科学网—韩国首尔大学Seung Hwan Ko等综述：软电子与人工智能的融合—从材料到智能系统
精选
已有 452 次阅读
2026-7-18 10:51
| 系统分类: 论文交流
Convergence of Soft Electronics and Artificial Intelligence: From Materials to Intelligent Systems
Convergence of Soft Electronics and Artificial Intelligence: From Materials to Intelligent Systems
Huijae Park, Gyuho Choi, Sangjin Yoon, Daeho Lee*, Seung Hwan Ko*
Nano-Micro Letters (2026)18: 419
https://doi.org/10.1007/s40820-026-02265-x
本文亮点
1. 本文探讨了 先进软材料 、 规模化制造 与 硬件架构 的协同融合，以确保在动态环境中实现高保真信号采集。
2. 近期 人工智能 与 神经形态计算 领域的最新进展，正被用于突破软材料的物理局限，并实现高效数据处理。
3. 深入探讨人工智能融合软电子技术在 个性化医疗 、 沉浸式人机交互 及 软体机器人 等领域的系统级应用，并分析当前落地挑战与未来研究方向。
研究背景
柔性与可拉伸电子能够贴合皮肤、器官及软体机器人等弯曲且持续运动的表面，在不明显限制自然活动的条件下完成生理信号采集、触觉感知与反馈控制。因此，软电子已成为可穿戴健康监测、电子皮肤、人机交互和软体机器人领域的重要技术基础。随着导电高分子、液态金属、纳米线、MXene、水凝胶以及纤维化基底等材料不断发展，软器件的灵敏度、变形能力和集成密度均得到显著提升。然而，软电子从实验室演示走向日常连续使用时，评价标准不再只是单次测试中的高灵敏度。人体运动会导致器件与皮肤之间发生微滑移，汗液和温度变化会改变界面阻抗，黏弹性材料会出现迟滞、蠕变和基线漂移，器件在反复拉伸后还可能发生裂纹、脱层或导电网络重排。与此同时，多通道、多模态传感会持续产生高维时序数据，使布线、供能、无线传输和数据处理负担同步增加。
内容简介
软电子技术是一类新兴的柔性兼容平台，可实现在曲面及动态表面上的共形、皮肤界面式传感与驱动。这类系统将耐形变电气功能与柔性接触力学相结合，但其实际使用性能深受时变界面、运动伪影以及高密度多模态集成带来的系统负载影响。当前软电子技术的发展正与人工智能深度融合——人工智能不仅能从高维信号中可靠提取信息，还可实现端侧推理，有效适应不同用户及日常场景下的信号波动。 韩国首尔大学 Seung Hwan Ko、嘉泉大学 Daeho Lee 等人 系统梳理了这一从材料到智能系统的融合进展：首先阐述材料与界面基础，重点介绍耐形变导体、低阻抗生物界面及支持长时佩戴的透气基底策略；随后探讨制造与集成方法，聚焦可规模化制备工艺、多层互连结构及能量自供无线运行模式，以实现更高通道数与多功能架构；接着综述基于学习的处理流程，着重分析伪影抑制、非理想特性补偿、多模态推理及高效边缘部署方案；最后展望神经形态计算与感内计算等前沿方向，并剖析当前挑战与未来机遇，旨在推动可在日常场景中持续稳定运行的智能软系统落地应用。
图文导读
I 跨层级协同设计与软材料基础
