D打印软传感器赋予机器人无芯片无电源机械反射弧

机器人无需电源也能运作？近日，新加坡国立大学研究团队给出了一项令人瞩目的成果。他们研发出名为ME-SOFS的全机械式软力传感器，其核心原理极为简洁：将施加的外力直接转化为流体运动，进而驱动执行器，构成完整的感知-动作闭环系统。整个过程无需任何外部电源，不涉及有源电子元件或计算芯片。

更值得关注的是其极端环境适应能力。在90℃高温、相当于11米水深的高压环境以及强电磁干扰条件下，该传感器仍能稳定运行。此外，通过调节三个核心设计参数，不同配置间的灵敏度差异可超过92倍，并支持多种尺寸、材料及多孔结构的变体设计。

从根本上说，这一新方法为制造结构更简单、适应更苛刻工况的软体机器人开辟了新路径。这种从感知到执行的直接响应机制，使其在医疗培训、假肢控制和人机交互等领域展现出巨大潜力。例如，未来的医学培训中，学员可通过力反馈技术真实感受专家操作时的力度；在机器人辅助老年护理场景中，机械臂能像人类神经反射一样，一旦检测到跌倒导致负荷骤增，立即提供更强有力的支撑。相关论文已发表于《科学进展》（Science Advances）[1]。

图丨机械传感手套（来源：Science Advances）

无需电源，它如何实现类似“神经反射”的运作？

近年来，软体机器人在柔韧性和灵活性方面取得了显著进展，但配套的感知系统却相对滞后。这些系统不仅体积增大、成本上升，功耗也持续攀升。从实际应用角度看，若需将软体机器人部署至深海执行任务，复杂的电子组件不仅会带来额外负担，还会显著增加系统整体复杂度和故障风险，尤其在潮湿、高温或高压等电子元件极易受干扰的环境中。

研究人员的灵感源自自然界——许多生物利用细胞（本质上是流体主导）在不同环境中构建触觉传感器。他们希望验证一个构想：充满流体的通道能否同时实现触觉感知与触觉反馈的双重功能？

与传统的电子电路不同，ME-SOFS采用3D打印的柔软多孔结构。其核心为一个中央柱体，当外力作用时，柱体会向受力方向倾斜，挤压不同方向的流体腔室（四个水平排列，一个垂直排列）。被挤压出的水通过软管流向另一端的执行器，每个腔室均可独立响应，从而让传感器检测并分离水平、侧向和垂直三个方向的力。整个过程无需任何电子转换：力先转化为流体运动，流体再直接驱动执行器完成动作。

（来源：Science Advances）

为了在机械输出同时产生可读的电信号，团队还集成了无源电路：软管内嵌入圆柱形磁铁，上方为3D打印的低熔点合金弧形线圈，依据法拉第电磁感应定律产生电压脉冲。信号峰值的数量对应磁铁穿过的弧数，而弧数直接反映水的位移量（即施加力的大小）。如此，力的信息被编码为一串可读的数字信号，且信号产生本身无需任何外部电源。

由于传感器的设计由可调几何参数定义——主要包括中心泡沫的孔径、斜面厚度和斜面角度，因此只需调整3D打印的数字模型，即可改变灵敏度，适应不同任务。实验结果表明，该架构具有极高的鲁棒性。可以说，ME-SOFS在一定程度上实现了类似人类的“条件反射”，为软体机器人的具身智能提供了一条全新路径。

从触觉反馈到极端环境：验证无源机器人的应用潜力

为展示其多功能性，研究团队将传感器集成至多种机器人平台。他们仅使用单一材料，通过一次连续3D打印，无需人工组装，便制造出一副包含五个微型ME-SOFS单元的柔软手套——每个指尖集成一个体积仅1立方厘米的传感器单元。

这副手套在假肢控制和人机交互中展现出潜力。经测试，佩戴后不仅能检测每个指尖的抓握力，还能预测所抓物体的重量。此外，团队将传感器连接到佩戴在人指尖的柔软触觉垫上，构建了触觉反馈系统。当操作人员蒙住双眼，仅凭触摸即可控制机械臂抓取动作：机械臂夹爪检测到的力，以流体压力形式传递至触觉垫，操作者能直接感知机器人抓取鸡蛋、木块和半瓶水时的不同力度。

成功抓取的信号记录后，还可作为示教数据，用于训练机器人自主复现动作。实验显示，通过3米长的流体管道传输，延迟仅为30毫秒；15米管道时延迟为160毫秒，这对于触觉远程操作而言非常有利。

图丨利用 ME-SOFS 创建传感-驱动回路（来源：Science Advances）

同样的感知-动作回路，还可在无需任何软件的条件下，引导单个液滴通过微型流体控制器，驱动一组微型纤毛状柔性阵列，根据检测到的力的方向和强度弯曲。这一特性，对未来的便携式医疗诊断设备而言，极具想象空间。

在极端环境测试中，ME-SOFS的表现同样出色：在90℃热水和水下110千帕压力（相当于11米水深）条件下，灵敏度保持稳定。其开放式流体通道能自动与周围水压平衡，因此传感器主要读取施加的力，受环境条件影响较小。加之不含任何电子元件，电磁干扰的影响也大幅降低。这些特性，对于深水探测、高温管道检修等严苛环境中的机器人而言至关重要——这些恰恰是现有电子传感器难以胜任的场景。

总体来看，触觉反馈回路使人类“教”机器的过程变得更加直观、自然。未来，它有望为工业培训、远程操作乃至虚拟现实交互，提供一种全新的触觉反馈方案。

研究团队表示，下一步将继续深入探索，重点围绕该系统在驱动力方面的可扩展性和小型化特性，开拓更多应用场景。当感知、反馈与执行能在物理世界中自然完成，机器人的身体本身或许将成为智能的一部分。

参考文献：

1.https://www.science.org/doi/10.1126/sciadv.aeb8052

2.https://techxplore.com/news/2026-07-soft-sensor-robotic-action-electronics.html#goog_rewarded