太原理工大学张虎林教授《自然·通讯》:新型自供电水凝胶电子皮肤,实现闭环人机交互与多模态生理监测

随着人机融合技术的不断发展，具备多模态感知与闭环交互能力的可穿戴电子界面已成为智能设备的关键推动力。然而，如何在保持器件紧凑与自给自足的前提下实现类似人类皮肤的多功能感知，仍然是领域内的一项重大挑战。传统多模态传感器通常依赖刚性材料、分立元件和外部电源，导致设备结构复杂、体积臃肿，且信号间存在耦合误差，限制了其在真实场景中的应用效果。

近日，太原理工大学张虎林教授、新加坡国立大学翟伟博士合作成功开发出一种基于聚乙烯醇（PVA）水凝胶的自供电电子皮肤，该器件通过集成热原电池、压离子和扩散三种机制，实现了对皮肤温度、动脉脉搏和汗液分泌的同步、自供电传感。该水凝胶电子皮肤具有高拉伸性（>800%）和低模量（<300 kPa），并通过独特的棱柱结构设计协同增强了离子极化效应。此外，研究团队还开发了一种结合局部注意力机制的时间序列机器学习模型，用于解耦多模态信号。基于此，团队进一步构建了一款主动式多模态信号发生器（AMSG）腕带界面，可同时实现生理检测、机器人控制及触觉反馈再现，为智能交互提供了一个高效的材料平台。相关论文以“A self-powered hydrogel electronic skin with decoupled multimodal sensing for closed-loop human-machine interactions”为题，发表在Nature Communications上。

仿生设计与系统集成

研究团队从人类皮肤的感知机制中汲取灵感，将热原电池效应、压离子效应和离子扩散效应巧妙地集成于单一水凝胶材料中，分别模拟了皮肤中自由神经末梢的温度感知、梅克尔细胞的压力感知以及鲁菲尼末梢的电解质感知。为了协同这三种机制，水凝胶被设计成独特的棱柱结构，该结构能够将机械应力集中于尖端，并沿皮肤法线方向放大应力诱导的离子极化，从而显著提升输出电流和机械灵敏度。基于这一高性能的电子皮肤，团队进一步构建了一款高度集成的AMSG腕带。该腕带包含基于水凝胶的信号生成单元、信号复现单元以及信号处理与传输电路，所有电子元件均被柔性封装，为用户提供了一个舒适、可穿戴的人机交互平台。通过结合长短期记忆网络（LSTM）和卷积神经网络（CNN）等机器学习算法，该系统能够高精度地识别复杂刺激、响应手势指令，并再现来自机器人手指的触觉感受，为智能假肢、软体机器人和沉浸式虚拟交互等应用铺平了道路。

图1：PVA水凝胶电子皮肤的合理设计及其在AMSG腕带界面中的集成。 a 水凝胶电子皮肤及其多模态传感机制与人类皮肤的对比示意图：（i）用于温度传感的热原电池效应，通过热敏离子通道（如TRP通道）模拟了自由神经末梢对温度的离子响应；（ii）压离子传感反映了默克尔细胞和鲁菲尼末梢通过机械门控离子通道表现出的机械敏感行为；（iii）基于扩散的电解质传感模拟了自由神经末梢（如TRPV1、ASIC等）的化学敏感离子通道。 b 热原电池、压离子和扩散效应在棱柱结构设计中的协同集成。 c 完全集成的AMSG腕带及其结构概览，包含一个信号生成单元、一个信号复现单元以及信号处理和传输电路。AMSG单元（右图）包含一个基于水凝胶的传感器阵列和多个封装层。 d 界面多功能性的示意图，包括皮肤温度、脉搏波形和汗液Na⁺浓度的实时监测，以及通过基于手势的机器人控制和触觉反馈再现实现的人机交互。