软电子系统的性能存在明显的级联关系：材料与皮肤的接触状态会影响噪声底和基线漂移，器件结构和通道密度会进一步放大布线与供能需求，而这些硬件约束又决定算法需要具备何种鲁棒性和计算效率。例如，易受运动影响的界面需要自适应去噪，黏弹性传感器需要具有长时记忆的模型，高密度阵列则需要面向边缘端的轻量化网络。
图 1 将下一代智能软系统概括为两个互补支柱：左侧通过功能软材料、多尺度制造和硬件优化获得高保真信号；右侧通过人工智能算法、神经形态计算和传感内处理完成实时增强、推理与决策。两者并非单向连接，而是在中央构成反馈闭环，使算法结果反过来指导材料、器件和系统参数优化，并服务于可穿戴电子、人机交互和软体机器人。
图 1. 功能软材料与人工智能协同集成的总体框架。左侧为材料、制造和硬件优化，右侧为人工智能算法、神经形态与传感内计算，中间为材料—器件—算法共同优化的智能闭环。
软电子首先需要在拉伸、弯曲和扭转过程中维持连续电通路。碳纳米管和石墨烯可在弹性体、织物或多孔基底中形成渗流网络，其响应主要取决于网络取向、微裂纹和管间接触，而不只是单根材料的本征电导率。激光诱导石墨烯可直接在聚合物前驱体上形成图案化导体，双面激光处理还可改善贯穿厚度方向的孔结构和机械稳定性，支持可转移、可重构的可穿戴电路。
金属纳米线兼具高电导率和透明性。将银纳米线渗流网络设计为剪纸结构，可通过切口展开分散应变，在超过 400% 拉伸下保持电学功能，光学透过率超过 80%，并经历 10,000 次拉伸—释放循环。液态金属则以流动性适应大变形，Galinstan 微流道压力传感器可实现低于 50 Pa 的分辨率、约 90 ms 的响应时间，并通过惠斯通电桥结构提高灵敏度和温度补偿能力。
导电高分子 PEDOT:PSS 具有离子—电子混合传输和亲水界面，适合低阻抗生物电采集。通过离子添加剂调节形貌与掺杂，可使材料在 600% 应变下仍保持超过 100 S cm⁻¹ 的电导率，并在 100% 应变循环 1000 次后保持约 3600 S cm⁻¹。Ti₃C₂Tₓ MXene 则依靠金属级电导率、亲水表面和丰富官能团，适合纤维、织物与多模态传感；核—壳纱线器件可在同一平台区分压力、拉伸和弯曲。
图 2. 软与可拉伸电子中的导电和半导体材料。a 激光诱导石墨烯及其转移与弯折稳定性；b 剪纸结构银纳米线透明电极及电生理传感；c Galinstan 微流道压力传感器；d 添加剂调控的本征可拉伸 PEDOT:PSS；e 弹性体封装的 MXene 纱线电极。
仅维持导电通路并不能直接解释脉搏、触摸和肢体运动如何被转换为电信号。压电材料可将细微动态应力转化为稳定电输出，适合脉搏和语音等弱机械信号监测。图 3a 的腕戴式压电阵列结合气囊背压控制、无线采集与学习模型，在 87 名受试者中实现连续血压估计，收缩压和舒张压误差分别为 −0.05 ± 4.61 mmHg 和 0.11 ± 3.68 mmHg。
图 3b 的非织造压电纺织品通过多巴胺界面增强纤维间结合，灵敏度达到 3.95 V N⁻¹，经历 7400 次循环后信号衰减低于 3%，可用于脉搏、动作和自然发声监测。此类结果说明，压电层不仅要产生信号，还要在织物反复形变和个体佩戴差异下保持稳定耦合。
摩擦电器件更适合同时承担触觉感知和能量收集。透明可拉伸摩擦电皮肤可承受 1160% 单轴应变，平均可见光透过率为 96.2%，峰值功率密度达到 35 mW m⁻²；三维编织摩擦电织物利用纺织结构形成接触—分离界面，在 3 Hz、20 N 条件下产生 90 V 开路电压和 26 W m⁻³ 峰值功率密度，并能分辨低于 0.1 g 的质量变化。
