积和成本。
图8a 论文插图
新加坡国立大学李正国教授、上海大学马逸明副教授及其研究团队提出了一种基于静电MEMS调制和卷积自编码器去噪(CAED)机制协同作用的计算光谱仪新范式。该器件采用集成MEMS悬臂执行器重构的波导耦合器。通过战略性地揭示MEMS调谐范围与重建性能之间的反直觉关系来减小调谐范围，该器件实现了高制造效率和最佳重建分辨率。除了静电MEMS调谐实现的超低功耗外，还提出并利用CAED策略来最小化相关MEMS噪声对重建性能的负面影响。
图8b 论文插图
研究结果表明，该光谱仪在无噪声条件下提供300 nm带宽和0.3 nm的重建分辨率。在信噪比低至30 dB的嘈杂环境中，经CAED处理的干涉图重建分辨率从1.2 nm提升到0.4 nm，接近无噪声值。该技术为需要精确、宽带和节能光谱分析的应用提供了一个强大且经济的解决方案。去噪自编码器的使用不仅提高了MEMS光谱仪的性能，还为缓解计算光谱仪中与噪声相关的挑战提供了通用解决方案。
文献链接：https://www.nature.com/articles/s41467-024-54704-1
简评：
@清华大学机械系2024级硕士生 王禹
评论：这项研究在片上光学光谱测量领域取得了重要进展，特别是在MEMS器件方面。研究不仅强调了现有片上光谱仪的固有局限性，还突出了硅PICs和静电MEMS调制的优势。通过开发CAED深度学习技术来有效缓解噪声影响并提高光谱重建分辨率，为需要精度、功率效率和噪声抗性的宽带高分辨率光谱分析应用奠定了坚实基础。
具有双向光响应的超弱光调制
异质结静态和动态图像感知
人类视觉系统具有卓越的场景解释能力和感知优势，其高效的工作机制一直是科研人员关注的焦点。近年来，研究人员致力于开发具有波长选择性和深度感知能力的设备，使其能够以节能的方式检测和处理光信号，实现超越基本计算和存储能力的智能信号处理。然而，目前实现双向光电导率通常需要高栅极电压调节或高光强度，这不仅与设计这些神经形态设备时降低功耗的初衷相矛盾，还需要额外的高压电路，从而增加了整体电路的复杂性。
图9a
近日，香港理工大学郝建华教授、北航潘曹峰教授、浙江大学陈梦晓研究员等在Nature communications刊发并提出了一种基于ZnO/CsPbBr3异质结构的神经形态图像传感器阵列（10 × 10像素），在超弱光刺激下实现了双向光响应。该设备通过在ZnO通道中氧空位的电离和去电离过程展示出正负光电导率特性，这种特性可以扩展到其他ZnO/钙钛矿和IGZO/钙钛矿异质结构中。在仅2.0 V偏置电压下，该阵列能够在光强从45 nW/cm²到15.69 mW/cm²的范围内实现突触权重更新，有效模拟基本的突触功能和视觉适应过程。
图9b
简评：
@清华大学机械系2024级硕士生 王禹
评论：在实际应用方面，该阵列设备可以展现出优异的图像处理能力。它能够执行多种图像预处理任务，包括静态图像的背景去噪和动态图像的时空运动编码。通过将处理后的信息输入简单的三层神经网络和无监督学习算法，在模式识别方面达到了92%的准确率，在运动聚类方面实现了100%的准确率。这种简单而高效的策略为开发能够在低电压和暗光条件下进行实时图像处理的智能视觉系统提供了新的思路。
03
加入我们成为科技青年！
与一群志同道合的小伙伴一起
追逐前沿科技动态，紧跟时代发展潮流
用文字表达你的科技观点
科技热点投稿联系方式：
15211534315（同微信号）
或 mingxuan-li@foxmail.com
部分文字或图片来源于网络，侵权删
供稿 | 清华大学机械工程系研究生分会
主办 | 清华大学机械工程系研究生分会
文字丨机械系研会学术部
编辑丨苟镇韬
审核丨王健健、钱泓宇、李明暄