水凝胶的制备与力学性能优化

研究团队采用了一种循序渐进的溶剂替代策略来制备PVA水凝胶。首先通过冷冻-解冻（FT）方法获得基础水凝胶，随后依次进行甘油替代（GS）和离子溶液替代（IS）。通过这一过程，水凝胶的网络结构逐渐致密化，力学性能得到显著提升。IS水凝胶在保持了GS水凝胶高拉伸性（>830%）的同时，其有效弹性模量降至300 kPa，进入了人体皮肤模量的典型范围。这一机械增强的机制在于甘油替代促进了PVA链的缠结和交联，形成了能阻碍裂纹扩展的纳米微晶区；而后续的离子替代中，Fe³⁺离子与PVA链上的羧基氧结合，虽然增强了交联，但水性环境同时削弱了部分链间氢键，从而降低了材料的刚度，使其更柔软、更贴合皮肤。通过差示扫描量热法（DSC）、X射线衍射（XRD）和二维相关光谱（2D-COS）等分子层面表征，研究证实了IS水凝胶在保持较高结晶度的同时，其刚度显著降低，这种结晶度与刚度的解耦主要归因于强链间氢键的部分断裂和较弱的Fe³⁺介导离子相互作用的形成。这种溶剂替代策略相较于传统方法，成功实现了柔软且高弹PVA水凝胶的制备，显著提升了穿戴舒适性。

图2 | 通过顺序溶剂置换制备PVA水凝胶及其材料特性。 a 制备过程示意图，包括冷冻-解冻（FT）、甘油置换（GS）和离子置换（IS），逐步增强水凝胶网络。b FT、GS和IS在DMSO-d₆中于295 K下的¹H-NMR谱图。c 不同溶剂置换处理后PVA水凝胶的拉伸应力-应变曲线，与人体皮肤范围（橙色阴影区域）比较。d 不同处理后水凝胶的韧性和刚度。e 涉及致密结晶区和离子结晶区的机械增强机制示意图。f FT、GS和IS的DSC热分析图。g FT、GS和IS的XRD图谱。h 显示FT、GS和IS之间结晶度演变的WAXS图谱。i FT、GS和IS的同步和异步2D-COS图谱，其中红色和蓝色分别表示正强度和负强度。j 本研究中实现的水凝胶韧性与各种已报道水凝胶和生物组织的比较。 

多模态传感机制与性能

该水凝胶电子皮肤的多模态传感能力源于其内部的三种独立离子驱动机制。在温度传感方面，它利用热原电池效应，通过皮肤与环境间的温差驱动Fe²⁺/Fe³⁺氧化还原电对的平衡移动，从而自发产生热电压。实验表明，在0.05 M Fe²⁺/Fe³⁺浓度下，其塞贝克系数可达1.6 mV K⁻¹，并能感知小至0.1 K的温度变化。在压力传感方面，基于压离子效应，机械应力导致水凝胶内阴阳离子迁移速率不同，形成局部离子富集和瞬态电势。棱柱结构设计将垂直应力集中放大，使输出电流提升逾百倍，实现了对低至60 Pa压力的高灵敏度（1.94 kPa⁻¹）和快速响应（~37 ms），并能清晰捕捉到动脉脉搏波中的冲击波、潮波和重搏波。在汗液电解质传感方面，通过盐酸处理的亲水性多孔PDMS基底， sweat能高效输运至水凝胶，由浓度梯度驱动的离子扩散（伴随索雷特效应增强）产生可测量的电流变化。该传感器对Na⁺浓度展现出优异的线性和可重复性。重要的是，三种信号的物理起源不同，压离子信号不受温度和离子浓度影响，而温度与离子浓度信号间虽存在轻微的索雷特效应的交互作用，但在研究范围内均保持线性，为后续的信号解耦提供了基础。

图3 | 多模态感知能力和机制。 a 作为温度感知机制的热伽伐尼效应示意图。b PVA链结构及其在Fe²⁺/Fe³⁺离子周围溶剂化行为的MD模拟，插图显示第一溶剂化壳层。c PVA水凝胶中Fe³⁺和Fe²⁺离子周围氧原子的径向分布函数g(r)（实线）和配位数N(r)（虚线）。d 不同温度梯度下的输出电压-电流曲线及相应功率密度。e 输出电流和电流密度作为温度差函数的关系。f 用于压力感知的压电离子效应示意图。g 使用棱柱结构在d33模式下增强离子压电输出。h 压力作用下离子浓度梯度和电位分布的COMSOL模拟。i 增加变形时PVA凝胶中应力分布的COMSOL模拟。j 相对电流变化作为施加压力的函数。k 从桡动脉脉搏测量的波形信号。l 不同碳纸表面：原始、PDMS涂层、穿孔和盐酸浸泡的接触角测量。m 汗液传输电极的顶视图及其传输能力（比例尺：1 mm）。n 用于汗液检测的扩散效应示意图。o 对不同汗液Na⁺浓度的电流响应。p 在NaCl添加和水稀释的10个交替循环中的重复电流响应。 