图 3. 超越单纯导电通路的压电与摩擦电材料及系统。a 无线压电腕带连续血压监测；b 压电纳米纤维织物的多模态生理信号采集；c 透明可拉伸摩擦电纳米发电机及自充电运行；d 三维编织摩擦电织物的结构和接触—分离机制。
II 环境自适应与长期贴肤界面
真实佩戴环境中的温度、汗液、反复摩擦和结构损伤会持续改变器件状态，因此材料需要从“被动承受环境”转向“主动适应环境”。相变材料可在刚性与柔软状态之间切换，使器件在拿取、对准或植入阶段保持足够刚度，而在工作阶段恢复柔软贴合。图 4a 所示镓基平台的刚度调节比超过 10⁴，刚态有效模量为 50–950 MPa，相变后软态模量约 30 kPa，并可通过力学状态切换改变压力传感器的灵敏度和量程。
热致变色和比色材料可将温度、汗液成分或形变直接转换为肉眼或手机相机可读取的颜色。Au 纳米颗粒修饰的 PNIPAM 等离子体微凝胶在溶胀与收缩之间发生光学共振变化，峰位可在约 1 s 内移动 176 nm，温度分辨率约 0.2 °C。多模态水凝胶贴片还可同步检测脉搏、心电、呼吸和关节运动，并对汗液中的 pH、Cl⁻、Ca²⁺和葡萄糖进行比色分析。
当扰动进一步发展为裂纹、界面脱层或导电网络断裂时，自修复材料能够恢复机械连续性和信号稳定性。采用可逆 Diels–Alder 键构筑的 PGS/聚离子液体弹性体模量仅 6.41 kPa，在室温下 5 s 内即可恢复约 98% 的断裂应变和强度，在 100% 应变下循环 3000 次仍保持稳定响应，并能用于面部运动、吞咽、脉搏、ECG/EMG 和机械臂控制。
图 4. 面向可靠、适应性和可视化软电子的环境响应材料。a 温度触发的刚—软转变及 EMG/ECG 贴肤工作；b AuNP/PNIPAM 微凝胶的温致变色；c 汗液比色与脉搏监测水凝胶贴片；d 自修复传感器及人体动作监测。
即使活性材料具有很高的灵敏度，若器件无法稳定贴合曲率复杂、具有纹理且会出汗的皮肤，实际信号仍会被接触压力波动和界面微滑移破坏。电纺纳米纤维支架通过互连孔隙维持空气和水汽交换，同时提供接近组织的柔软度。图 5a 的多层电子皮肤以 TPU 纤维支架为主体，并集成 MXene/CNT 应变层和黏附电极层；其最大应变系数达到 63,494(485% 应变)，在干燥、潮湿和有毛发皮肤上的黏附强度约 145 N m⁻¹，并可获得高质量 ECG、EMG 和 EEG。
水凝胶具有组织相近的模量和本征离子电导，可形成低阻抗贴肤界面。丝素蛋白改性的 MXene 被引入聚丙烯酰胺网络后，水凝胶可拉伸至 1560%，韧性为 165 kJ m⁻³，电导率为 0.25 S m⁻¹，并可在拉伸和扭转状态下监测肘部转动、皱眉和微笑等动作，同时降低 MXene 氧化与片层—基体结合不足带来的稳定性问题。
多孔弹性体则在透气性、力学耐久与安全封装之间取得平衡。图 5c 的多孔 EGaIn/弹性体复合材料通过孔结构抑制变形诱导的液态金属泄漏；在约 25% EGaIn 体积分数下电导率约为 2.0 × 10⁵ S m⁻¹，55% 时可达约 1.2 × 10⁶ S m⁻¹，水汽透过率约 4900 g m⁻² day⁻¹，模量由非多孔体系的约 16.7 MPa 降至约 1.5 MPa，并在 500% 应变循环 1000 次后仅出现约 15% 的电阻变化。
图 5. 皮肤界面电子的共形接触与透气基底。a 透气、自黏附的多层纳米纤维电子皮肤；b PAM/(MXene-SF) 水凝胶的制备、变形工作与人体动作监测；c 多孔 EGaIn 复合材料的防泄漏、抗菌和长期佩戴表现。
III 制造、系统集成与硬件优化
在软电子从单个传感单元走向多通道系统，需要在曲面和弹性基底上实现高分辨、低温且材料兼容的电路加工。喷墨打印可按需沉积导电、半导体和介电墨水，减少掩模和刻蚀步骤，但金属纳米颗粒通常需要高温烧结。图 6a 通过在银纳米颗粒线路表面引入 EGaIn，实现室温连接与电导提升，并将超薄电路水转印至复杂三维表面，使 LED 在变形状态下仍可工作。
金属纳米线网络在软基底上容易发生脱层。图 6b 的激光诱导纳米线渗流互锁技术从基底背面进行局域光热处理，使纳米线与热塑性基体发生界面互穿，形成机械互锁结构，在不覆盖绝缘保护层的情况下提升黏附、湿态稳定性和重复使用能力。激光加工因此不仅是几何图案化工具，也可用于调控孔隙、界面结合和局部材料相态。
当系统进入微纳尺度，软材料封装与释放可进一步提高布线密度。电子束光刻和软光刻结合，可在弹性体中形成最小约 180 nm 的 EGaIn 特征和约 1 μm 的线间距。图 6c 展示了从 10 μm 到 500 nm 的液态金属线路及其三维轮廓，说明高导电、超高分辨与可变形性可以在同一软互连平台中兼顾。
图 6. 精密软电路的高分辨图案化和印刷路线。a EGaIn 辅助的银纳米颗粒电路、水转印与三维曲面集成；b 激光诱导纳米线渗流互锁；c 软材料封装和释放的 EGaIn 微纳线路。
面向实际部署，软电子必须在大面积制造中保持器件一致性。图 7a 展示卷对卷凹版印刷在连续 PET 薄膜上依次制备银、碳和绝缘层，可实现电极阵列的高速、低成本生产。图 7b 则利用全溶液法构建超薄 OLED/有机光探测器光电容积描记系统，将发光、检测和柔性封装集成于同一薄膜，为连续脉搏监测和显示反馈提供可规模化路径。
随着通道数量增加，单层蛇形互连会占据大量平面面积，限制传感器、发光单元和处理单元的密度。图 7c 的垂直分离多层可拉伸电路利用刚性岛和不同高度的可拉伸互连实现垂直布线，在保持接近单层结构拉伸能力的同时显著压缩横向面积，并完成在体 ECG 感知与电刺激演示。
三维弹起结构还可提高显示器的有效面积比例。图 7d 通过预拉伸弹性体和选择性黏附，使平面 OLED 组装后转变为高度交替的三维屈曲结构；其初始有效面积比例达到 85%，系统可承受 40% 应变，并在 40% 双轴应变下循环 2000 次后保持性能。由此，制造问题不再只是“能否制备”，而是需要同时解决良率、层间对准、互连疲劳和批次一致性。
图 7. 软生物电子的规模化制造与高密度互连。a 卷对卷凹版印刷电极阵列；b 全溶液加工的超薄 OLED/光探测器脉搏监测系统；c 垂直分离多层可拉伸电路及在体应用；d 预应变弹性体上的三维弹起 OLED 阵列。
材料和制造完成后，硬件结构决定原始信号是否足以支持后续算法。微金字塔、微圆顶和多孔介电层可通过局部应力集中和渐进接触放大低压区的电容或电阻变化。图 8a 的多孔金字塔介电层降低有效压缩模量，并在 100 Pa 以下实现 44.5 kPa⁻¹ 的灵敏度；将传感区域布置在软基体中的较硬岛区，还可减弱整体拉伸对压力信号的串扰。
对于生理电和经皮化学监测，低阻抗、组织相容的界面可降低前端放大需求。图 8b 比较聚酰亚胺薄膜和组织样超软水凝胶在人工皮肤上的接触状态，并展示经皮氧分压和局部组织阻抗传感器。水凝胶的低模量和高含水量有助于提高真实接触面积、稳定离子—电子耦合并减少长时间佩戴中的微滑移。