基于机器学习的多模信号解耦与生理监测

为实现对复杂生理信号的实时解读，研究团队搭建了一个多模态刺激平台，模拟体温、脉搏和汗液分泌，并开发了一个基于LSTM和局部注意力机制的机器学习模型。该模型利用信号演化的高阶马尔可夫性质，能够将采集到的复合电流信号实时、准确地解耦为温度、压力和Na⁺浓度三个独立分量。在长达3000个时间步的测试中，模型对温度和压力的估计误差低于2%，对相对微弱的Na⁺信号误差也控制在30%以内。为了验证其实用性，研究模拟了放松、走路、跑步、睡觉和发烧五种典型生理状态，AMSG腕带监测到的体温、心率和汗液Na⁺浓度变化与商用传感器的结果高度吻合。例如，在跑步状态下，监测到心率升至133 bpm，汗液Na⁺浓度累积至90 mmol L⁻¹。这些数据可通过云连接传输至远程健康管理系统，实现持续监测与反馈。

图4 | 通过机器学习模型解耦的多模态生理感知。 a AMSG腕带界面用于体温、脉搏和汗液分泌多模态感知的示意图，通过分别施加温度、压力和Na⁺电解质刺激模拟获得其特征信号。b 基于机器学习的信号解耦模型架构，包含三个具有局部注意力的LSTM层和三个全连接层，用于独立提取和解耦每种刺激的信号特征。c LSTM网络的内部结构。d 多刺激同时作用下的复合信号与其解耦分量的比较。e 不同活动状态（放松、行走、跑步、睡眠、发热）下体温、脉搏和汗液Na⁺浓度的多模态监测，与商用设备对比。f 显示多模态信号实时波形和相应监测输出的用户界面。 

闭环人机交互与触觉复现

AMSG腕带进一步被集成到一个具有闭环控制和反馈能力的人机交互界面中。腕带能感知由不同手势引起的 forearm肌肉收缩压力信号，结合一维卷积神经网络（1D-CNN）深度学习框架，系统对10种腕部手势的平均识别准确率达到了97.57%，主成分分析（PCA）也清晰展示了不同手势信号的聚类分离。这些手势指令可实时无线控制机械臂运动。更为先进的是，通过在机械手端也集成AMSG，系统实现了双向通信：机械手抓取物体时感知的温度和压力信息，可被线性映射为用户端微珀帖尔器的热输出和线性马达的振动频率，从而让用户在不直接接触的情况下也能感受到物体的温度和接触力。此外，系统还集成了热安全预警功能，当机械手接近温度过高（>80°C）或过低（<-20°C）的物体时，会触发用户的温度和振动警报。例如，在抓取热水纸杯的场景中，系统通过分析接近、接触和抓握三阶段的电流信号，实现了非接触温度预警、精确温度感知和握力自适应调节，整个过程通过用户界面实时显示波形和参数，生动展示了AMSG作为自供电、多功能人机交互界面的巨大潜力。

图5 | 通过基于手势的机器人控制和触觉反馈再现演示闭环人机交互。 a 使用AMSG腕带捕获手势并通过深度学习模型解释实现机械臂的实时控制。b 基于200个测试样本的电流信号序列，10种不同手势分类准确率的混淆矩阵。c 10种手势的主成分分析及其聚类分化。d 显示手势命令电流信号和相应机器人运动输出的用户界面。e 机器人手上AMSG检测到的温度和压力在用户腕带上再现的应用场景示意图。f 根据电流幅度调节温度和振动响应。g 机器人手接近或远离热源或冷源时AMSG的电流信号，通过光学和红外图像展示。h 抓握纸杯时的电流信号，通过幅度和切线角的变化确定适当的力量水平。i 显示实时触觉信号波形和触觉再现参数的用户界面。

总结与展望

总而言之，这项研究成功开发了一种自供电、单组份的水凝胶电子皮肤，通过在一个经结构工程化设计的水凝胶基体中协同热原电池、压离子和扩散效应，巧妙地模拟了人类皮肤的多种感知功能。其卓越的皮肤共形性、灵敏度、可重复性以及自供电特性，使其成为可靠的非侵入式生理监测的理想平台。通过将水凝胶电子皮肤进一步集成为AMSG腕带，并结合用于信号解耦的机器学习算法和系统级集成，该界面不仅实现了实时多模态健康监测，还展示了手势指令控制、触觉反馈再现和主动安全预警等闭环人机交互功能。这项工作提供了一个多功能的自供电多模态传感材料平台，预示着其在健康监测、软体机器人和沉浸式虚拟环境等领域的广泛应用潜力。