运动伪影与目标信号处于相近频段时，单纯数字滤波可能同时损失有效信息。图 8c 的明胶—壳聚糖水凝胶阻尼器借鉴蜘蛛跗垫，在约 30 Hz 附近表现频率选择性：低频扰动在橡胶态被衰减，高频目标信号在玻璃态得以传递。通过调整松弛时间还可改变截止频率，从材料层面实现自适应带通滤波，减少后端计算负担。
图 8. 高保真采集和自主无线系统的硬件优化。a 多孔金字塔介电层压力传感器；b 超软水凝胶界面及经皮氧分压/组织阻抗监测；c 水凝胶阻尼器的选择性频率衰减与材料滤波。
连续可穿戴系统常受刚性电池、频率失谐和反复充电影响。图 9a 的面内微电池利用全向拉伸—收缩集成策略，使活性材料避开高变形区域，在约 200% 全向应变下维持电化学功能，并可无线充电驱动可拉伸显示和电子皮肤。图 9b 则将填充 Galinstan 的柔性管线作为液态金属纤维，通过数字刺绣直接写入服装，实现近场无线供能与通信，同时保持折叠、扭转和清洗后的电阻稳定性。
能量收集可进一步减少对储能器件的依赖。图 9c 将摩擦电与压电混合纳米发电机集成至鞋底，将行走产生的机械能转化为电能，驱动心电采集和心率监测模块；能量管理电路需要在间歇输入条件下完成整流、储能、唤醒和无线发射。图 9d 的汗液分析系统则将生物燃料电池产生的能量与代谢物传感结合，在汗液出现时同步完成供能和化学信息采集。
自主供能并不意味着输出功率越高越好，更关键的是能量产生速率、储能容量、采样频率、无线传输占空比和算法复杂度之间的匹配。软系统应围绕任务需求进行能量预算，将信号预处理和推理尽可能放在低功耗端侧完成。
图 9. 智能软电子的自供能与能量收集。a 可无线充电的全向可拉伸集成电路；b 液态金属纤维数字刺绣与织物无线连接；c 鞋底混合纳米发电机驱动的心率监测；d 汗液生物燃料电池供能与生化传感。
IV 人工智能、神经形态与传感内计算
软传感器的器件间差异、老化、迟滞和基线漂移会使固定校准模型迅速失效。图 10a 采用最优传输建立目标传感器到源传感器的数据映射，在无需逐个重建模型的情况下补偿器件差异，并通过连续映射描述长期老化。图 10b 的漂移感知特征学习将时序分段与无监督聚类结合，相比单纯 LSTM 校准，可更稳定地维持长期估计精度。
当软电子同时采集呼吸、心率、加速度、电生理和触觉信息时，算法需要处理不同采样率、空间位置和噪声模式。图 10c 的颈部可穿戴设备将心肺信号与加速度信息映射为睡眠阶段特征，并通过轻量化时序模型完成睡眠分期。图 10d 将可拉伸表面肌电阵列视为图结构，利用图注意力网络自适应学习电极之间的关系，在 18 种静态和动态手势中获得约 97% 识别率，并在佩戴超过 72 h 和重复使用 10 次后仍保持约 95% 准确率。
图 10e 展示事件驱动触觉编码：光纤布拉格光栅电子皮肤先将触摸转化为稀疏脉冲，再由神经形态芯片并行解码。相较持续采样和密集矩阵计算，脉冲神经网络只在出现有效事件时更新状态，可降低数据搬运和功耗，并提高动态触摸定位；该系统在受限模拟精度和器件差异下仍能工作，芯片功耗低于 1 mW。
人工智能还必须与隐私和可信部署共同设计。生理信号、行为模式和位置信息具有高度敏感性，端侧推理可减少原始数据上传，但仍需结合轻量级加密、安全聚合、联邦学习、差分隐私和可审计的模型更新机制，并同时评估准确率、能耗、攻击鲁棒性和用户对数据的控制权。
图 10. 人工智能克服软材料局限并实现多模态分析。a 最优传输用于跨器件校准和老化映射；b 漂移感知的长期估计；c 颈部多模态睡眠监测；d 可拉伸肌电阵列与图注意力网络；e 电子皮肤、脉冲编码与神经形态芯片。
传统冯·诺依曼架构需要在传感器、存储器和处理器之间反复搬运数据，高密度软传感阵列会因此产生显著能耗和延迟。神经形态与传感内计算试图让器件同时承担感知、存储和计算功能，在模拟域直接进行局部预处理、乘累加或向量—矩阵乘法，并以状态依赖电导保留历史信息。
图 11 概括了从算法级人工智能向材料级智能的转变：生物启发突触器件提供有状态记忆和可塑性，传感内/近传感架构在数据产生位置完成增强、编码和推理，从而减少模数转换、通信带宽和中央处理器负担。该路径特别适合需要毫秒级反应和低功耗闭环的医疗、人机交互及软体机器人。
图 11. 智能软电子中的神经形态与传感内计算概念框架。通过生物启发突触器件、模拟乘累加/向量—矩阵乘法和源端预处理，减少数据搬运并支持闭环自治。
有机电化学晶体管(OECT)通过离子进入有机半导体通道调节电导，能够在低电压下放大生物化学和电生理信号，并表现出与时间相关的短期记忆。图 12a 的循环伏安 OECT 可在同一器件中分别作为易失性感受器和非易失性突触，构成同质脉冲神经网络；图 12b 将参比 OECT 与适配体传感结合，TGF-β1 结合引起适配体构象变化，进而调节亚甲基蓝报告基团与栅极之间的电子转移。
忆阻器以可调且可保持的电导状态存储权重，适合在交叉阵列中直接执行模拟矩阵运算。图 12c 的光电忆阻交叉阵列将光感知、非线性动态和储存整合为传感内储备池计算；图 12d 的纤维状突触可直接织入纺织物，并利用长时程增强/抑制状态进行图案编码和行级电流读取。
生物突触兼具短时与长时可塑性。图 12e 的 Ag₂S 原子开关在重复刺激下逐步形成银原子导电桥：稀疏脉冲只产生短期电导变化，持续刺激则使连接被巩固为长期记忆。这种“刺激频率—结构演化—记忆保持”的对应关系，为在单个器件内融合感知、学习和记忆提供了材料基础。
图 12. 通过有机电化学晶体管和忆阻器模拟生物神经网络。a 同时具备感受器与突触功能的 OECT；b OECT 适配体生化传感；c 光电忆阻交叉阵列的传感内储备池计算；d 可织入纺织物的突触阵列；e Ag₂S 原子开关的短时—长时记忆转化。
神经形态器件的价值取决于其与传感器和算法的系统集成。图 13a 将光传感器与阻变存储单元结合，使紫外光历史直接写入柔性视觉记忆器件；图 13b 的柔性触觉器件利用铁电偶极极化产生突触后电流，在感知压力的同时完成类似突触权重更新。
大规模交叉阵列的能耗往往由外围驱动、模数转换和布线主导。图 13c 采用二维材料单片三维集成，将感知、信号处理和并行人工智能计算层垂直堆叠，缩短互连长度并提高带宽密度。图 13d 则利用改性丝素蛋白构筑多模态阻变存储器，并完成完全由硬件实现的“视网膜—皮层”式视觉系统，使不同器件层分别承担感知、记忆与分类。
因此，真正高效的端侧智能需要算法从一开始就考虑器件的有限电导状态、非线性、噪声、漂移和写入能耗；硬件也应根据任务决定是否保留高精度模拟值、采用脉冲编码或执行局部特征提取。通过硬件—算法联合训练，可将器件非理想性从误差源转化为可利用的动态特征。
图 13. 高效神经形态接口和传感器级处理的硬件—算法协同。a 柔性视觉记忆单元；b 本征突触触觉器件；c 二维材料单片三维边缘计算平台；d 丝素蛋白多模态阻变存储器与全硬件神经形态视觉系统。
V 智能医疗、人机交互与软体机器人
人工智能与软电子结合后，医疗系统可从间歇测量转向长期、个体化和闭环管理。图 14a 的可穿戴 12 导联 ECG 系统针对电极位移、弱接触和运动伪影设计多尺度卷积网络，并利用自监督预训练提升有限标注数据下的异常识别能力。图 14b 的柔性电子皮肤同时采集脉搏、皮肤电、体温以及汗液代谢物和离子，机器学习进一步融合生理与生化特征，区分不同外界压力源及其个体应激反应。
图 14c 将干电极集成到无线耳内 ExG 装置，通过重参考、滤波和运动伪影去除提取神经特征，在日常场景中判断警觉和困倦状态。图 14d 将人工智能扩展到分子诊断：深度神经网络根据 RNA 序列预测 toehold 开关功能，从大规模流式测序数据中学习“序列—结构—响应”关系，加速可编程生物传感器设计。
图 14e 所示可穿戴创面治疗平台将成像、AI 医生和生物电子刺激结合。系统根据连续图像判断愈合阶段，随创面微环境变化动态更新电刺激或治疗方案，实现“监测—分析—干预—再评估”的闭环。这类系统的关键不只是模型准确率，还包括长期黏附、生物相容性、误报风险、临床可解释性和个体数据保护。
图 14. 人工智能集成软电子的闭环个性化医疗。a 12 导联 ECG 与多尺度网络；b 同步生命体征和汗液化学监测的电子皮肤；c 耳内 ExG 与警觉状态识别；d 深度学习辅助 RNA 开关设计；e AI 引导的可穿戴创面治疗平台。
人机界面需要在自然动作中稳定识别意图，并将机器反馈实时传回人体。图 15a 的无基底纳米网格传感器几乎不改变皮肤力学状态，可采集双手打字动作；无监督时间域对比学习构建元特征空间，使模型能够以少量样本快速适配新用户和新任务。图 15b 的纳米线直接激光写入电极可按用户前臂形状定制布局，结合肌电手势识别实现可重构的皮肤界面。
图 15c 展示覆盖全身的分布式可穿戴网络，将动作传感、无线通信和触觉反馈整合在弹性封装系统中，可用于沉浸式交互和远程协作。要获得自然的双向体验，系统需要同时控制感知延迟、通信时延、触觉刺激位置和反馈强度，并使各模块在运动中保持同步。
无声语音界面是软电子与人工智能融合的代表应用。图 15d 的超薄单晶硅纳米膜应变计贴于面部，可捕获说话时细微皮肤形变并由深度网络解码；图 15e 的石墨烯智能颈环通过喉部神经驱动的微运动识别无声语句，采用轻量网络和迁移学习提高跨个体性能。相比麦克风，此类界面在噪声环境、隐私通信和言语障碍辅助方面具有独特优势。
图 15. 面向沉浸式双向交互的人工智能软人机界面。a 纳米网格传感器与双手打字识别；b 定制化表皮 EMG 手势界面；c 全身动作追踪与触觉反馈网络；d 面部超薄硅应变计无声语音识别；e 织物—石墨烯智能颈环。
软体机器人具有连续变形和高自由度，其形状难以仅通过关节编码器描述，因此需要分布式触觉和本体感觉。图 16a 将高密度触觉手套的压力分布视为可学习图像，卷积神经网络根据手掌不同区域的协同激活识别抓握物体和姿态。图 16b 将软应变传感电子皮肤覆盖在机器人表面，模型通过内部形变和外部接触信号识别此前未见的五种地形，说明数据驱动方法可提高跨环境泛化。
材料识别依赖触摸过程中的细微动态。图 16c 的摩擦电智能手指无需外部供电，即可在接触、滑动和分离过程中产生具有材料特征的波形，用于纹理和材质分类。高密度触觉阵列还可实时监测压力分布和滑移前兆，为抓力调整提供反馈。
图 16d 将形状记忆合金驱动的软体扁形机器人与强化学习闭环控制结合，以内部本体感觉作为状态变量，学习碰撞环境中的多通道协调运动。图 16e 的 F-TAC 手通过高分辨触觉阵列记录抓取过程中的接触图谱，使机械手能够判断接触起始、压力分布和潜在滑移，并根据反馈调整抓握，从而接近人手的自适应操作能力。
图 16. 软体机器人自主感知与交互中的触觉智能。a 触觉手套与卷积神经网络物体识别；b 电子皮肤辅助软机器人识别未知地形；c 自供能摩擦电智能手指的材料识别；d 强化学习闭环控制软体机器人；e 高密度触觉机械手的自适应抓取。
VI 总结与展望
该综述提出，软电子迈向智能系统的关键不是孤立追求更高灵敏度、更大拉伸率或更复杂模型，而是合理分配信息、鲁棒性和能量预算。材料层应减少噪声、漂移和损伤；制造层应保证大面积一致性与高密度互连；硬件层应在源端完成增敏、滤波、供能和无线通信；算法层则应利用多模态结构和时空关联，在有限功耗下实现跨用户、跨时间和跨环境推理。
未来需要建立更统一的测试与数据标准。不同研究常在应变幅度、循环次数、湿度、运动状态、采样率和评价指标上采用不同条件，难以直接比较。长期研究还应同时报告皮肤健康、界面阻抗、材料老化、漂移、再校准频率、无线稳定性和端侧能耗，而不应只展示短时间受控实验中的峰值性能。
在技术方向上，材料自适应、神经形态器件、传感内计算和轻量化基础模型有望进一步缩短感知—决策链路。与此同时，制造偏差、器件寿命、可维修性、数据隐私、算法偏差和临床/机器人安全必须在设计早期纳入约束。只有实现材料、制造、硬件、算法和应用验证的真正联合优化，软电子才能由“可变形传感器”发展为能够持续学习、实时反馈并安全融入日常环境的智能系统。
作者简介
Daeho Lee
本文通讯作者
嘉泉大学 教授
▍ 主要研究 领域
围绕激光—材料相互作用中的传热与传质、激光直接图案化和纳米材料加工展开，并进一步拓展至透明导体、柔性/可穿戴器件、传感器、光伏与储能器件、阻变存储器和热管理。课题组强调非真空、无光刻和溶液加工方法，以激光作为局部能量工具实现功能纳米结构的快速制造与器件集成。
▍ 主要研究成果
获得首尔大学机械与航空工程学士和硕士学位，2012 年获得美国加州大学伯克利分校机械工程系博士学位，研究方向为传热，并辅修电气工程及微机电/纳米技术。博士毕业后，在加州大学伯克利分校从事博士后研究，并曾任劳伦斯利弗莫尔国家实验室访问研究员，2014 年加入嘉泉大学。
▍ Email： dhl@gachon.ac.kr
Seung Hwan Ko
本文通讯作者
首尔大学 教授
▍ 主要研究 领域
柔性与可拉伸电子、电子皮肤、液态金属和金属纳米线渗流网络、植入式生物电子、软体机器人以及面向具身智能的物理人工智能。根据首尔大学课题组公开信息，他还担任软神经界面全球领军研究中心负责人，并在首尔大学工程研究、人工智能、生物工程和先进机械设计等平台承担多项学术与组织工作。
▍ 主要研究成果
获得延世大学机械工程学士学位，首尔大学机械与航空工程硕士学位，2006 年于美国加州大学伯克利分校机械工程系获得博士学位。博士工作聚焦无需传统光刻的低温金属纳米颗粒激光加工与柔性电子制造；此后曾在劳伦斯伯克利国家实验室分子铸造中心工作，并于 KAIST 任教，2013 年加入首尔大学。
▍ Email： maxko@snu.ac.kr
撰稿：《纳微快报(英文)》编辑部
编辑：《纳微快报(英文)》编辑部
转载本文请联系原作者获取授权，同时请注明本文来自纳微快报科学网博客。 链接地址： https://blog.sciencenet.cn/blog-3411509-1544123.html
上一篇： 青科大朱之灵/陈德宏等综述：生态纳米酶学---连接能源、环境与生态的新型催化范式 欢迎参加科学网十佳博文评选活动！ 主办单位： 
支持单位： 